Utafutaji wa Mti wa Monte Carlo (Monte Carlo Tree Search, MCTS) ni algoriti ya uboreshaji inayotumia mti wa utafutaji, tathmini ya kitakwimu na uigaji wa nasibu ili kutambua suluhisho zenye thamani kubwa kutoka miongoni mwa mlolongo mwingi wa maamuzi yanayowezekana. Utafiti huu unatumia MCTS kupanga uwekaji wa vituo vya kuchaji magari ya umeme ndani ya jiji. Data za kijiografia, kijamii na kiuchumi, pamoja na uhamaji wa Bogotá nchini Kolombia, zimetathminiwa kwa pamoja ili kuunda modeli ya kikokotozi ya kusaidia maamuzi inayolenga kuzuia miundombinu ya kuchaji kujikita tu katika maeneo yenye mahitaji makubwa na pia kuzingatia maeneo yenye upungufu wa ufikiaji.
Tatizo kuu la utafiti ni kwamba kuweka vituo vya kuchaji magari ya umeme kwa kutegemea tu msongamano wa watu au mahitaji ya kiuchumi yanayotarajiwa kunaweza kuunda usawa hafifu wa miundombinu kati ya maeneo ya mijini yenye viwango tofauti vya mapato na hali za usafiri. Kwa hiyo, utafiti unaunganisha mahitaji yanayoweza kutokea ya magari ya umeme na hitaji la uhamaji la kikanda ndani ya muundo mmoja wa uboreshaji.
Katika modeli, vituo 37 vya kuchaji vilivyopo Bogotá vinawakilisha miundombinu ya mwanzo. Maeneo ya ufikiaji ya vituo vilivyopo yalichunguzwa kwa mgawanyo wa Voronoi unaotegemea umbali wa Manhattan, huku maeneo mapya yanayoweza kuwa vituo yakitambuliwa kutoka maeneo ya matumizi ya mijini kwenye OpenStreetMap kama vile maegesho, vituo vya afya, vyuo vikuu, vituo vya biashara na maeneo mengine yanayofanana.
Mbinu iliyopendekezwa haichukulii uwekaji wa vituo vipya vya kuchaji kama maamuzi huru kutoka kwa kila moja, bali kama tatizo la maamuzi ya mfululizo ambapo mahali pa kituo kimoja huathiri thamani ya chaguo zinazofuata. Algoriti ya MCTS hurudia hatua za uteuzi, upanuzi, uigaji na urudishaji wa taarifa nyuma ili kuchunguza idadi kubwa ya michanganyiko ya vituo inayowezekana.
Katika matumizi ya Bogotá ya utafiti, matokeo ya kikokotozi ya uwekaji wa vituo 200 vya kuchaji yalipatikana. Katika matokeo ya modeli, kuna mgawanyo mnene zaidi katika ukanda wa usafiri wa kaskazini-mashariki na kituo cha jiji kilichopanuliwa, huku maeneo ya pembeni yenye maeneo makubwa zaidi ya ufikiaji yakionyesha maeneo ya ziada yanayolenga kupunguza pengo la ufikiaji.
Utafiti unaonyesha kwamba mbinu ya MCTS inayotumia kwa pamoja mahitaji ya kijamii na kiuchumi pamoja na hitaji la uhamaji inaweza kutoa njia inayonyumbulika ya kusaidia maamuzi kwa upangaji tata wa miundombinu ya kuchaji mijini. Hata hivyo, maeneo yaliyopatikana hayawakilishi vituo vilivyojengwa moja kwa moja. Modeli ya utafiti ni tuli; haijumuishi maendeleo ya mahitaji ya magari ya umeme kwa muda, vikwazo vya uwezo wa mtandao wa usambazaji wa umeme, wala maelezo yote ya kiutendaji ya mtandao halisi wa barabara. Zaidi ya hayo, MCTS si mbinu inayohakikisha kihisabati kufikia optimum ya kimataifa.
Tatizo kuu la upangaji katika miundombinu ya kuchaji magari ya umeme
Kuenea kwa magari ya umeme katika jiji hakuhusiani tu na kuongezeka kwa idadi ya magari. Mahali na wakati ambapo magari yanaweza kuchajiwa, urahisi wa kufikia vituo vya kuchaji na jinsi miundombinu inavyosambazwa kati ya maeneo mbalimbali pia huathiri utendaji wa mfumo wa uhamaji wa umeme.
Kuweka kituo cha kuchaji katika eneo lenye mtiririko mkubwa wa magari kunaweza kuwa na faida kwa matumizi yanayoweza kutokea. Hata hivyo, ikiwa vituo vipya vinaendelea kujikita katika maeneo ambayo tayari yana miundombinu iliyoendelea, mapungufu ya ufikiaji katika maeneo mengine yanaweza kuendelea.
Utafiti unachunguza hali hii kupitia malengo mawili tofauti ya upangaji:
- Ufanisi wa kiuchumi: Kutathmini maeneo yenye uwezekano mkubwa wa matumizi ya magari ya umeme na hivyo mahitaji makubwa zaidi yanayoweza kutokea ya huduma za kuchaji.
- Usawa wa kikanda: Kuzingatia maeneo yenye hali dhaifu zaidi za uhamaji na mapungufu katika ufikiaji wa miundombinu iliyopo.
Malengo haya mawili hayalengi kila mara maeneo yale yale. Eneo lenye mahitaji makubwa zaidi yanayotarajiwa linaweza lisiwe eneo lenye hitaji kubwa zaidi la miundombinu mipya.
Jiji lenye utofauti mkubwa linamaanisha nini?
Utofauti wa mijini unamaanisha kwamba watu, viwango vya mapato, fursa za usafiri, shughuli za kiutendaji na huduma za miundombinu hazisambazwi sawasawa katika nafasi ya jiji.
Bogotá imetumiwa katika utafiti kama mfano wenye utofauti mkubwa wa kijamii na kimahali. Kuna tofauti muhimu kati ya maeneo ya jiji katika kiwango cha kijamii na kiuchumi, umiliki wa magari na hali za uhamaji.
Kwa hiyo, haitoshi kufikiria uwekaji wa vituo vya kuchaji kama kuweka vituo kwa vipindi sawa katika jiji lote. Maeneo mawili yenye umbali sawa yanaweza kuwa na mahitaji tofauti ya ufikiaji na uwezekano tofauti wa matumizi yanayotarajiwa.
Mbinu zilizojadiliwa katika fasihi na utafiti
Utafiti unaweka mbinu zilizotumika hapo awali kwa uwekaji wa vituo vya kuchaji katika makundi manne ya jumla.
| Mbinu | Mtazamo mkuu | Nafasi yake katika utafiti |
|---|---|---|
| p-median na MCLP | Kuweka vituo kulingana na sehemu za mahitaji na kuongeza ufunikaji. | Mbinu za kawaida za mahali–ugawaji. |
| Mixed Integer Linear Programming (MILP) | Kueleza malengo na vikwazo maalumu vya kihisabati katika mfumo wa upangaji kamili. | Mbinu za uboreshaji kamili. |
| Genetic Algorithms na Particle Swarm Optimization (PSO) | Mbinu za kutafuta suluhisho kwa heuristiki na zinazotegemea idadi ya wagombea. | Mbinu za meta-heuristiki. |
| Utafutaji wa Mti wa Monte Carlo (MCTS) | Kuchunguza kitakwimu mlolongo wa maamuzi yanayowezekana kupitia mti. | Kiini cha mbinu ya kikokotozi iliyotengenezwa katika utafiti huu. |
Utafiti unaeleza kwamba mbinu za kawaida za uwekaji zinaweza kuwa na manufaa katika matatizo madogo au yaliyorahisishwa; lakini idadi kubwa ya maeneo na vigezo vya mijini vinavyoingiliana huongeza nafasi ya suluhisho.
