مكان‌يابي ايستگاه‌هاي امداد جاده‌اي با استفاده از مدل تلفيقي صف هايپركيوب و الگوريتم ژنتيك (مورد مطالعه: بزرگراه تهران- قم)

LOCATION OF RELIEF STATIONS USING HYPERCUBE QUEUING MODEL and OPTIMIZATION BY GENETIC ALGORITHM (CASE STUDY: ON TEHRAN-QOM HIGHWAY)

تخصيص و مكان‌يابي ايستگاه‌هاي امداد جاده‌اي، به دليل داشتن تأثيرات زياد بر نحوه‌ي خدمت‌دهي به رخدادهاي جاده‌اي، مورد توجه محققان زيادي قرار گرفته است. هدف اصلي اين مسائل، مكان‌يابي بهينه‌ي ايستگاه‌هاي امداد جاده‌اي و تقسيم‌بندي نواحي تحت خدمت، جهت تخصيص مناسب آن‌ها به خدمت‌دهنده‌ها است. اين مسائل معيار‌هاي عملكردي سيستم از جمله مدت زمان انتظار مشتري را بهبود داده و از طرفي اهداف سازمان خدمت‌دهنده را برآورده ساخته و رضايت مشتري و خدمت‌دهنده را در پي خواهد داشت. در اين تحقيق تخصيص ايستگاه‌هاي امداد خودرو ايران در طول بزرگراه تهران-قم، با استفاده از مدل صف هايپركيوب (يكي از معروف‌ترين مدل‌هاي صف در زمينه‌ي مكان‌يابي)، مورد بررسي قرار گرفته است. بدين منظور، پس از تعيين تعداد حالات سيستم، معادلات تعادلي هر حالت سيستم با استفاده از نمودارهاي آهنگ تعادل استخراج شده است. سپس با استفاده از احتمالات حدي به‌دست آمده، معيار‌هاي عملكردي سيستم، مانند ميزان بار ‌كاري هر خدمت‌دهنده و مدت زمان انتظار مشتري جهت دريافت خدمت محاسبه شده است. در ادامه با طراحي و اجراي الگوريتم ژنتيك، تغيير بهينه‌ي قابل اجرا در عمل، در اندازه‌ي نواحي تخصيص‌داده‌شده به هر خدمت‌دهنده، با هدف كمينه كردن ميزان عدم توازن بار كاري خدمت‌دهنده‌ها و مدت زمان انتظار مشتري، انجام شده است.

Road relief stations Location and allocation problems are known to have a significant impact upon performance of road victims servicing. The main purpose of this kinds of problems, are optimal road relief stations locating and districting the areas to appropriate servers assignment. These problems are so important, because of improving the performance criteria, such as Customer waiting time and also the objectives of the service provider meets and then Customer and service providers satisfaction will be sought. In this research, Iran Khodro relief stations of Tehran-Qom highway are reallocated, using hypercube queuing model that is the most popular queuing model for locating and allocating problems. For reaching this goal, the different states of the system and the equilibrium equations of each state were determined, using the rate diagrams. Then by using limit probabilities, the system performance criteria such as server's workload and customer waiting time was calculated. Then by designing and running the Genetic Algorithm the optimal changing in atoms size were done with the objectives of minimum server's workload imbalance and minimum customer waiting time.