Namizəd Nöqtəsiz Stoxastik Yol Müqaviməti Məkan Problemi (Candidate-Free Stochastic Road Resistance Location Problem, CF-SRLP), qaz təcili təmir stansiyalarını əvvəlcədən müəyyən edilmiş dar namizəd məkan siyahısı ilə məhdudlaşdırmaq əvəzinə yol şəbəkəsindəki bütün qovşaqları potensial stansiya yeri kimi qiymətləndirərək, dəyişkən nəqliyyat şəraitində hədəf əhatə etibarlılığını təmin edən mümkün qədər kiçik stansiya çoxluqlarını axtaran məkan optimallaşdırma modelidir. Tədqiqat OpenStreetMap əsaslı real City H yol şəbəkəsi ilə qaz boru xətti əlaqəsindən istifadə etmiş; 498 qovşaq və 1192 bağlantıdan ibarət yol topologiyasında Haversine məsafəsini, stoxastik yol müqaviməti əmsallarını, təkmilləşdirilmiş iterativ acgöz axtarışı və Monte Carlo simulyasiyasını birləşdirmişdir.

Buradakı “stoxastik yol müqaviməti”, yol səthinin mexaniki yuvarlanma müqaviməti deyil. Modeldə nəqliyyat axını və yol əlçatanlığındakı dəyişkənliyi təmsil edən ölçüsüz əmsaldır. Hər yol hissəsi üçün \(\tau_{ab}\) əmsalı \([0.1,1]\) intervalındakı bərabər paylanmadan yaradılır və ideal sürət \(\bar v\) bu əmsalla vurularaq həmin ssenaridə hərəkət sürəti hesablanır. Əsas hal tədqiqatında ideal sürət 60 km/saat, hədəf çatma müddəti 0,5 saat, yəni 30 dəqiqə, hər Monte Carlo icrasında 100 yol müqaviməti ssenarisi və ümumilikdə 200 Monte Carlo təkrarı istifadə edilmişdir. Beləliklə tədqiqat 20.000 stoxastik nəqliyyat ssenarisini qiymətləndirmişdir.

City H hal tədqiqatında 2125 stansiya konfiqurasiyası araşdırılmış və optimallaşdırılmış düzülüşlərin orta əhatə nisbəti %97,77 kimi bildirilmişdir. Əhatə nisbətinin standart sapması %2,48, diapazonu %9,59, kvartillərarası diapazonu %2,54 və variasiya əmsalı %2,54-dür. Orta stansiya sayı təxminən 9,8 ətrafında yaxınlaşarkən əhatə təxminən %97,8 ətrafında sabitləşmişdir.

Stansiya sayı 5-dən 17-yə yüksəldikdə orta əhatə %91,5445-dən %99,7952-yə qalxmışdır. Bununla belə artım xətti deyil: 5-dən 11 stansiyaya keçiddə əhatə %99,2234-ə yüksələrkən 11-dən 17-yə əlavə genişlənmə yalnız 0,5718 faiz bəndi əlavə artım vermişdir. Bu nəticə mənbə tədqiqatda azalan marjinal gəlir kimi şərh olunur.

Model orta şəraitdə yüksək əhatə və daha qısa çatma müddətləri yaratsa da, ən pis hal gecikmələrini tam aradan qaldırmamışdır. Orta çatma müddətləri əsasən 6–20 dəqiqə arasında cəmləşərkən maksimum çatma müddətləri əsasən 30–45 dəqiqə arasındadır. Maksimum çatma müddətlərinin yalnız %12,0414-ü 30 dəqiqəlik hədəf hədd daxilində qalmışdır. Buna görə tədqiqat yaxşı stansiya yerləşməsinin məkan əlçatanlığı problemini güclü şəkildə azalda biləcəyini, lakin həddindən artıq nəqliyyatdan yaranan “quyruq ucu” gecikmə riskinin yalnız statik stansiya yerləşməsi ilə həll edilə bilməyəcəyini göstərir.

Ən mühüm şərh sərhədi budur: %97,77 əhatə nisbəti real qaz sızması müdaxilələrindən ölçülmüş tarixi sahə performansı deyil. Nəticə real yol və qaz şəbəkəsi strukturundan törədilmiş topologiya üzərində aparılmış stoxastik simulyasiyalara aiddir. Model növbələri, eyni vaxtlı tapşırıq toqquşmalarını, heyət/nəqliyyat vasitəsi tutumunu və çoxstansiyalı müdaxiləni nəzərə almır; buna görə real əməliyyat daha mürəkkəb ola bilər.

CF-SRLP nədir və “namizəd nöqtəsiz” nə deməkdir?

CF-SRLP qaz təcili təmir stansiyalarının yerini stoxastik səyahət müddətləri altında optimallaşdıran əhatə modelidir; “namizəd nöqtəsi əvvəlcədən müəyyən edilməyən” ifadəsi stansiyaların istənilən coğrafi koordinatda yerləşdirilə bilməsi demək deyil, əvvəlcədən kiçik namizəd siyahısı yaratmaq əvəzinə yol şəbəkəsi topologiyasındakı bütün qovşaqların qərar məkanına daxil edilməsi deməkdir.

Ənənəvi namizəd çoxluğu niyə problem yarada bilər?

Klassik obyekt yerləşdirmə modellərində əvvəlcə məhdud sayda namizəd stansiya nöqtəsi seçilə və optimallaşdırma yalnız bu nöqtələr arasında aparıla bilər. Mənbə tədqiqata görə namizəd nöqtələr inzibati sərhədlər, mövcud obyektlər, torpaq əlçatanlığı və ya xərc kimi praktik filtrlərlə əvvəlcədən seçildikdə, əslində şəbəkədə daha yüksək əhatə verə biləcək bir qovşaq optimallaşdırma başlamazdan əvvəl kənarda qala bilər.

