پیشرفت های اخیر در زمینه ی سنسور، شبکه و تکنولوژی باعث بوجود آمدن مفهوم جدیدی شده که sensor web نامیده می شود.sensor web مجموعه ای از سنسورهای نامتشابه، هوشمند و توزیع شده در وب می باشد که برای کاوش و جستجوی محیط اطراف به کار می روند. یکی از موارد اساسی تاثیرگذار در تصمیم گیری مدیر بحران، دریافت بر خط داده از سنسور و نیز تعبیر درست از داده های دریافتی می باشد. به طور کلی، جنبه کلیدی مدیریت داده ها به صورت برخط، به تهیه ابزارهایی برای جستجو، دسترسی و تحلیل مشاهدات سنسور برمی گردد. بحران سیل، یکی از زمینه هایی است که نیازمند سیستمهای استاندارد پیش بینی و هشدار سیل می باشد، درحالیکه فعّالیتهای اندکی در زمینه ی استاندارد سازی و ایجاد زیرساخت شبکه های تعامل پذیر سنسورها در سیستمهای هشدار سیل صورت گرفته است. هدف این پژوهش، ایجاد یک سامانه هشدار سیل تعامل پذیر برای نمایش نوع، ساختار داده و تحلیل داده های سنسورهای هواشناسی و هیدرولوژی می باشد. به این منظور، تلفیق معماری لایه ای و سرویس گرا در sensor web، می تواند بسیار مفید باشد. در این راستا، استفاده از تکنولوژیهای جدید در بخشهای نمایش (مانند asynchronous javascript and xml)، پیاده سازی سرویسهای وب (مانند windows communication foundation) و مدیریت دسترسی به داده ها باعث افزایش کارایی سامانه هشدار سیل شده است. همچنین با استفاده از کانالهای ارتباطیreal time ، داده های آنی به منظور آنالیز در اختیار کاربر قرار می گیرد. به این ترتیب کاربر دیگر نگران فرمت های نامتشابه داده های سنسورها و منابع داده نیست و تمرکز خود را بیشتر روی آنالیز داده متمرکز می کند تا اینکه به راه اندازی سیستمی برای دریافت داده ها بپردازد. همچنین استفاده از sensor web در سیستم پیش بینی و هشدار سیل، می تواند تأثیر زیادی در ایجاد و تقویت بخشهای تبدیل پیش بینی به هشدار، انتقال آنی هشدار به تصمیم گیرندگان، کمک به استنباط صحیح شخص تصمیم گیرنده از هشدارهای دریافتی و تهیّه ی داده های آنی به منظور تغذیه و کالیبره مدلهای پیش بینی داشته باشد. کلمات کلیدی: sensor web، معماری سرویس گرا، معماری لایه ای، تعامل پذیری، kntusas، هشدار سیل

مدلسازی پروسه های مکانی همواره یکی از مسائل مهم و بحث برانگیز در علوم مختلف بوده است. تاکنون، تحقیقات بسیار زیادی در این زمینه صورت پذیرفته و مدلهای متفاوتی گسترش یافته اند. در این میان مدلهای geosimulation به دلیل ساختار پایین به بالا و توانایی مدلسازی تغییرات کلی بر اساس بررسی تعامل بین اجزای کوچک سیستم، مورد توجه بیشتری واقع شده است. در این میان اتوماتای سلولی یکی از قدرتمندترین و در عین حال پرکاربردترین مدل در زمینه های مختلفی نظیر تغییرات پوشش زمین و کاربری اراضی، توسعه شهری، انتشار آتش، بخشهای رقیب و جریان ترافیک می باشد. اتوماتای سلولی (ca)، سیستمی دینامیک و متشکل از مولفه هایی در مقیاس محلی و در تعامل با یکدیگر بوده که به واسطه تخصیص قوانین محلی، قابلیت مدلسازی وقایع پیچیده را دارد. خصوصیات