استفاده از الگوريتم ژنتيك براي حل مسئله قيمت گذاري بهينه تراكم

An optimal solution for congestion pricing problem using Genetic Algorithm

در اين مقاله مسيله دو سطحي قيمت گذاري تراكم با استفاده از روش بهينه سازي ژنتيك به منظور يافتن مكان بهينه اخذ عوارض و تعيين سطح بهينه عوارض دريافتي در يك شبكه حمل و نقلي حل شده است. در سطح بالاي مسيله دو سطحي ، با هدف به حداكثر رساندن اختلاف در مازاد رفاه خالص اجتماعي مسيله قيمت گذاري تراكم و در سطح پايين مسيله تعادل استفاده كننده به منظور تخصيص جريان ترافيك روي شبكه با استفاده از الگوريتم فرانك ولف ، حل شده است. با فرض الاستيك بودن تابع تقاضاي سفر، الگوريتم ژنتيك روي شبكه سوفالز به كار گرفته شده است و مكان بهينه اخذ عوارض و سطح بهينه عوارض دريافتي روي شبكه مشخص شد. مقايسه نتايج با پژوهش هاي پيشين نشان داد كه الگوريتم ژنتيك از عملكرد خوبي برخوردار بوده و خالص مازاد رفاه خالص اجتماعي را بهبود بخشيده است.همچنين نتايج نشان داد كه استفاده از الگوريتم ژنتيك تعداد لينك هاي عوارضي شده را كاهش داده است بدون آنكه بر متوسط نرخ عوارض لينك ها تاثير قابل توجهي داشته باشد.

In this paper the bi-level congestion pricing problemwas formulated usingGenetic Algorithm technique to solveoptimal toll locations and level setting problem for a road network. In upper level, congestion pricing problemis solved to maximize net social surplus and in lower leveluser equilibrium problem is solvedto assign the traffic flow on the network using Frank Wolfe algorithm. Assuming the travel demand is elastic, Genetic Algorithm is applied to the Sioux Falls network to find optimum toll locations and toll levels. Comparing the results with previous researches indicated thatGenetic Algorithm performed efficiently and enhanced the net social surplus. In addition, using Genetic Algorithm reduced the number of tolled links involved in the congestion pricing scheme while the average toll rates did not change significantly.