تخصیص بودجه ی بهینه به منظور افزایش ایمنی محور شیراز-آباده به روش تجزیه بندر

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشگاه صنعتی شیراز

چکیده

نظر به اهمیت مشکلات ناشی از تصادفات ترافیکی و تبعات ناشی از آن در حمل و نقل بین شهری ، این مقاله به ارائه راهکاری برای تخصیص بودجه به منظور بهسازی محور شیراز-آباده با هدف بیشینه سازی ایمنی آن پرداخته است. برای بهسازی های جاده ها دو نوع متغیر پیوسته و دودویی معرفی می شوند.لذا مدل مسئله با توجه به مدل کوله پشتی به صورت یک مسئله برنامه ریزی صحیح آمیخته است که هدف آن انتخاب بهینه بهسازی ها و بیشینه نمودن میزان کاهش تصادفات می باشد.نظر به بزرگی بعد ، با استفاده از روش تجزیه بندر و دو بخش نمودن داده های مرتبط با محور تردد ، نتایج تخصیص بهینه ارائه می گردند، بر اساس روش تجزیه بندر، که خاص مسائل با بعد بزرگ ودارای دو جزخطی و غیر خطی است، ابتدا مسئله اولیه به دو مسئله ی کوچکتر تجزیه شده و سپس به صورت فرآیندی تکراری در هر تکرار قیدی جدید معرفی و به مسئله اضافه می شود تا در هر گام، جواب فعلی به جواب بهینه نزدیک و نزدیک تر شود. مطابق قضایای موجود، الگوریتم پس ازتعداد متناهی تکرار به جواب بهینه همگرا می گردد

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Make Improvements and Optimal Allocation of Budget in Order to Increase safety of The Shiraz-Abadeh Road

چکیده [English]

Regarding the importance of difficulties that made by accidents in the transportation between the cities, this paper presents a way for optimal budget allocation to improve disaster points of the Shiraz-Abadeh road for increasing its traffic safety. For this aim, two possible kinds of improvements (continuous and discrete) are considered and the problem is modeled as a mixed integer programming with continues and binary variables in which its aim is to obtain the optimal allocation and maximizes the reducing rate of accidents. Regarding the difficulties caused by high dimensionality of the problem, we present a new solution method based on the bender decomposition technique to illustrate the optimal allocation. First, the original problem is split into two smaller problems. Then, in an iterative procedure, in each iteration a new constraint is introduced and added to the problem. Thus, in each step, the current solution comes nearer to the optimal one; based on the existed theorem, after a finite number of iterations, the algorithm converges to the optimal solution

کلیدواژه‌ها [English]

  • Budget allocation
  • improvement
  • Mixed integer linear programming
  • Bender decomposition
  • Bender cut
[1] Costa, A.M. (2005), A survey on bender decomposition applied to fixed-charge network design problems, Computer & Operation Research, 32, 1429-1450.

[2] Melachrinoudis, E. And Kozanidis, G. (2002), A mixed integer knapsackmodel for allocation funds to highway safety improvement, Transportation Research Part A,.36, 789-803.

[3] پور معلم، ن. و سلیمی، م. (1388)، تحلیل و ارزیابی نقاط حادثه‌خیز (از دیدگاه شناخت محل حادثه، هزینه‌های ناشی از خسارات و ضایعات و راهکارهای اصلاحی، بانک اطلاعات نشریات کشور.

[4] Agent, K.R., O’Conneh, L., Green, E.R., Kreis, D., Pigman, J.G., Tollner, N., and Thompson, E. (2003), Development of procedure for identifying high crash locations and prioritizing safety improvements, Kentucky Transportation Center, No. 859, pp.257-4518.

[5] برادران، م.، رئوف، س.، اشرف واقفی، ب.، محسنی افشار، ز. و کاظمیان، ل. (1384)، گزارش جهانی پیشگیری از حوادث جاده‌ای"، انتشارات دانشگاه علوم پزشکی بابل.

[6] وزارت راه و ترابری استان فارس، اداره حمل‌ونقل پایانه‌های مسافربری شیراز، گزارش 12 ماهه، (1389).

[7] Li, X. (2011), Stochastic separable Mixed-Integer Nonlinear programming via Nonconvex Generalized Bender Decomposition, Massachusetts Institute of Technology.

 [8] Geoffion, A. M. And Graves, G. W. (1980), Multicommodity distribution system design by Bender decomposition, Management Science, 26, 855-856.

[9] بازار، م. س.، جارویس، ج. و حنیف، د. (1378)، برنامه‌ریزی خطی، ترجمه خرم، نشر کتاب دانشگاهی، تهران.

[10] Botton, Q., Fortz, B., Gouveia, L. and Poss, M. (2011), Benders decomposition for the hop-constrained survivable network design problem, Center for Operation Research, No. 34.

[11] Agent, K.R., Stamatiadis, N., and Janes, S. (1996), Development of Accident Reduction Factors, Kentucky Transportation Research, Report No. KTC-96-13.

[12] Gan, A., and Shen, J. (2005), Update of Florida Crash Reduction Factors and Countermeasures to improve the development of district safety improvement projects, Lehman Center for Transportation Research; Report No. BDO15-04.

 [13] Dixon, K. (1997), Count measure Handbook, Georgia Institute of Technology.

[14] Tarko, A., Eranky, S., and Sinha, K.C. (1998), Methodological Considerations in the Development and Use of Crash Reduction Factors, Paper presented at the 77th Annual Meeting of the Transportation Research Board, 1998, Washington.

[15] Elmer, D.J., Frincker, J.D., and Sinha, K.C. (1992), Crash Reduction Factors for Indiana, Highway Research Project, Report No. JHRP-91-11.

[16] Bisschop, J. )2008(, AIMMS-optimization modeling, Paragon Decision Technology, 257-277.

[17] Creasy, T., and Agent, K.R. (1985), Development of Accident Reduction Factors, Kentucky Transportation Research, Report No. UKTRP-85-6.

[18] You, F. and Grossmann, I. (2011), Multi cut Benders Decomposition Algorithm for process supply chain planning under uncertainly, Annals of Operations Research, 210, 191-211.

[19] Hovey, P. and Mashrur Ch. (2005), Development of crash reduction factors, The Ohio Department of Transportation Office of Research; Report No. FHWA-OH-12.

[20] وزارت راه و ترابری استان فارس، اداره راهداری شیراز، شناسایی مقاطع تصادف خیز، (1389).