پیاده‌سازی یک مدل چندعامله فازی برای مدیریت ترافیک تخلیه شهر با استفاده از آتوماتای احتمالی
الموضوعات :
امیررضا کرباسچیان
1
(دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران)
سعيد ستايشي
2
(دانشگاه صنعتي امير كبير )
آرش شريفي
3
(دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران)
الکلمات المفتاحية: مدیریت ترافیک مدل‌سازی مبتنی بر عامل سیستم فازی سیستم چندعامله آتوماتای احتمالی,
ملخص المقالة :
به دلیل اهمیت تخلیه سریع شهر هنگام وقوع حوادث طبیعی یا غیر طبیعی، اعمال یک سیاست کنترلی بهینه برای جلوگیری از بروز تراکم و توقف وسایل نقلیه امری لازم و ضروری است. روش‌های موجود برای مدیریت ترافیک در شرایط بحران کمتر به استفاده از رویکردهای هوش مصنوعی پرداخته‌اند و به همین دلیل، هدف اصلی مؤلفین در این پژوهش ارائه یک رویکرد کنترلی بهینه و هوشمند برای ترافیک تخلیه شهر است. در این رویکرد از سیستم استنتاج فازی برای تصمیم‌گیری هر عامل و از آتوماتای احتمالی برای بهینه‌کردن عملکرد عامل‌ها با توجه به ترجیحات هر کدام از آنها در طول زمان استفاده شده است. برای بررسی میزان موفقیت رویکرد کنترلی پیشنهادی، شبیه‌سازی مبتنی بر عامل در محیط‌های RStudio و NetLogo و با استفاده از بسته‌های RNetlogo و frbs در زبان R انجام شده است. نتایج شبیه‌سازی نشان‌دهنده توزیع بار ترافیک، استفاده حداکثری از ظرفیت معابر و پیش‌گیری از بروز تراکم توسط رویکرد پیشنهادی است. با توجه به فناوری‌های ارتباطی نظیر GPS، گوشی‌های تلفن همراه هوشمند، سیستم‌های پرداخت عوارض خودکار الکترونیکی در معابر و ... که در سال‌های اخیر گسترش یافته‌اند، امکان پیاده‌سازی روش کنترل ترافیک بحران پیشنهادی در عمل نیز وجود خواهد داشت.
[1] V. McKinney, 2007, Sea Level Rise and the Future of the Netherlands, Accessed March 10, 2011, http://www1.american.edu/ted/ice/dutch-sea.html
[2] K. Caruso, 2005, Welcome to Rita Info.com, Accessed March 10, 2011, http://www.ritainfo.com/
[3] S. Kim, S. Shekhar, and M. Min, "Contraflow transportation network reconfiguration for evacuation route planning," IEEE Trans. on Knowledge and Data Engineering, vol. 20, no. 8, pp. 1-15, Aug. 2008.
[4] Y. Liu, An Intelligent Optimal Control System for Emergency Evacaution, Ph. D Thesis, University of Maryland, 2007.
[5] M. Madireddy, D. J. Medeiros, and S. Kumara, "An agent based model for evacuation traffic management," in Proc. of the 2011 Winter Simulation Conf., 2011.
[6] J. Varney, 2008, Contraflow Evacuation a Hurricane Triumph, Accessed March 11, 2011, http://www.nola.com/hurricane/areweready2006/tp/index.ssf?/hurricane/areweready2006/stories/contraflow.html
[7] E. Bonabeau, "Agent - based modeling: methods and techniques for simulating human systems," PNAS vol. 99 no. Suppl 3, May 14, 2002.
[8] F. B. Zhan and X. Chen, "Agent - based modeling and evacuation planning," Geospatial Technologies and Homeland Security, vol. 94, pp. 189-208, 2008.
[9] T. Cova and J. P. Johnson, "A network flow model for lane - based evacuation routing," Transportation Research Part A: Policy and Practice, vol. 37, no. 7, pp. 579-604, 2003.