CF-SRLP yanaşması bu ilkin ələmə addımını aradan qaldıraraq yol şəbəkəsindəki bütün qovşaqları potensial stansiya yeri kimi qiymətləndirir. Bununla belə qərar məkanı yenə də diskret şəbəkədir. Yol qovşağı olmayan fasiləsiz ərazi nöqtələri modelin qərar dəyişəni deyil.

Üç təcili müdaxilə formasının fərqi

Tədqiqat böyük və mürəkkəb şəhər şəbəkələrində nəqliyyat şəraitinin zamandan asılı dəyişməsi səbəbindən səyahət müddəti əsaslı müdaxilə məntiqini əsas götürür.

Modelin yeddi əsas fərziyyəsi

1. Əhatə əlaqəsi yalnız ən qısa yol səyahət müddətinə görə müəyyən edilir; növbə, tapşırıq toqquşması və təmir tutumu məhdudiyyətləri nəzərə alınmır.
2. Nəqliyyat şəraiti stoxastik yol müqaviməti əmsalları ilə təmsil olunur; ssenarilər bir-birindən müstəqildir.
3. Stansiyalar yalnız yol şəbəkəsi qovşaqlarında qurula bilər.
4. Tikinti xərci əsasən stansiya sayı ilə təmsil olunur; stansiyalar arasındakı fərqli əməliyyat və torpaq xərcləri modelə ayrıca daxil edilmir.
5. Hər tələb nöqtəsinə müvafiq ssenaridə səyahət müddəti ən qısa olan tək stansiya xidmət göstərir; eyni vaxtlı çoxstansiyalı müdaxilə yoxdur.
6. İki qovşaq arasındakı ən qısa səyahət müddətinin simmetrik olduğu, yəni şəbəkənin ikiistiqamətli bağlı olduğu qəbul edilir.
7. Tələb qovşaqlarının istifadəçi sayı, prioritet səviyyəsi və ya tələb sıxlığı kimi fərqli çəkiləri nəzərə alınmır.

Bu fərziyyələr modeli xüsusilə məkan əlçatanlığı və stansiya yerləşməsi üzərində cəmləşdirir. Real fövqəladə hallar idarəçiliyinin bütün əməliyyat detallarını təmsil etmir.

Stoxastik Yol Müqaviməti Modeldə Necə Təmsil Olunur?

Stoxastik yol müqaviməti hər yol hissəsindəki ideal sürəti \(\tau_{ab}\in[0.1,1]\) əmsalı ilə vuraraq ssenariyə məxsus hərəkət sürətini, ardınca isə səyahət müddətini dəyişdirən ölçüsüz nəqliyyat qeyri-müəyyənliyi dəyişənidir; əsas hal parametrində 60 km/saat baza sürəti istifadə edildiyi üçün tənliyin riyazi nəticəsi olaraq hissə sürətləri 6–60 km/saat aralığında dəyişə bilər.

Ümumi metod axını

Yol şəbəkəsi topologiyasının qurulması

Xam yol həndəsələri əsas xətt seqmentlərinə ayrılır. Seqment ucları, kəsişmə nöqtələri və təkrarlanan koordinatların təmizlənməsi nəticəsində optimallaşdırma üçün istifadə ediləcək qovşaq çoxluğu yaradılır.

\[ V_{\mathrm{end}} = \left\{ (x_{i1},y_{i1})\cup(x_{i2},y_{i2}) \mid \forall U_i \right\} \tag{1} \]

Tənlik (1), hər yol seqmentinin başlanğıc və son koordinatlarını \(V_{\mathrm{end}}\) çoxluğuna toplayır. \(U_i\), \(i\)-ci yol seqmentidir; \((x_{i1},y_{i1})\) və \((x_{i2},y_{i2})\) seqmentin iki ucudur.

\[ V_{\mathrm{int}} = \left\{ \operatorname{polyxpoly}(W_j,W_k) \mid j,k\in\{1,\ldots,N_{\mathrm{seg}}\},\ j<k \right\} \tag{2} \]

Tənlik (2), müxtəlif yol seqmentləri arasındakı etibarlı kəsişmə nöqtələrini müəyyən edir. Mənbə MATLAB-dakı polyxpoly funksiyasından istifadə edir. \(j<k\) şərti eyni seqment cütünün tərs sırada yenidən yoxlanmasının qarşısını alır.

\[ V_{\mathrm{nodes}} = \operatorname{uniquetol} \left( V_{\mathrm{end}}\cup V_{\mathrm{int}}, \varepsilon=10^{-6} \right) = \{V_1,V_2,\ldots,V_n\} \tag{3} \]

Tənlik (3), seqment ucları ilə kəsişmə nöqtələrini birləşdirir və bir-birinə çox yaxın təkrarlanan nöqtələri tolerantlıq əsasında vahidləşdirir. Mənbə \(\varepsilon=10^{-6}\) tolerantlığından istifadə edir.

\[ G=(V_{\mathrm{nodes}},E) \tag{4} \]

\[ E=\{(V_a,V_b)\mid V_a,V_b\in V_{\mathrm{nodes}}\} \]

Tənlik (4), işlənmiş yol şəbəkəsini çəkili və istiqamətsiz qraf kimi müəyyən edir. Qovşaqlar kəsişmə və ya yol həndəsəsi nöqtələrini, kənarlar isə bir-birinə bağlı yol hissələrini təmsil edir.

