تصحیح ماتریس مبداء- مقصد با اطلاعات شمارش حجم کمان های شبکه به روش جریان فازی ترافیک؛ نمونه موردی شهر مشهد

از جمله داده های پایه در برنامه ریزی حمل ونقل، ماتریس های تقاضای مبداء- مقصد سفر هستند. استخراج این ماتریس ها توسط آمارگیری و انجام مصاحبه های مبداء- مقصد با مسافرین مستلزم صرف وقت، هزینه و نیروی انسانی زیادی است. از این رو در سال های اخیر روش های برآورد ماتریس تقاضا با استفاده از اطلاعات حجم شبکه مورد توجه قرار گرفته اند. در این روش ها با در دست داشتن اطلاعات شمارش حجم برخی کمان های شبکه و یک ماتریس اولیه، سعی می شود ماتریس تقاضایی برآورد شود که تخصیص آن به شبکه حجم های مشاهده شده در کمان ها را باز تولید کند و تا حد امکان به ماتریس اولیه نزدیک باشد. در این پژوهش به بررسی یکی از روش های برآورد ماتریس مبداء- مقصد (جریان فازی ترافیک ) بر مبنای روش بی نظمی بیشینه که با لحاظ نمودن عدم قطعیت در اطلاعات شمارش حجم شبکه سعی در برآورد نزدیک ترین ماتریس سفر به حالت واقعی را دارد پرداخته می شود. این مدل در قالب یک مسئله بهینه سازی دو سطحی ارائه می شود، که در سطح بالاتر به برآورد ماتریس تقاضا و در سطح پایین تر، با روشی تکراری به تخصیص تعادلی کاربر می پردازد. برای آشنایی بیشتر با مدل پیشنهادی و روش حل آن به حل مثالی ساده به صورت دستی پرداخته شده است. به منظور بررسی کارآیی مدل جریان فازی ترافیک بر روی شبکه های واقعی، الگوریتم این روش بر روی شبکه شهر مشهد پیاده شده است. به منظور افزایش دقت برآورد ماتریس سفر، ماتریس اولیه پس از تصحیح در هر تکرار مجددا به شبکه تخصیص داده می شود تا سهم کمان ها از تقاضای مبداء- مقصد به روز شود. با مقایسه پراکنش حجم های شمارش شده و حجم های حاصل از تخصیص ماتریس مبداء- مقصد، قبل و بعد از اعمال روش جریان فازی ترافیک، ضریب خوبی برازش در حدود 55% (از 28/0 به 82/0) افزایش نشان داد. سپس برای بررسی تاثیر تراکم ترافیک در تعیین سهم کمان های شمارش شده از تقاضای هریک از مبادی و مقاصد، از دو روش تخصیص مختلف در سطح پایین تر مدل استفاده شد. مشاهده شد که با استفاده از تخصیص تعادلی کاربر (با منظور کردن محدودیت ظرفیت در کمان های شبکه) در برابر تخصیص احتمالی محض (که در آن سهم هر کمان از تقاضا مستقل از حجم جریان در کمان ها محاسبه می شود) ضریب خوبی برازش حجم های مشاهده شده در برابر حجم های حاصل از تخصیص مدل به شبکه در حدود 10% افزایش یافت (از 72% به 82%). در انتها، دقت برآورد روش جریان فازی ترافیک برای فرض های مختلف ِ عدم قطعیت در حجم های شمارش شده، مورد مطالعه قرار گرفت، که نتایج نشان دهنده 5% کاهش ضریب خوبی برازش در اثر 10 برابر شدن دامنه تغییرات حجم ترافیک در کمان های شمارش شده است.