[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 9، شماره 3 - ( 9-1400 ) ::
جلد 9 شماره 3 صفحات 84-59 برگشت به فهرست نسخه ها
حل مسئله به اشتراک‌گذاری تاکسی‌های باظرفیت مختلف با استفاده از الگوریتم ژنتیک ارتقاء‌یافته و اولویت‌های اجتماعی کاربران
وحید هاشمی*، محمد سعدی مسگری، پویا محمدی کزج
دانشگاه صنعتی خواجه نصیر الدین طوسی
چکیده:   (196 مشاهده)

اکثر سیستم‌های اشتراک سواری موجود، برنامه‌ریزی سفر را تنها بر اساس دو معیار شباهت مکانی و زمانی سفر مسافران انجام می‌دهند. بی‌توجهی به اولویت‌های اجتماعی منجر به کاهش تمایل کاربران در استفاده از سرویس‌های اشتراک سواری می‌شود. باید سامانه‌ای ایجاد گردد که هر 3 معیار گفته شده را در برنامه‌ریزی سفر در نظر بگیرد تا بتوان کاربران را به استفاده هر چه بیشتر از این سامانه‌ها ترغیب نمود. هدف از این پژوهش طراحی و پیاده‌سازی مدلی مناسب، برای اشتراک سواری با به‌کارگیری تاکسی‌های با ظرفیت مختلف و در نظر گرفتن اولویت‌های اجتماعی کاربران با استفاده از الگوریتم ژنتیک ارتقا یافته است. در این پژوهش از دو عملگر جهش ابتکاری و دو الگوریتم جست‌وجوی محلی ابتکاری به‌منظور ارتقا الگوریتم ژنتیک برای این حالت خاص استفاده‌شده است. در مدل استفاده شده در این پژوهش، مکانیسمی طراحی‌شده تا کاربران بتوانند بازخوردی از سفر اشتراکی خود را در یک شبکه اجتماعی فرضی با سایر کاربران به اشتراک بگذارند. سپس تأثیر نظر کاربران بر یکدیگر در جهت استفاده و یا عدم استفاده از این سامانه و علت آن تحلیل و بررسی شد. نتایج به‌دست‌آمده حاکی از کارایی روش پیشنهادی دارد؛ زیرا در پایان اجرای الگوریتم میزان علاقه کاربران به استفاده از این سیستم افزایش یافت که دلیلی بر تأمین اولویت‌های اجتماعی کاربران است. به طور مثال هر یک از مسافران با شرکت در اشتراک سواری به طور میانگین 26 درصد در هزینه سفر خود صرفه جویی کرده‌اند. همچنین درآمد هر یک از رانندگان نیز با شرکت در اشتراک سواری به طور میانگین 48 درصد افزایش یافته است. از طرفی مسافت کل سفرها به میزان 40 درصد نسبت به حالت سفر تکی کاهش یافت و نیز تعداد خودروهای استفاده‌شده در حالت سفر اشتراکی کمتر از حالت سفر تکی بود که این امر در کاهش ترافیک و آلودگی هوای ناشی از مصرف سوخت خودروها مؤثر خواهد بود.

