به كارگيري شبكه عصبي مصنوعي براي قيمت‌گذاري شناور مجوز طرح ترافيك تهران جهت مديريت بهينه شهر با هدف كاهش آلودگي هوا

Using Artificial Neural Network for float pricing of Tehran traffic tolls to improve urban management focused on decreasing air pollution

آلودگي هواي شهر تهران، از معضلات اصلي اين شهر به حساب آمده و آمار روزانه اين آلودگي نشان مي‌دهد كه در بسياري از شرايط، ميزان آلاينده‌هاي هواي تهران در وضعيت ناسالم يا مخاطره‌آميز به سر مي‌برند. به عنوان ابزاري براي مديريت شهري تهران، يكي از مهم‌ترين راهكارهاي مقطعي براي جلوگيري از آلودگي هوا به همراه كاهش حجم ترافيك، ايجاد منطقه طرح ترافيك بوده كه با فروش مجوز اين طرح به صورت سالانه، هفتگي و ماهانه همراه است. از آنجا كه در هر سال، فقط يك قيمت ثابت براي اين طرح وجود دارد، ضروري است كه اين قيمت بر اساس داده‌هاي آلودگي هوا منعطف شده و واقعيت موجود آلودگي را بر روي خود منعكس كند. از اينرو در اين مقاله با خوشه‌بندي ماه‌هاي سال بر اساس آمار وضعيت آلاينده‌هاي هواي تهران در سال‌هاي 90 تا 92، يك مدل چند قيمتي براي طرح ترافيك غيرساليانه در سال جديد پيشنهاد شده است. اين خوشه‌بندي با شبكه عصبي SOM بر اساس آلاينده‌هاي نيتروژن دي اكسيد، سولفور دي اكسيد، كربن مونواكسيد، ازن و ذرات معلق در هوا (PM) انجام شده و نتايج آن گردآوري شده است. استفاده از اين روش قيمت گذاري سبب افزايش قيمت طرح ترافيك در ماه‌هايي كه شاخص آلايندگي بالاتر است، شده و در نهايت منجر به كاهش حجم ترافيك ورودي به منطقه طرح ترافيك و نهايتاً كاهش آلودگي ميشود.

Air pollution of Tehran is one the main urban concerns of the municipality and daily statistics of this pollution confirm the hazardous and unhealthy state of air contaminants of the city. A temporary tool of reliving air pollution through decreasing traffic jam is to develop traffic zones which their licenses may be sold for yearly, monthly or weekly periods. Currently, the prices are fixed whole throughout the period and this needs to be modified in order to take into account the varying prices in accordance with the varying level of air pollution. So, this paper suggests a multi-price model for non-annual traffic toll by clustering months based on statistics of air contaminants of Tehran from 1390 to 1392. This clustering by SOM method is based on contaminants such as nitrogen dioxide (NO2), sulfur dioxide (CO2), carbon monoxide (CO), ozone (O3) and suspended particulate matters (PMs). Exploiting this pricing method results in increase of the toll price during periods that level of pollution is high. This leads to decrease of traffic jam in that period which in turn decreases the level of air pollution.