Kentsel Transit Networks'in Tasarımlarını Multi-objective Strategies ile optimize etmek

Kentsel Transit Network Design'ın Büyüsü

Kentsel geçiş ağları modern şehirlerin dolaşım sistemleri olarak hizmet eder, günlük milyonlarca insanın hareketini sağlar ve tüm sosyoekonomik grupların adil bir şekilde erişimi sağlarken, bu ağların tasarım görevi bu gerçek dünya gerilimlerini yakalamaya devam eder. Planlayıcılar, belediyeyi terk etmeden geniş kapsamalıdır, yüksek hizmet frekanslarını korurken, tüm sosyoekonomik grupların adil bir şekilde kullanılmasını sağlar. Geleneksel tek-objective optimizasyonlarının genellikle bu gerçek dünya gerilimlerini yakalamaya yol açan, bu gerçek-dünya gerilimlerini ele alalım.

Kentsel Transit Network Design Challenges

Etkili bir geçiş ağı tasarımı, basit geometrinin ötesine geçen zorlukların bir takımını ele almak içerir. Aşağıdaki liste birincil engelleri yakalar, ancak her şehir eşsiz coğrafya, demografi ve mali kısıtlamalara dayanan farklı endişeleri vurgulayabilir.

• [FONT:0) İnşaat ve operasyonel maliyetler - Tüneller, köprüler ve elektrikli dağıtım gibi yoğun altyapı, araç, bakım ve personel için uzun vadeli işletme giderlerine karşı haklı olmalıdır. Bütçe sınırlamaları genellikle hızlı genişleme ve sistem güvenilirliği arasındaki zor seçimlere karşı zor seçimlere yol açıyor.
• [FONT:0] Farklı mahallelere hizmet etmek için kapsamın belirlenmesi[DÜDÜT:1) - Transit çöller - halka açık ulaşıma uygun erişim - sosyal eşitsizliklerin kapatılması gerekir.Köpekaj, nüfus yoğunluğu, istihdam merkezleri ve aktivite düğümleri dengelemek zorundadır, ancak aşırı rota uzatmaları finansal kaynakları azaltabilir.
• [FONT:0) Çevre etkisini azaltmak ve sürdürülebilirliği teşvik etmek) - Kentsel karbon emisyonlarının önemli bir payı için Ulaşım hesapları. Transit ağlar, özel otomobillerden modal geçişi teşvik etmeli, ancak elektrikli enerji entegrasyonu ve yaşam döngüsü değerlendirmeleri karmaşıklık katmanlarına eklenmelidir.
• [FONT:0) Kullanıcılar için erişilebilirlik ve rahatlık – Ridership, ilk mil / son mil bağlantıları, frekansı, güvenilirlik ve kullanıcı rahatlığı için sorunsuz bir tasarım hem yasal bir gereklilik hem de ahlaki bir zorunluluktur.
• [FONT:0) Gelir gruplarının karşılaştırılması[Dönetici:0)[Dönetici:0)Gini kat veya erişilebilirlik endeksleri gibi öznel alanları tercih etmiştir.
• [FONT:0) Diğer modlarla ve arazi kullanımı planlama[[[Dönetici: 1) Transit, bisiklet paylaşımı ile birlikte çalışır, bisikletle birlikte gezinir, yürüyüş yolları ve şehirlerarası raylar, aynı zamanda şehir yoğunluğu geçiş odaklı gelişim yoluyla şekillendirir.
• [FONT:0)Dönetmelik ve iklim değişikliği) - seling, ısı dalgaları ve salgınlar, yüksek çözünürlük için tasarım.Reaksiyon, alternatif kesinti ve adaptasyon kapasitesi giderek daha kritik.

Multi-objective Optimizasyonu Anlamak

Multi-objective optimizasyon (MOO) aynı anda iki veya daha fazla çatışma hedefi göz önünde bulundurulmuş bir matematiksel çerçevedir.Tek bir "en iyi" cevabına uyması yerine MOO, Pareto cephesi olarak bilinen bir dizi ticari çözümü tanımlar.Bir çözüm Pareto-optimal eğer hiç bir hedef en azından bir başka amacı kötüleştirilmemişse, bu planlayıcıların bir tasarıma kadar tam bir şekilde görüntülemesini sağlar.

Hesaplama genellikle bir karar vektörü **x** rota hizalama, yerleri, frekans ve araç tipini temsil eder. hedef, hedef minimum maliyetle, ortalama seyahat süresine, f2 (x) içerir.