Sababu kuu ya kuchagua MCTS ni uwezo wa kuchunguza sehemu zenye matumaini za nafasi ya utafutaji bila kulazimika kuhesabu kila mchanganyiko unaowezekana wa vituo mmoja baada ya mwingine.
Kwa nini nafasi ya suluhisho ya kombinatoria hukua?
Fikiria jiji lenye maeneo mengi yanayoweza kuwa vituo vya kuchaji. Uamuzi wa upangaji unahitaji kuchagua idadi fulani ya maeneo kutoka kwa wagombea hawa.
Kuchagua kituo kimoja kunaweza kubadilisha faida ya ziada ya ufikiaji itakayotolewa na wagombea wengine. Hii ni kwa sababu kituo kipya kinapowekwa, umbali wa baadhi ya maeneo ya karibu hadi kituo cha karibu zaidi hupungua.
Kwa hiyo, mahali panapoonekana kuwa pazuri kwa kituo cha kwanza huenda pasiwe na faida ileile baada ya vituo vingine kuongezwa kwenye mpangilio.
Tatizo ni tatizo la uboreshaji wa anga linalobadilika upya pamoja na uchaguzi wa vituo.
Utafutaji wa Mti wa Monte Carlo Huchaguaje Vituo vya Kuchaji?
Utafutaji wa Mti wa Monte Carlo huweka mipangilio inayowezekana ya vituo katika mti wa utafutaji kama seti za maamuzi ya sehemu. Algoriti kwanza hutathmini kwa usawa matawi ambayo hapo awali yalitoa zawadi kubwa na matawi ambayo hayajachunguzwa vya kutosha, kisha huongeza eneo jipya la mgombea, huendesha uigaji kwa mpangilio uliokamilishwa na kurudisha zawadi iliyopatikana kwenye nodi zilizotangulia. Kwa njia hii, chaguo zinazofuata hutumia takwimu za majaribio yaliyopita.
Hatua nne za algoriti ya MCTS
Uteuzi (Selection): Algoriti huchagua tawi gani lichunguzwe katika mti wa utafutaji uliopo. Uteuzi huweka usawa kati ya nodi zinazotoa wastani wa juu wa zawadi na nodi zilizotembelewa mara chache.
Upanuzi (Expansion): Eneo jipya la mgombea wa kituo cha kuchaji ambalo bado halijachaguliwa huongezwa kwenye usanidi wa sehemu ulioteuliwa.
Uigaji (Simulation / Rollout): Mpangilio ambao haujakamilika hukamilishwa kwa kuchagua kutoka maeneo ya wagombea yaliyobaki hadi idadi lengwa ya vituo ifikiwe. Zawadi ya mpangilio unaotokana nayo huhesabiwa.
Urudishaji nyuma (Backpropagation): Zawadi iliyohesabiwa katika uigaji hurudishwa kwenye nodi husika za awali katika mti wa utafutaji. Kwa njia hii, takwimu za idadi ya kutembelewa na wastani wa zawadi za kila nodi husasishwa.
Nodi katika mti wa utafutaji inawakilisha nini?
Nodi ya mzizi ya mti wa utafutaji wa MCTS inawakilisha hali ya mpangilio tupu ambapo hakuna kituo kipya kilichochaguliwa bado.
Kwa kila uchaguzi mpya, eneo la kituo huongezwa kwenye seti ya sasa ya wagombea. Kwa hiyo, kadiri kina cha mti kinavyoongezeka, mpangilio wa sehemu huwa na vituo zaidi.
Uwakilishi wa hali ya sehemu uliotumiwa katika utafiti:
\[ S_t=\{c_{i_1},\ldots,c_{i_t}\} \]
Hapa \(S_t\) ni suluhisho la sehemu lenye maeneo t ya wagombea. \(c_{i_k}\) inawakilisha mgombea wa kituo aliyechaguliwa. Thamani t ni idadi ya maeneo yaliyochaguliwa.
Katika nodi ya mzizi hakuna kituo kipya kilichochaguliwa. Katika suluhisho lililokamilika, vituo K lengwa vimechaguliwa.
Kigezo cha uteuzi cha UCT
Katika milinganyo namba (2) na (10) ya utafiti wa chanzo, kigezo cha Upper Confidence Bound for Trees (UCT) kinachotumiwa kuchagua nodi ya MCTS kinaelezwa.
\[ UCT=\overline{R}_i+c\sqrt{\frac{\ln N}{n_i}} \]
Katika mlinganyo huu:
- \(\overline{R}_i\): Wastani wa zawadi uliopatikana katika uigaji uliopita kupitia nodi i.
- \(N\): Jumla ya idadi ya kutembelewa kwa nodi ya mzazi.
- \(n_i\): Idadi ya kutembelewa kwa nodi i.
- \(c\): Kigezo thabiti kinachodhibiti usawa kati ya uchunguzi na matumizi ya taarifa iliyopo.
- \(\ln N\): Logarithimu asilia ya idadi ya kutembelewa kwa nodi ya mzazi.
Sehemu ya kwanza: \(\overline{R}_i\) inawakilisha kutumia chaguo ambazo hapo awali zilitoa matokeo mazuri. Wastani wa zawadi unapoongezeka, huku hali nyingine zikiwa sawa, uwezekano wa nodi kuchaguliwa huongezeka.
Sehemu ya pili: \(c\sqrt{\ln N/n_i}\) husaidia kuchunguza nodi zilizotembelewa mara chache. Vigezo vingine vikiwa sawa, kadiri \(n_i\) inavyoongezeka, mchango huu wa uchunguzi hupungua.
Thabiti ya uchunguzi c inapoongezwa, kuchagua matawi ambayo hayajachunguzwa vya kutosha huhamasishwa zaidi. c inapopunguzwa, matumizi ya matawi yenye wastani mkubwa wa zawadi hupewa kipaumbele.
Thamani ya UCT si kiasi cha kimwili. Ni alama ya kihisabati inayoweka kipaumbele cha uteuzi wa chaguo katika mti wa utafutaji.
Chanzo hakiripoti wazi thamani kamili ya nambari ya thabiti c kwa utafiti huu. Mlinganyo hauwezi kuhesabiwa moja kwa moja wakati \(n_i=0\); pia kanuni maalumu ya kina ya jinsi nodi ambazo hazijatembelewa huanzishwa haijaripotiwa, hivyo pengo hili halijajazwa kwa dhana.
Kwa nini uchunguzi na matumizi vinahitajika pamoja?
Algoriti ikichagua tu matawi yaliyotoa zawadi kubwa zaidi hapo awali, inaweza kukosa mbadala ambazo hazijachunguzwa vya kutosha lakini zinaweza kutoa matokeo bora.
Kinyume chake, ikichunguza tu matawi mapya, inaweza kushindwa kutumia vya kutosha usanidi wa maeneo ambao tayari umeonekana kuwa na manufaa.
UCT hutumiwa kuweka usawa wa kitakwimu wa uteuzi kati ya tabia hizi mbili. Hata hivyo, utaratibu huu peke yake hauthibitishi kwamba optimum ya kimataifa imepatikana kwa uhakika.
Wagombea huchaguliwaje katika hatua ya uigaji?
Kulingana na Sehemu 2.4.3 ya chanzo, katika hatua ya uigaji, maeneo yaliyobaki ya kuongezwa kwenye mpangilio ambao haujakamilika huchaguliwa kwa uwezekano sawa na bila kurudisha kwenye sampuli.
\[ P(c\ \mathrm{selected})=\frac{1}{|\mathrm{remaining}|} \]
Hapa \(|\mathrm{remaining}|\) ni idadi ya maeneo yanayofaa ya wagombea ambayo bado hayajachaguliwa.