واژه‌های کلیدی: واژگان کلیدی: اولویت‌های اجتماعی کاربران، الگوریتم ژنتیک ارتقا یافته، عملگرهای جهش ابتکاری، مکانیسم اشتراک بازخورد سفر، شبکه اجتماعی کاربران
متن کامل [PDF 1662 kb]   (74 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: 1399/2/5 | پذیرش: 1399/11/7 | انتشار: 1400/9/30
فهرست منابع
1. [1] M. Nourinejad, "Dynamic optimization models for ridesharing and carsharing," University of Toronto, 2014.
2. [2] M. I. Hosny and C. L. Mumford, "Investigating genetic algorithms for solving the multiple vehicle pickup and delivery problem with time windows," in MIC2009, Metaheuristic International Conference, 2009.
3. [3] Y. Zhou, Y. Huang, J. McGlynn, and A. Han, "Who will you share a ride with: Factors that influence trust of potential rideshare partners," arXiv preprint arXiv:1707.04284, 2017.
4. [4] L. Tang, M. Han, Z. Duan, and D. Cai, "An efficient ride-sharing recommendation for maximizing acceptance on geo-social data," CCF Transactions on Pervasive Computing and Interaction, vol. 1, no. 4, pp. 240-249, 2019. [DOI:10.1007/s42486-019-00015-0]
5. [5] J. Yousaf, J. Li, L. Chen, J. Tang, and X. Dai, "Generalized multipath planning model for ride-sharing systems," Frontiers of computer science, vol. 8, no. 1, pp. 100-118, 2014. [DOI:10.1007/s11704-013-3021-6]
6. [6] Y. Lin, W. Li, F. Qiu, and H. Xu, "Research on optimization of vehicle routing problem for ride-sharing taxi," Procedia-Social and Behavioral Sciences, vol. 43, pp. 494-502, 2012. [DOI:10.1016/j.sbspro.2012.04.122]
7. [7] C. Ma, R. He, and W. Zhang, "Path optimization of taxi carpooling," PLoS One, vol. 13, no. 8, p. e0203221, 2018. [DOI:10.1371/journal.pone.0203221]
8. [8] W. M. Herbawi and M. Weber, "A genetic and جایگذاریion heuristic algorithm for solving the dynamic ridematching problem with time windows," in Proceedings of the 14th annual conference on Genetic and evolutionary computation, 2012, pp. 385-392: ACM. [DOI:10.1145/2330163.2330219]
9. [9] G. Pankratz, "A grouping genetic algorithm for the pickup and delivery problem with time windows," Or Spectrum, vol. 27, no. 1, pp. 21-41, 2005. [DOI:10.1007/s00291-004-0173-7]
10. [10] W.-R. Jih and J. Y.-J. Hsu, "A family competition genetic algorithm for the pickup and delivery problems with time window," Bulletin of the College of Engineering, no. NTU 90: 89-98, 2004.
11. [11] Q. Ye, C. Ma, R. He, Q. Xiao, and W. Zhang, "Multi-objective optimisation for taxi ridesharing route based on non-dominated sorting genetic algorithm," International Journal of Wireless and Mobile Computing, vol. 8, no. 3, pp. 262-270, 2015. [DOI:10.1504/IJWMC.2015.069409]
12. [12] J. Żak, M. Hojda, and G. Filcek, "Multiple criteria optimization of the carpooling problem," Transportation Research Procedia, vol. 37, pp. 139-146, 2019. [DOI:10.1016/j.trpro.2018.12.176]
13. [13] G.-q. Pan, "Study on Taxi Carpooling Based on City Gridding," Value Engineering, vol. 2013, no. 14, p. 14, 2013.
14. [14] G. Dimitrakopoulos, P. Demestichas, and V. Koutra, "Intelligent management functionality for improving transportation efficiency by means of the car pooling concept," IEEE transactions on intelligent transportation systems, vol. 13, no. 2, pp. 424-436, 2011. [DOI:10.1109/TITS.2011.2169669]
15. [15] M. Berlingerio, B. Ghaddar, R. Guidotti, A. Pascale, and A. Sassi, "The GRAAL of carpooling: GReen And sociAL optimization from crowd-sourced data," Transportation Research Part C: Emerging Technologies, vol. 80, pp. 20-36, 2017. [DOI:10.1016/j.trc.2017.02.025]
16. [16] G. H. de Almeida Correia, J. de Abreu e Silva, and J. M. Viegas, "Using latent attitudinal variables estimated through a structural equations model for understanding carpooling propensity," Transportation Planning and Technology, vol. 36, no. 6, pp. 499-519, 2013. [DOI:10.1080/03081060.2013.830894]
17. [17] J. DeFrancisco, R. Harb, and E. Radwan, "Evaluation of a carpooling program in a university setting using a stated preference survey," 2014.
18. [18] E. L. Lasmar, F. O. de Paula, R. L. Rosa, J. I. Abrahão, and D. Z. Rodríguez, "Rsrs: Ridesharing recommendation system based on social networks to improve the user's qoe," IEEE Transactions on Intelligent Transportation Systems, vol. 20, no. 12, pp. 4728-4740, 2019. [DOI:10.1109/TITS.2019.2945793]
19. [19] S. B. Nasr, "New approach for a stable multi-criteria ridesharing system," arXiv preprint arXiv: 1901.02510, 2019.
20. [20] R. W. Floyd, "Algorithm 97: shortest path," Communications of the ACM, vol. 5, no. 6, p. 345, 1962. [DOI:10.1145/367766.368168]
21. [21] A. Muruganantham and M. Gandhi, "Discovering and Ranking Influential Users in Social Media Networks Using Multi-Criteria Decision Making (MCDM) Methods," Indian J Sci Technol, vol. 9, no. 32, pp. 1-11, 2016. [DOI:10.17485/ijst/2016/v9i32/95171]
22. [22] A. E. Eiben, E. Marchiori, and V. Valko, "Evolutionary algorithms with on-the-fly population size adjustment," in International Conference on Parallel Problem Solving from Nature, 2004, pp. 41-50: Springer. [DOI:10.1007/978-3-540-30217-9_5]
23. [23] H. C. Chen YT, "Improve the carpooling applications with using a social community based travel cost reduction mechanism," International Journal of Social Science and Humanity, 2013. [DOI:10.7763/IJSSH.2013.V3.201]
24. [24] W. Zhang, R. He, Y. Chen, M. Gao, and C. Ma, "Research on taxi pricing model and optimization for carpooling detour problem," Journal of Advanced Transportation, vol. 2019, 2019. [DOI:10.1155/2019/3867874]
25. [25] A. Salehi-Abari and T. White, "The impact of naive agents in heterogeneous trust-aware societies," in International Workshop on Multi-Agent Systems and Agent-Based Simulation, 2009, pp. 110-122: Springer. [DOI:10.1007/978-3-642-13553-8_10]
26. [26] H. Qadir, O. Khalid, M. U. Khan, A. U. R. Khan, and R. Nawaz, "An optimal ride sharing recommendation framework for carpooling services," IEEE Access, vol. 6, pp. 62296-62313, 2018. [DOI:10.1109/ACCESS.2018.2876595]
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

hashemi V, mesgari M S, mohammadi kazaj P. Solving the ridesharing problem with Non-homogeneous vehicles by using an improved genetic algorithm and the social preferences of the users. jgit. 2021; 9 (3) :59-84
URL: http://jgit.kntu.ac.ir/article-1-758-fa.html

هاشمی وحید، مسگری محمد سعدی، محمدی کزج پویا. حل مسئله به اشتراک‌گذاری تاکسی‌های باظرفیت مختلف با استفاده از الگوریتم ژنتیک ارتقاء‌یافته و اولویت‌های اجتماعی کاربران. مهندسی فناوری اطلاعات مکانی. 1400; 9 (3) :84-59

URL: http://jgit.kntu.ac.ir/article-1-758-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 9، شماره 3 - ( 9-1400 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 4422