Anahtar Optimizasyon Teknikleri

Heuristic ve metaheuristic algoritmaları yaygın olarak kullanılır çünkü geçiş ağı tasarımının düktörel doğası genellikle en popüler yöntemler arasındadır: Aşağıdaki teknikler en popüler arasındadır:

• [FONT=0)Genetic Algoritmas (GA))[değiştir | kaynağı değiştir], GA nesillere çeşitliliğe yönelik bir aday ağı tasarımıyla bir araya gelir.Seçim, ve mutasyon operatörleri, NSGA-II gibi standart bir kriteri keşfeder.
• [FONT:0] Annealing (SA))[0)[KD) – Metallurgy’den alıntı yapmak, SA, ağdaki büyük rastgele değişikliklere izin veren yüksek bir “seçim” ile başlar, yavaş yavaş yavaş yavaş yavaş yavaş çözümler üretebilir ve çözüm düzgünlüğün sorunları için etkili olabilir, örneğin rota geometrileri ayarlarken.
• [FONT:0)Particle Swarm Optimizasyonu (PSO))[değiştir | kaynağı değiştir], her "parça" bir aday çözümü temsil eder ve kendi en iyi bilinen konumu ve swarm'ın global en iyi şekilde hareket eder. PSO genellikle frekansı ve kafa yolu gibi sürekli değişkenleri yakınlaştırır.
• [FONT:0)MOEA/D (Multi-objective Evolutionary Algorithm Based on Decomposition)) - Bu yaklaşım, çoklu-objective problemini ölçeklendirmek için ayarlar, her biri mahalle bilgilerini optimize eder.
• [FONT:0]Hybrid yöntemleri[[[[Dönetici:0)[[Dönetici:0))[[[Döneticileri bir araya getirmek gibi, yerel aramayı SA ile GA veya darbe PSO'ya dahil etmek gibi, yakınlık ve çeşitlilik elde edebilir.

Plaklar ve Hedefler Transit Network Design

Doğru hedefleri seçmek optimizasyon algoritmasının kendisi kadar önemlidir. Aşağıdaki ölçümler genellikle kombinasyon halinde kullanılır:

• [0]Toplam sistemi maliyeti) - Sermaye harcamalarının (kapital maliyet) ve yıllık işletme masrafları (işman maliyeti); genellikle en aza indirgenmiştir.
• [FONT:0)Koverage alanı veya nüfus kapsaması[DÜT:1) - Bir yürüyüş mesafesindeki nüfusun Yüzdesi (örneğin, 400 metre) bir geçiş durdurması; en üst düzey.
• [FONT:0]Average seyahat süresi[[Döntgen: 1) Toplam in-vehicle zamanı artı bekleme ve transfer süresi; en aza indirmek.
• [FONT:0) Kullanıcı maliyeti - Ekstra-pocket fiyatlar için maliyeti; en aza indirmek veya kısıtlama olarak ayarlanır.
• [FONT=0)Emissions veya karbon ayak izi[Dönetici: 1) Yolcu-köprü için CO2 eşdeğer olarak kabul edilir; en aza indirmek.
• [FONT=0]Equity index[[[Döneticiler arası erişilebilirlik; daha iyi bir özkaynak için en aza indirme.
• [FONT:0) Ağ sağlamlığı[[Dönetici: 1))[Dönetici: Bağlantılar veya duraklamalar başarısız olduğunda hizmet tutma yeteneği (örneğin bağlantı kaybı ile ölçülmelidir).
• [FONT:0)Modal, [Dönetici: 1)) Değiştirilmiş geçiş nedeniyle özel araç gezilerinde beklenen azalmayı bekler; en üst düzeye çıkar.

Ticaret ve Pareto Optimality

Transfer ağ tasarımında klasik bir ticaret:0) Maliyet[Dönetici:2) ve [[Dönetici[Dönetici 3) ile genişletilebilir.Köpektif olarak genişletilen kapsama alanı düşük seviyeli banliyöler, her iki sermayeyi ve işletme maliyetlerini yükseltebilir. Pareto cephesi, bu maliyetlerin ötesinde bir görsel aracı ve sosyal olarak kabul edilebilir bir şekilde daha pahalı hale getirir.