Uteuzi wenye uwezekano sawa unamaanisha kwamba katika hatua hii wagombea wote waliobaki wana uwezekano sawa wa kuchaguliwa. Uteuzi bila kurudisha unazuia eneo lile lile kuchaguliwa tena ndani ya mpangilio huo huo.
Kuna tofauti muhimu kuhusu hatua hii katika chanzo: mahitaji ya kijamii na kiuchumi na viashiria vya uhamaji havibadilishi moja kwa moja sampuli ya uwezekano sawa wakati wa uigaji. Viashiria hivi hutumiwa kutathmini mpangilio uliokamilika kupitia kazi ya zawadi.
Diagramu ya Voronoi Hutumikaje katika Upangaji wa Vituo vya Kuchaji?
Diagramu ya Voronoi ni mbinu ya kijiometri inayogawa eneo la kazi katika kanda kulingana na ukaribu na vituo vilivyopo. Katika utafiti huu, vituo vilivyopo vya kuchaji vilitumika kama sehemu za kuanzia ili kutathmini kila eneo lina kituo gani kilicho karibu zaidi na kubainisha maeneo ya huduma ya takribani ya vituo. Umbali wa Manhattan (L1) uliteuliwa badala ya umbali wa mstari wa moja kwa moja.
Maeneo ya athari ya vituo vilivyopo
Katika utafiti wa chanzo, vituo 37 vya kuchaji vilivyopo Bogotá vinaunda sehemu za katikati za mgawanyo wa Voronoi.
Eneo la Voronoi la kituo ni mkusanyiko wa maeneo ambayo, kwa kipimo cha umbali kilichotumiwa katika utafiti, yako karibu zaidi na kituo hicho kuliko vituo vingine vilivyopo.
Mlinganyo wa Chanzo (1):
\[ V_i=\left\{x\in\mathbb{R}^{2}\ \middle|\ d_{L_1}(x,e_i)\leq d_{L_1}(x,e_j),\ \forall j\neq i\right\} \]
Hapa:
- \(V_i\): Eneo la Voronoi la kituo cha kuchaji kilichopo namba i.
- \(x\): Nukta ya anga ya vipimo viwili inayochunguzwa.
- \(\mathbb{R}^{2}\): Uwanda wa viwianishi wa vipimo viwili.
- \(e_i\): Eneo la kituo kilichopo namba i.
- \(e_j\): Maeneo ya vituo vingine isipokuwa i.
- \(d_{L_1}\): Umbali wa Manhattan.
Ukosefu wa usawa katika mlinganyo unaonyesha kwamba umbali wa nukta x hadi kituo namba i si mkubwa kuliko umbali wake hadi vituo vingine.
Kwa kuwa nukta za mpaka zenye umbali sawa zinaweza, katika ufafanuzi wa kihisabati, kuwa sehemu ya zaidi ya eneo moja, kauli ya ugawaji wa kipekee katika chanzo inahitaji usimamizi wa hali za usawa katika mgawanyo wa vitendo. Chanzo hakiripoti algoriti tofauti ya kutatua mipaka.
Tofauti kati ya umbali wa Manhattan na umbali wa Euclidean
Umbali wa Euclidean unawakilisha umbali wa moja kwa moja wa kijiometri kati ya nukta mbili za viwianishi.
Umbali wa Manhattan hutegemea jumla ya harakati sambamba na mihimili ya viwianishi kati ya nukta mbili.
Uwakilishi wa msingi wa metriki ya L1 iliyotumiwa na chanzo katika viwianishi vya Cartesian vya vipimo viwili:
\[ d_{L_1}(a,b)=|x_a-x_b|+|y_a-y_b| \]
Mlinganyo huu ni ufafanuzi wa kihisabati wa kufundishia wa metriki ya umbali iliyotumiwa katika chanzo; si kipimo tofauti kilichofanywa katika utafiti.
Hapa tofauti za viwianishi x na y lazima ziwe katika kitengo kilekile cha urefu. Ikiwa mfumo wa viwianishi unategemea mita, kitengo cha umbali wa Manhattan pia ni mita.
Chanzo kilichagua metriki hii ili kukadiria mwendo wa magari katika muundo wa barabara wa Bogotá unaofanana na gridi kwa namna inayofaa zaidi kuliko umbali wa mstari wa moja kwa moja.
Hata hivyo, umbali wa Manhattan hauhesabu moja kwa moja barabara za njia moja, vikwazo vya makutano, miteremko, msongamano na muda wa safari katika mtandao halisi wa barabara. Kwa hiyo si sawa na muda halisi wa kuendesha gari.
Ukubwa wa maeneo ya Voronoi unaonyesha nini?
Katika utafiti, maeneo makubwa ya Voronoi yanafasiriwa kama ishara ya maeneo ambako vituo vilivyopo ni vichache na baadhi ya vituo vinapaswa kuhudumia maeneo mapana zaidi ya kijiografia.
Maeneo madogo na yenye umbo thabiti zaidi yanahusishwa na maeneo yenye miundombinu iliyopo kwa wingi zaidi.
Hapa eneo la Voronoi si mahitaji yaliyopimwa moja kwa moja ya magari ya umeme. Watafiti hutumia ukubwa huu wa kijiometri kama kiashiria mbadala cha msongamano wa miundombinu na pengo linalowezekana la ufikiaji.
Kiashiria mbadala (proxy indicator) ni kigezo kisicho cha moja kwa moja kinachotumiwa kuwakilisha sifa ambayo ni vigumu kupima moja kwa moja au haiwezi kubainishwa kwa data iliyopo.
Kutoa taarifa za kijamii na kiuchumi kutoka eneo la Voronoi
Baada ya maeneo ya Voronoi kuundwa, kiwango cha kijamii na kiuchumi, viashiria vya uhamaji na vigezo vingine vya anga vinavyohusishwa na kila eneo vinaunganishwa.
Kwa matokeo ya hatua hizi, kila eneo la mgombea linaweza kutathminiwa si kwa umbali wa kimwili pekee bali pia kwa sifa za kimuundo za eneo lilipo.
Uhusiano wa sheria ya nguvu
Mlinganyo wa Chanzo (7):
\[ A(p)\sim w_{\mathrm{dem}}(p)^{-\alpha} \]
Hapa:
- \(A(p)\): Eneo la ufunikaji la Voronoi la eneo husika; kitengo cha eneo kinategemea mfumo wa viwianishi unaotumiwa.
- \(w_{\mathrm{dem}}(p)\): Uzito uliosawazishwa wa mahitaji ya kijamii na kiuchumi.
- \(\alpha\): Kipeo cha sheria ya nguvu kinachodhaniwa kuwa kikubwa kuliko sifuri.
- \(\sim\): Katika muktadha wa chanzo huonyesha uhusiano wa kuongeza/kupunguza kwa kipimo; si dai la usawa kamili katika kila nukta.
Kipeo hasi kinaonyesha uhusiano ambapo, hali nyingine zikiwa sawa, eneo la ufunikaji hupungua kadiri uzito wa mahitaji unavyoongezeka.
Huu ni ufafanuzi wa kihisabati wa mwelekeo ulioonekana wa vituo vilivyopo kuwa vingi zaidi katika maeneo yenye mapato ya juu.
Makadirio sahihi ya nambari ya kipeo \(\alpha\) hayajatolewa katika chanzo. Pia, ikiwa uzito wa mahitaji ni sifuri, nguvu hasi haiwezi kutathminiwa moja kwa moja kihisabati. Jinsi hali hii ya mpaka ilivyoshughulikiwa katika utekelezaji haijaripotiwa kwa undani.