بیان شده توانمندی اتوماتای سلولی در مدلسازی وقایع پیچیده مکانی را بیان می کنند. با وجود قابلیت های فراوان ca در مدلسازی پروسه های پیچیده مکانی خصوصا پروسه توسعه شهری، محدودیت های آن موجب ظهور نسل جدیدی از مدل های ca بواسطه تلفیق مولفه های اصلی آن با روش های دیگر شده است. بنا به تعریف، یکی از اجزای بسیار مهم ca، قوانین انتقال بوده که چگونگی تعریف و بیان این فاکتور تاثیر بسیار زیادی بر ساختار مدل و خروجی های آن خواهد داشت. بیان قوانین انتقال در مدل های اتوماتای سلولی کلاسیک و نیز بسیاری از مدل های توسعه یافته امروزی به صورت جبری و بر پایه روش های ریاضی بوده است. در برخورد با سیستم های پیچیده، شناخت اجزا تشکیل دهنده و روابط میانشان غیر شفاف و همراه با سطوح مختلف ابهام خواهد بود. به همین دلیل، در مدلسازی این گونه سیستم ها بیان روابط میان اجزا در قالب قوانین قطعی نمی تواند نتیجه مطلوب را حاصل نماید. در حالی که بیان فازی قوانین مذکور به دلیل ماهیت غیر قطعی تئوری فازی، به واقعی تر شدن نتایج مدلسازی منجر خواهد شد. از اینرو نظریه فازی به دلیل پشتیبانی از عدم قطعیت و قابلیت توصیف واژگان طبیعی می تواند در بیان قوانین انتقالca مورد استفاده قرار گیرد. این امر موجب افزایش قابلیت مدلسازی پروسه های پیچیده مکانی خواهد شد. هدف اصلی تحقیق حاضر، افزایش قابلیت مدل اتوماتای سلولی در مدلسازی پروسه های پیچیده مکانی، از طریق بیان فازی قوانین انتقال بوده است. در این راستا، مدلسازی پروسه های پیچیده مکانی بوسیله مدل اتوماتای سلولی توسعه یافته با تئوری فازی بر پایه کنترل منطق فازی انجام شده که بر این اساس مدل اتوماتی سلولی فازی fca ارائه شده است. مدل ارائه شده روشی کلی جهت شبیه سازی و نیز پیش بینی تمامی پروسه های مکانی می باشد. واسنجش مدل به صورت غیر اتوماتیک و بر پایه روش پیش بینی بازنگرانه انجام شده است. در این مرحله، امکان بررسی نتایج شبیه سازی شده با واقعیت بر اساس بررسی ضریب کاپا و در نهایت انتخاب عناصر بهینه مدل فراهم شده است. پس از این مرحله، امکان پیش بینی روند مورد مطالعه و نیز بررسی تاثیر سناریوهای مختلف بر روند آتی پروسه فراهم آمده است. به صورت عملی، مدل مذکور جهت شبیه سازی پروسه توسعه شهری اصفهان در طول سال های 1990، 2001 و 2009 مورد استفاده قرار گرفته است. این شبیه سازی امکان ارزیابی مدل را از طریق داده های واقعی فراهم کرده است. شبیه سازی پروسه توسعه شهری اصفهان بر اساس مدل ارائه شده بیانگر توانایی بالای این مدل در برخورد با پروسه های پیچیده مکانی است. دقت کلی 88.5% و ضریب کاپای 76.3% ، مربوط به سال2001 و نیز دقت کلی 88.4% و ضریب کاپای 73.4% ، سال 2009 بیانگر این واقعیت است. همچنین بررسی نتایج شبیه سازی حاصل از مدل واسنجیده شده بر اساس سه همسایگی کوچک، متوسط و بزرگ مقیاس که به ترتیب حاوی 8، 24 و 48 سلول مجاور بوده، بیانگر حساسیت نتایج مدل ca به شکل و اندازه همسایگی است. از این میان همسایگی کوچک مقیاس نتایج بهتری را در بر داشته است.