Haversine məsafəsi niyə istifadə olunur?

Yol qovşaqları enlik-boylam koordinatları ilə müəyyən edildiyi üçün mənbə müstəvi Evklid məsafəsi əvəzinə Yerin əyriliyini nəzərə alan Haversine münasibətindən istifadə edir.

\[ d_{ab} = 2R_{\mathrm{earth}} \arcsin \left( \sqrt{ \sin^2\left(\frac{\phi_b-\phi_a}{2}\right) + \cos(\phi_a)\cos(\phi_b) \sin^2\left(\frac{\lambda_b-\lambda_a}{2}\right) } \right) \tag{5} \]

\(d_{ab}\), \(V_a\) və \(V_b\) qovşaqları arasındakı məsafədir. \(R_{\mathrm{earth}}\) təxminən 6371 km qəbul edilən Yer radiusudur. \(\phi\) enliyi, \(\lambda\) uzunluğu göstərir. Yer radiusu kilometr ilə istifadə edildikdə nəticə də kilometr miqyasında olur.

Yol müqaviməti sürəti və səyahət müddətini necə dəyişdirir?

\[ v_{ab}(\tau) = \bar v\,\tau_{ab} \tag{6} \]

\(\bar v\), ideal şəraitdə baza sürətidir; \(\tau_{ab}\) müvafiq yol hissəsinin stoxastik yol müqaviməti əmsalıdır. Mənbə \(\tau_{ab}\)-ni \([0.1,1]\) intervalında bərabər paylanmadan yaradır.

Əsas hal parametrində \(\bar v=60\) km/saat olduğuna görə Tənlik (6)-nın birbaşa riyazi nəticəsi:

\[ 6\ \mathrm{km/h} \le v_{ab} \le 60\ \mathrm{km/h} \]

intervalıdır. Bu interval yeni eksperimental nəticə deyil, mənbə parametri ilə mənbə tənliyinin birbaşa nəticəsidir.

\[ t_{ab}(\tau) = \frac{d_{ab}} {v_{ab}(\tau)} \tag{7} \]

Tənlik (7), səyahət müddətini məsafənin stoxastik sürətə bölünməsi ilə hesablayır. \(\tau_{ab}\) azaldıqda sürət azalır və eyni yol hissəsinin səyahət müddəti artır. Beləliklə eyni stansiya yerləşməsi müxtəlif nəqliyyat ssenarilərində fərqli əhatə nisbəti yarada bilər.

Mənbə göstərim qeydi: Tənlik (7)-dən sonra mənbə mətn, ikiistiqamətli bağlantını izah edərkən \(t_{ab}(\tau)\)-nun hesablama zamanı \(\tau_{ab}\) dəyərinə “yenidən təyin edildiyini” bildirən cümlə istifadə edir. Bu ifadə Tənlik (7)-nin tərifi ilə birbaşa uyğun görünmədiyi üçün Verianla bunu yeni riyazi qaydaya çevirmir. Mənbənin açıq model fərziyyəsi iki qovşaq arasındakı ən qısa səyahət müddətinin simmetrik qəbul edilməsidir.

Model əslində nəyi optimallaşdırır?

Mənbə iki riyazi məqsəd yazsa da, tətbiq olunan həll məntiqi eyni vaxtlı klassik çoxməqsədli optimallaşdırma deyil. Əhatə etibarlılığı hədəf intervalda saxlanılarkən mümkün olan ən az sayda stansiya seçilməyə çalışılır.

\[ \min f_1(X) = \sum_{l=1}^{n}X_l \tag{8} \]

Tənlik (8), seçilmiş ümumi stansiya sayını azaldır. \(X_l=1\) olduqda \(V_l\) qovşağında stansiya qurulmuşdur; \(X_l=0\) olduqda qurulmamışdır.

\[ \max f_2(X) = E[CT(X)] = \frac{1}{S} \sum_{s=1}^{S} \left[ \frac{1}{n} \sum_{m=1}^{n} I_{ms}(X) \right] \tag{9} \]

Tənlik (9), \(S\) stoxastik yol müqaviməti ssenarisi üzrə gözlənilən hədəf əhatə nisbətini hesablayır. Daxili cəm hər ssenaridə əhatə olunan qovşaqların nisbətini, xarici orta isə ssenarilərin ortalamasını təmsil edir.

\[ X_l= \begin{cases} 1, & V_l\text{ düğümünde istasyon kurulursa}\\ 0, & \text{aksi halde} \end{cases} \tag{10} \]

Tənlik (10), stansiya yeri qərarını ikili dəyişənlə ifadə edir.

\[ I_{ms}(X) = \begin{cases} 1, & \min_l T_{lms}\le T_{\max}\\ 0, & \text{aksi halde} \end{cases} \tag{11} \]

Tənlik (11), tələb qovşağı \(m\)-in ssenari \(s\)-də zaman həddi daxilində xidmət alıb-almadığını müəyyən edir. Ən yaxın stansiyadan çatma müddəti \(T_{\max}\)-ı aşmırsa qovşaq əhatə olunmuş sayılır.

\[ \eta_{\mathrm{lower}} \le CT(X) \le \eta_{\mathrm{upper}} \tag{12} \]

Tənlik (12), qəbul edilən əhatə nisbəti intervalını məhdudlaşdırır. Əsas simulyasiyada mənbə bu hədəfi %90–100 olaraq təyin etmişdir.

