فهرست مطالب leila hajibabai
-
اختصاص بیشترین سهم هزینه های مدیریت پسماند به بخش جمع آوری ازیک سو و ضرورت بهره وری عملیاتی این سیستم باکاهش زمان های صرف شده از سوی دیگر بهینه سازی سیستم جمع آوری و حمل را به صورت یک اصل در طراحی و مدیریت پسماند مطرح می سازد. اهمیت این موضوع ازآن جهت است که بهبود اندکی در عملیات جمع آوری می تواند تاثیر قابل ملاحظه ای در صرفه جویی هزینه های کل داشته باشد. لذا مقاله حاضر باهدف توسعه یک سامانه مدیریتی برای ناوگان جمع آوری و حمل ونقل مدلی مناسب برای مسیریابی وسایل نقلیه (کامیون) ارایه می دهد بگونه ای که هم مسیر مناسب برای هر کامیون جمع آوری پسماند و هم برنامه زمانی، مبدا، مقصد و مسیر حرکت کامیون ها مشخص شود. نوآوری اصلی این مقاله، به کارگیری سامانه اطلاعات مکانی تحت وب و توسعه مسیریابی بهینه وسایل جمع آوری پسماند با تاکید بر پارامترها و ویژگی های مکانی می باشد. برای به دست آوردن جواب مناسب از مساله مسیریابی وسایل نقلیه با ظرفیت محدود جمع آوری پسماند استفاده شد بگونه ای که هم بتواند زمان سفر را کمینه کند و هم پارامترهای 1- حداکثر کل زمان سفر مجاز و2- حداکثر مسافت طی شده مجاز وسایل نقلیه به عنوان محدودیت های مساله نیز رعایت شود. به منظور حل این مساله ابتدا داده های میزان حجم پسماند هر سطل زباله، مقدار زمان لازم برای تخلیه کردن هر سطل زباله، جهت حرکت شبکه معابر، ساعات شروع بکار وسایل نقلیه، محدودیت سفر در سرعت مجاز، امپدانس زمان و امپدانس فاصله هر یال، بر روی شبکه معابر در فرمت یک مجموعه داده به عنوان ورودی مدل پیشنهادی ساخته می شود. در ادامه مدل اجرا شده که برای هر کامیون یک مسیر پیشنهاد و در بستر وب این نتایج منتشر شده است. بررسی نتایج حاصل نشان می دهد که رویکرد پیشنهادی 14% زمان، 24% مسافت طی شده و 35% مصرف سوخت را در مقایسه با وضعیت موجود ناوگان کاهش می دهد. همچنین میزان رضایت مندی کاربران از سامانه Web GIS موردبررسی قرار گرفت که نتایج حاکی از رضایت 89 درصدی کاربران می باشد.کلید واژگان: Web-based GIS, WCCVRP, پسماند جامد شهری, ظرفیت محدود, زمان سفر}Allocating the largest share of waste management costs to the collection sector on the one hand, and the necessity for operational efficiency of this system by reducing the spent time on the other hand, highlights the importance of optimization of waste collection and transport system as a principle in waste design and management. The importance of this issue is that even little improvement in the collection system could have a considerable impact on reducing total costs. Therefore, in order to develop a management system for (fleet collection and transportation), this paper presents an appropriate model for vehicles (truck) routing that determines the appropriate truck route, timetable, starting point, destination, and routes of each truck. The main innovation of this paper is the application of WebGIS and the development of optimal routing for waste collection vehicles with an emphasis on spatial parameters and features. To obtain an appropriate answer, routing vehicles with limited waste collection capacity were used in order to minimize the travel time and consider limiting parameters including, 1- maximum total allowable travel time and 2 – maximum allowable covered distance of vehicles. With the aim of optimal management of waste collection, features such as the amount of waste in each trash bin, the amount of time required to discharge each trash bin, the direction of network traffic, vehicle operating hours, road speed limits, time impedance and distance impedance of each edge were considered. The results show that in comparison to the current fleet, the proposed approach reduces travel time, distance, and fuel consumption by 14%, 24%, and 35%, respectively. User satisfaction with the WebGIS was also assessed indicating that 89% of the users are satisfied with this system.