Uhusiano wa kuongeza/kupunguza unaoonekana si ushahidi kwamba kiwango cha mapato pekee ndicho kisababishi cha msongamano wa vituo.
Uhusiano kati ya kiwango cha kijamii na kiuchumi na mahitaji
Uainishaji wa kijamii na kiuchumi unaotumiwa Kolombia una viwango sita. Katika chanzo, kiwango cha kwanza kinawakilisha kiwango cha chini zaidi na cha sita kiwango cha juu zaidi.
Mfumo huu umetumika katika modeli ya utafiti kama kigezo kinachowakilisha uwezekano wa kupitishwa kwa magari ya umeme.
Mlinganyo wa Chanzo (6):
\[ w_{\mathrm{dem}}(p)=\frac{\operatorname{level}(p)-1}{5} \]
Hapa \(\operatorname{level}(p)\) ni kiwango cha kijamii na kiuchumi cha eneo husika kati ya 1 na 6.
Fomula hubadilisha viwango sita kuwa uzito usio na kipimo kati ya sifuri na moja.
| Kiwango cha kijamii na kiuchumi | Uzito wa mahitaji |
|---|---|
| 1 | 0,0 |
| 2 | 0,2 |
| 3 | 0,4 |
| 4 | 0,6 |
| 5 | 0,8 |
| 6 | 1,0 |
Thamani hizi zinahesabiwa moja kwa moja kutoka fomula. Hazionyeshi viwango halisi vya umiliki wa magari ya umeme wala mahitaji yatakayotokea kwa uhakika baadaye.
Modeli inadhani kwamba mahitaji yanayoweza kutokea ya magari ya umeme yanaweza kuongezeka kadiri kiwango cha kijamii na kiuchumi kinavyoongezeka. Uhusiano huu unaelezwa katika chanzo kwa muundo wa soko wa Bogotá na mifumo ya miundombinu iliyopo.
Faharasa ya uhamaji
Faharasa ya Uhamaji (Mobility Index, MI) ni kiashiria changamano kinachotumiwa kuwakilisha hali za usafiri na sifa za kimuundo za uhamaji katika maeneo ya mijini.
Chanzo kinaeleza kwamba katika kujenga faharasa kulizingatiwa upatikanaji wa usafiri, kiwango cha umiliki wa magari, muda wa safari, viashiria vinavyohusiana na usafiri wa umma na vigezo vinavyohusiana na makundi yaliyo katika hali duni ya uhamaji.
Principal Component Analysis (PCA) ni mbinu ya kitakwimu inayotumiwa kupata idadi ndogo ya vipengele kutoka kwa vigezo vingi vinavyohusiana ili kuwakilisha mifumo mikuu ya mabadiliko katika data.
Chanzo kinaeleza kwamba faharasa ya uhamaji inategemea mbinu hiyo ya vigezo vingi. Hata hivyo, maandishi ya utafiti huu hayatoi upya mizigo yote ya PCA na vigawo vya kina vya vipengele vya faharasa. Kwa hiyo, vipengele vya nambari ambavyo havipo katika chanzo havijazalishwa.
Usawazishaji wa faharasa ya uhamaji
Mlinganyo wa Chanzo (8):
\[ I_{M\mathrm{norm}}(p)= \frac{MI(p)-MI_{\min}}{MI_{\max}-MI_{\min}} \]
Mlinganyo huu husawazisha faharasa ya uhamaji kati ya thamani ndogo na kubwa zaidi zilizozingatiwa.
Hapa:
- \(MI(p)\): Faharasa ya uhamaji katika eneo linalochunguzwa.
- \(MI_{\min}\): Faharasa ndogo zaidi ya uhamaji katika mkusanyiko wa data.
- \(MI_{\max}\): Faharasa kubwa zaidi ya uhamaji katika mkusanyiko wa data.
- \(I_{M\mathrm{norm}}(p)\): Faharasa iliyosawazishwa inayopatikana kati ya sifuri na moja.
Kiasi cha juu kinaonyesha faharasa ya eneo husika iko juu kwa kiasi gani kutoka thamani ndogo zaidi. Kiasi cha chini kinawakilisha masafa ya faharasa katika uchunguzi wote.
Thamani inayopatikana baada ya usawazishaji haina kipimo. Mlinganyo unafafanuliwa wakati thamani kubwa na ndogo za faharasa ni tofauti. Chanzo hakielezi utaratibu tofauti ikiwa ni sawa.
Kuhesabu hitaji la uhamaji
Mlinganyo wa Chanzo (9):
\[ w_{\mathrm{need}}(p)=1-I_{M\mathrm{norm}}(p) \]
Mlinganyo huu hugeuza faharasa ya uhamaji ili kuunda uzito wa hitaji.
Kulingana na dhana ya chanzo, faharasa ya juu ya uhamaji inahusishwa na hali nzuri zaidi za uhamaji. Kwa hiyo kugeuza faharasa huongeza uzito wa hitaji katika maeneo yenye faharasa ya chini.
Kwa mfano, eneo lenye faharasa ya uhamaji iliyosawazishwa ya 0,8 kihisabati lina uzito wa hitaji wa 0,2. Faharasa ikiwa 0,2, uzito wa hitaji huwa 0,8.
Thamani hizi mbili ni mifano ya hesabu inayofafanua mantiki ya mbinu; hazijawasilishwa kama faharasa zilizopimwa za maeneo maalumu ya Bogotá.
Kutathmini kwa pamoja mahitaji ya kiuchumi na hitaji la kikanda
Sifa muhimu ya modeli ni kutofanya uamuzi kwa kutegemea tu mahitaji ya kiuchumi au hitaji la uhamaji pekee.
Vipengele hivi viwili vinaunganishwa katika kazi ya uzito. Hivyo algoriti hulenga mipangilio ya wagombea inayotathminiwa kwa uwezekano wa matumizi yanayotarajiwa pamoja na hitaji la uhamaji la kikanda.
Hata hivyo, muundo huu ambao mahitaji ya kijamii na kiuchumi yanaweza kuwa sifuri pia huleta athari ya kupunguza ya uzito wa mahitaji katika muundo wa kuzidisha. Athari yake kwa usawa wa kijamii inapaswa kuzingatiwa wakati wa kutafsiri modeli.
Kazi ya zawadi ya vigezo vingi
Tatizo la uboreshaji la utafiti limefafanuliwa kama kuchagua vituo K kutoka seti ya wagombea ili kuongeza zawadi ya jumla.
Mlinganyo wa Chanzo (3):
\[ \max_{\substack{S\subseteq C'\\|S|=K}}R(S) \]
Hapa \(C'\) ni seti ya maeneo ya wagombea yanayofaa. \(S\) inawakilisha maeneo mapya ya vituo yaliyochaguliwa kutoka seti hii, na K ni idadi ya vituo vipya vinavyopangwa kujengwa.
Usemi wa kazi ya zawadi katika Mlinganyo wa Chanzo (4):
\[ R(S)=\sum_{p\in P}W(p)\Delta d(p,S) -\lambda_1P_{\mathrm{new}}(S) -\lambda_2P_{\mathrm{exist}}(S) \]
Katika fomula hii:
- \(P\): Seti ya nukta za tathmini zilizopatikana kwa kugawanya eneo la utafiti katika vipande.
- \(W(p)\): Uzito changamano unaotokana na mahitaji ya kijamii na kiuchumi na hitaji la uhamaji katika nukta p.
- \(\Delta d(p,S)\): Uboreshaji wa umbali wa Manhattan kutoka nukta p hadi kituo cha karibu zaidi baada ya vituo vipya kuongezwa.
- \(P_{\mathrm{new}}(S)\): Kipengele cha adhabu kinachozuia vituo vipya vilivyochaguliwa kuwekwa karibu kupita kiasi.