Bir başka önemli ticaret-off, harcanan her bir dolara karşı emisyon azaltımının ölçülebileceğini içerir[Döneticileri 1 ).Bir otobüs filosu kuyruk emisyonlarını azaltır, ancak çok-objective optimizasyon, harcanan her bir ek dolara uygulanabilirliğini ölçebilir, maliyet-tokarbonizasyon stratejilerine izin verebilir.

Pratik Uygulamalar ve Vaka Çalışmaları

Multi-objective optimizasyon, dünya çapında transit ağlara uygulanır, planlayıcılar için değerli bilgiler sunar.

Vaka Çalışması: Bogotá TransMilenio (Colombia)

Bogotá'nun Bus Hızlı Transit (BRT) sistemi optimizasyon çalışmaları kullanarak birkaç genişleme geçirdi. Araştırmacılar, şehirdeki bütçeye bağlı olarak maliyetleri azaltan bir uygulamayı haklı çıkardılar.Sabalık tedavi ederek, düşük maliyetli müdahaleler ilk olarak dağıtıldılar.

Vaka Çalışması: Kopenhag'ın S-trains (Denmark)

Kopenhag, bölgesel ulaşım modeli ile yeniden plan S-train ve metro entegrasyonunu yeniden planlamıştı. Hedefler yolcu kalabalığını, enerji tüketimini azaltmayı ve başın güvenilirliğini korumakta olan en iyi çözümler, ancak daha yüksek frekansları kapalı saatler boyunca gösterdi, açık bir ticaret analizi olmadan açık olmazdı. Şehir yolcu başına% 12 azaltımı ve zaman performansında gelişmişti.

Vaka Çalışması: Singapur'un LTA (Land Transport Authority)

Singapur, dünya sınıf geçiş sistemini planlamak için uzun süredir simülasyon ve optimizasyon kullandı. Önemli bir proje, daha önce korumalı topluluklardan gelen% 15'e karşı yüksek ücretli bir maliyet primi uygulamaya koydu.

Bu vaka çalışmaları, multi-objective stratejilerinin sadece akademik egzersiz olmadığını gösteriyor - zaten inşa edilmiş ortamı şekillendiren eylem edilebilir, yüksek performanslı tasarımlar üretiyorlar.

Çok-objective Optimizasyon için Araçlar ve Yazılım

MOO'yu geçiş ağları için çeşitli araçlar mevcut, genel amaçlı kütüphanelerden alana özel platformlara kadar.

• [FONT=0) Python'daNSGA-II (Pymoo, Platypus))[Uygunlar ve sınırlılar için açık kaynak kütüphaneleri, GIS verileri ile entegre edilebilir.
• [FONTLAB Global Optimizasyon Toolbox[Dönetici:0)[FONTT:1) – GA ve desen aramalarının çok etkili uygulamaları içerir. MATLAB ekosisteminde zaten takımlar için kullanışlı.
• [FONT:0)GIS tabanlı araçlar (örneğin, ArcGIS Network Analisti, QGIS ile eklentiler ile)) - Spasal analiz yetenekleri ağ tasarımı için gereklidir.Özel senaryolar, demografik faktörler, arazi kullanımı ve yükseklik gibi coğrafi faktörlere dahil olmak üzere MOO kütüphaneleri ile çift GIS'i içerir.
• [FONT:0)Transit-specific simülasyon yazılımı (e.g., TransCAD, PTV Visum))[değiştir | kaynağı değiştir, atama ve kullanıcı dengesi modellemesi)[değiştir | kaynağı değiştir]
• [FONT:0]Jupyter Defterleri Dash veya Bokeh[[Dön 1: 1] ile birlikte - Pareto cephelerinin Etkileşimli görselleştirilmesi karar vericilerin gerçek zamanlı olarak ticaret-offlarını keşfetmelerine yardımcı oluyor.

Multi-objective Strategies Faydaları

Geçiş ağı tasarımında çok-objective optimizasyonu, geleneksel tek-objective veya manuel yaklaşımlar üzerinde beton avantajları sağlar.