مقیاس نقشه های پایه در زمان تولید بگونه ای انتخاب می شوند که نقشه های کوچک مقیاس تر از آنان قابل استخراج باشند. استخراج اتوماتیک نقشه های خوانا از نقشه های پایه برای کاربردهای مختلف و در مقیاس های مورد نظر یکی از چالش های تحقیقاتی و کاربردی علوم مکانی می باشد. جنرالیزاسیون نقشه پرکاربردترین پردازش مکانی برای حل این چالش ها است. از اینرو، این پایان نامه به طراحی و پیاده سازی یک معماری سرویس گرا برای کنترل اتوماتیک فرآیند جنرالیزاسیون با استفاده از اطلاعات بافت داده می پردازد. برای آن که امکان استفاده از قابلیت های سیستم های جنرالیزاسیون در سیستم های دیگر و توسط کاربران غیرمتخصص ایجاد شود، کل فرآیند جنرالیزاسیون باید متعامل و اتوماتیک باشد. در سیستم های جنرالیزاسیون سرویس گرای فعلی، از الگوریتم هایی استفاده می شود که کاربران متخصص با توجه به شرایط نقشه پایه و ملزومات نقشه مورد نیاز، کنترل پارامترها و ترتیب اعمال آن ها را به عهده دارند. بیش از 80% اشیای موجود در نقشه را خطوط تشکیل می دهند. بخش عمده ای از این خطوط، اطلاعات مربوط به شبکه راه ها هستند. علاوه بر حجم بالای اطلاعات مربوط به راه ها در نقشه، این اطلاعات از اهمیت بالایی در کاربردهای گوناگون برخوردارند. با توجه به گستردگی کاربرد اطلاعات شبکه راه ها، در این پایان نامه برای اولین بار الگوریتمی توسعه داده شده است که با استخراج اطلاعات بافت شبکه راه و در نظر گرفتن مقیاس مبدا و مقصد فرآیند جنرالیزاسیون را به صورت کاملا خودکار کنترل می کند و از سرعت بالایی در زمان اجرا برخوردار است. الگوریتم پیشنهادی قابلیت استفاده در سرویس های جنرالیزاسیون اتوماتیک برای تولید نقشه شبکه راه ها با در نظر گرفتن کاربرد مورد نظر را دارد. همچنین یک معماری سرویس گرا، مرکب از سه دسته سرویس برای جنرالیزاسیون اتوماتیک راه ها بر اساس الگوریتم پیشنهادی طراحی و پیاده سازی شده است. سرویس ها به منظور افزایش انعطاف پذیری و بهبود تعامل پذیری معنایی دسته بندی شده اند. برای هماهنگی میان سرویس ها از زنجیره سازی سرویس ها به دو شیوه مختلف استفاده شده و نقش زنجیره های مختلف سرویس ها در پاسخگویی به نیاز کاربران و کاربردهای مختلف بررسی گردیده است. استانداردهای wps و wfs به منظور ایجاد تعامل پذیری نحوی سرویس های معماری پیشنهادی مورد استفاده قرار گرفته اند. سیستم مذکور با استفاده از الگوریتم پیشنهادی کل فرآیند جنرالیزاسیون شبکه راه را به صورت یک فرآیند اتوماتیک ارائه می دهد.