- \(P_{\mathrm{exist}}(S)\): Kipengele cha adhabu kinachozuia vituo vipya kurudia kimahali miundombinu iliyopo bila ulazima.
- \(\lambda_1,\lambda_2\): Vigawo vinavyoamua athari za vipengele viwili vya adhabu kwenye zawadi.
Sehemu ya kwanza ya fomula huzidisha uboreshaji wa umbali katika kila nukta ya tathmini kwa uzito wa nukta hiyo na kujumlisha katika nukta zote za tathmini.
Sehemu ya pili na ya tatu huzuia vituo vipya kujikusanya kupita kiasi kati yao au karibu na vituo vilivyopo.
Kwa hiyo, zawadi kubwa haitokani tu na kupungua kwa umbali wa ufikiaji bali pia inategemea mpangilio wa anga wa maeneo yaliyochaguliwa.
Chanzo kinafafanua \(\Delta d\) kama kupungua kwa umbali wa L1. Ikiwa umbali unahesabiwa kwa mita, kitengo cha sehemu hii ni mita; uzito uliosawazishwa \(W(p)\) hauna kipimo. Hata hivyo, kwa kuwa maumbo kamili ya uchambuzi ya kazi za adhabu na vigawo vya nambari hayajaelezwa kwa undani wa kutosha, kitengo cha mwisho cha zawadi ya jumla hakiwezi kubainishwa kwa uhakika kutoka maandishi haya.
Kazi ya uzito changamano
Mlinganyo wa Chanzo (5):
\[ W(p)=w_{\mathrm{dem}}(p)^{\alpha} \cdot w_{\mathrm{need}}(p)^{\beta} \]
Usemi huu unaunganisha kwa kuzidisha uzito wa mahitaji na uzito wa hitaji la uhamaji.
\(\alpha\) na \(\beta\) ni vigezo vya kipeo vinavyorekebisha athari ya kihisabati ya kila kipengele.
Muundo wa kuzidisha unaweza kufanya uzito changamano ubaki mdogo ikiwa mojawapo ya viashiria viwili ni kidogo sana hata kama kingine ni kikubwa.
Hoja kuu ya chanzo ni kwamba muundo huu husaidia kutathmini maeneo yanayotimiza vigezo vingi vya jiji kwa wakati mmoja badala ya kuchagua wagombea wanaoonekana kuwa na nguvu kwa kigezo kimoja tu.
Hata hivyo, sifa hii ya kihisabati si dhamana ya moja kwa moja ya haki ya kijamii. Hasa katika eneo lenye \(w_{\mathrm{dem}}=0\), ikiwa \(\alpha>0\) itachaguliwa, uzito changamano huwa sifuri. Kwa hiyo namna maeneo yenye kiwango cha chini cha kijamii na kiuchumi yatakavyosaidiwa inategemea vipengele vingine vya zawadi, adhabu na vigezo vilivyochaguliwa.
Chanzo hakitoi jedwali kamili la nambari za \(\alpha\), \(\beta\), \(\lambda_1\) na \(\lambda_2\) linaloruhusu hesabu kurudiwa. Thamani za nambari za vigezo hivi hazijabuniwa.
Jukumu la vipengele vya adhabu
Mahitaji makubwa katika eneo la jiji hayafanyi kila mara kuwa sahihi kuweka vituo vyote vipya katika eneo moja dogo.
Kipengele \(P_{\mathrm{new}}(S)\) kimetumiwa kuzuia vituo vipya kuwa karibu kupita kiasi, na \(P_{\mathrm{exist}}(S)\) kuzuia mwingiliano usio wa lazima na vituo vilivyopo.
Hata hivyo, chanzo hakitoi usemi kamili wa kihisabati wa kazi hizi za adhabu, vizingiti vya umbali na vigawo kama milinganyo tofauti. Kwa hiyo haiwezekani kuhesabu kwa uhakika adhabu huanza katika umbali gani wa nambari na kufikia ukubwa gani.
Mtiririko mzima wa mbinu ya utafiti
Kielelezo 2 cha chanzo kinafafanua mtiririko wa kazi wa kikokotozi wenye hatua nne kuu.
| Hatua | Ingizo na mchakato | Matokeo |
|---|---|---|
| 1. Ukusanyaji na uchakataji wa awali wa data | Mtandao wa barabara, data za kijamii na kiuchumi, vituo vilivyopo, viashiria vya uhamaji na sehemu za matumizi vinaunganishwa. | Muundo wa pamoja wa data za anga. |
| 2. Uundaji wa kazi ya zawadi | Ufikiaji, mahitaji, hitaji la uhamaji na adhabu za anga vinaunganishwa. | Kazi ya kutathmini mpangilio. |
| 3. Uboreshaji wa MCTS | Mzunguko wa uteuzi, upanuzi, uigaji na urudishaji nyuma unatekelezwa. | Chaguo za mipangilio zilizotathminiwa. |
| 4. Uundaji wa matokeo | Bajeti ya hesabu inapokwisha, mpangilio wenye zawadi kubwa huchaguliwa. | Maeneo yaliyopendekezwa ya vituo vya kuchaji. |
Mchakato huu hautumiki kutafuta kiwianishi cha kituo kimoja, bali kuchagua usanidi wa anga unaoundwa kwa pamoja na idadi fulani ya vituo.
Mbinu na Matokeo ya Utafiti
Eneo la matumizi ya utafiti na vyanzo vya data
Eneo la matumizi ya utafiti ni jiji la Bogotá nchini Kolombia. Wakati data zikiunganishwa kijiografia na kiutawala, Vitengo vya Mipango ya Kanda vya Bogotá (Unidades de Planeamiento Zonal, UPZ) vilitumika kama kiwango cha kati cha upangaji wa anga.
Vitengo vya UPZ huruhusu hali ya kijamii na kiuchumi, miundombinu na viashiria vya uhamaji kutathminiwa ndani ya mipaka ya pamoja ya kijiografia.
| Kigezo | Alama | Aina | Chanzo cha data |
|---|---|---|---|
| Kiwango cha kijamii na kiuchumi | SS | Kidemografia | District Planning Secretariat |
| Kaya | HN | Kidemografia | DANE |
| Magari | Aut | Uhamaji | Bogotá Cómo Vamos |
| Faharasa ya uhamaji | IM | Uhamaji | Observatorio de Movilidad de Bogotá |
| Maegesho | Par | Miundombinu | OpenStreetMap |
| Vituo vya afya | HC | Miundombinu | OpenStreetMap |
| Vyuo vikuu | Uni | Miundombinu | OpenStreetMap |
| Vituo vya mafuta | FS | Miundombinu | OpenStreetMap |
| Vituo vya biashara | CC | Miundombinu | OpenStreetMap / Open Data |
| Maduka makubwa | Sup | Miundombinu | OpenStreetMap / Open Data |
| Hifadhi | Park | Miundombinu | OpenStreetMap / Open Data |
Vifupisho DEM, MOV na INFR vinaonyesha kwa mtiririko huo vigezo vya kidemografia, uhamaji na miundombinu. Jedwali linaonyesha majukumu ya vigezo katika utafiti; halimaanishi kwamba kila kigezo kinaongezwa moja kwa moja kwenye kazi ya zawadi kwa kigawo chake cha kihisabati.
Matokeo ya tafiti za awali yaliyotumiwa
Watafiti walitumia matokeo ya uchambuzi wa anga yaliyochapishwa awali ili kuhalalisha muundo wa sasa wa uhamaji wa Bogotá.
Katika utafiti wa awali wa uhusiano wa anga uliorejelewa na chanzo, thamani ya Moran's I = 0,656 iliripotiwa.
Moran's I ni kiashiria cha uhusiano wa anga kinachotumiwa kuchunguza ni kwa kiwango gani uchunguzi ulio karibu kijiografia una thamani zinazofanana.