Beləliklə riyazi quruluş iki kəmiyyəti göstərsə də, alqoritmin faktiki məntiqi belədir: əvvəlcə tələb olunan əhatə etibarlılığını təmin et, sonra bunu mümkün olan ən az stansiya ilə həyata keçirməyə çalış.

“Pareto-optimal” ifadəsi ilə bağlı mənbədaxili fərq

Məqalənin giriş bölməsi təkmilləşdirilmiş greedy–Monte Carlo yanaşmasının “Pareto-optimal solution set” yaratdığını deyir. Buna qarşılıq Bölmə 3.3 həllin “iki rəqib məqsəd arasında Pareto cəbhəsi yaratmaq əvəzinə” hədəf əhatə etibarlılığı altında stansiya sayını azaldan iyerarxik/məhdudiyyət əsaslı optimallaşdırma olduğunu açıq bildirir. Verianla daha ətraflı riyazi izah olan Bölmə 3.3-ü modelin iş məntiqinin əsas izahı kimi istifadə edir; girişdəki fərqli terminologiyanı isə gizlətmir.

Təkmilləşdirilmiş İterativ Acgöz Axtarış necə işləyir?

Alqoritm hələ seçilməmiş bütün qovşaqların mövcud konfiqurasiyaya nə qədər əlavə əhatə verəcəyini hesablayır. Ən böyük marjinal qazancı verən qovşaq stansiya kimi əlavə olunur və hədəf əhatəyə çatılıb-çatılmadığı yenidən yoxlanılır.

\[ \Delta(l\mid X_c) = \frac{1}{S} \sum_{s=1}^{S} \sum_{m=1}^{n} \mathbb{I} \left\{ T_{lms}\le T_{\max} \land I_{ms}(X_c)=0 \right\} \tag{13} \]

Tənlik (13), hələ əhatə olunmamış tələb qovşaqlarından neçəsinin yeni \(l\) stansiyası sayəsində hədəf müddət daxilində əhatə oluna biləcəyini ssenarilər üzrə orta olaraq hesablayan marjinal əhatə qazancıdır.

\[ l^* = \arg\max_{l\notin S_{\mathrm{current}}} \Delta(l\mid X_{\mathrm{current}}) \tag{14} \]

Tənlik (14), ən yüksək marjinal əhatə qazancına malik qovşağı seçir. “Acgöz” termini buradan gəlir: alqoritm hər addımda həmin anda ən böyük yerli qazancı verən qovşağa üstünlük verir.

Alqoritmin mənbədə verilən altı addımı parametr başlanğıcı, Monte Carlo dövrəsi, seçilməmiş qovşaqların marjinal qazanclarının hesablanması, ən yaxşı qovşağın seçilməsi, əhatə vəziyyətinin yenilənməsi və dayandırma/uyğun konfiqurasiyaların çıxarılmasıdır.

Monte Carlo burada nə edir?

Monte Carlo simulyasiyası tək sabit nəqliyyat şəraiti istifadə etmək əvəzinə çoxlu sayda təsadüfi \(\tau_{ab}\) yol müqaviməti kombinasiyası yaradır. Eyni stansiya düzülüşü bu müxtəlif ssenarilərdə yenidən qiymətləndirilir. Beləliklə “bu düzülüş tək orta nəqliyyat vəziyyətində yaxşıdırmı?” sualından daha güclü olan “dəyişkən nəqliyyat vəziyyətlərində nə dərəcədə etibarlıdır?” sualı araşdırıla bilər.

Performans qiymətləndirmə metrikləri

\[ A_c(R) = \frac{1}{S} \sum_{s=1}^{S} \mathbb{I} \{CR_s\ge C_{\mathrm{target}}\} \tag{15} \]

Əhatə uyğunluq nisbəti \(A_c(R)\), strategiyanın neçə ssenaridə hədəf əhatə nisbətini təmin etdiyini göstərir.

\[ A_t^{\mathrm{avg}}(R) = \frac{1}{S} \sum_{s=1}^{S} \mathbb{I} \{T_{\mathrm{avg},R,s}\le T_{\mathrm{target}}\} \tag{16} \]

Orta çatma müddəti uyğunluq nisbəti, ssenarilərin neçəsində orta çatma müddətinin hədəf müddətdən kiçik və ya ona bərabər olduğunu ölçür.

\[ A_t^{\max}(R) = \frac{1}{S} \sum_{s=1}^{S} \mathbb{I} \{T_{\max,R,s}\le T_{\mathrm{target}}\} \tag{17} \]

Maksimum çatma müddəti uyğunluq nisbəti, ən uzaq və ya ən pis xidmət alan qovşağın belə hədəf müddət daxilində qala bildiyi ssenarilərin nisbətidir. Bu metrik orta performansdan daha çox quyruq ucu və ya həddindən artıq gecikmə riskini əks etdirir.

\[ WCS(R) = \omega_c A_c(R) + \omega_{\mathrm{avg}} A_t^{\mathrm{avg}}(R) + \omega_{\max} A_t^{\max}(R) \tag{18} \]

Mənbə çəkiləri:

\[ \omega_c=0.4,\qquad \omega_{\mathrm{avg}}=0.3,\qquad \omega_{\max}=0.3 \]

olaraq müəyyən etmişdir. Əhatə etibarlılığına %40 çəki verilərkən orta və maksimum çatma müddəti uyğunluğu hər biri %30 çəki daşıyır.

\[ SE(R) = \frac{WCS(R)} {N_R} \tag{19} \]

Stansiya səmərəliliyi \(SE(R)\), birləşdirilmiş performans balını istifadə olunan stansiya sayına bölür. Beləliklə yalnız “daha çox stansiya daha yaxşı performans verdimi?” deyil, “hər əlavə stansiyaya görə nə qədər performans əldə edildi?” sualı da qiymətləndirilir.