امروزه بدلیل افزایش جمعیت، رشد شهرنشینی، محدودیت منابع و درنتیجه ارزش بالای زمین پیش بینی تغییرات کاربری اراضی شهری در آینده از اهمیت بسیار بالایی برخوردار است. در این راستا می بایست نقش مالکان به عنوان تصمیم گیران نهایی در زمینه تغییر کاربری اراضی در نظر گرفته شود. به نحوی که در نظر نگرفتن مالکین به عنوان تصمیم گیران نهایی منجر به عدم نتیجه گیری سیاستهای اتخاذ شده توسط مدیران شهری می شود. در واقع مدیران شهری با داشتن یک تصویر واقع گرایانه از تغییر کاربری اراضی شهری توسط مالکین که بر پای? مفاهیم علمی باشد، می توانند با اطمینان بیشتری به تخصیص منابع پرداخته و نیازهای آتی شهر را در نظر بگیرند. شهر تهران به عنوان یک کلان شهر در دو ده? اخیر پس از جنگ تحمیلی مقصد بسیاری از مهاجرت ها بوده بطوری که منجر به افزایش تقاضا جهت ساخت و ساز و تغییر کاربری اراضی بر خلاف طرح های تفصیلی شده است بطوری که مدیران شهری برای حل موقت مشکل مجبور به اتخاذ تصمیماتی گردیدند که در تضاد با طرح های توسعه اولیه بوده است. لذا در این تحقیق بخشی از منطق? هفت تهران که مشکلات عدیده ای در زمین? خدمات رسانی به شهروندان به دلیل عدم وجود مناسب کاربری های خدماتی دارد مورد مطالعه قرار گرفته است. با توجه به پیچیدگی های مسائل کاربری اراضی شهری از جمله وابستگی درونی میان اجزاء، ناسازگاری و نیز روابط تودرتو میان محیط و اجزا که به دو دلیل عمده می باشد، یکی تصمیم گیری انسان و دیگری جنب? مکانی-زمانی محیط شهری نیاز به روشی وجود دارد که به صورت محیطی-انسانی عمل کند. روشهای متعددی جهت مدلسازی و شبیه سازی تغییر کاربری اراضی توسط محققین توسعه یافته و مورد استفاده قرار گرفته است. اما با توجه به ویژگی های مسئله تغییر کاربری اراضی در این تحقیق از مدل های عامل مبنا بهره گیری شده است. در مدل پیشنهادی این تحقیق از دو عامل بهره گیری شده است. اول عامل مالک که با توجه به سه خصوصیت توانایی مالی، سن و میزان ریسک پذیری به پنج طبقه ضعیف، متوسط، ریسک پذیر، توانا و منفعت طلب تقسیم شده اند. این عامل ها با توجه به موقعیت و کاربری ملک میزان کارایی ملک خود را تعیین می کنند. در این راستا با توجه به اینکه مدیران و تصمیم گیران کلان شهری بدنبال توسع? پایدار شهری می باشند بنابراین نیاز است که مالکان براساس معیارهای مناسب تصمیم گیری نمایند لذا در این تحقیق از چهار پارامتر سازگاری، مناسبت، وابستگی و سرانه جهت تعیین کارایی املاک استفاده شده است. سپس در صورت ناکارآمدی کاربری ملک تصمیم به تغییر می گیرند. در این راستا عامل دیگری به نام عامل شهرداری از میان املاکی که ناکارآمد می باشند به عاملی که دارای بدترین شرایط می باشد مجوز تغییر کاربری می دهد. با مدلسازی تغییر کاربری اراضی براساس تصمیم مالکین با توجه به خصوصیات آنها و نیز ملک، پس از بیست و هفت مرحله تغییر توسط مالکین چینش کاربری اراضی به سمتی پیش رفت که در نهایت سطح رضایت مندی مردم و دسترسی آنها به خدمات شهری از صفر درصد به هشتاد و هفت درصد رشد یافت. البته ذکر این نکته ضروری است که با توجه به اینکه نمی توان مالکین را مجبور به تغییر کاربری کرد و خود آنها تصمیم گیر نهایی می باشند، نتایج بدست آمده ایده آل نمی باشد بلکه بهترین حالت ممکن است.