Thamani chanya ya Moran's I inaendana na uhusiano wa sifa zinazofanana kujikusanya katika nafasi. Hata hivyo, takwimu hii peke yake haithibitishi ni utaratibu gani uliozalisha mkusanyiko huo.
Tofauti muhimu ya chanzo: Thamani 0,656 si alama ya mafanikio ya algoriti ya MCTS katika makala hii. Ni matokeo ya uainishaji wa awali wa uhamaji wa Bogotá ambao watafiti wameurejelea.
Utafiti wa awali uliripoti kwamba kiwango cha kijamii na kiuchumi na umiliki wa magari wa kaya vilihusiana kwa kiasi kikubwa na hali za uhamaji. Uhusiano huu unahalalisha kujumuishwa kwa kigezo cha mahitaji katika modeli ya sasa.
Maandalizi ya data za kijiografia
Chanzo kinaripoti kwamba shughuli za kijiografia zilifanywa kwa kutumia QGIS 4.0.
Vyanzo tofauti vya data vilibadilishwa kwenda mfumo mmoja wa marejeo ya viwianishi; kwa kutumia uunganishaji wa anga na takwimu za kikanda, vigezo husika vilipewa maeneo ya Voronoi.
Chanzo kinaita mfumo wa viwianishi “SIRGAS-Hormonal”. Kwa kuwa jina hili halijatolewa pamoja na msimbo kamili wa EPSG au vigezo vya kina vya projesheni, halijabadilishwa kimya kimya hapa kuwa jina la mfumo mwingine wa viwianishi.
Upungufu huu ni muhimu kwa kurudia mbinu kwa mabadiliko yale yale ya viwianishi.
Mazingira ya programu
Utafiti unaeleza kwamba uboreshaji wa kikokotozi uliandaliwa kwa kutumia Python 3.12.13.
| Programu | Toleo | Kazi |
|---|---|---|
| QGIS | 4.0 | Uchakataji wa data za kijiografia na uchambuzi wa anga |
| Python | 3.12.13 | Utekelezaji wa algoriti ya MCTS |
| NumPy | 2.0.2 | Hesabu za nambari |
| Pandas | 2.2.2 | Usimamizi wa data |
| Matplotlib | 3.10.0 | Uoneshaji wa matokeo |
Inaelezwa kwamba algoriti ilitengenezwa kutoka mwanzo na miundo ya data iliyovektorishwa ilitumika kusaidia ufanisi wa hesabu.
Hata hivyo, chanzo hakiripoti modeli ya kichakataji au GPU iliyotumiwa kwa majaribio, muda wa jumla wa utekelezaji, mbegu ya uzalishaji wa namba nasibu, bajeti ya marudio ya MCTS, au usanidi kamili wa nambari wa vigezo vyote katika jedwali wazi la majaribio.
Kwa hiyo, kwa kutegemea maelezo ya makala pekee, haiwezi kuhakikishwa kwamba matokeo yanaweza kurudiwa kwa usahihi wa biti kwa biti.
Kuunda maeneo ya wagombea wa vituo vya kuchaji
Maeneo ya wagombea kwa vituo vipya yalipatikana kutoka data za OpenStreetMap kwa kutumia Overpass API.
Miongoni mwa lebo zilizotolewa kama mifano katika chanzo ni:
amenity=parking— maegesho.amenity=hospital— hospitali na vituo vya afya.amenity=university— vyuo vikuu.shop=mall— vituo vya ununuzi.
Maeneo kama haya yalitathminiwa kama sehemu za shughuli za mijini ambako magari yanaweza kuegeshwa kwa muda fulani au ambako kunaweza kuwa na harakati nyingi za usafiri.
Nukta zilizoainishwa katika hatua hii si vituo vya kuchaji vilivyojengwa moja kwa moja. Zinaunda maeneo ya wagombea ambayo algoriti inaweza kuchagua.
Uainishaji wa anga wa miundombinu iliyopo
Kielelezo 3 cha chanzo kinaonyesha muundo wa kijiometri wa mtandao wa barabara wa Bogotá. Mpangilio wa barabara unaofanana na gridi ndio msingi wa kimetodolojia wa kuchagua umbali wa Manhattan.
Kielelezo 4 cha chanzo kinaonyesha maeneo ya Voronoi yaliyo na vituo 37 vya kuchaji vilivyopo kama vituo vya katikati. Maeneo katika ramani yanawakilisha takriban maeneo ya athari ya anga ya vituo.
Utafiti unaripoti kwamba maeneo yenye kiwango cha chini cha kijamii na kiuchumi kwa ujumla yana maeneo ya Voronoi makubwa na yaliyotawanyika zaidi, huku maeneo yenye kiwango cha juu yakiwa na maeneo madogo na yaliyoshikana zaidi.
Uchunguzi huu unaunga mkono tafsiri kwamba vituo vilivyopo vina mwelekeo wa kujikita katika maeneo ambako mahitaji ya kiuchumi yanatarajiwa kuwa juu zaidi.
Mgawanyo wa eneo la ufunikaji la Voronoi
Kielelezo 5 cha chanzo kina aina mbili tofauti za uoneshaji.
Katika paneli ya kwanza, mgawanyo wa maeneo ya Voronoi kwa viwango vya kijamii na kiuchumi unaonyeshwa kwa box plots katika kipimo cha mstari.
Katika paneli ya pili, maeneo ya Voronoi yanaonyeshwa katika kipimo cha logarithimu ili kuchunguza mwelekeo wa takriban wa mstari kati ya vigezo.
Box plot ni aina ya grafu ya kitakwimu inayotumiwa kuonyesha mediani, mtawanyiko na uchunguzi unaowezekana kuwa wa nje katika kundi la data.
Mstari wa mlalo ndani ya kisanduku unaonyesha mediani, mipaka ya kisanduku inaonyesha sehemu ya kati ya mgawanyo, na alama za nje zinaonyesha, kulingana na kanuni ya uoneshaji, thamani zilizo mbali na mgawanyo mkuu.
Chanzo kinaonyesha maeneo ya Voronoi yaliyo mapana na yenye utofauti zaidi katika viwango vya chini vya kijamii na kiuchumi, na maeneo ya ufunikaji yaliyo madogo zaidi katika viwango vya juu.
Mwelekeo wa takriban wa mstari katika grafu ya logarithimu unatafsiriwa kama ushahidi wa kuona wa uhusiano wa sheria ya nguvu ulioelezwa hapo awali.
Hata hivyo, kwa kuwa chanzo hakitoi viwianishi na thamani za nambari za maeneo yote binafsi ya Voronoi kama jedwali tofauti la data ghafi, mediani mpya kamili, robo au vigawo vya regresha havijahesabiwa kwa box plot.
Matokeo ya faharasa ya uhamaji
Kielelezo 6 cha chanzo kinaonyesha mgawanyo wa faharasa ya uhamaji kwa viwango vya kijamii na kiuchumi.
Mwelekeo wa jumla ni kwamba viwango vya juu vya kijamii na kiuchumi vinahusishwa na viashiria bora zaidi vya uhamaji.
Hata hivyo, mgawanyo wa box plots pia unaonyesha kwamba maeneo yote yenye kiwango kilekile cha kijamii na kiuchumi hayana hali sawa za uhamaji.
Maandishi husika ya chanzo yana usemi “MI = 0.146 × 10^−0.06”. Usemi huu, kama ulivyoandikwa, hauna kigezo cha kiwango cha kijamii na kiuchumi. Kwa hiyo hauwezi kutafsiriwa kama kazi kamili ya regresha inayohesabu mwelekeo wa mstari unaoongezeka unaotajwa katika maandishi.