Tədqiqatın Metodu və Nəticələri

City H şəbəkəsinin hazırlanması

City H, Yangtze River Delta şəhər klasterində mərkəzi şəhər kimi müəyyən edilir və mənbədə Shangcheng, Xiacheng, Gongshu, Jianggan, Binjiang və Xihu olmaqla altı inzibati rayonla izah olunur. Məqalə şəhəri “City H” adı ilə təqdim edir; Verianla mənbədə açıq verilməyən başqa şəhər adını nəticə çıxarma yolu ilə əlavə etmir.

OpenStreetMap-dən alınan yol məlumatları hal tədqiqatında əvvəlcə ArcGIS 10.8-ə köçürülmüşdür. Qaz boru xətti düzülüşü nəzərə alınaraq qaz borularının keçdiyi 143 əsas şəhər arteriyası seçilmiş, sonra məlumatlar MATLAB 2023b-də Tənlik (1)–(4)-ə görə müəyyənləşdirmə, sadələşdirmə və vahidləşdirmə əməliyyatlarından keçirilmişdir.

Son topoloji şəbəkə:

• 498 yol qovşağı,
• 1192 şəbəkə bağlantısı,
• 143 seçilmiş əsas yol,
• yol şəbəkəsinə yaxınlaşdırılmış qaz boru xətti tələb nöqtələri

ehtiva edir.

Mənbə real qaz boru xəttinin hər zaman yol oxu ilə tam üst-üstə düşmədiyini açıq bildirir. Hesablamanı tətbiq edilə bilən etmək üçün boru xətti təmir tələbləri coğrafi olaraq ən yaxın yol qovşağına yaxınlaşdırılmışdır. Bu yanaşma real səyahət müddətində xəta yarada bilər.

Əsas simulyasiya parametrləri

100 yol müqaviməti ssenarisinin 200 Monte Carlo dövrəsində istifadə olunması ümumilikdə 20.000 stoxastik yol müqaviməti ssenarisinə uyğun gəlir. Tədqiqat həmçinin 2125 stansiya konfiqurasiyasını qiymətləndirmişdir.

Əhatə nisbəti paylanması

Əhatə paylanması yüksək dəyərlərə doğru cəmləşmişdir. Mənbə ehtimal sıxlığının əsasən %96–100 intervalında toplandığını bildirir.

Standart sapma, nəticələrin ortadan tipik yayılmasını; kvartillərarası diapazon, orta %50-lik hissənin genişliyini; variasiya əmsalı isə standart sapmanın orta göstəriciyə nisbətən nisbi böyüklüyünü ifadə edir. Mənbə bu aşağı yayılma göstəricilərini stoxastik nəqliyyat pozuntularına baxmayaraq əhatə performansının nisbətən sabit qalması kimi şərh edir.

Stansiya sayı artdıqca əhatə necə dəyişdi?

Bu üç nöqtə azalan marjinal gəliri açıq göstərir. 5–11 stansiya intervalında əhatə xeyli artarkən, 11–17 intervalındakı altı əlavə stansiya daha kiçik əlavə əhatə verir.

Stansiya seçimində əsas qovşaqlar

Stoxastik simulyasiyalarda bəzi şəbəkə qovşaqları digərlərindən daha tez-tez seçilmişdir. Mənbə bunu uzun quyruqlu seçim ehtimalı paylanması kimi şərh edir: kiçik qovşaq qrupu bir çox ssenaridə əsas stansiya rolunu oynayarkən digər qovşaqların əhəmiyyəti yalnız müəyyən yol müqaviməti ssenarilərində artır.

Mənbədaxili identiklik fərqi: Şəkil 13-ün izahedici mətni yüksək tezlikli nümunə qovşaqları 260, 91 və 463 kimi verir. Buna qarşılıq Cədvəl 4 və Cədvəl 5-də optimallaşdırılmış strategiyaların başlanğıc ardıcıllığı 260, 92 və 463 kimi görünür. Verianla 91 ilə 92 arasındakı fərqi özbaşına düzəltmir.

Orta və maksimum çatma müddətləri

Orta çatma müddətləri əsasən 6–20 dəqiqə arasında cəmləşmişdir. Maksimum çatma müddətləri isə daha geniş yayılmış və əsasən 30–45 dəqiqə arasında qalmışdır.

Mənbəyə görə maksimum çatma müddəti nümunələrinin yalnız %12,0414-ü 30 dəqiqəlik xilasetmə həddini qarşılamışdır. Bu nəticə orta xidmət səviyyəsi yaxşı görünsə belə şəbəkənin ən pis xidmət alan bölgələrində ciddi gecikmə riskinin davam etdiyini göstərir.

Orta çatma müddətində ən yüksək yaxşılaşma nisbəti 7 stansiya səviyyəsində %13,3052, maksimum çatma müddətində yaxşılaşmanın pik dəyəri isə 11 stansiyada %6,6413 kimi bildirilmişdir. 17 stansiyada maksimum çatma müddətinin yaxşılaşma nisbəti −%2,1582-yə düşmüşdür. Mənbə bu mənfi dəyəri həddindən artıq genişlənmə zamanı arta bilən şəbəkə mürəkkəbliyi ilə əlaqələndirir; bu mexanizm ayrıca eksperimental şəkildə doğrulanmış səbəblik təhlili deyil.

Niyə Daha Çox Stansiya Əlavə Etmək Həddindən Artıq Gecikmə Riskini Tam Həll Etmir?

