طراحي مدل مبتني بر منطق فازي و مديريت ريسك امداد و نجات زلزله زدگان جاده ايي شهر تهران

A New Model for Location – Routing – Relief Logistic Inventory in Earthquake Situations under Fuzzy Conditions Based on Risk Management (Case Study: Tehran City

زمينه و هدف: در سال هاي اخير مديريت بحران به عنوان يك رويكرد مناسب جهت برنامه ريزي و مقابله با بحران بلايا مطرح شده است. در اين خصوص لجستيك امداد بعنوان يكي از اجزاي مهم مديريت بحران نقش حياتي در موفقيت مديريت بحران دارد. تحقيق حاضر با تمركز بر لجستيك امداد و كمينه سازي هزينه در انتخاب مراكز توزيع و مسيريابي به نقاط نيازمند امداد با در نظر گرفتن قيد ريسك به ارائه مدلي رياضي جديد براي مكانيابي مراكز توزيع و امداد و نيز مسيريابي وسايل نقليه به منظور تأمين كالاهاي مورد نياز افراد آسيب ديده در زمان وقوع فجايع پرداخته است. روش: اين پژوهش از نوع كاربردي و نحوه انجام آن، توصيفي - تحليلي مي‌باشد. براي ارائه مدل مكان يابي، كمينه سازي هزينه با در نظر گرفتن قيد ريسك مورد نظر قرار گرفته است. با توجه به Np-hard بودن مسأله الگوريتم پيشنهادي از تركيب الگوريتم ازدحام ذرات و معادله ريسك تحت شرايط محيط فازي بدست آمده است. روش پيشنهادي برروي داده هاي زلزله شهرتهران مورد نظر قرار گرفته است. يافته‌ها و نتيجه‌گيري: بررسي روش پيشنهادي بر روي داده هاي زلزله شهر تهران نشان داد كه با استفاده از الگوريتم پيشنهادي، مكانيابي مراكز امداد از بين مكان هاي كانديد و مسيريابي مراكز منتخب با كمترين هزينه امكان پذير است. براين اساس ايستگاههاي كمك رسان به عنوان بهترين انتخاب در شرايط زلزله در شهر تهران از ميان 15 ايستگاه بالقوه عبارتند از: شهرك غرب- بوستان جمشيديه-سرخه حصار- آزادي- ساحل مصنوعي- حكيميه. همچنين به منظور بررسي عملكرد الگوريتم پيشنهادي، الگوريتم پيشنهادي با 5 الگوريتم (الگوريتم جنگل، الگوريتم كرم شب تاب، الگوريتم پرندگان مبتني بر نيروي الكترو استاتيك، الگوريتم پرندگان مبتني بر فاصله و پرندگان مبتني بر دسته بندي وجستجوي محلي) در هفت معيار مورد مقايسه قرار گرفته است كه نتايج نشان دهنده عملكرد بسيار مناسب الگوريتم پيشنهادي بوده است.

Context and Goal: In recent years, crisis management has been proposed as an appropriate approach to planning and encounter with disaster crisis. In this regard, relief logistics as an important component of crisis management plays a critical role in the achievement of crisis management. The present research has proposed a new mathematical model for location of distribution and relief centers as well as vehicles routing in order to providing required goods for disabled people at the time of disasters with focusing on the relief logistics. The goal of this proposed model is to minimize the cost of choosing distribution centers and routing of needy points for relief with considering risk constraint. Method: This research is a practical study and applied in a descriptiveanalytical manner that is considered to proposing location model and minimizing the cost of choosing distribution centers and routing of needy points for relief with considering risk constraint. Given that this problem is NP-Hard, the proposed algorithm is derived from the combination of particle swarm algorithm and risk equation for location – relief logistic routing in earthquake situations under fuzzy environment. The proposed method is implemented on the earthquake data of Tehran that are provided based on the library method and data sheets of the earthquake database extracted from the database of the Iran seismological center. Findings and Conclusion: The proposed method on earthquake data in Tehran showed that with using the proposed algorithm, it is possible to locating of relief centers from candidate locations and routing the selected centers with the lowest cost. Therefore, the relief stations that selected as the best choice in earthquake conditions from among the 15 potential stations in Tehran were: West Town, Jamshidieh Bustan, Sorkheh Hesar, Azadi, Artificial Beach, and Hakimiyeh. Also, in order to evaluate the performance of the proposed algorithm the proposed algorithm is compared with five algorithms (forest algorithm, firefly algorithm, particle swarm algorithm based on electrostatic power, particle swarm algorithm based on distance and particle swarm algorithm based on classifying and local search) in seven criteria. The results represented a very good performance of the proposed algorithm.