18.02.2019, 13:07

Ulaştırma ve Toplu Taşıma Sistemlerinde Sıklık-4

1995 yılında yapılan ilgili çalışmalarda sıklık optimizasyonu problemi doğrusal olmayan tek düzeyli bir problem olarak teşkil edilmiştir. Bu modelde, daha yüksek sınır seviyeleri, planlamacının filo büyüklüğünün fizibilitesi ve toplam seyahat süresinin minimizasyonu için teminini ifade etmektedir. Daha düşük sınır seviyeleri ise, kullanıcıların optimal strateji atama modellerine göre seyahat süresini minimize etmesini ifade etmektedir. Dahası her iki düzeyin amaç fonksiyonları aynı çözümlemelere sahiptir. Model; problemin belirli özelliklerini kullanan iniş eğimine dayalı olarak iteratif bir algoritma tarafından yaklaşık olarak çözülmektedir. Metodoloji; Stockholm (İsveç), Winnipeg (Kanada) ve Portland (Amerika Birleşik Devletleri) şehirlerinin içerdikleri sırası ile 38, 67 ve 115 hatla ilgili durumların kullanılması ile test edilmiştir.

Çok amaçlı bir model önerilmiş olup işletmecilerin işletim maliyetlerini (sıklıklarla doğru orantılı olduğu kabulü yapılmaktadır) ve kullanıcıların toplam seyahat sürelerini minimize etmeye çalışılmaktadır. Bu tarz çalışmaların dikkat çeken karakteristiği, kullanıcı davranışlarından kaynaklı tıkanıklığın içselleştirilmesidir. Verili bir sıklık dizisi için, önerilen atama modeli uygulanmış olup talebi etkin sıklıklara göre dağıtmaktadır. Önerilen yaklaşık çözüm yöntemi, bir başlangıç sıklık dizisi ile başlamakta olup bir hassasiyet analizi prosedürüne göre başarı ile geliştirilmektedir. Metodoloji; 4 düğüm noktası ve 4 hattan oluşan tanımlı küçük bir numunenin kullanımı ile test edilmektedir.

2010 yılı itibari ile yapılan çalışmalarda ise daha yakın olarak, otobüs sıklık optimizasyonu için genetik bir algoritma önerilmiştir. İyi bilindiği üzere, söz konusu durum ilgili probleme sezgisel ötesi yaklaşımın uygulandığı ilk örnektir. Optimizasyon modeli, sefer ve bekleme süresinin minimizasyonunu filo büyüklüğü kısıtına bağlı bir konu olarak ele almaktadır. Kullanıcı davranışları, optimal stratejili atama modeli kullanılarak modellenmektedir. Yaklaşık çözüm yöntemi; sistemdeki farklı hatlar arasında uygun filo yeniden dağıtımını yapan genetik işletimciler ile sıklıkların tam sayılı kodlamasını yapmaktadır. Metodolojiler; 3004 otobüs durağı ve 89 hattan oluşan Çin’in Dalyan şehri ile ilgili durumla ve tanımlamalı küçük boyutlu bir durumla test edilmektedir.

Toplu ulaştırma sıklık optimizasyonu ile ilgili en son referanslara 2012 yılında yapılan çalışmalarda rastlanabilmekte olup aynı düzeyli bir model önerilmiştir. Daha yüksek sınırlar, sıklıkların ve otobüs boyutlarının değişimi ile bir toplam maliyet fonksiyonu geliştirmeye çalışmakta, hem Hooke Jeeves algoritması ve hem de tabu araştırması, sezgisel bir araştırma olarak kullanılmaktadır. Düşük sınır düzeyli problem, 1993 yılında yapılan ilgili araştırmalarla formüle ederek kapasite kısıtlı atama problemini çözmektedir. Bu kapsamda araştırmacılar İspanya’nın Santander şehrindeki 15 otobüs hattından oluşan durumu kullanarak metodolojiyi test etmişlerdir. Aynı zamanda 2011 yılındaki ilgili çalışmalarda sıklık optimizasyonu, toplu taşıma ağ tasarımı probleminin bir parçası olarak sezgisel yaklaşımla çözülmüş ve Hong Kong şehrinde 10 hattan oluşan bir banliyö yerleşim alanında test edilmiştir.