CF-SRLP nəticələrində daha çox stansiya orta çatma müddətini və əhatə nisbətini yaxşılaşdırsa da, ən pis ssenarilərdə maksimum səyahət müddətləri sıx nəqliyyatdan yaranan quyruq ucu davranışı səbəbindən 30 dəqiqəlik həddən yuxarı qala bilər; buna görə mənbə statik stansiya yerləşməsinə əlavə olaraq dinamik dispetçerlik, darboğaz idarəçiliyi və real vaxt nəqliyyat strategiyalarına ehtiyac olduğunu bildirir.

CF-SRLP deterministik və Evklid üsulları ilə müqayisədə

Mənbə üç üsulu eyni 10 stansiya miqyasında və 200 müstəqil stoxastik yol müqaviməti ssenarisində müqayisə etmişdir.

Deterministik müqayisədə yol müqaviməti əmsalı \(\tau=0.6\) sabitləşdirilmişdir. Evklid üsulu isə real yol şəbəkəsi səyahət müddəti əvəzinə qovşaqlar arasındakı xətti məsafəni əsas götürür.

Mənbə mətni CF-SRLP-nin üç göstərici baxımından digər üsullardan “significantly better” olduğunu deyir; lakin bu bölmədə statistik əhəmiyyət testi, p dəyəri və ya etibar intervalı bildirilmir. Buna görə Verianla “statistik olaraq əhəmiyyətli üstünlük sübut edildi” ifadəsini istifadə etmir. Cədvəl simulyasiya ortalamaları arasındakı böyük ədədi fərqi göstərir.

Optimallaşdırılmış altı stansiya ilə mövcud altı stansiya

Bu müqayisədə 10 fərqli təsadüfi nəqliyyat maneəsi ssenarisi istifadə edilmiş və hər ssenaridə 50 qəza qovşağı təsadüfi yaradılaraq ümumilikdə 500 simulyasiya olunmuş hadisə qiymətləndirilmişdir.

10–20 dəqiqəlik kritik müdaxilə pəncərəsində optimallaşdırılmış Sxem 1-in daha çox hadisəni topladığı; 20 dəqiqə və daha yuxarı müddətlərdə isə mövcud Sxem 2-nin daha yüksək paya malik olduğu bildirilmişdir.

30 dəqiqəlik müdaxilə həddində sistem etibarlılığı:

Bu nəticə də 500 simulyasiya olunmuş hadisənin və seçilmiş təsadüfi nəqliyyat ssenarilərinin nəticəsidir; real tarixi müdaxilə qeydlərinin birbaşa ölçümü deyil.

R1–R5 miqyas strategiyaları

Beş strategiyanın hər biri 1000 stoxastik yol müqaviməti ssenarisi altında qiymətləndirilmişdir.

Mənbə R5 üçün ssenarilərin təxminən %84-də əhatənin %99-dan yuxarı olduğunu bildirir. R1-in əhatə paylanması təxminən %95–99 intervalında qalarkən daha böyük strategiyalar daha yüksək əhatə intervallarında cəmləşir.

Orta çatma müddəti paylanmasının R1-dən R5-ə təxminən 12–17 dəqiqədən 9–12 dəqiqəyə keçdiyi və paylanma pikinin 13,15 dəqiqədən 9,25 dəqiqəyə düşdüyü bildirilmişdir.

Maksimum çatma müddətinin pik nöqtəsi R1-də təxminən 35 dəqiqədən R5-də təxminən 27 dəqiqəyə düşmüş; bununla belə ümumi maksimum müddət paylanması təxminən 25–60 dəqiqə intervalında qalmağa davam etmişdir. Bu, əlavə stansiyaların həddindən artıq gecikmə quyruğunu daraltsa da onu tam aradan qaldırmadığını göstərir.

Birləşdirilmiş performans və stansiya səmərəliliyi

R1–R5 strategiyalarında əhatə uyğunluq nisbəti \(A_c(R)\) ilə orta çatma müddəti uyğunluq nisbəti \(A_t^{\mathrm{avg}}(R)\) mənbədə %100-ə yaxın qalır. Buna qarşılıq maksimum çatma müddəti uyğunluq nisbəti \(A_t^{\max}(R)\), R1-də %3,8-dən R5-də %49,8-ə yüksəlmişdir.

Bu artım daha çox stansiyanın ən pis xidmət alan qovşaqlarda da fayda verə bildiyini göstərir; lakin R5-də belə maksimum müddət uyğunluğu orta performans göstəricilərindən xeyli geridə qalır.

Mənbədaxili simvol qeydi: Tənlik (19) və Şəkil 24 stansiya başına birləşdirilmiş performansı \(SE(R)=WCS(R)/N_R\) kimi müəyyən edir. Şəkil 24-ün dəyərləri R1-dən R5-ə təxminən 14,21; 9,38; 8,03; 6,7 və 5 formasında azalır. Buna qarşılıq izahedici mətn “WCS(R) decreases from 14.21% ... to 5%” ifadəsini istifadə edir. Tənlik və şəkil başlığına görə bu dəyərlər stansiya səmərəliliyi \(SE(R)\) ilə əlaqəlidir; Verianla mənbə mətnindəki WCS/SE etiket fərqini səssizcə düzəltmir.

