ارائه روشي مبتني بر هوش مصنوعي و سيستم اطلاعات مكاني به منظور تعيين مكان بهينه

A Method Based on Artificial Intelligence and Geospatial Information System in Optimum Site Selection

هدف یك مسأله تعیین مكان بهینه، انتخاب مكانی با كاربرد خاص و با در نظر گرفتن معیارهای متعدد می‌باشد. عموماً مسائل تعیین مكان بهینه دارای ساختاری پیچیده می‌باشد. از جمله مسائل مهم شهری تعیین مكان بهینه ایستگاه‌های آتش‌نشانی است كه به دلیل نجات و محافظت از جان و مال انسان‌ها دارای اهمیت فراوانی می‌باشد. در این تحقیق با در نظر گرفتن سیزده پارامتر مؤثر بر تعیین مكان بهینه ایستگاه‌های آتش‌نشانی، سعی گردید تا این مسأله با واقعیت منطبق گردد. همچنین با استفاده از تلفیق سه جزء سیستم اطلاعات مكانی، سیستم استدلال فازی و روش بهینه ‌سازی زنبور عسل یك راهكار منطقی و نوین به منظور حل مسائل تعیین مكان بهینه ارائه شده است. از سیستم اطلاعات مكانی برای ارزیابی و آنالیز مكان‌های كاندید، از سیستم استدلال فازی برای محاسبه میزان نزدیكی مكان‌های كاندید به مكان ایده‌ال كارشناسان و از الگوریتم زنبور عسل برای بهینه كردن همزمان مكان‌های مورد نیاز استفاده شده است. با پیشنهاد مكان‌های جدید بدست آمده از روش ارائه شده، مناطق تحت سرویس برای منطقه مورد مطالعه از 69 درصد به 2/95 درصد افزایش پیدا كرد كه به طورقابل توجهی منجر به افزایش خدمت رسانی به مناطق شهری شده است.

The goal of an optimum site selection problem is to select a location with special use based on different criteria. Generally, optimum site selection problems have complex structure. One of the most important problems in cities is optimum site selection in Fire Stations that have more importance due to saving lives and properties. In this study, be tried to close this problem to reality by considering 13 effective criteria in optimum site selection for fire stations. Also by integrating GIS, Fuzzy Reasoning Systems (FRS) and Bee Colony optimization method, a new reasonable method proposed to solve optimum site selection problem. GIS used in evaluation and analyze candidate locations, FRS used to calculate rate of proximity between candidates and ideal expertʹs locations and bee colony used to optimize candidate locations on time. Proposed locations outcome from this method made increasing in service area from 69% to 95.2% that cause more servicing to urban