• [FONT:0] Karar vericiler için çeşitli çözümler kümesini ([Döneticiler) oluştururlar; tek bir öneri yerine, Pareto cephesi birden çok geçerli alternatif sunar, her biri farklı bir hedef önceliklendirir.Bu güçler seçilmiş yetkililer ve paydaşların nice verilere göre bilgilendirilmiş değer tabanlı seçimler yapması için.
• [FONT:0]Balances maliyet, kapsama ve sürdürülebilirlik etkili bir şekilde - Tüm üç hedefleri kısıtlar yerine tedavi ederek, optimize edici doğal olarak, yönetimde iyi performans gösteren çözümler bulur, aşırı ticaretten kaçınılabilir.
• [FONT:0) şeffaf ve bilgilendirilmiş planlama süreçleri) - Ticaretten ayrılanların görselleştirilmesi her alternatif açıklığın arkasındaki rasyonel hale getirir. Topluluk üyeleri, daha ucuz bir tasarımın neden daha yüksek bir başlangıç yatırımını gerektirdiğini veya daha yüksek bir yatırımın teşvik edebileceğini görebilirler.
• [FONT:0)Depler, nüfus büyümesi veya yakıt fiyat değişiklikleri gibi belirsiz gelecekteki koşullar altında sağlam olan tasarımları inceler. Hassasiyet analizi, Pareto cephesinde, sınıfsal lütufları tespit etmek için gerçekleştirilebilir.
• [FONT:0] hisse senedi tercihlerinin entegrasyonu[[Dönetici:0)[[Dönetici:0) Belirli bir şehir meclisi, diğer hedefleri göz önünde bulundurmak için karar verici tercihlere izin verir. Örneğin, bir şehir meclisi özkaynaklara öncelik verirse, optimizasyonlar diğer hedefleri göz önünde bulundurulurken, en yüksek puanlara göre çözümler vurgulayabilir.

Future Yol Tarifi

Kentsel geçiş ağı tasarımı alanı hızla gelişmektedir, veri kullanılabilirliği, hesaplama gücü ve toplumsal baskılar tarafından yönlendirilmektedir. Multi-objective stratejileri, birkaç gelişmekte olan trendlerde merkezi bir rol oynayacaktır.

Big Data ve Machine Learning ile entegrasyon

Akıllı kartlardan gerçek zamanlı veriler, GPS ve mobil telefonlar, geçiş ağlarının dinamik optimizasyonunu sağlar. Makine öğrenme modelleri talep modellerini tahmin edebilir ve günlük, haftalık veya mevsimsel dalgalanmalara adapte olan MOO algoritmalarına besleyebilir.Fiziksel ödül fonksiyonları ile birlikte, sonunda rotaları ve frekansları gerçek zamanlı olarak ayarlamaya yol açabilir.

Elektrikselleştirme ve Çevre Adaleti

Şehirler elektrikli otobüs filosuna geçiş olarak MOO, geçiş sırasında şarj altyapısına yer verirken, ağ kapasitesi, rota uzunluğu ve özkaynaklar. Çevre adalet hususları - düşük gelirli mahallelerin geçiş sırasında kesintiye uğramaması veya hava kirliliğinden etkilenmemesi gibi - hedeflerin düzeltilmesi olarak kodlanabilir.

Özerk Araç Entegrasyonu

Özerk servisler ve talep edilen hizmetler sabit geçiş ve kişisel hareketlilik arasındaki hattı bulanıklaştıracaktır. Multi-objective Optimizasyon, otonom pods'un ilk mil / son mil bağlantıları sağladığı karma ağları tasarlayabilir, yüksek kapasiteli koridorlar hizmet kalitesi arasındaki hattı bulanıklaştırır, maliyet ve enerji tüketimi bugün sistemlerden dramatik olarak farklı olacaktır.

Kıtlama ve İklim Adaptasyon

İklim değişikliği, aşırı olaylara dayanabilecek transit ağ talep eder. MOO, risk ölçümlerini (örneğin, yıllık sel etki) aşırı maliyet olmadan kırılganlığı azaltan tasarımları, tanımlamak için "kazan-kazan" çözümleri ortaya çıkarabilir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Çok-objective stratejileri ile şehir geçiş ağlarını optimize etmek artık bir seçenek değildir - bu, verimli, sürdürülebilir, adil ve dayanıklı ulaşım sistemleri oluşturmak için temeldir.Çok maliyetli, sürdürülebilirlik ve diğer kritik hedefleri olan bu metodolojilerin benimsenmesi, şehir liderlerinin karşılaştığı zor seçimler için şeffaf, veri odaklı bir temeldir.

Daha fazla okuma için temelsel [[0)U.S. Ulusal Standartlar ve Teknolojinin Çok-objective optimizasyon sayfasındaki (Dönetici) [Dönetici:2)Gazete Sisteminin özel konusu geçiş ağı optimizasyonu).