Tədqiqatın dəstəklədiyi nəticələr

• Əvvəlcədən dar namizəd stansiya siyahısı yaratmadan bütün yol qovşaqlarını qərar məkanına daxil etmək tədqiqat şəbəkəsində stoxastik əhatə baxımından yüksək performanslı düzülüşlərin axtarılmasına imkan vermişdir.
• City H hal tədqiqatında 20.000 stoxastik ssenarinin orta əhatə nisbəti %97,77-dir.
• Əhatə performansı mənbədə aşağı yayılma göstəriciləri ilə birlikdə bildirilmişdir.
• Stansiya sayı artdıqca əhatə yüksəlmiş və orta çatma müddətləri azalmışdır.
• Stansiya sayı 11-dən yuxarı qalxdıqda əhatədə əlavə qazanc nəzərəçarpacaq dərəcədə kiçilmişdir.
• CF-SRLP eyni şəbəkə və simulyasiya şəraitində deterministik və Evklid müqayisələrindən daha yüksək orta əhatə və daha aşağı orta müddətlər yaratmışdır.
• Bəzi qovşaqlar stoxastik ssenarilər boyunca təkrar-təkrar seçilərək əsas stansiya yerlərini formalaşdırmışdır.
• Optimallaşdırılmış altı stansiyalı düzülüş mənbə simulyasiyasında mövcud altı stansiyalı City H düzülüşündən daha yüksək 30 dəqiqəlik etibarlılıq yaratmışdır.
• Daha çox stansiya maksimum gecikmələri azaltmışdır; lakin həddindən artıq gecikmə quyruğu tam aradan qalxmamışdır.

Tədqiqatın dəstəkləmədiyi nəticələr

• %97,77 əhatə real keçmiş təcili müdaxilə hadisələrindən ölçülmüş sahə uğur nisbəti deyil.
• Modelin tapdığı düzülüşün riyazi olaraq sübut edilmiş qlobal optimum olduğu göstərilməmişdir.
• “Candidate-free” ifadəsi stansiyanın istənilən ərazi nöqtəsində yerləşdirilə bilməsi demək deyil; yol qovşaqları ilə məhdudlaşır.
• Model eyni vaxtlı çoxsaylı qəza, növbə, heyət çatışmazlığı və tapşırıq toqquşmalarını həll etmir.
• Real torpaq əldəetmə xərci, stansiyaya görə fərqli tikinti xərcləri və əməliyyat xərcləri ətraflı pul modeli kimi istifadə edilməmişdir.
• Ekstremal hava hadisəsi, böyük ictimai tədbir və ya şəbəkəni tam dəyişən böyük kəsinti ssenariləri qiymətləndirilməmişdir.
• CF-SRLP-nin başqa şəhərlərdə eyni ədədi performansı verəcəyi bu tədqiqatdan nəticə kimi çıxarıla bilməz.
• Mənbədə p dəyəri, etibar intervalı və ya klassik hipotez testi ilə statistik üstünlük göstərilməmişdir.

Əsas məhdudiyyətlər

Boru xətti–yol şəbəkəsi yaxınlaşdırması: Boru xətti üzərindəki tələb nöqtələri ən yaxın yol qovşağına yaxınlaşdırılır. Real boru xətti ilə yol şəbəkəsi tam üst-üstə düşmədikdə çatma müddəti xətası yarana bilər.

Əməliyyat tutumu: Heyət sayı, nəqliyyat vasitəsinin mövcudluğu, stansiyadakı təmir tutumu, növbələr və eyni vaxtda baş verən çoxsaylı tapşırıqlar nəzərə alınmır.

Tələb homogenliyi: Tələb qovşaqları istifadəçi sayı, kritik müştəri, xəstəxana, əhali və ya başqa prioritet çəkiləri ilə fərqləndirilmir.

Nəqliyyat qeyri-müəyyənliyi: Stoxastik yol müqaviməti \([0.1,1]\) intervalında vahid təsadüfi əmsal modeli ilə təmsil olunur. Ekstremal hava, böyük fəlakət və ya şəhər şəbəkəsinin əlçatanlığını struktur olaraq dəyişən hadisələr modelləşdirilmir.

Optimallaşdırma zəmanəti: Təkmilləşdirilmiş iterativ acgöz alqoritm hesablama baxımından səmərəlidir, lakin qlobal optimum üçün nəzəri zəmanət vermir. Mənbə CF-SRLP-nin klassik MCLP-nin ümumiləşdirilməsi olduğunu, MCLP-nin NP-hard quruluşunun və Monte Carlo qatının böyük şəbəkələrdə tam optimum axtarışını daha da çətinləşdirdiyini bildirir.

Xərc modeli: Tikinti xərci əsasən stansiya sayı ilə təmsil olunur. Torpaq qiyməti, tikinti standartı və stansiyaya xas fərqli xərclərin ətraflı iqtisadi optimallaşdırılması aparılmamışdır.

Gələcək tədqiqat istiqamətləri

Müəlliflər boru xətti ilə yol şəbəkəsinin daha ətraflı uyğunlaşdırılmasını, stansiya yeri ilə dinamik marşrut planlaşdırmasının birlikdə optimallaşdırılmasını, real vaxt nəqliyyat məlumatlarının və adaptiv dispetçer strategiyalarının sistemə əlavə edilməsini və xərc–bərabərlik–dayanıqlılıq arasındakı güzəşti açıq şəkildə nəzərə alan çoxməqsədli modellərin hazırlanmasını təklif edirlər.

Bu təkliflər mövcud tədqiqatda təsdiqlənmiş yeni nəticələr deyil; mənbə müəlliflərinin gələcək tədqiqat istiqamətləridir.

Mənbə və Metod Qeydi

Orijinal başlıq: A Candidate-Free Location Optimization Framework for Gas Repair Stations Under Stochastic Road Resistance Conditions

Müəlliflər: Dongyue Zhao; Qian Chen; Yuyou Yao; Yunhe Tong.