Kwa sababu hiyo, mwelekeo wa ubora wa kuongezeka unaoungwa mkono na grafu umewasilishwa, lakini hakuna kigezo huru au kigawo cha mteremko kisichothibitishwa kilichoongezwa.
Kwa nini uchunguzi wa nje ulihifadhiwa?
Chanzo kinaeleza kwamba kuna thamani za nje katika baadhi ya data za Voronoi na uhamaji.
Si thamani zote hizi za nje zilizochukuliwa kuwa makosa ya kipimo. Ukanda wa Avenida El Dorado na nodi ya Calle 100 zimetajwa kama maeneo ya mijini yanayoweza kuwa na tabia tofauti kutokana na msongamano na harakati za usafiri zisizo za kawaida.
Watafiti wanaripoti kwamba walichuja makosa ya kiufundi ya data huku wakihifadhi uchunguzi wa nje unaowakilisha tofauti halisi za mijini.
Uamuzi huu ni muhimu kwa sababu kuondoa maeneo halisi yenye harakati nyingi za usafiri kwa sababu tu yanaonekana yasiyo ya kawaida kitakwimu kunaweza kudhoofisha uwezo wa modeli kuwakilisha muundo wa jiji.
Mgawanyo wa anga wa maeneo ya wagombea
Kielelezo 7 cha chanzo kinaonyesha mgawanyo wa maeneo ya wagombea wa vituo vya kuchaji yaliyotambuliwa kupitia OpenStreetMap ndani ya Bogotá.
Katika ramani, maeneo ya wagombea yanaonyeshwa kwa nukta, huku mipaka ya maeneo ya Voronoi ya vituo vilivyopo ikionyeshwa kwa mistari.
Inaripotiwa kwamba maeneo ya wagombea ni mengi zaidi katikati ya jiji na machache zaidi katika maeneo ya pembeni.
Mgawanyo huu unaonyesha kwamba maeneo ya wagombea hayana msongamano sawa katika jiji. Hata hivyo, idadi kubwa ya wagombea haimaanishi wote wanafaa kiufundi kwa ujenzi.
Matokeo ya kikokotozi ya uwekaji wa vituo 200 vya kuchaji
Kielelezo 8 cha chanzo kinaonyesha maeneo 200 ya vituo vya kuchaji yaliyochaguliwa na algoriti ya MCTS.
Katika maelezo ya kielelezo cha chanzo, nukta nyekundu zinawakilisha maeneo yaliyochaguliwa na modeli, nukta za kijani wagombea, na mistari ya bluu maeneo ya Voronoi ya miundombinu iliyopo.
Matokeo ya modeli yanaonyesha msongamano mkubwa wa vituo katika ukanda wa kaskazini-mashariki na kituo cha jiji kilichopanuliwa.
Katika maeneo ya pembeni, maeneo ya ziada yalichaguliwa ili kupunguza mapengo ya ufikiaji kwa sababu vituo vilivyopo vina maeneo mapana zaidi ya huduma.
Matokeo haya ya anga yanaonyesha kwamba modeli inaweza kuzingatia maeneo yenye mahitaji makubwa na pia kutathmini maeneo ambako miundombinu iliyopo ni michache.
Hata hivyo, chanzo hakitoi jedwali kamili la viwianishi vya vituo, uthibitishaji mpya wa mtiririko wa mzigo wa mtandao wa umeme, wala data ya utendaji kutoka vituo 200 vilivyowekwa kweli katika matumizi.
Kwa hiyo mpangilio huu unapaswa kutathminiwa kama uwekaji unaopendekezwa unaotolewa na modeli ya kikokotozi.
Uwezo wa modeli kupanuka kwa kiwango
Utafiti unasisitiza kwamba faida muhimu ya MCTS ni kutohitaji kuchunguza kikamilifu nafasi kubwa zote za suluhisho za kombinatoria.
Algoriti hutoa muundo unaoweza kuendelea kuboresha mti wa utafutaji inapopewa bajeti zaidi ya hesabu.
Sifa hii inahusishwa katika fasihi na mbinu ya anytime algorithm. Algoriti za anytime zinaweza kutoa suluhisho lililopo hata ikiwa hesabu inapaswa kusitishwa mapema na hulenga kuliboresha kwa hesabu ya ziada.
Hata hivyo, kuongezeka kwa muda wa hesabu hakuhakikishi kwamba suluhisho litaboreka kwa kila utekelezaji au kwamba optimum ya kimataifa itafikiwa.
Kulinganisha na mbinu nyingine za uboreshaji
Watafiti wanajadili kama faida kwamba MCTS, tofauti na uteuzi wa kawaida wa greedy au mbinu za clustering, hushughulikia maamuzi ya uwekaji kwa mfululizo na kwa kutegemeana.
Tofauti na mbinu zinazotegemea idadi ya wagombea kama Genetic Algorithms na Particle Swarm Optimization, MCTS hutumia kanuni ya uteuzi wa UCT kwenye muundo wa mti.
Ulinganisho huu umefanywa hasa kwa kuzingatia sifa za kihisabati na kialgoritimu za mbinu hizo.
Chanzo hakina jedwali la kina la kulinganisha utendaji wa algoriti zote mbadala chini ya data na bajeti ya hesabu ileile. Kwa hiyo haiwezekani kutoa matokeo ya nambari kwamba MCTS ni kwa asilimia fulani haraka au bora kuliko mbinu husika.
Muundo tuli wa modeli
Mojawapo ya vikwazo muhimu vilivyotajwa na utafiti wenyewe ni kwamba modeli ni tuli.
Modeli tuli huunda pendekezo la uwekaji kwa kutumia hali za jiji katika kipindi cha data kilichochaguliwa.
Idadi ya magari ya umeme, mahitaji ya kuchaji, mgawanyo wa watu, tabia za usafiri na maeneo mapya ya maendeleo mijini vinaweza kubadilika kwa muda.
Modeli ya chanzo si mfumo wa uboreshaji wa nguvu unaotabiri hatua kwa hatua mabadiliko haya yote kwa muda.
Kikomo cha wigo kwa mtazamo wa mtandao wa umeme
Kuweka vituo vya kuchaji magari ya umeme hakutegemei ufikiaji wa anga pekee. Katika utekelezaji halisi, uwezo wa mtandao wa usambazaji wa umeme na masharti ya kuunganisha pia lazima yatathminiwe.
Katika sehemu ya matokeo, chanzo kinaeleza kwamba uwezo wa mtandao wa umeme na vikwazo vya mtandao wa usafiri ni miongoni mwa maboresho yanayoweza kujumuishwa katika modeli baadaye.
Kwa hiyo haiwezi kuhitimishwa kwamba eneo la mgombea lililochaguliwa na modeli ya sasa linaweza kutekelezwa mara moja kwa upande wa uunganishaji wa umeme.
Matokeo yanayoungwa mkono na modeli
- Mgawanyo wa anga wa miundombinu ya kuchaji iliyopo Bogotá unahusiana na sifa za kijamii na kiuchumi.
- Maeneo ya ufunikaji ya Voronoi ya vituo vilivyopo yanatofautiana kulingana na viwango vya kijamii na kiuchumi.
- Mgawanyo wa Voronoi unaotegemea umbali wa Manhattan unaweza kutumiwa kubaini takriban maeneo ya ufikiaji ya miundombinu iliyopo.
- Algoriti ya MCTS inaweza kutathmini chaguo za mfululizo za vituo vya kuchaji vya wagombea kwa kazi ya zawadi ya vigezo vingi.
- Matokeo ya kikokotozi ya modeli iliyopendekezwa yanalenga kuunda usawa wa anga kati ya maeneo yenye uwezekano mkubwa wa mahitaji na maeneo yenye upungufu wa ufikiaji.
