Journal of Geospatial Information Technology

fa الگوریتم بهینه‌سازی ذرات ازدحامی تعدیل شده به‌منظور حل مسأله مکان یابی بر روی معابر شهری (مطالعه موردی: مکان یابی ایستگاه های پلیس راهنمایی و رانندگی) Modified particle swarm optimization algorithm to solve location problems on urban transportation networks (Case study: Locating traffic police kiosks) سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research امروزه در شهرهای بزرگ جهان، ترافیک یکی از معضلات اصلی محسوب میشود که در اثر رشد جمعیت و عدم رشد متناسب ظرفیت خیابانها و سیستم حمل ونقل عمومی به وجود می‌آید. وقوع حوادث رانندگی یا ازدحام جمعیت در منطقهای خاص به دلیل رویدادی مختلف، میتواند سبب وخامت وضعیت ترافیکی شود. این‌گونه مشکلات ترافیکی نیاز به دخالت مستقیم پلیس راهنمایی و رانندگی دارد. غیر از مراکز پلیس راهنمایی و رانندگی موجود در محیط های شهری، احداث کانکسهای راهنمایی و رانندگی با تعداد محدودی نیرو، در محلهایی که امکان تأسیس مراکز راهنمایی و رانندگی وجود ندارد، یکی از رویکردهایی بوده که برای تسریع خدمت‌رسانی مورداستفاده قرارگرفته است. یافتن مکانی مناسب برای احداث این کانکسها یک مسأله مکانیابی به شمار می آید که میتوان از تجزیه‌ و تحلیل‌های سیستم اطلاعات مکانی برای حل آن استفاده کرد. در این مقاله، مکانیابی کانکسهای پلیس راهنمایی و رانندگی با توجه به تعداد آنها و سرعت دسترسی به مکانهای حادثه خیز، با استفاده از الگوریتم ذرات ازدحامی گسسته مورد بررسی قرارگرفته است. این الگوریتم که از دسته الگوریتمهای جمعیت مبنای هوش مصنوعی بوده، سرعت بالایی در حل مسائل از خود نشان داده است. به همین دلیل امکان استفاده از این الگوریتم با اعمال یک سری تغییرات بر روی این مسأله ترکیبی آزمایش‌شده است. بدین منظور عملگرهای تلفیق و جهش از الگوریتم ژنتیک در این الگوریتم مدل شده اند. پس از استخراج شبکه راه قسمتی از شهر تهران و اجرای الگوریتم بهبودیافته، نتایج این الگوریتم بهبودیافته با الگوریتم کلونی زنبورعسل، مورد ارزیابی قرارگرفته است. نتایج این تحقیق بیان می کند که عملگرهای انتخاب‌شده برای بهبود الگوریتم PSO به‌خوبی عمل می کنند. الگوریتم PSO بهبودیافته در مکان‌یابی 2 و 4 کانکس همانند الگوریتم ABC عمل کرده است اما زمانی که مکان‌&lrm;یابی برای 10 کانکس و بر روی محیط بزرگتری صورت می‌گیرد، نتایج الگوریتم PSO بهبودیافته از نظر دقت، صحت و تکرارپذیری بسیار بهتر از الگوریتم ABC است. Nowadays, traffic congestion is a big problem in metropolises all around the world. Traffic problems rise with the rise of population and slow growth of urban transportation systems. Car accidents or population concentration in particular places due to urban events can cause traffic congestions. Such traffic problems require the direct involvement of the traffic police, and it is urgent for them to be present at the scene as soon as possible. Due to the shortage of space, constructing traffic police centers in all areas is not possible. As a result, building traffic police kiosks with limited number of personnel and small cabins is a solution to solve this problem. Finding suitable places to build kiosks is a location optimization problem that can be solved by geospatial analyses. Artificial intelligent algorithms are suitable approaches to solve such problems. Particle Swarm Optimization (PSO) algorithm proved to be a fast and exact algorithm in solving continuous space problems. However, this algorithm cannot be used for discrete space problems without any modifications. In this paper, we modified PSO to solve problems in combinatorial space. Crossover and mutation operators from Genetic Algorithm were used to modify the behavior of particles. After conducting experiments on a part of Tehran’s transportation network, results were compared to the results of Artificial Bee Colony algorithm. In experiments with 2 and 4 kiosks, both algorithms are performing the same in accuracy, stability, convergence trend, and computation time. But in experiments with 10 kiosks on a bigger environment, results are in favor of the modified PSO algorithm in obtaining the optimum value; stability and better distribution in the area of interest. Results indicate that the proposed algorithm, is capable of solving combinatorial problems in a fast and accurate manner. مکان‌یابی, کانکس پلیس راهنمایی و رانندگی, بهینه‌سازی ذرات ازدحامی, کلونی زنبورعسل, شبکه راه شهری. Location Problem, Traffic Police Kiosk, Particle Swarm Optimization, Artificial Bee Colony, Urban Transportation Network 1 19 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-383-2&slc_lang=fa&sid=1 Sina Abolhoseini سینا ابوالحسینی abolhoseini.sina@gmail.com 10031947532846008272 10031947532846008272 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Saadi Mohammad Mesgari محمدسعدی مسگری mesgari@kntu.ac.ir 10031947532846008273 10031947532846008273 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین طوسی Reza Mohammadi Soleimani رضا محمدی سلیمانی r.mohamadi.91@gmail.com 10031947532846008274 10031947532846008274 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی