Масъалаи Ҷойгиркунии Бидуни Нуқтаҳои Номзадӣ бо Муқовимати Стохастикии Роҳ (Candidate-Free Stochastic Road Resistance Location Problem, CF-SRLP), модели оптимизатсияи ҷойгиркунӣ мебошад, ки ба ҷойи маҳдуд кардани истгоҳҳои таъмири изтирории газ бо рӯйхати танги ҷойҳои номзадии пешакӣ муайяншуда, ҳамаи гиреҳҳои шабакаи роҳро ҳамчун ҷойҳои эҳтимолии истгоҳ арзёбӣ карда, хурдтарин маҷмӯи имконпазири истгоҳҳоро меҷӯяд, ки дар шароити тағйирёбандаи ҳаракат эътимоднокии ҳадафии фарогириро таъмин мекунанд. Таҳқиқот робитаи шабакаи воқеии роҳи City H ва қубури газро дар асоси OpenStreetMap истифода бурда, дар топологияи роҳ аз 498 гиреҳ ва 1192 пайванд масофаи Haversine, коэффициентҳои стохастикии муқовимати роҳ, ҷустуҷӯи такмилёфтаи итеративии ҳирсона ва симулятсияи Monte Carlo-ро муттаҳид кардааст.

Дар ин ҷо “муқовимати стохастикии роҳ”, муқовимати механикии ғелиши сатҳи роҳ нест. Дар модел он коэффициенти беандозаест, ки тағйирёбии ҳаракат ва дастрасии роҳро ифода мекунад. Барои ҳар қитъаи роҳ коэффициенти \(\tau_{ab}\) аз тақсимоти якхела дар фосилаи \([0.1,1]\) тавлид мешавад ва суръати идеалии \(\bar v\) ба ин коэффициент зарб шуда, суръати ҳаракат дар он сенария ҳисоб карда мешавад. Дар таҳқиқоти асосӣ суръати идеалӣ 60 км/соат, вақти ҳадафии расидан 0,5 соат, яъне 30 дақиқа, дар ҳар иҷрои Monte Carlo 100 сенарияи муқовимати роҳ ва дар маҷмӯъ 200 такрори Monte Carlo истифода шудааст. Ҳамин тавр, таҳқиқот 20.000 сенарияи стохастикии ҳаракатро арзёбӣ кардааст.

Дар таҳқиқоти City H 2125 конфигуратсияи истгоҳ баррасӣ шуда, сатҳи миёнаи фарогирии ҷойгиркуниҳои оптимизатсияшуда %97,77 гузориш шудааст. Инҳирофи стандартии фарогирӣ %2,48, диапазон %9,59, диапазони байни квартилҳо %2,54 ва коэффициенти тағйирёбӣ %2,54 буд. Вақте шумораи миёнаи истгоҳҳо ба тақрибан 9,8 наздик шуд, фарогирӣ дар атрофи %97,8 устувор гардид.

Ҳангоми зиёд шудани шумораи истгоҳҳо аз 5 то 17, фарогирии миёна аз %91,5445 то %99,7952 боло рафт. Бо вуҷуди ин, афзоиш хаттӣ нест: ҳангоми гузариш аз 5 ба 11 истгоҳ фарогирӣ то %99,2234 боло рафт, вале тавсеаи иловагӣ аз 11 то 17 истгоҳ танҳо 0,5718 банди фоизӣ афзоиши иловагӣ дод. Ин натиҷа дар манбаъ ҳамчун коҳиши боздеҳи маржиналӣ шарҳ дода мешавад.

Гарчанде модел дар шароити миёна фарогирии баланд ва вақти кӯтоҳтари расиданро ба вуҷуд овард, таъхирҳои бадтарин ҳолатро пурра аз байн набурд. Вақтҳои миёнаи расидан асосан дар фосилаи 6–20 дақиқа ҷамъ шуданд, дар ҳоле ки вақтҳои максималии расидан бештар дар фосилаи 30–45 дақиқа буданд. Танҳо %12,0414 аз вақтҳои максималии расидан дар ҳадди ҳадафии 30 дақиқа монданд. Аз ин рӯ, таҳқиқот нишон медиҳад, ки ҷойгиркунии хуби истгоҳ метавонад мушкили дастрасии фазоиро ба таври назаррас коҳиш диҳад, аммо хатари таъхири “думи тақсимот” аз ҳаракати шадид танҳо бо ҷойгиркунии статикӣ ҳал намешавад.

Муҳимтарин маҳдудияти тафсир ин аст: сатҳи фарогирии %97,77 иҷрои таърихии саҳроӣ нест, ки аз вокунишҳои воқеӣ ба ихроҷи газ чен карда шуда бошад. Натиҷа ба симулятсияҳои стохастикӣ дар топологияе тааллуқ дорад, ки аз сохтори воқеии шабакаи роҳ ва газ гирифта шудааст. Модел навбатҳо, бархӯрди вазифаҳои ҳамзамон, иқтидори гурӯҳ/нақлиёт ва вокуниши бисёристансиро ба ҳисоб намегирад; бинобар ин амалиёти воқеӣ метавонад мураккабтар бошад.

CF-SRLP чист ва “бидуни нуқтаҳои номзадӣ” чӣ маъно дорад?

CF-SRLP модели фарогириест, ки ҷойгиршавии истгоҳҳои таъмири изтирории газро дар шароити вақтҳои стохастикии сафар оптимизатсия мекунад; ибораи “нуқтаҳои номзадӣ пешакӣ муайян намешаванд” маънои онро надорад, ки истгоҳҳоро дар ҳар координатаи ҷуғрофӣ ҷойгир кардан мумкин аст, балки маънои онро дорад, ки ба ҷойи сохтани рӯйхати хурди номзадҳо ҳамаи гиреҳҳои топологияи шабакаи роҳ ба фазои қарор дохил мешаванд.

Чаро маҷмӯи анъанавии номзадҳо метавонад мушкил эҷод кунад?

Дар моделҳои классикии ҷойгиркунии иншоот аввал шумораи маҳдуди нуқтаҳои номзадии истгоҳ интихоб шуда, оптимизатсия танҳо байни ҳамин нуқтаҳо анҷом дода мешавад. Ба гуфтаи манбаъ, агар нуқтаҳои номзадӣ пешакӣ бо филтрҳои амалӣ, аз қабили сарҳадҳои маъмурӣ, иншооти мавҷуда, дастрасии замин ё хароҷот интихоб шаванд, гиреҳе, ки дар асл метавонад фарогирии баландтар диҳад, ҳанӯз пеш аз оғози оптимизатсия хориҷ шуда метавонад.

Равиши CF-SRLP ин қадами пешакии интихобро бартараф карда, ҳамаи гиреҳҳои шабакаи роҳро ҳамчун ҷойҳои эҳтимолии истгоҳ арзёбӣ мекунад. Бо вуҷуди ин, фазои қарор ҳамоно шабакаи дискретӣ мебошад. Нуқтаҳои пайвастаи замин, ки гиреҳи роҳ нестанд, тағйирёбандаи қарори модел нестанд.

Фарқи се шакли вокуниши изтирорӣ

Таҳқиқот бо сабаби тағйирёбии вақтӣ дар шароити ҳаракат дар шабакаҳои калон ва мураккаби шаҳрӣ мантиқи вокуниш дар асоси вақти сафарро қабул мекунад.

Ҳафт фарзияи асосии модел

1. Робитаи фарогирӣ танҳо аз рӯи кӯтоҳтарин вақти сафар дар роҳ муайян мешавад; навбат, бархӯрди вазифаҳо ва маҳдудияти иқтидори таъмир ба ҳисоб гирифта намешаванд.
2. Шароити ҳаракат бо коэффициентҳои стохастикии муқовимати роҳ ифода мешавад; сенарияҳо аз ҳам мустақиланд.
3. Истгоҳҳо танҳо дар гиреҳҳои шабакаи роҳ сохта мешаванд.
4. Хароҷоти сохтмон асосан бо шумораи истгоҳҳо ифода мешавад; фарқияти хароҷоти амалиётӣ ва замин байни истгоҳҳо ба модел ҷудогона ворид намешавад.
5. Ба ҳар нуқтаи талабот дар сенарияи дахлдор танҳо як истгоҳе хизмат мерасонад, ки вақти сафар то он кӯтоҳтарин аст; вокуниши бисёристансии ҳамзамон вуҷуд надорад.
6. Фарз мешавад, ки кӯтоҳтарин вақти сафар байни ду гиреҳ симметрӣ аст, яъне шабака дуҷониба пайваст мебошад.
7. Вазнҳои гуногуни гиреҳҳои талабот, аз қабили шумораи истифодабарандагон, дараҷаи афзалият ё зичии талабот, ба ҳисоб гирифта намешаванд.

Ин фарзияҳо моделро махсусан ба дастрасии фазоӣ ва ҷойгиркунии истгоҳ равона мекунанд. Он ҳамаи ҷузъиёти амалиётии идоракунии воқеии ҳолатҳои фавқулодаро ифода намекунад.

Муқовимати Стохастикии Роҳ дар Модел Чӣ Гуна Ифода Мешавад?

Муқовимати стохастикии роҳ тағйирёбандаи беандозаи номуайянии ҳаракат мебошад, ки бо зарб кардани суръати идеалии ҳар қитъаи роҳ ба коэффициенти \(\tau_{ab}\in[0.1,1]\) суръати ҳаракати хоси сенария ва баъдан вақти сафарро тағйир медиҳад; зеро дар танзими асосӣ суръати базавии 60 км/соат истифода шудааст, аз рӯи натиҷаи математикии муодила суръати қитъаҳо метавонад дар фосилаи 6–60 км/соат тағйир ёбад.

Ҷараёни умумии усул

Сохтани топологияи шабакаи роҳ

Геометрияҳои хоми роҳ ба сегментҳои асосии хаттӣ ҷудо мешаванд. Аз тоза кардани охирҳои сегмент, нуқтаҳои буриш ва координатаҳои такрорӣ маҷмӯи гиреҳҳо барои оптимизатсия сохта мешавад.

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

Муодилаи (1), координатаҳои оғоз ва анҷоми ҳар сегменти роҳро ба маҷмӯи \(V_{\mathrm{end}}\) ҷамъ мекунад. \(U_i\) сегменти \(i\)-уми роҳ аст; \((x_{i1},y_{i1})\) ва \((x_{i2},y_{i2})\) ду охири сегмент мебошанд.

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

Муодилаи (2), нуқтаҳои дурусти буриш байни сегментҳои гуногуни роҳро муайян мекунад. Манбаъ функсияи polyxpoly-ро дар MATLAB истифода мебарад. Шарти \(j<k\) аз санҷиши такрории як ҷуфти сегмент бо тартиби баръакс пешгирӣ мекунад.

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

Муодилаи (3), охирҳои сегмент ва нуқтаҳои буришро муттаҳид карда, нуқтаҳои такрории хеле наздикро бар асоси таҳаммул ягона мекунад. Манбаъ таҳаммули \(\varepsilon=10^{-6}\)-ро истифода мебарад.

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

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

Муодилаи (4), шабакаи коркардшудаи роҳро ҳамчун графи вазндор ва бесамт муайян мекунад. Гиреҳҳо нуқтаҳои чорроҳа ё геометрияи роҳро ва канорҳо қитъаҳои ба ҳам пайвасти роҳро ифода мекунанд.

Чаро масофаи Haversine истифода мешавад?

Азбаски гиреҳҳои роҳ бо координатаҳои арз-тули ҷуғрофӣ муайян шудаанд, манбаъ ба ҷойи масофаи ҳамвории Евклидӣ муносибати Haversine-ро истифода мебарад, ки каҷии Заминро ба ҳисоб мегирад.

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

\(d_{ab}\) масофаи байни гиреҳҳои \(V_a\) ва \(V_b\) мебошад. \(R_{\mathrm{earth}}\) радиуси Замин аст, ки тақрибан 6371 км гирифта шудааст. \(\phi\) арзи ҷуғрофӣ ва \(\lambda\) тӯли ҷуғрофиро нишон медиҳанд. Вақте радиуси Замин бо километр истифода мешавад, натиҷа низ дар миқёси километр аст.

Муқовимати роҳ суръат ва вақти сафарро чӣ гуна тағйир медиҳад?

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

\(\bar v\) суръати базавӣ дар шароити идеалӣ аст; \(\tau_{ab}\) коэффициенти стохастикии муқовимати қитъаи дахлдори роҳ мебошад. Манбаъ \(\tau_{ab}\)-ро аз тақсимоти якхела дар фосилаи \([0.1,1]\) тавлид мекунад.

Азбаски дар танзими асосӣ \(\bar v=60\) км/соат аст, натиҷаи мустақими математикии Муодилаи (6):

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

мебошад. Ин фосила натиҷаи нави таҷрибавӣ нест, балки натиҷаи мустақими параметри манбаъ ва муодилаи манбаъ аст.

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

Муодилаи (7), вақти сафарро бо тақсим кардани масофа ба суръати стохастикӣ ҳисоб мекунад. Вақте \(\tau_{ab}\) кам мешавад, суръат паст ва вақти сафар дар ҳамон қитъаи роҳ зиёд мешавад. Ҳамин тавр, як ҷойгиршавии истгоҳ дар сенарияҳои гуногуни ҳаракат метавонад сатҳи фарогирии гуногун диҳад.

Ёддошти нишонгузории манбаъ: Пас аз Муодилаи (7), матни манбаъ ҳангоми шарҳи пайвастагии дуҷониба ҷумлае истифода мебарад, ки гӯё \(t_{ab}(\tau)\) ҳангоми ҳисоб ба арзиши \(\tau_{ab}\) “аз нав таъин карда мешавад”. Азбаски ин ибора бо таърифи Муодилаи (7) мустақиман мувофиқ нест, Verianla онро ба қоидаи нави математикӣ табдил намедиҳад. Фарзияи равшани моделии манбаъ ин аст, ки кӯтоҳтарин вақти сафар байни ду гиреҳ симметрӣ қабул мешавад.

Модел воқеан чиро оптимизатсия мекунад?

Гарчанде манбаъ ду ҳадафи математикӣ менависад, мантиқи татбиқшудаи ҳалли масъала оптимизатсияи классикии бисёрҳадафаи ҳамзамон нест. Ҳангоми нигоҳ доштани эътимоднокии фарогирӣ дар фосилаи ҳадаф, кӯшиш мешавад шумораи камтарини имконпазири истгоҳҳо интихоб шавад.

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

Муодилаи (8), шумораи умумии истгоҳҳои интихобшударо кам мекунад. Агар \(X_l=1\), дар гиреҳи \(V_l\) истгоҳ сохта шудааст; агар \(X_l=0\), сохта нашудааст.

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

Муодилаи (9), сатҳи интизоршавандаи фарогирии ҳадафиро дар рӯи \(S\) сенарияи стохастикии муқовимати роҳ ҳисоб мекунад. Ҷамъи дохилӣ ҳиссаи гиреҳҳои фарогирифтаро дар ҳар сенария ва миёнаи беруна миёнаи сенарияҳоро ифода мекунад.

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

Муодилаи (10), қарори ҷойгиркунии истгоҳро бо тағйирёбандаи дуӣ ифода мекунад.

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

Муодилаи (11), муайян мекунад, ки гиреҳи талабот \(m\) дар сенарияи \(s\) дар ҳудуди вақт хизмат мегирад ё не. Агар вақти дастрасӣ аз наздиктарин истгоҳ аз \(T_{\max}\) зиёд набошад, гиреҳ фарогирифта ҳисоб мешавад.

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

Муодилаи (12), фосилаи қабулшавандаи сатҳи фарогириро маҳдуд мекунад. Дар симулятсияи асосӣ манбаъ ин ҳадафро %90–100 муқаррар кардааст.

Ҳамин тавр, гарчанде сохтори математикӣ ду бузургиро нишон медиҳад, мантиқи амалии алгоритм чунин аст: аввал эътимоднокии зарурии фарогириро таъмин кун, баъд кӯшиш кун онро бо шумораи камтарини истгоҳҳо амалӣ созӣ.

Фарқи дохилиманбаъӣ вобаста ба ибораи “Pareto-optimal”

Қисми муқаддимаи мақола мегӯяд, ки равиши такмилёфтаи greedy–Monte Carlo “Pareto-optimal solution set” месозад. Баръакс, Қисми 3.3 равшан мегӯяд, ки ҳалли масъала “ба ҷойи сохтани ҷабҳаи Pareto байни ду ҳадафи рақобаткунанда” оптимизатсияи иерархӣ/бар асоси маҳдудият мебошад, ки шумораи истгоҳҳоро дар шароити эътимоднокии ҳадафии фарогирӣ кам мекунад. Verianla Қисми 3.3-ро, ки шарҳи муфассалтари математикӣ дорад, ҳамчун шарҳи асосии мантиқи кори модел истифода мекунад ва фарқи терминологии муқаддимаро пинҳон намекунад.

Ҷустуҷӯи Такмилёфтаи Итеративии Ҳирсона чӣ гуна кор мекунад?

Алгоритм ҳисоб мекунад, ки ҳар гиреҳи ҳанӯз интихобнашуда ба конфигуратсияи ҷорӣ чӣ қадар фарогирии иловагӣ медиҳад. Гиреҳе, ки бузургтарин фоидаи маржиналиро медиҳад, ҳамчун истгоҳ илова мешавад ва расидан ба фарогирии ҳадафӣ дубора санҷида мешавад.

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

Муодилаи (13), фоидаи маржиналии фарогирӣ мебошад, ки миёна ҳисоб мекунад чанд гиреҳи талаботи ҳанӯз фарогирифтанашуда бо шарофати истгоҳи нави \(l\) дар вақти ҳадафӣ дар сенарияҳо фаро гирифта мешаванд.

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

Муодилаи (14), гиреҳеро интихоб мекунад, ки баландтарин фоидаи маржиналии фарогирӣ дорад. Истилоҳи “ҳирсона” аз ҳамин ҷо меояд: алгоритм дар ҳар қадам гиреҳеро интихоб мекунад, ки дар ҳамон лаҳза бузургтарин фоидаи маҳаллиро медиҳад.

Шаш қадами алгоритм, ки дар манбаъ дода шудаанд: оғозкунии параметрҳо, даври Monte Carlo, ҳисоб кардани фоидаҳои маржиналии гиреҳҳои интихобнашуда, интихоби беҳтарин гиреҳ, навсозии ҳолати фарогирӣ ва хотима/баровардани конфигуратсияҳои мувофиқ.

Monte Carlo дар ин ҷо чӣ кор мекунад?

Симулятсияи Monte Carlo ба ҷойи истифодаи як ҳолати собити ҳаракат, шумораи зиёди комбинатсияҳои тасодуфии \(\tau_{ab}\) барои муқовимати роҳро тавлид мекунад. Як ҷойгиршавии истгоҳ дар ин сенарияҳои гуногун дубора арзёбӣ мешавад. Ҳамин тавр, ба ҷойи саволи “оё ин ҷойгиршавӣ дар як ҳолати миёнаи ҳаракат хуб аст?”, саволи қавитар — “дар шароити тағйирёбандаи ҳаракат то чӣ андоза боэътимод аст?” — таҳқиқ мешавад.

Метрикаҳои арзёбии иҷро

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

Сатҳи мутобиқати фарогирӣ \(A_c(R)\), нишон медиҳад, ки стратегия дар чанд сенария сатҳи ҳадафии фарогириро таъмин мекунад.

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

Сатҳи мутобиқати вақти миёнаи расидан, чен мекунад, ки дар чанд сенария вақти миёнаи расидан аз вақти ҳадафӣ камтар ё ба он баробар аст.

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

Сатҳи мутобиқати вақти максималии расидан, ҳиссаи сенарияҳоест, ки ҳатто гиреҳи дуртарин ё бадтарин хизматгирифта дар вақти ҳадафӣ мемонад. Ин метрика бештар аз иҷрои миёна хатари думи тақсимот ё таъхири аз ҳад зиёдро инъикос мекунад.

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

Вазнҳои манбаъ:

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

муқаррар шудаанд. Ба эътимоднокии фарогирӣ %40 вазн дода мешавад, мутобиқати вақти миёна ва максималии расидан ҳар кадом %30 вазн доранд.

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

Самаранокии истгоҳ \(SE(R)\), холҳои муттаҳидаи иҷроиро ба шумораи истгоҳҳои истифодашуда тақсим мекунад. Ҳамин тавр, на танҳо “оё истгоҳҳои бештар иҷроиро беҳтар карданд?”, балки “ба ҳар истгоҳи иловагӣ чӣ қадар иҷро ба даст омад?” низ арзёбӣ мешавад.

Усул ва Натиҷаҳои Таҳқиқот

Омодасозии шабакаи City H

City H ҳамчун шаҳри марказӣ дар кластерҳои шаҳрии Yangtze River Delta тавсиф шуда, дар манбаъ бо шаш ноҳияи маъмурии Shangcheng, Xiacheng, Gongshu, Jianggan, Binjiang ва Xihu шарҳ дода мешавад. Мақола шаҳрро бо номи “City H” пешниҳод мекунад; Verianla номи дигари шаҳрро, ки дар манбаъ равшан дода нашудааст, аз роҳи хулосабарорӣ илова намекунад.

Маълумоти роҳ аз OpenStreetMap дар таҳқиқоти ҳолатӣ аввал ба ArcGIS 10.8 ворид карда шудааст. Бо дарназардошти тарҳи қубури газ, 143 артерияи асосии шаҳрӣ, ки қубурҳои газ аз онҳо мегузаранд, интихоб шуда, баъдан маълумот дар MATLAB 2023b мувофиқи Муодилаҳои (1)–(4) аз марҳилаҳои муайянсозӣ, соддасозӣ ва ягонасозӣ гузаштааст.

Шабакаи ниҳоии топологӣ:

• 498 гиреҳи роҳ,
• 1192 пайванди шабака,
• 143 роҳи асосии интихобшуда,
• нуқтаҳои талаботи қубури газ, ки ба шабакаи роҳ наздик карда шудаанд,

ро дар бар мегирад.

Манбаъ равшан мегӯяд, ки қубури воқеии газ ҳамеша пурра ба меҳвари роҳ мувофиқ намеояд. Барои амалӣ кардани ҳисоб, талаботи таъмири қубур аз ҷиҳати ҷуғрофӣ ба наздиктарин гиреҳи роҳ наздик карда шудааст. Ин равиш метавонад дар вақти воқеии сафар хато ба вуҷуд орад.

Параметрҳои асосии симулятсия

Истифодаи 100 сенарияи муқовимати роҳ дар 200 даври Monte Carlo ба 20.000 сенарияи стохастикии муқовимати роҳ баробар аст. Таҳқиқот ҳамчунин 2125 конфигуратсияи истгоҳро арзёбӣ кардааст.

Тақсимоти сатҳи фарогирӣ

Тақсимоти фарогирӣ ба арзишҳои баланд майл кардааст. Манбаъ гузориш медиҳад, ки зичии эҳтимолият асосан дар фосилаи %96–100 ҷамъ шудааст.

Инҳирофи стандартӣ, паҳншавии маъмулии натиҷаҳоро аз миёна; диапазони байни квартилҳо, паҳнои қисми миёнаи %50; коэффициенти тағйирёбӣ бошад бузургии нисбии инҳирофи стандартиро нисбат ба миёна ифода мекунад. Манбаъ ин нишондиҳандаҳои пасти паҳншавиро ҳамчун нисбатан устувор будани иҷрои фарогирӣ бо вуҷуди ихтилолҳои стохастикии ҳаракат шарҳ медиҳад.

Бо зиёд шудани шумораи истгоҳҳо фарогирӣ чӣ гуна тағйир ёфт?

Ин се нуқта коҳиши боздеҳи маржиналиро равшан нишон медиҳанд. Дар фосилаи 5–11 истгоҳ фарогирӣ ба таври назаррас меафзояд, вале шаш истгоҳи иловагӣ дар фосилаи 11–17 фарогирии иловагии хеле камтар медиҳанд.

Гиреҳҳои асосӣ дар интихоби истгоҳ

Дар симулятсияҳои стохастикӣ баъзе гиреҳҳои шабака назар ба дигарон хеле бештар интихоб шудаанд. Манбаъ инро ҳамчун тақсимоти эҳтимолияти интихоби думи дароз шарҳ медиҳад: гурӯҳи хурди гиреҳҳо дар бисёр сенарияҳо нақши истгоҳҳои асосиро мебозанд, аҳамияти дигар гиреҳҳо танҳо дар баъзе сенарияҳои муқовимати роҳ меафзояд.

Фарқи идентификатори дохилиманбаъӣ: Матни шарҳии Расми 13 гиреҳҳои намунавии сертакрорро 260, 91 ва 463 медиҳад. Дар муқобил, Ҷадвали 4 ва Ҷадвали 5 пайдарпаии оғозии стратегияҳои оптимизатсияшударо 260, 92 ва 463 нишон медиҳанд. Verianla фарқи 91 ва 92-ро худсарона ислоҳ намекунад.

Вақтҳои миёна ва максималии расидан

Вақтҳои миёнаи расидан асосан дар фосилаи 6–20 дақиқа ҷамъ шудаанд. Вақтҳои максималии расидан хеле васеътар паҳн шуда, асосан дар фосилаи 30–45 дақиқа мондаанд.

Ба гуфтаи манбаъ, танҳо %12,0414 аз намунаҳои вақти максималии расидан ба ҳадди наҷоти 30 дақиқа мувофиқат кардааст. Ин натиҷа нишон медиҳад, ки ҳатто агар сатҳи миёнаи хизматрасонӣ хуб ба назар расад, дар минтақаҳои бадтарин хизматгирифтаи шабака хатари таъхири ҷиддӣ боқӣ мемонад.

Баландтарин сатҳи беҳбудии вақти миёнаи расидан дар сатҳи 7 истгоҳ %13,3052 ва қуллаи беҳбудии вақти максималии расидан дар 11 истгоҳ %6,6413 гузориш шудааст. Дар 17 истгоҳ сатҳи беҳбудии вақти максималии расидан то −%2,1582 паст шудааст. Манбаъ ин арзиши манфиро бо мураккабии афзояндаи шабака ҳангоми тавсеаи зиёдатӣ мепайвандад; ин механизм таҳлили сабабии ҷудогонаи таҷрибавӣ тасдиқшуда нест.

Чаро Илова кардани Истгоҳҳои Бештар Хатари Таъхири Аз Ҳад Зиёдро Пурра Ҳал Намекунад?

Дар натиҷаҳои CF-SRLP истгоҳҳои бештар вақти миёнаи дастрасӣ ва сатҳи фарогириро беҳтар мекунанд, аммо вақтҳои максималии сафар дар сенарияҳои бадтарин метавонанд аз сабаби рафтори думи тақсимоти ҳаракати шадид аз ҳадди 30 дақиқа боло монанд; бинобар ин манбаъ мегӯяд, ки илова ба ҷойгиркунии статикӣ, диспетчеркунии динамикӣ, идоракунии тангноҳо ва стратегияҳои ҳаракати вақти воқеӣ лозиманд.

CF-SRLP дар муқоиса бо усулҳои детерминистӣ ва Евклидӣ

Манбаъ се усулро дар як миқёси 10 истгоҳ ва 200 сенарияи мустақили стохастикии муқовимати роҳ муқоиса кардааст.

Дар муқоисаи детерминистӣ коэффициенти муқовимати роҳ \(\tau=0.6\) собит карда шудааст. Усули Евклидӣ бошад ба ҷойи вақти сафар дар шабакаи воқеии роҳ масофаи хаттии байни гиреҳҳоро асос мегирад.

Матни манбаъ мегӯяд, ки CF-SRLP аз рӯи се нишондиҳанда нисбат ба усулҳои дигар “significantly better” аст; аммо дар ин қисм санҷиши аҳамияти оморӣ, p-арзиш ё фосилаи эътимод гузориш нашудааст. Аз ин рӯ Verianla ибораи “бартарии аз ҷиҳати оморӣ аҳамиятнок исбот шуд”-ро истифода намекунад. Ҷадвал фарқи калони ададиро байни миёнаҳои симулятсия нишон медиҳад.

Шаш истгоҳи оптимизатсияшуда ва шаш истгоҳи мавҷуда

Дар ин муқоиса 10 сенарияи гуногуни монеаи тасодуфии ҳаракат истифода шуда, дар ҳар сенария 50 гиреҳи садама ба таври тасодуфӣ сохта шуда, дар маҷмӯъ 500 ҳодисаи симулятсияшуда арзёбӣ шудааст.

Дар равзанаи критикии вокуниши 10–20 дақиқа гузориш шудааст, ки Нақшаи 1-и оптимизатсияшуда ҳодисаҳои бештарро фаро мегирад; дар вақтҳои 20 дақиқа ва бештар бошад ҳиссаи Нақшаи 2-и мавҷуда баландтар аст.

Эътимоднокии система дар ҳадди вокуниши 30 дақиқа:

Ин натиҷа низ аз 500 ҳодисаи симулятсияшуда ва сенарияҳои интихобшудаи тасодуфии ҳаракат ба даст омадааст; он ченаки мустақими сабтҳои воқеии таърихии вокуниш нест.

Стратегияҳои миқёсии R1–R5

Ҳар яке аз панҷ стратегия дар 1000 сенарияи стохастикии муқовимати роҳ арзёбӣ шудааст.

Манбаъ барои R5 мегӯяд, ки тақрибан дар %84 сенарияҳо фарогирӣ аз %99 зиёд буд. Дар ҳоле ки тақсимоти фарогирии R1 тақрибан дар фосилаи %95–99 мемонад, стратегияҳои калонтар ба фосилаҳои баландтари фарогирӣ мутамарказ мешаванд.

Гузориш шудааст, ки тақсимоти вақти миёнаи расидан аз R1 то R5 тақрибан аз 12–17 дақиқа ба 9–12 дақиқа кӯчида, қуллаи тақсимот аз 13,15 дақиқа ба 9,25 дақиқа паст шудааст.

Қуллаи вақти максималии расидан дар R1 аз тақрибан 35 дақиқа ба тақрибан 27 дақиқа дар R5 паст шудааст; бо вуҷуди ин, тақсимоти умумии вақти максималӣ тақрибан дар фосилаи 25–60 дақиқа боқӣ мондааст. Ин нишон медиҳад, ки истгоҳҳои иловагӣ думи таъхири аз ҳад зиёдро танг мекунанд, аммо пурра аз байн намебаранд.

Иҷрои муттаҳид ва самаранокии истгоҳ

Дар стратегияҳои R1–R5 сатҳи мутобиқати фарогирӣ \(A_c(R)\) ва сатҳи мутобиқати вақти миёнаи расидан \(A_t^{\mathrm{avg}}(R)\) дар манбаъ наздики %100 мемонанд. Баръакс, сатҳи мутобиқати вақти максималии расидан \(A_t^{\max}(R)\) аз %3,8 дар R1 то %49,8 дар R5 боло меравад.

Ин афзоиш нишон медиҳад, ки истгоҳҳои бештар ҳатто дар гиреҳҳои бадтарин хизматгирифта низ фоида оварда метавонанд; аммо ҳатто дар R5 мутобиқати вақти максималӣ аз нишондиҳандаҳои миёнаи иҷро хеле қафо мемонад.

Ёддошти рамзии дохилиманбаъӣ: Муодилаи (19) ва Расми 24 иҷрои муттаҳидро ба ҳар истгоҳ ҳамчун \(SE(R)=WCS(R)/N_R\) муайян мекунанд. Арзишҳои Расми 24 аз R1 то R5 тақрибан 14,21; 9,38; 8,03; 6,7 ва 5 кам мешаванд. Дар муқобил, матни шарҳӣ ибораи “WCS(R) decreases from 14.21% ... to 5%”-ро истифода мекунад. Аз рӯи муодила ва унвони расм ин арзишҳо ба самаранокии истгоҳ \(SE(R)\) марбутанд; Verianla фарқи тамғаи WCS/SE-ро дар матни манбаъ пинҳонӣ ислоҳ намекунад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дохил кардани ҳамаи гиреҳҳои роҳ ба фазои қарор бидуни сохтани рӯйхати танги пешакии истгоҳҳои номзадӣ имкон дод, ки дар шабакаи таҳқиқот ҷойгиркуниҳои дорои иҷрои баланди фарогирии стохастикӣ ҷустуҷӯ шаванд.
• Дар таҳқиқоти City H фарогирии миёнаи 20.000 сенарияи стохастикӣ %97,77 аст.
• Иҷрои фарогирӣ дар манбаъ ҳамроҳ бо нишондиҳандаҳои пасти паҳншавӣ гузориш шудааст.
• Бо зиёд шудани шумораи истгоҳҳо фарогирӣ боло ва вақти миёнаи расидан кам шудааст.
• Вақте шумораи истгоҳҳо аз 11 зиёд шуд, фоидаи иловагии фарогирӣ ба таври намоён коҳиш ёфт.
• CF-SRLP дар ҳамон шабака ва шароити симулятсия нисбат ба муқоисаҳои детерминистӣ ва Евклидӣ фарогирии миёнаи баландтар ва вақтҳои миёнаи пасттар тавлид кардааст.
• Баъзе гиреҳҳо дар саросари сенарияҳои стохастикӣ пайваста интихоб шуда, ҷойҳои асосии истгоҳро ташкил кардаанд.
• Ҷойгиркунии оптимизатсияшудаи шаш истгоҳ дар симулятсияи манбаъ нисбат ба ҷойгиркунии мавҷудаи шаш истгоҳи City H эътимоднокии 30-дақиқаии баландтар дод.
• Истгоҳҳои бештар таъхирҳои максималиро кам карданд; аммо думи таъхири аз ҳад зиёд пурра бартараф нашуд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Фарогирии %97,77 сатҳи муваффақияти саҳроӣ нест, ки аз ҳодисаҳои воқеии гузаштаи вокуниши изтирорӣ чен шуда бошад.
• Нишон дода нашудааст, ки ҷойгиркунии ёфтаи модел оптимуми глобалии аз ҷиҳати математикӣ исботшуда мебошад.
• Ибораи “Candidate-free” маънои онро надорад, ки истгоҳро дар ҳар нуқтаи замин ҷойгир кардан мумкин аст; он бо гиреҳҳои роҳ маҳдуд аст.
• Модел садамаҳои сершумори ҳамзамон, навбат, норасоии гурӯҳҳо ва бархӯрди вазифаҳоро ҳал намекунад.
• Хароҷоти воқеии хариди замин, хароҷоти гуногуни сохтмон барои истгоҳҳо ва хароҷоти амалиётӣ ҳамчун модели муфассали пулӣ истифода нашудаанд.
• Сенарияҳои обу ҳавои шадид, чорабинии бузурги ҷамъиятӣ ё қатъшавии калон, ки шабакаро куллан тағйир медиҳад, арзёбӣ нашудаанд.
• Аз ин таҳқиқот наметавон хулоса кард, ки CF-SRLP дар шаҳрҳои дигар низ ҳамин иҷрои ададиро медиҳад.
• Дар манбаъ бартарии оморӣ бо p-арзиш, фосилаи эътимод ё санҷиши классикии гипотеза нишон дода нашудааст.

Маҳдудиятҳои асосӣ

Наздиксозии қубур–шабакаи роҳ: Нуқтаҳои талабот дар қубур ба наздиктарин гиреҳи роҳ наздик карда мешаванд. Агар қубури воқеӣ ва шабакаи роҳ пурра ба ҳам мувофиқ набошанд, дар вақти дастрасӣ хато ба вуҷуд омада метавонад.

Иқтидори амалиётӣ: Шумораи гурӯҳҳо, мавҷудияти нақлиёт, иқтидори таъмир дар истгоҳ, навбатҳо ва вазифаҳои ҳамзамони сершумор ба ҳисоб гирифта намешаванд.

Якхелагии талабот: Гиреҳҳои талабот аз рӯи шумораи истифодабарандагон, муштарии муҳим, беморхона, аҳолӣ ё дигар вазнҳои афзалият фарқ карда намешаванд.

Номуайянии ҳаракат: Муқовимати стохастикии роҳ бо модели коэффициенти тасодуфии якхела дар фосилаи \([0.1,1]\) ифода мешавад. Обу ҳавои шадид, офати калон ё ҳодисаҳое, ки дастрасии шабакаи шаҳриро сохторӣ тағйир медиҳанд, моделсозӣ намешаванд.

Кафолати оптимизатсия: Алгоритми такмилёфтаи итеративии ҳирсона аз ҷиҳати ҳисоббарорӣ самаранок аст, аммо барои оптимуми глобалӣ кафолати назариявӣ намедиҳад. Манбаъ мегӯяд, ки CF-SRLP умумисозии MCLP-и классикӣ мебошад ва сохтори NP-hard-и MCLP ҳамроҳ бо қабати Monte Carlo ҷустуҷӯи оптимуми дақиқро дар шабакаҳои калон боз ҳам душвортар мекунад.

Модели хароҷот: Хароҷоти сохтмон асосан бо шумораи истгоҳҳо ифода мешавад. Оптимизатсияи муфассали иқтисодии нархи замин, стандарти сохтмон ва хароҷоти махсуси ҳар истгоҳ анҷом дода нашудааст.

Самтҳои таҳқиқоти оянда

Муаллифон мувофиқсозии дақиқтари қубур ва шабакаи роҳ, оптимизатсияи якҷояи ҷойгиршавии истгоҳ ва банақшагирии динамикии масир, илова кардани маълумоти вақти воқеии ҳаракат ва стратегияҳои мутобиқшавандаи диспетчерӣ ва таҳияи моделҳои бисёрҳадафиро пешниҳод мекунанд, ки созиши хароҷот–баробарӣ–устувориро равшан ба назар мегиранд.

