مكان يابي ايستگاه هاي آتش نشاني با استفاده از الگوريتم كلوني مورچه و GIS (مطالعه موردي شهر تهران)

Locating fire stations using the Ant Colony Algorithm and GIS A Case study: Tehran City

موقعيت ايستگاه هاي آتش نشاني نقش مهمي در كارآيي اين مراكز در حين حوادث آتش‏سوزي دارد. بنابراين، مكان يابي ايستگاه هاي آتش نشاني به منظور پوشش‌دهي بيشينه اين ايستگاه ها به مراكز جمعيتي، ضروري به نظر مي‌رسد. از سوي ديگر، مكان يابي ايستگاه هاي آتش نشاني و تخصيص جمعيت به آن‏ها، يك مساله‏ي بهينهيابي تركيبي محسوب مي‌شود. بنابراين، هدف اين تحقيق تركيب سيستم اطلاعات مكاني و يك الگوريتم فرا ابتكاري مبتني بر الگوريتم كلوني مورچه براي مكان يابي بهينه‏ي ايستگاه هاي آتش نشاني مي‏باشد. براي اين منظور، مطالعه‏اي موردي در پنج منطقه‏ي شهر تهران انجام شد. در اين تحقيق، در ابتدا مناطق مناسب با روش فرآيند تحليل سلسله مراتبي كه يك روش تصميم‏گيري چند معياره متداول مي‏باشد، شناخته شدند. براي اين منظور، دسترسي به معابر اصلي، مجاورت به كاربري‏هاي سازگار، و دوري از كاربري‏هاي ناسازگار به عنوان معيارها در نظر گرفته شدند. علاوه بر اين، محدوده‏ي پوشش ايستگاه هاي موجود نيز در نقشه نهايي در نظر گرفته شد. سپس توسط الگوريتم كلوني مورچه‏ي پيشنهادي ايستگاه هاي مناسب از ميان گزينه‏هاي مستعد انتخاب شدند. به منظور انتخاب اين ايستگاه ها، پارامترهايي شامل تلفيق فاصله‌ي مناسب ميان ايستگاه هاي آتش نشاني و بيشينه كردن جمعيتي كه توسط اين ايستگاه هاي آتش نشاني در زمان استاندارد سرويس‏دهي مي‏شوند، در نظر گرفته شدند. نتايج محاسباتي نشان ميدهد كه الگوريتم ارايه شده ميتواند جواب‌هاي با كيفيتي را براي اين‏گونه مسايل در زماني كوتاه به دست آورد. نتايج اين تحقيق همچنين كارايي اين روش در مكان يابي بهينه‏ي ايستگاه هاي آتش نشاني را نشان داد.

The location of Fire stations plays an important role in the efficiency of these facilities during fire accidents. Therefore, in order to maximize the coverage of these stations to population centers, proper locating of these fire stations seems necessary. On the other hand, locating of fire stations and allocating population to them is a combinatorial optimization problem. Therefore, the purpose of this paper is to integrate geographic information system and a meta-heuristic algorithm based on ant colony algorithm for optimal site selection of fire stations. For this purpose, a case study was carried out in five regions of Tehran. In this study, suitable areas were firstly identified by analytical hierarchical process method which is a common multi-criteria decision making method. For this purpose, access to the main transportation routes, proximity to compatible land uses, and staying away from incompatible land uses were considered as criteria. Furthermore, the coverage of the existing stations was also considered in the final map. Then the suitable stations were selected from the prone options by the proposed ant colony algorithm. In order to select these stations, parameters include incorporating proper distance among fire stations and maximizing the population that can be served by these fire stations in the standard time, were considered. The computational results reveal that the proposed algorithm can obtain high quality solutions to such problems in a short time. The results of this paper also reveal the efficiency of this method in the optimal locating of fire stations.