Journal of Geospatial Information Technology

fa مسیر یابی بهینه خطوط انتقال برق با استفاده ازسیستم اطلاعات مکانی (GIS) و الگوریتم هوش مصنوعیRRT* : مطالعه موردی شهرستان مسجد سلیمان Optimized Routing of Power Transmission Lines Using Geographic Information Systems (GIS) and Artificial Intelligence Algorithms (RRT*): A Case Study of Masjed Soleyman County سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research  طراحی بهینه مسیر خطوط انتقال برق، با هدف کاهش هزینه‌های ساخت و نگهداری و افزایش پایداری در برابر مخاطرات طبیعی، اهمیت قابل توجهی دارد. شهرستان مسجدسلیمان با توجه به تراکم رخداد زمین‌لرزه، پتانسیل زمین‌لغزش و شدت فرونشست زمین، یکی از مناطق پرریسک برای احداث شبکه‌های انتقال برق محسوب می‌شود. در این پژوهش، رویکردی ترکیبی مبتنی بر سامانه اطلاعات جغرافیایی (GIS) و الگوریتم هوش مصنوعی RRT*برای مسیریابی بهینه توسعه داده شد. به منظور ارزیابی مخاطرات، یک لایه مکانی تلفیقی ایجاد گردید که شامل سه شاخص کلیدی (تراکم رخداد زلزله، شدت فرونشست زمین و پتانسیل زمین‌لغزش) می‌باشد که در این لایه شاخص‌ها با وزن مساوی ترکیب شدند تا لایه مخاطرات طبیعی نهایی را تشکیل دهند. خطوط انتقال برق موجود با این لایه همپوشانی داده شدند و مسیرهای پرریسک شناسایی گردیدند. مسیرهای شماره صفر و هفت بیش از 80 درصد طول خود را در نواحی پرخطر طی می‌کردند، بنابراین برای مسیریابی مجدد با الگوریتم RRT  انتخاب شدند. نتایج نشان داد مسیرهای پیشنهادی الگوریتم به‌طور قابل توجهی از نواحی پرخطر اجتناب کرده و توزیع یکنواخت‌تری از کلاس‌های خطر را ارائه می‌دهند. به طور نمونه میانگین و انحراف معیار هزینه در مسیر موجود(شماره صفر) به ترتیب 14479/07 و 12713/79بوده که در مسیر جدید به 6216/07  و 65/10536 کاهش یافت. همچنین در مسیر موجود(شماره هفت)، این مقادیر از 51/18124 و 27/14474 به 23/11548 و 58/12530 کاهش یافت. این نتایج نشان‌دهنده کاهش سطح کلی خطر و افزایش پایداری مسیرهای جدید نسبت به مسیرهای موجود است. در مجموع، یافته‌ها حاکی از آن است که ترکیب GIS و الگوریتم RRT*می‌تواند ابزاری مؤثر برای طراحی مسیرهای پایدارتر و اقتصادی‌تر در مناطق دارای مخاطرات طبیعی بالا باشد و رویکردی کاربردی برای برنامه‌ریزی شبکه‌های انتقال برق در شرایط مشابه ارائه نماید.   The optimal routing design of the power transmission lines holds significant importance, primarily to reduce the construction and maintenance costs while enhancing stability against natural hazards. Given its high density of earthquake occurrences, landslide potential, and the severity of land subsidence, Masjed Soleyman County is considered a high-risk area for establishing power transmission networks. In this research, a hybrid approach, leveraging the Geographic Information System (GIS) and the RRT* Artificial Intelligence algorithm, was developed for optimal route identification. A composite spatial layer, incorporating three key indicators—earthquake occurrence density, land subsidence severity, and landslide potential—was created for hazard assessment. These indicators were combined using equal weights to generate the final natural hazards layer. By overlaying the existing power transmission lines onto this layer, the high-risk routes were identified. Specifically, Routes Zero and Seven were found to traverse over 80% of their total length within high-risk zones, so it was necessary to select new routes for them using the RRT* algorithm. The results indicated that the routes proposed by the algorithm significantly avoided high-risk areas and presented a more uniform distribution of risk classes. For instance, the mean and standard deviation of the cost for the existing route (number zero) were 14497.07 and 12713.79 respectively, which were reduced to 6216.07 and 10536.65 in the new route. Similarly, for the existing route (number seven), these values decreased from 18124.51 and 14474.27 to 11548.23 and 12530.58. These findings demonstrate a reduction in the overall risk level and an increase in the stability of the new routes compared to the existing ones. In summary, the findings suggest that the combination of GIS and the RRT* algorithm is an effective tool for designing more sustainable and economical routes in areas with high natural hazards, offering a practical approach for power transmission network planning under similar conditions.   الگوریتم RRT*, مسیریابی, خطوط انتقال برق, GIS RRT* Algorithm, Routing, Power Transmission Lines, Artificial Intelligence Algorithms. 117 140 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-527-4&slc_lang=fa&sid=1 Fatemeh Ghazalizadeh فاطمه غزلی زاده f.ghazalizadeh@gmail.com 100319475328460010683 100319475328460010683 No Shahid Chamran University of Ahvaz دانشگاه شهید چمران اهواز Mostafa Kabolizadeh مصطفی کابلی زاده m.kabolizade@scu.ac.ir 100319475328460010684 100319475328460010684 Yes Shahid Chamran University of Ahvaz دانشگاه شهید چمران اهواز Seyed Sajedin mousavi سید ساجدین موسوی s.mousavi@scu.ac.ir 100319475328460010685 100319475328460010685 No Shahid Chamran University of Ahvaz دانشگاه شهید چمران اهواز