Ин пешниҳодҳо натиҷаҳои нави тасдиқшудаи таҳқиқоти ҷорӣ нестанд; онҳо самтҳои таҳқиқоти ояндаи муаллифони манбаъ мебошанд.

Ёддошт оид ба Манбаъ ва Усул

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

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

Муаллифи масъул: Yunhe Tong.

Муассисаҳо: 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.

Саҳми баробар/муаллифии аввалини баробар: Дар манбаъ нишонаи муаллифии аввалини баробар ё саҳми баробар нишон дода нашудааст.

Маҷалла: Urban Science.

Нашриёт: MDPI, Basel, Switzerland.

Ҷилд / шумора / рақами мақола: 10(6), 303.

DOI: 10.3390/urbansci10060303

Ирсол: 28 апрели 2026.

Бозбинӣ: 19 майи 2026.

Қабул: 20 майи 2026.

Нашр: 1 июни 2026.

Навъи манбаъ: Мақолаи таҳқиқотии маҷаллаи ҳамтоёнбаррасишуда; таҳқиқоти ҳолатии оптимизатсияи ҳисоббарории стохастикии ҷойгиркунӣ бар асоси шабакаи воқеии роҳ/газ.

Иҷозатнома: Иҷозатномаи дастрасии кушоди Creative Commons Attribution (CC BY).

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

Нармафзор/манбаъҳои асосии маълумот: Маълумоти роҳи OpenStreetMap; ArcGIS 10.8 дар таҳқиқоти ҳолатӣ; MATLAB 2023b барои коркарди шабака ва оптимизатсия.

Шабакаи асосӣ: Топологияи роҳи City H бо 498 гиреҳ ва 1192 пайванд, ки аз 143 артерияи асосии дорои қубури газ сохта шудааст.

Симулятсияи асосӣ: 60 км/соат суръати идеалӣ; 30 дақиқа вақти ҳадафии вокуниш; \(\tau\sim U[0.1,1]\); дар ҳар даври Monte Carlo 100 сенарияи стохастикии муқовимати роҳ; 200 такрори Monte Carlo; дар маҷмӯъ 20.000 сенария; фосилаи фарогирии ҳадафии %90–100.

Равиши оморӣ: Натиҷаҳо тавассути тақсимоти Monte Carlo, миёна, инҳирофи стандартӣ, диапазон, диапазони байни квартилҳо, коэффициенти тағйирёбӣ ва сатҳҳои мутобиқат арзёбӣ шудаанд. Манбаъ санҷиши классикии гипотеза, p-арзиш ё фосилаи эътимодро гузориш намекунад.

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

Дастрасии маълумот: Манбаъ мегӯяд, ки маълумот бо дархост пешниҳод мешавад.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки манфиати молиявӣ ё муносибати шахсии маълум, ки метавонад ба таҳқиқот таъсир расонад, вуҷуд надорад.

Саҳми муаллифон: Dongyue Zhao: консептуализатсия, усул, бозбинӣ ва таҳрир, машварат/назорат, дарёфти маблағгузорӣ. Qian Chen: навиштани лоиҳаи аввал, таҳқиқ, визуализатсия, куратсияи маълумот. Yuyou Yao: бозбинӣ ва таҳрир, тасдиқ. Yunhe Tong: бозбинӣ ва таҳрир, нармафзор, тасдиқ, машварат/назорат.

Фарқи терминологии дохилиманбаъӣ 1: Дар муқаддима ибораи “Pareto-optimal solution set” истифода мешавад, дар ҳоле ки Қисми 3.3 равшан мегӯяд, ки усул байни ду ҳадафи рақобаткунанда ҷабҳаи Pareto намесозад ва оптимизатсияи иерархӣ/бар асоси маҳдудият анҷом медиҳад.

Фарқи идентификатори дохилиманбаъӣ 2: Матни шарҳии Расми 13 дар байни гиреҳҳои асосӣ 260, 91 ва 463-ро ном мебарад, дар ҳоле ки Ҷадвали 4 ва Ҷадвали 5 пайдарпаии оғозшаванда бо 260, 92 ва 463-ро истифода мекунанд.

Фарқи рамзии дохилиманбаъӣ 3: Муодилаи 19 ва Расми 24 самаранокии истгоҳро ҳамчун \(SE(R)=WCS(R)/N_R\) муайян мекунанд, аммо матни шарҳӣ бузургии аз 14,21 то 5 коҳишёбандаро WCS(R) меномад. Ин фарқият пинҳонӣ ислоҳ нашудааст.

Ёддошти ифодаи дохилиманбаъӣ 4: Ҷумлаи дуҷонибагӣ пас аз Муодилаи 7 байни \(t_{ab}(\tau)\) ва \(\tau_{ab}\) ифодаи таъинеро истифода мебарад, ки бо Муодилаи 7 мустақиман мувофиқ нест. Verianla дар ин ҷо муодилаи нав насохта, бо фарзияи равшани симметрии кӯтоҳтарин вақти манбаъ маҳдуд шудааст.

Маҳдудияти асосии тафсир: Нишондиҳандаҳои ададӣ натиҷаҳои симулятсияи стохастикӣ дар топологияе мебошанд, ки аз шабакаи воқеии шаҳр гирифта шудааст; онҳо ченаки мустақими амалиёти воқеии вокуниши изтирорӣ нестанд. Кафолати оптимуми глобалӣ вуҷуд надорад ва маҳдудиятҳои амалиётии навбат/иқтидор ба модел дохил нашудаанд.