- Katika matumizi ya Bogotá, matokeo ya kikokotozi ya uwekaji yenye maeneo 200 ya vituo yameonyeshwa.
Majumlisho ambayo utafiti hauungi mkono
Utafiti hauthibitishi kihisabati kwamba MCTS ndiyo algoriti bora katika miji yote au chini ya hali zote za data.
Haijaonyeshwa kwamba maeneo yote 200 yaliyobainishwa na modeli yanafaa kujengwa katika ulimwengu halisi, yana faida kiuchumi au yana uwezo wa kutosha kwa upande wa mtandao wa umeme.
Chanzo pia hakitoi tathmini ya uwanjani inayoonyesha kwamba mgawanyo wa miundombinu uliopendekezwa umesababisha ongezeko lililopimwa la usawa wa kijamii katika makundi yote ya mapato.
Ufikiaji unaoboreshwa kupitia kazi ya zawadi si sawa na muda halisi wa kuendesha gari, muda wa kusubiri kuchaji, kiwango cha matumizi ya kituo au mwendelezo wa huduma ya umeme.
Vikwazo vya kimetodolojia na tafiti za baadaye
Watafiti wanapendekeza kwamba maendeleo ya baadaye ya mbinu yajumuishe mabadiliko ya mahitaji ya magari ya umeme kwa muda, vikwazo vya kina vya mtandao wa usafiri na uwezo wa mtandao wa usambazaji wa umeme.
Zaidi ya hayo, uthibitishaji wa utendaji wa muda mrefu kwa data halisi ya uwanjani, uchunguzi wa matumizi katika miji tofauti na uchambuzi wa athari za vigezo katika kazi ya zawadi ya modeli ni maeneo muhimu ya tathmini kwa matumizi ya baadaye. Hoja hizi za mwisho hazijawasilishwa kama majaribio mapya yaliyokamilishwa ndani ya utafiti huu.
Tathmini ya jumla ya kisayansi
Mchango mkuu wa utafiti huu ni kuendeleza mfumo wa uboreshaji wa kikokotozi unaoitoa mipango ya vituo vya kuchaji magari ya umeme kutoka kuwa tatizo la ukaribu wa mahali pekee na kuunganisha mahitaji ya kijamii na kiuchumi, hali za uhamaji na ufikiaji wa anga.
MCTS huunda injini ya kutafuta suluhisho ya mfumo huu, huku mgawanyo wa Voronoi ukiwakilisha maeneo ya huduma ya kijiografia ya miundombinu iliyopo; mahitaji ya kijamii na kiuchumi pamoja na hitaji la uhamaji huchangia katika tathmini ya suluhisho.
Utafiti unachangia hasa katika maendeleo ya mbinu za kusaidia maamuzi kwa upangaji wa miundombinu katika miji mikubwa yenye hali za mijini zinazotofautiana sana. Hata hivyo, maamuzi ya utekelezaji yanahitaji kuthibitishwa kando kwa mahitaji halisi, mtandao wa umeme na hali za kiutendaji za eneo husika.
Maelezo ya Chanzo na Mbinu
Kichwa asilia: Spatial Optimization of Electric Vehicle Charging Infrastructure in Highly Heterogeneous Cities: A Monte Carlo Tree Search Approach Integrating Socioeconomic and Mobility Indicators
Waandishi: Diego Julian Rodriguez Patarroyo, Jaime Francisco Pantoja Benavides, Frank Nixon Giraldo Ramos.
Taasisi: Facultad de Ingeniería, Universidad Distrital Francisco José de Caldas, Bogotá 110311, Colombia.
Mwandishi wa mawasiliano: Frank Nixon Giraldo Ramos (fngiraldor@udistrital.edu.co).
Mchango sawa: Chanzo hakitoi tamko la mchango sawa au uandishi wa kwanza wa pamoja.
Jarida: Urban Science.
Mchapishaji: MDPI.
Juzuu / toleo / namba ya makala: 10 / 6 / 316.
DOI: 10.3390/urbansci10060316.
Tarehe ya kuwasilishwa: 10 Aprili 2026.
Tarehe ya marekebisho: 24 Mei 2026.
Tarehe ya kukubaliwa: 26 Mei 2026.
Tarehe ya kuchapishwa: 4 Juni 2026.
Aina ya chanzo: Makala ya utafiti wa kisayansi iliyopitiwa na wenzao.
Leseni: Creative Commons Attribution (CC BY 4.0).
Chapisho rasmi: https://www.mdpi.com/2413-8851/10/6/316
Kiungo cha DOI: https://doi.org/10.3390/urbansci10060316
Wahariri wa kitaaluma: Fatemeh Nasr Esfahani na Carrie M. Hall.
Ufadhili: Imeripotiwa kwamba utafiti haukupokea ufadhili wa nje.
Upatikanaji wa data: Data zilizowasilishwa katika utafiti zinaweza kuombwa kutoka kwa mwandishi wa mawasiliano. Sehemu ya data za anga ilipatikana kutoka OpenStreetMap na vyanzo vya data huria vya DANE.
Mgongano wa maslahi: Waandishi wametangaza kwamba hakuna mgongano wa maslahi.
Kamati ya maadili na ridhaa iliyoarifiwa: Chanzo kinasema havitumiki.
Michango ya waandishi: Uundaji wa dhana na mbinu D.J.R.P.; programu D.J.R.P.; uthibitishaji, uchambuzi rasmi na utafiti D.J.R.P. pamoja na J.F.P.B.; utoaji wa rasilimali na uratibu wa data J.F.P.B.; rasimu ya kwanza D.J.R.P.; mapitio na uhariri waandishi wote watatu; usimamizi ulifanywa na D.J.R.P.
Tamko la matumizi ya akili bandia: Waandishi wameripoti kutumia Gemini 1.5 Pro/Flash wakati wa kuandaa makala kwa usaidizi wa uandishi wa kiufundi, uboreshaji wa lugha na uumbizaji wa LaTeX. Matokeo yaliyotengenezwa yalipitiwa na kuhaririwa na mwandishi, na jukumu la maudhui ya chapisho limebaki kwa waandishi.
Mbinu kuu: Mgawanyo wa Voronoi wa vituo 37 vya kuchaji vilivyopo Bogotá, ujumuishaji wa data za kijamii na kiuchumi na uhamaji, mchakato wa utafutaji wa MCTS-UCT na kazi ya zawadi ya anga ya vigezo vingi zilitumika.
Matokeo ya kikokotozi: Mpangilio wa maeneo 200 ya vituo uliundwa kwa mbinu ya MCTS. Matokeo haya si utekelezaji halisi wa uwanjani.
Sintofahamu za ndani ya chanzo: Ukosefu wa kigezo katika usemi wa regresha ya MI na jina la mfumo wa viwianishi “SIRGAS-Hormonal” vimetathminiwa kama vilivyoandikwa katika chanzo. Hakuna marekebisho yasiyothibitishwa yaliyofanywa.
Kikomo cha kurudiwa: Bajeti ya marudio ya MCTS, mbegu ya nasibu, vigawo vyote vya uchunguzi na zawadi, maumbo kamili ya uchambuzi ya kazi za adhabu na vifaa vya majaribio havijaripotiwa kwa undani wa kutosha.
Kikomo cha tafsiri ya kisayansi: Matokeo ni matokeo ya uboreshaji wa anga wa kikokotozi yanayotegemea data za Bogotá. Utendaji wa vituo vipya katika mtandao halisi wa umeme, matokeo ya matumizi ya uwanjani au uwezo wa kuhamishwa moja kwa moja kwenda miji mingine haujathibitishwa kwa kujitegemea.
Acha maoni
Anwani yako ya barua pepe haitachapishwa. Sehemu za lazima zimewekewa alama ya *