مكانيابي بهينه حسگرهاي مانيتورينگ ترافيكي با استفاده از روش سلسله مراتبي فازي و روش تاپسيس

Optimum allocation of traffic sensors using Fuzzy AHP and Topsis

امروزه شبكه حسگرهاي هوشمند به عنوان يكي از روش هاي نوين اخذ اطلاعات، در مديريت ترافيك مطرح است كه با امكان پايش هوشمند معابر شهري منجر به كاهش سوانح جاده اي مي گردد. عليرغم اهميت نصب و استقرار چنين تجهيزاتي مهمترين دغدغه تعيين مكان بهينه جهت نصب آنهاست. بنابراين آنچه در اين تحقيق هدف ماست ارايه روشي مناسب در جهت مكانيابي بهينه حسگرهاي ترافيكي است، روش پيشنهادي تركيبي از روش هاي فازي سلسله مراتبي و تاپسيس است. لازم به ذكرست كه براي تست روش پيشنهادي در اين تحقيق بخشي از شبكه معابر شهري در شمال آمريكا به عنوان داده نمونه انتخاب گرديد. در مرحله بعد با نظر كارشناسان ترافيك معيارهاي تعيين مكان بهينه انتخاب گرديد كه در اين تحقيق عبارت بودند از ترافيك متوسط ساليانه، شدت تصادفات، شيب متوسط و فاصله هر اتصال در شبكه شهري تا مكان هاي نيازمند كنترل ترافيك. براي مشخص كردن ميزان اهميت معيارهاي ورودي از روش سلسله مراتبي فازي استفاده گرديد، اين روش با استفاده از اعداد فازي در مقايسه زوجي معيارها براي محاسبه وزن آنها، منجر به افزايش دقت محاسبات مي گردد. در مرحله بعد وزن هاي محاسبه شده با استفاده از روش تاپسيس به رتبه بندي اتصالات شهري در محدوده مورد مطالعه پرداخت. در نهايت بعد از اجراي تحليل مذكور با استفاده از نمره حاصل از روش تاپسيس اتصالات شهري در منطقه مورد مطالعه به سه كلاس متفاوت طبقه بندي شدند. اتصالات شهري قرار گرفته در كلاس اول به عنوان اتصالات شهري با بيشترين اولويت براي نصب حسگرها انتخاب شدند. بنابراين اتصالات مذكور در بيشترين اولويت براي نصب حسگرهاي ترافيكي خواهند بود.

Smart traffic monitoring is a new method of traffic data acquisition. Traffic sensors are the core of such system in consequence optimum allocation of them increases efficiency of monitoring Although big challenges to accomplish this goal is selection of the best methodology for identification of optimum places. Thus this paper tries to propose a new methodology using Fuzzy-AHP and Topsis to determine optimum place for allocation of such devices. To do the analysis a pilot junction in north of Washington was selected. Then effective criteria such as annual average daily traffic (AADT) and accident severity (IR) and average slope and distance from school were determined respecting traffic expert’s idea. Finally Fuzzy-AHP method was used to estimate weight of input criteria, in comparison to famous weighting method such as AHP using fuzzy number for weight estimation of criteria increases efficiency of weight estimation process. Then estimated weight entered to Topsis method to identify appropriate place for sensor allocation. In this step urban links were classified in 3 classes using Topsis score, therefore urban links belongs 1 class were identified as vulnerable link. These links are in in high danger of traffic incident as a result need to be equipped with monitoring traffic instruments such as traffic sensors. Consequently our study tries to propose a new methodology and effective factors for determination of vulnerable urban links that are in high danger of traffic incidents. Therefore the identified links need to be monitored with using appropriate traffic strategy such as geo-sensor traffic network.