ارزیابی کاربری اراضی شهری به عنوان هسته اصلی برنامه ریزی شهری، نقشی مهم در ساماندهی فضایی- مکانی شهرها ایفا می کند. برنامه ریزی کاربری اراضی شهری در واقع مجموعه فعالیت هایی است که محیط انسانی را مطابق خواسته ها و نیازهای جامعه شهری سامان بخشیده و این مقوله هسته اصلی برنامه ریزی شهری را تشکیل می دهد. در این پایان نامه با در نظر گرفتن سازگاری میان کاربری ها در چهار مقیاس همسایگی و پس از تعیین کاربری های ناسازگار به کمک معیارهای سازگاری کاربری ها، اثرات حاصل از تغییر کاربری ها بر سازگاری کاربری های موجود به صورت جداگانه و ریزدانه و همچنین تعیین این اثرات بر پایداری کلی کاربری ها، با استناد بر مصوبه 454 کمیسیون ماده پنج شهر تهران سعی شده است تا حدودی اثرات تغییر کاربری ها مدلسازی شود. مصوبه 454 کمیسیون ماده 5، مجموعه ی ضوابط و مقررات طرح تفصیلی یکپارچه شهر تهران است، که براساس ضوابط و مقررات طرح جامع تهران تدوین شده و مشتمل بر ضوابط خاص استفاده از اراضی و ساخت و ساز در هریک از پهنه های شهر تهران و همچنین ضوابط و مقررات عام ساخت و ساز و شهرسازی در محدوده شهر تهران است. در این پایان نامه پس از تعیین کاربری های ناسازگار به کمک مدل فازی، با استفاده از اولویت تغییر کاربری ها و تبدیل آنها به هم، پس از تغییر کاربریهای ناسازگار به کاربری مناسب خود بر اساس قوانین تغییر کاربری کمیسیون ماده 5، تاثیر این تغییر کاربری بر سازگاری و ناسازگاری سایر کاربری ها به کمک توابع توزیع، اندازه گیری شده است. در این راستا با مطالعه ی آیین نامه های شهر سازی در نهایت 60 کاربری واقع در منطقه هفت تهران به عنوان کاربری های مورد نظر برای اجرای مدل شناخته شد. این 60 کاربری شامل کاربری های مسکونی، تجاری، صنعتی و بایر میباشد.

افزایش روز افزون حجم و تنوع داده های مکانی- زمانی و پیچیدگی تحلیل های مکان مرجع موجود و مورد نیاز در مدیریت بهینه سیستم های حمل و نقل شهری موجب شده است تا تجزیه و تحلیل، تلفیق، مدل سازی و مدیریت این داده ها و انجام تحلیل های فوق در شبکه گسترده حمل و نقل شهری به عنوان یک چالش اصلی مطرح باشد. در این راستا، به کارگیری هوش مصنوعی به خصوص عامل های هوشمند در زمینه مدل سازی حمل و نقل می تواند به ارائه راه حل هایی برای بخش عمده ای از چالش های مطرح در سیستم حمل و نقل بیانجامد. مدل سازی و نمایش اشیا متحرک (وسایط نقلیه) در قالب شبیه سازی ترافیکی برای یافتن راهکارهایی جهت بهبود وضعیت عملکرد شبکه ترافیک شهری و ایجاد استراتژی های کنترلی در برنامه ریزی حمل و نقل، به عنوان یک نیاز اساسی برای رسیدن به یک سیستم جامع مدیریت حمل و نقل مطرح است. در این میان نقش سیستم های اطلاعات مکانی (gis) به عنوان بستری برای جمع آوری، ترکیب و تجریه تحلیل داده های مکانی مورد نیاز جهت ورود به مدل های عامل مبنا و بررسی پدیده ترافیک شهری که ماهیت مکانی دارد بسیار پر اهمیت است. مدل سازی عامل مبنای صورت گرفته در این تحقیق با فرض وجود سیستم موقعیت یاب جهانی (gps) بر روی همه وسایط نقلیه و همچنین مجموعه از سیستم های دریافت و ارسال پیام به شکل توزیع شده (در قالب تاکسی های شهری)، کارایی این شیوه مدل سازی را در ترافیک شهری و مسیریابی پویا نشان داد. برای اولین بار پارامترهای مرتبط با رفتار اجتماعی رانندگان، رفتار عابرین پیاده، ابعاد مختلف خودروها، و محدودیت های سرعت متفاوت برای آن ها به طور هم زمان در یک سیستم مجتمع که امکان مدل سازی عرض های مختلف را برای معابر شهری دارا می باشد، این واقعیت را نشان داد که بیشترین تأثیر در حجم ترافیک نه متعلق به الگوریتم های مسیریابی و نه متعلق به هوشمند سازی چراغ های راهنمایی است، بلکه ناشی از فرهنگ ترافیک (تغییر جهت بی مورد، عبور از مکان های بدون خط کشی عابر) در جامعه است.

