مسيريابي بهينه بر اساس معيار زمان با توجه به شرايط متغير تراف كيي

Optimum Path Finding Based on Time Criterion under Traffic Variation

يكي از مهم ترين كاربردهاي سيستمهاي اطلاعات مكاني تسهيل و بهبود حمل و نقل است. در اين زمينه قابليتهاي تجزيه و تحليل شبكه در سيستمهاي اطلاعات مكاني از جمله محاسبه كوتاه ترين مسير م يتواند بسيار مفيد واقع شود. تا كنون معيارهاي مختلفي براي انجام آناليز كوتاه ترين مسير در تجزيه و تحليل شبكه در سيستمهاي اطلاعات مكاني در نظر گرفته شد هاند. معيارهايي از قبيل مسافت، زمان سفر، راحتي مسير، زيبايي مسير و غيره. معيار زمان سفر چون كاملا وابسته به ترافيك است، داراي تغييرات پيوسته و تا حدودي تصادفي است.. به همين دليل مسيريابي بر اساس معيار زمان سفر با استفاده از الگوريتمهاي رايج مسيريابي مثل دايجسترا كه بر روي شبك ههاي استاتيك قابل اجرا هستند، نم يتواند خروجي مناسبي ارايه دهد. بنابراين در اين زمينه نياز به توسعه الگوريتمهايي است كه بر روي شبك ههاي پويا اجرا م يشوند. در اين مقاله يك روش جديد ارايه شده است كه در آن از اطلاعات آماري زمان سفر در روزهاي قبل به منظور پيش بيني زمان سفر يالها در آينده استفاده شده است. همچنين به منظور مدل كردن مساله تصادفي ترافيك به هر يك از يالهاي شبكه ريسكي اختصاص يافته است كه روش محاسبه آن نيز در اين مقاله توضيح داده شده است. به منظور در نظر گرفتن زمان سفر لحظ هاي و همچنين زمان سفر پيش بيني شده و ريسك هر يال، از يك مدل تجزيه فضا- زمان استفاده شده است كه چگونگي آن نيز در اين مقاله توضيح داده شده است. در نهايت به منظور آزمون روش و بررسي نتايج آن، روش ارايه شده روي داد ههاي يك نمونه موردي واقعي اجرا و مورد بحث قرار گرفته است. آزمون انجام شده به خوبي توانست تاثير استفاده از اين روش براي مسيريابي به جاي روشهاي استاتيك را نشان دهد، به نحوي كه زمان سفر بين دو نقطه در شبكه مورد آزمون از 71 / 35 دقيقه كه مربوط به روشهاي استاتيك بود به 43 / 29 دقيقه كاهش يافت. بدون شك با افزايش فاصله بين دو نقطه ميزان تاثير و فوايد روش ارايه شده نمايان تر خواهد بود.

Facilitation of transportation is one of the most important applications of Geographic Information System (GIS). In this area the network capabilities of GIS such as shortest path computation, could be very useful. Different criteria have ever considered for shortest path analysis in GIS such as: Distance, travel time, path comfort, path beauty. Travel time criterion has some random continues variations, due to its relation to traffic. Therefore, path finding based on these criterions by current algorithms such as Dijkstra is not suitable. In this field a development of algorithms that can be used on dynamic networks is necessary. In this paper we have developed an algorithm for this purpose that used statistical information of travel time in previous days for prediction of travel time in future. Also for modeling of the randomness of traffic, we have used a risk parameter for each edge in network. We have used the model of space-time partitioning for consideration of observed travel time, predicted travel time and risk parameters together. Finally for testing the developed algorithm, a case study has been explained in this paper. The implemented case study showed the usefulness of represented method in finding shortest path beside current static methods where the total travel time between two points in tested network was reduced from 35.71 minutes by static methods to 29.43 minutes. Certainly, the usefulness of our represented method could be more apparent by increased distance between origin and destination in the network.