Məsul müəllif: Yunhe Tong.

Qurumlar: State Key Laboratory for Safe Mining of Deep Coal Resources and Environment Protection, Anhui University of Science and Technology, Huainan, China; School of Safety Science and Engineering, Anhui University of Science and Technology, Huainan, China; School of Public Security and Emergency Management, Anhui University of Science and Technology, Hefei, China; School of Resources and Safety Engineering, Central South University, Changsha, China; School of Engineering Mathematics and Technology, University of Bristol, Bristol, UK.

Bərabər töhfə/bərabər birinci müəlliflik: Mənbədə bərabər birinci müəlliflik və ya bərabər töhfə işarəsi göstərilmir.

Jurnal: Urban Science.

Nəşriyyat: MDPI, Basel, Switzerland.

Cild / nömrə / məqalə nömrəsi: 10(6), 303.

DOI: 10.3390/urbansci10060303

Təqdimetmə: 28 aprel 2026.

Reviziya: 19 may 2026.

Qəbul: 20 may 2026.

Nəşr: 1 iyun 2026.

Mənbə növü: Rəyli jurnal tədqiqat məqaləsi; real yol/qaz şəbəkəsinə əsaslanan hesablama stoxastik məkan optimallaşdırması hal tədqiqatı.

Lisenziya: Creative Commons Attribution (CC BY) açıq giriş lisenziyası.

Açar sözlər: gas emergency repair station; candidate-free location; stochastic road resistance; improved greedy algorithm; Monte Carlo simulation.

Əsas proqram təminatı/məlumat mənbələri: OpenStreetMap yol məlumatı; hal tədqiqatında ArcGIS 10.8; şəbəkə emalı və optimallaşdırma üçün MATLAB 2023b.

Əsas şəbəkə: Qaz boru xətti olan 143 əsas arteriyadan yaradılmış 498 qovşaqlı, 1192 bağlantılı City H yol topologiyası.

Əsas simulyasiya: 60 km/saat ideal sürət; 30 dəqiqə hədəf müdaxilə müddəti; \(\tau\sim U[0.1,1]\); hər Monte Carlo dövrəsində 100 stoxastik yol müqaviməti ssenarisi; 200 Monte Carlo təkrarı; ümumilikdə 20.000 ssenari; %90–100 hədəf əhatə intervalı.

Statistik yanaşma: Nəticələr Monte Carlo paylanmaları, orta, standart sapma, diapazon, kvartillərarası diapazon, variasiya əmsalı və uyğunluq nisbətləri əsasında qiymətləndirilmişdir. Mənbə klassik hipotez testi, p dəyəri və ya etibar intervalı bildirmir.

Maliyyələşdirmə: National Natural Science Foundation of China, Grant 52404191; Anhui Provincial Natural Science Foundation, Grant 2308085QG242.

Məlumat əlçatanlığı: Mənbə məlumatların tələb əsasında təqdim ediləcəyini bildirir.

Maraqlar toqquşması: Müəlliflər tədqiqata təsir edə biləcək məlum maliyyə marağı və ya şəxsi münasibət olmadığını bəyan etmişlər.

Müəllif töhfələri: Dongyue Zhao: konseptuallaşdırma, metod, nəzərdən keçirmə və redaktə, məsləhət/rəhbərlik, maliyyə əldə edilməsi. Qian Chen: ilkin layihə, tədqiqat, vizuallaşdırma, məlumat kurasiyası. Yuyou Yao: nəzərdən keçirmə və redaktə, doğrulama. Yunhe Tong: nəzərdən keçirmə və redaktə, proqram təminatı, doğrulama, məsləhət/rəhbərlik.

Mənbədaxili terminologiya fərqi 1: Giriş bölməsində “Pareto-optimal solution set” ifadəsi istifadə olunarkən Bölmə 3.3 metodun iki rəqib məqsəd arasında Pareto cəbhəsi yaratmadığını və iyerarxik/məhdudiyyət əsaslı optimallaşdırma apardığını açıq bildirir.

Mənbədaxili identiklik fərqi 2: Şəkil 13-ün izah mətni əsas qovşaqlar arasında 260, 91 və 463-ü sayarkən Cədvəl 4 və Cədvəl 5 260, 92 və 463 ilə başlayan ardıcıllıqları istifadə edir.

Mənbədaxili simvol fərqi 3: Tənlik 19 və Şəkil 24 stansiya səmərəliliyini \(SE(R)=WCS(R)/N_R\) kimi müəyyən etdiyi halda izahedici mətn 14,21-dən 5-ə düşən kəmiyyəti WCS(R) adlandırır. Bu fərq səssizcə düzəldilməmişdir.

Mənbədaxili ifadə qeydi 4: Tənlik 7-dən sonrakı ikiistiqamətlilik cümləsi \(t_{ab}(\tau)\) ilə \(\tau_{ab}\) arasında Tənlik 7 ilə birbaşa üst-üstə düşməyən təyinetmə ifadəsi istifadə edir. Verianla burada yeni tənlik uydurmamış və mənbənin açıq simmetrik ən qısa müddət fərziyyəsi ilə kifayətlənmişdir.

Əsas şərh sərhədi: Ədədi performanslar real şəhər şəbəkəsindən törədilmiş topologiya üzərində aparılan stoxastik simulyasiya nəticələridir; real təcili müdaxilə əməliyyatlarının birbaşa ölçümü deyil. Qlobal optimum zəmanəti yoxdur və əməliyyat növbə/tutum məhdudiyyətləri modelə daxil edilməmişdir.