ایران کشوری خشک و نیمه خشک است که نزدیک به 4/12 میلیون هکتار از سطح آن را جنگل ها و حدود 90 میلیون هکتار آن را مرتع تشکیل می دهد. ایران در زمره 56 کشور کم جنگل جهان به شمار می رود. هر ساله در مناطق مختلف، هزاران هکتار از جنگل ها طعمه حریق می گردد. آتش سوزی جنگل با منشأ طبیعی یا انسانی اثرات زیان بار و ویرانگری به طور مستقیم یا غیر مستقیم بر زندگی بشر به جای می گذارد. علاوه بر تخریب محیط زیست و آلودگی آن (در تبعات مختلف) موجب نابودی ذخایر چوب، احشام، زمین های کشاورزی و چرایی، ساختمان ها، مال و جان انسان ها می گردد و پیامدهای اقتصادی، اجتماعی و روانی دارد. جنگل های گلستان، به دلایل فراوان نظیر جاذبه های طبیعی فراوان، وجود آبشار های زیبا در بطن جنگل ها و خیلی از مسائل دیگر، در طی فصول مختلف گردشگر های متعددی را جذب می کند. هر ساله، متأسفانه به دلایل مختلف نظیر سهل انگاری توریست ها و مسافرین، ساکنین روستاهای جنگلی، چوپانان و شکارچیان در خاموش کردن آتش و عدم رعایت مسائل ایمنی در این زمینه، مساحت وسیعی از جنگل ها طعمه حریق می شود. باتوجه به اهمیت و دفعات آتش سوزی حادث، منطقه مورد مطالعه ی این تحقیق محدوده ی پارک گلستان در استان گلستان انتخاب شده است. در چند سال اخیر مدل های شبیه ساز کامپیوتری برای مطالعه ی گسترش آتش و همچنین استراتژی های کنترل آتش به کار گرفته شده اند. این تحقیق بر آن است تا یک مدل شبیه سازی آتش سوزی جنگل و کنترل آن را در قالب مدل سازی عامل مبنا ایجاد کند. هدف اصلی این تحقیق فراهم آوردن ابزاری است که قادر باشد با ارائه تصویری از نحوه گسترش آتش و همچنین نحوه انجام عملیات آتش نشانی، یاری دهنده ی برنامه ریزان و مدیران مرتبط به کنترل آتش سوزی جنگل باشد. به عبارت دیگر هدف از این تحقیق ارزیابی نحوه تاثیر اعمال استراژی های مختلف با تغییر پارامترهایی چون تعداد عامل های آتش نشان و شناساگر، سرعت حرکت و عملیات عامل ها و زمان اطلاع از وقوع آتش سوزی، بر نتیجه عملیات آتش نشانی می باشد. در این تحقیق، آتش نشان، پایگاه، واحد شناساگر و آتش زن(عامل ایجاد آتش اولیه) به عنوان عامل در نظر گرفته شده اند و همچنین از نقشه حالت آتش منطقه به عنوان محیط شبیه سازی استفاده شده است. در این تحقیق لایه های مکانی نوع و تراکم پوشش گیاهی، جهت و شدت وزش باد، مدل رقومی زمین و رودخانه ها و جاده ها به عنوان ورودی مدل اتوماسیون سلولی گسترش آتش استفاده شده است. نقشه حالت حاصل از، اعمال قوانین انتقال اتوماسیون سلولی بر نقشه حالت گام زمانی گذشته است. عامل ها با ارتباط و مراوده با یکدیگر همچنین حفظ استقلال در عملکرد و استفاده از توابع مکانی و غیر مکانی چرخه ی حیات خود را طی می کنند تا عملیات کنترل و مهار آتش به پایان برسد. در جهت ارزیابی و همچنین ارائه کاربرد مدل تعدادی سناریوی آزمایشی طراحی شد که طی آن ها تاثیر پارامترهای مختلف در مدل بررسی گردید. نتایج معنادار و نشانگر منطقی بودن مدلسازی بود. همچنین نشان داده شد که می توان با سناریوسازی و اعمال پارامترهای مختلف تاثیر را در نتایج عملیات آتش نشانی (مقدار سطح سوخته و زمان و هزینه صرف شده) نمایش داده و بررسی نمود.