Özetle literatürde sıklık optimizasyonu için farklı modeller önerilmiş olmasına karşın, oldukça benzer amaç fonksiyonları ve kısıtlarına sahiptirler. Dikkate alınan çoğu atama alt modellerince kabul edilen hipotezlerde küçük değişimler gözlemlenmektedir. Otobüs kapasitesi çoğu zaman; kullanıcı memnuniyetine göre kullanılan hatlarda yeterli kapasiteyi sağlaması gereken plancılar tarafından bir kısıt olarak ilave edilmeye teşvik edilmektedir. Diğer taraftan 2000’li yıllarda yapılan ilgili çalışmalar, tıkanıklıklı atama alt modelinin vasıtası ile kullanıcı davranışında, otobüs kapasitesinin etkisini modellemektedir. Bilindiği kadarı ile otobüs kapasitesinin belirli bir değerlendirmesi altında resmi koşullar altında herhangi bir çalışma tartışması yürütülmesine gerek yoktur. Bütün çözüm yöntemleri yaklaşıktır, bunların bir kısmı matematiksel formülasyon ile içre edilirken, diğerleri ise saf sezgisel yaklaşımlıdır. Son olarak kullanılan en büyük test, yaklaşık 100 hatlı durumlarla sahip şehirlerde karşılaşılmaktadır.

Yorumlar (0)
banner117
15
açık
banner159
banner153
Puan Durumu
Takımlar O P
1. Galatasaray 10 28
2. Samsunspor 11 25
3. Fenerbahçe 10 23
4. Beşiktaş 10 20
5. Eyüpspor 11 19
6. Sivasspor 11 17
7. Göztepe 10 15
8. Başakşehir 10 15
9. Kasımpasa 11 14
10. Konyaspor 11 14
11. Trabzonspor 10 12
12. Gaziantep FK 10 12
13. Bodrumspor 11 11
14. Antalyaspor 11 11
15. Alanyaspor 11 10
16. Rizespor 10 10
17. Kayserispor 10 9
18. Hatayspor 10 3
19. A.Demirspor 10 2
Takımlar O P
1. Erzurumspor 11 22
2. Kocaelispor 11 22
3. Bandırmaspor 11 21
4. Karagümrük 11 18
5. Igdir FK 11 18
6. Boluspor 11 18
7. Esenler Erokspor 11 17
8. Ümraniye 11 17
9. Pendikspor 11 17
10. Ankaragücü 11 16
11. Ahlatçı Çorum FK 11 16
12. Şanlıurfaspor 11 15
13. Gençlerbirliği 11 15
14. Manisa FK 11 14
15. Keçiörengücü 11 14
16. İstanbulspor 11 13
17. Sakaryaspor 11 13
18. Amed Sportif 11 13
19. Adanaspor 11 6
20. Yeni Malatyaspor 11 -3
Takımlar O P
1. Liverpool 10 25
2. M.City 10 23
3. Nottingham Forest 10 19
4. Chelsea 10 18
5. Arsenal 10 18
6. Aston Villa 10 18
7. Tottenham 10 16
8. Brighton 10 16
9. Fulham 10 15
10. Bournemouth 10 15
11. Newcastle 10 15
12. Brentford 10 13
13. M. United 10 12
14. West Ham United 10 11
15. Leicester City 10 10
16. Everton 10 9
17. Crystal Palace 10 7
18. Ipswich Town 10 5
19. Southampton 10 4
20. Wolves 10 3
Takımlar O P
1. Barcelona 12 33
2. Real Madrid 11 24
3. Atletico Madrid 12 23
4. Villarreal 11 21
5. Osasuna 12 21
6. Athletic Bilbao 12 19
7. Real Betis 12 19
8. Mallorca 12 18
9. Rayo Vallecano 11 16
10. Celta Vigo 12 16
11. Real Sociedad 12 15
12. Girona 12 15
13. Sevilla 12 15
14. Deportivo Alaves 12 13
15. Leganes 12 11
16. Getafe 12 10
17. Espanyol 12 10
18. Las Palmas 12 9
19. Real Valladolid 12 8
20. Valencia 11 7