ارائه رويكرد فازي براي طراحي خطوط مترو، نمونه موردي توسعه متروي تهران

A fuzzy approach for designing of subway lines, case study: development of the Tehran subway network

از آنجا كه احداث خطوط مترو بسيار هزينه‌بر است و همچنين ذي‌نفعان بسياري بعضا با اهداف متضاد نيز دارد، طراحي آن از مسائل مهم و چالشي براي برنامه‌ريزان و مهندسان حمل و نقل محسوب مي‌شود. با توجه به ضعف‌هاي رويكرد قطعي، در اين پژوهش يك رويكرد فازي براي طراحي خطوط مترو پيشنهاد و براي توسعه خطوط متروي تهران پياده‌سازي مي‌گردد. در مدل‌هاي پيشنهادي از دو تابع هدف 1- بيشينه كردن پوشش شبكه و كمينه كردن هزينه ساخت و 2- بيشينه كردن نسبت پوشش به هزينه ساخت استفاده مي‌شود. براي محاسبه جمعيت جذب شده به ايستگاه يك روش فازي و براي اعمال قيد حداقل و حداكثر طول كمان، يك ضريب جريمه فازي پيشنهاد مي‌گردد. نتايج طراحي خطوط جديد (خط 8 الي 13) شبكه متروي تهران با رويكرد فازي خطي حاكي از طول كل 139/3 كيلومتر و 118 ايستگاه است (هزينه احداث 47/7 هزار ميليارد تومان) و نسبت بهبود عملكردي (از نظر توپولوژي و پوشش) به هزينه ساخت برابر با 1/52 درصد به ازاي هزار ميليارد تومان سرمايه‌گذاري است. از طرفي نتايج طراحي با رويكرد فازي غيرخطي بيانگر طول كل 144/6 كيلومتر و 120 ايستگاه است كه با توجه به هزينه ساخت 49/4 هزار ميليارد توماني، نسبت بهبود به هزينه آن برابر با 48/1 درصد است. مقايسه دو رويكرد نشان مي‌دهد كه رويكرد فازي مي‌تواند 23 درصد بيشتر از رويكرد قطعي وضعيت شبكه را از لحاظ شاخص بهبود عملكردي به هزينه، ارتقا دهد. رويكرد پيشنهادي اين مقاله مي‌تواند مهندسان و برنامه‌ريزان حمل و نقل را در طراحي كاراتر خطوط مترو ياري نمايد.

Subway network design can be classified as one of the most challenging problems in transportation planning, where different deterministic or non-deterministic approaches have been utilized for optimal design. Non-deterministic methods, having fewer limitations and representing reality with its intrinsic uncertainty, have thus been the focus of less research. This paper incorporates concepts of fuzzy set theory into the optimal design of subway networks to the case of Tehran. Two binary mathematical programming models with different objective functions are developed. The first model maximizes the covered population while minimizing construction cost, whereas the second maximizes the ratio of the covered population to construction cost. These objective functions are modeled in both a fuzzy and a deterministic state. In the fuzzy model, we use a fuzzy penalty factor instead of edge length constraints and propose a Sugeno fuzzy inference system for calculating the covered population. Results indicate that the total length of designed lines with the linear and nonlinear fuzzy approach is equal to 139.3 km (477000 billion Iranian Rials) and 144.6 km (494000 billion Iranian Rials), respectively. Considering topology improvement per construction cost index, designed lines with the linear fuzzy model are better than the nonlinear fuzzy model. In comparison to the classic deterministic approach, the proposed fuzzy approach can improve topology improvement per construction cost index by 23 percent.