امروزه به دلیل ارزش بالای زمین و محدودیت منابع طبیعی، پیش بینی تغییرات کاربری اراضی در آینده برای مدیران، متخصصان محیط زیست و سایر محققان از اهمیت بسیار بالایی برخوردار است. برای هدفمند نمودن تغییرات کاربری اراضی نیاز به اعمال دانش کارشناسی در قالب یک سیستم می باشد، به نحوی که کاربر بتواند تأثیر عوامل مختلف محیطی، اقتصادی، اجتماعی و سیاسی را در تغییر کاربری اراضی در نظر بگیرد. در حال حاضر در غالب طرح های برنامه ریزی شهری مانند طرح های جامع شهری، طرح های راهبردی-ساختاری و تفصیلی که به صورت روزمره برای پیش بینی وضعیت آتی شهرها تهیه می شود، اگرچه از gis در تحلیل وضعیت موجود و پردازش لایه ها استفاده می شود ولی هنوز یک سیستم که در آن کارشناسان، برنامه ریزان و سیاست گذاران بتوانند اهداف، سناریوها و معیارهای خود را وارد نمایند، طراحی نشده است، لذا ایجاد و توسعه یک سیستم حامی برنامه ریزی (pss) از چالش های برنامه ریزی شهری محسوب می شود. هدف از انجام این تحقیق، توسعه یک سیستم حامی برنامه ریزی مکانی برای تغییر کاربری اراضی شهری تحت عنوان ulcms می باشد که در توسعه آن از فرایند rup استفاده شده است. سیستم توسعه داده شده شامل ماژول ارزیابی تناسب زمین، محاسبه مساحت مورد نیاز کاربری ها و تغییر کاربری اراضی می باشد. در طراحی و پیاده سازی ماژول های مذکور، از مدل های دسترسی، مدل های تعامل میان کاربری ها و روش های تصمیم گیری چند معیاره، عملگرهای فازی، رگرسیون خطی، ماکزیمم پتانسیل و بهینه سازی سلسله مراتبی استفاده شده است. تست عملی سیستم برای سنجش تغییر کاربری های مسکونی، تجاری، صنعتی، زراعی و خدماتی بر اساس سال مبنای 1383 و برای سال افق 1390 با استفاده از روش های جمع خطی وزن دار، نقطه ایده آل و فازی در شهر شیراز انجام گرفت. سپس این نقشه ها با نقشه واقعی شهر با استفاده از شاخص مطلوبیت مقایسه گردیدند. نتایج نشان داد که روش فازی نسبت به دو روش دیگر در مدلسازی جهت توسعه شهر موفق تر عمل کرده زیرا شاخص مطلوبیت روش های جمع خطی وزندار، نقطه ایده آل و فازی به ترتیب 0.34، 0.39 و 0.48 است و پس از بررسی با نتایج موجود در سایر تحقیقات روش فازی، به عنوان روش برتر در مدلسازی تناسب زمین انتخاب گردید.