-
رشد جمعیت و افزایش نیاز بشر به بهداشت و درمان، سبب افزایش تولید پسماندهای پزشکی شده است. در این میان جمع آوری و انتقال به مراکز دفن این پسماندها در کمترین زمان ممکن لازم است. یکی از ضروری ترین فاکتورهای مسیریابی وسایل نقلیه جمع آوری پسماند زمان سفر است. محاسبه زمان سفر به پارامترهای فراوانی بستگی دارد. رویکردی که همه پارامترهای تاثیرگذار در این امر را لحاظ و همچنین میزان تاثیر آن ها را تعیین می کند، می تواند به محاسبه دقیق زمان سفر و به تبع آن یافتن مسیر مناسب منجر شود. هدف اصلی این مقاله، تخمین دقیق زمان سفر با به کارگیری همه پارامترهای تاثیرگذار در پیمودن یک معبر برای وسایل نقلیه جمع آوری پسماند پزشکی است که با توجه به نیاز به یادگیری مکانی زمانی از الگوریتم های شبکه عصبی مصنوعی استفاده شده است که به نوعی نوآوری پژوهش نیز است. درواقع علاوه بر پارامترهای ایستا، به منظور به دست آوردن داده های پویا که یکی از محدودیت های اصلی این رویکرد است، از داده های لحظه ای دوربین های سازمان کنترل ترافیک و گوگل استفاده شده است. از داده های واقعی زمان سفر که وسایل نقلیه به منظور جمع آوری پسماند درمانی صرف کرده اند، به عنوان خروجی شبکه عصبی استفاده شده است. مدل پیشنهادی استفاده شده شبکه عصبی مکانی-زمانی (ST-ANN) نام دارد؛ زیرا لحظه حرکت وسیله نقلیه دو پارامتر زمان و مکان مشخص است. از پارامتر مکان ویژگی های ایستا و از پارامتر زمان ویژگی های پویای مربوط به آن گذر مشخص می شود. در این پژوهش، از بازه های زمانی 30 دقیقه ای استفاده شد. سپس این نتایج بر پایه زمان روز ترکیب تا زمان سفر پیش بینی شدند. در اجرای ST-ANN به منظور تعیین معماری مناسب 24 ترکیب متفاوت از اجزای آن اجرا شد و از تعداد 937 یال، 70، 15 و 15 درصد آن به ترتیب برای نمونه آموزشی، اعتبار سنجی و کالیبره کردن مدل استفاده و درنهایت با ضریب هم بستگی 91 درصد زمان سفر هر یال برآورد شد. از طرفی نتایج پژوهش با مدل های دیگر و با دو معیار ضریب هم بستگی (R2) و خطای میانگین مربعات (MSE) بررسی و مشاهده شد R2 به مقادیر 11/0، 08/0 و 02/0 و MSE به مقادیر 278، 190 و 26 بهبود یافته اند.
کلید واژگان: پسماند پزشکی, زمان سفر, شبکه عصبی مصنوعی مکانی زمانی, مسیریابی}Travel time data is important for most of the vehicle routing problems (VRP) aimed at modeling time constraints like customer time window as well as time objectives, such as minimizing travel time and waiting time. One of the most important advantages of precise travel times in VRPs is the reduction of total travel time and increasing route reliability, which with more accurate travel time data better removes time constraints. The obvious reasons for not using variable travel time in VRP are related to three factors. First, conventional VRP algorithms cannot consider variable travel time without major structural changes. Second, all parameters affecting travel time are often not used. Third, collecting the required data is very difficult. Therefore, designing appropriate models with enough accuracy in predicting travel time based on the effective variables is a necessity in the transportation planning process.In this paper, the appropriate variables for measuring the impact of spatial-temporal and traffic factors on the travel time of medical waste collection vehicles in a single route were defined and by examining and implementing the proposed model, the impact of these variables on the travel time was measured. To estimate the travel time, we used the proposed model called spatial-temporal neural network (ST-NN) which can examine the effect of variables at any moment of the travel time. The study area is Tehran metropolis with its entire urban passages network. The required data were first pre-processed and then entered into the neural network algorithm as model inputs. The model was
Keywords: travel time, Medical waste, spatial-temporal artificial neural networks, Routing}
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.