[10] S. Kim, B. George, and S. Shekhar, "Evacuation route planning: scalable heuristics," in Proc. of the 2007 Int. Sym. on Advances in Geographic Information Systems, Seattle, WA, US, 2007.
[11] H. W. Hamacher and S. A. Tjandra, "Mathematical modeling of evacuation problems: a state of the art," Pedestrian and Evacuation Dynamics, pp. 227-266, 2002.
[12] A. K. Rathi and R. S. Solanki, "Simulation of traffic flow during emergency evacuations: a microcomputer based modeling system," in Proc. of the 1993 Winter Simulation Conf., pp. 1250-1258, 12-15 Dec. 1993.
[13] C. M. Macal and M. J. North, "Agent-based modeling and simulation: desktop ABMS," in Proc. INFORMS Winter Simulation Conf., pp. 95-106, 2007.
[14] B. Zhang, W. Kin, and S. V. Ukkusuri, "Agent - based modeling for household level hurricane evacuation," in Proc. of the 2009 Winter Simulation Conf., pp. 2778-2784, 2009.
[15] A. Shendarkar and K. Vasudevan, "Crowd simulation for emergency response using BDI agent based on virtual reality," in Proc. of the 2006 Winter Simulation Conf., pp. 545-553, 2006.
[16] B. Wolshon, "One-way-out: contraflow freeway operation for hurricane evacuation," Natural Hazards Review, vol. 2, no. 3, pp. 105-112, 2001.
[17] X. Chen and F. Zhan, "Agent - based modelling and simulation of urban evacuation: relative effectiveness of simultaneous and staged evacuation strategies," J. of the Operational Research Society, vol. 59, no. 1, pp. 25-33, Jan. 2008.
[18] X. Chen and F. B. Zhan, "Agent - based modeling and simulation of urban evacuation: relative effectiveness of simultaneous and staged evacuation strategies," Presented at the 83rd Annual Meeting of the Transportation Research Board, Washington, D.C. 2004.
[19] H. Tuydes, Network Traffic Management under Disaster Conditions, Ph. D Thesis, Northwestern University, 2005.
[20] H. Tuydes and A. Ziliaskopoulos, "Tabu - based heuristic approach for optimization of network evacuation contraflow," Transportation Research Record: J. of the Transportation Research Board, vol. 1964, no. 1, pp. 157-168, 2006.
[21] S. Kim and S. Shekhar, "Contraflow network reconfiguration for evacuation planning: a summary of results," in Proc. 13th ACM Symp. Advances in Geographic Information Systems, pp. 250-259, Nov. 2005.
[22] G. K. H. Pang, K. Takahashi, T. Yokota, and H. Takenaga, "Adaptive route selection for dynamic route guidance system based on fuzzy - neural approaches," IEEE Trans. on Vehicular Technology, vol. 48, no. 6, pp. 2028-2041, Nov. 1999.
[23] م. تشنه‌لب، نيما صفارپور و داريوش افيوني، سیستم‌هاي فازي و كنترل فازي، انتشارات دانشگاه صنعتي خواجه نصيرالدين طوسي، صص. 79-80، 1389. [24] http://www.rstudio.com/, Accessed Apr. 2013,
[25] http://www.r-project.org/, Accessed Apr. 2013,
[26] http://rnetlogo.r-forge.r-project.org/, Accessed Apr. 2013,
[27] U. Wilensky, 1999, NetLogo (and NetLogo User Manual), Center for Connected Learning and Computer Based Modeling, Northwestern University, http://ccl.northwestern.edu/netlogo/, Accessed Apr. 2013,
[28] L. S. Riza, C. Bergmeir, F. H. Triguero, and J. M. Benitez, frbs: Fuzzy rule-based systems, a package for R Language, http://cran.r-project.org/web/packages/frbs/index.html, Accessed Apr. 2013.