آمایش سرزمین شامل سه جزء تعیین کاربری اراضی آینده، توسعه منابع سرزمین و ساماندهی و چیدمان منطقی کاربری های مختلف در یک منطقه می باشد. رویکرد آمایش سرزمین در تلاش است که با توزیع مناسب منابع، پایداری توسعه در ابعاد گوناگون را حاصل کند. یکی از مراحل اساسی آمایش سرزمین تخصیص کاربری است. با توجه به اینکه مدلسازی تخصیص کاربری اراضی به دلیل تاثیر عوامل مختلفی اقتصادی، اجتماعی، سیاسی و... فرایندی پیچیده است، ایجاد و توسعه یک سیستم که در آن بتوان مراحل مختلف تخصیص کاربری را به راحتی مدل سازی نمود و برنامه ریزان و سیاست گذاران بتوانند در آن محیط اثرات اجرای تصمیمات و سناریوهای مورد نظر را به صورت گرافیکی ملاحظه و تفسیر نمایند از چالش های برنامه ریزی فضایی محسوب می شود. این تحقیق به توسعه یک سیستم حامی برنامه ریزی یکپارچه برای تخصیص کاربری اراضی منطقه ای تحت عنوان rlas (regional landuse allocation system) که بر پایه سیستم اطلاعات مکانی طراحی شده، پرداخته است. سیستم rlas شامل سه بسته نرم افزاری اصلی تناسب کاربری اراضی، تقاضای مورد نیاز و تخصیص کاربری می باشد. در بسته نرم افزاری تناسب کاربری سه نقشه توان اکولوژیکی، دسترسی و اثر همسایگی برای کاربری های مختلف تعیین می شوند. در سیستم توسعه داده شده کاربر می تواند نقشه های مذکور را به تناسب هر نقشه با استفاده از روش های مختلفی مانند ترکیب خطی وزن دار، نقطه ایده آل و استنتاج فازی تولید نماید. همچنین جهت تعیین میزان تقاضا از روش رگرسیون خطی در سناریو های مختلف رشد جمعیتی استفاده گردیده است. فرایند تخصیص کاربری با استفاده از سیستم توسعه داده شده در شهرستان برخوار از استان اصفهان پیاده سازی شد و تخصیص کاربری برای کاربری های سکونتگاه شهری، سکونتگاه روستایی، صنعت و کشاورزی در سال افق 1395 انجام گرفت. این سیستم قادر است تا طرح های کاربری اراضی پیشنهادی را برای مناطق مختلف مطابق با نظرات کارشناسان و برنامه ریزان تولید کند و به هدایت و حمایت مباحثه در طی فرایند برنامه ریزی کمک نماید.

در دهه های اخیرهزاران نفر به دلیل بروز زلزله های شدید دچار صدمات جانی و مالی شده اند. امداد رسانی سریع و به موقع به بخش های آسیب دیده، می تواند از بروز بسیاری حوادث پس از زلزله و تلفات انسانی جلوگیری کند. تحقیقات نشان می دهد که زمان یک عامل حیاتی درکاهش میزان تلفات قربانیان حادثه، پس از زلزله می باشد، بطوری که72 ساعت اولیه پس از وقوع زلزله، فرصتی طلایی برای کمک به حادثه دیدگان است، چرا که در این ساعات بیشترین احتمال زنده ماندن قربانیان حادثه وجود دارد، بنابراین توسعه یک روش مناسب برای بهینه سازی عملیات تخصیص مصدومان به مراکز درمانی می تواند کمک زیادی در کاهش صدمات جانی زلزله بکند . مساله تخصیص مصدومان زلزله به مراکز درمانی در دسته مسایل تخصیص ظرفیت دار قرار دارد ، که در این نوع مسایل با افزایش تعداد نقاط تقاضا و مراکز خدماتی، پیچیدگی و حجم محاسبات مساله به صورت نمایی افزایش می یابد، بنابراین در خیلی از موارد نمی توان از روشهای جستجوی مستقیم و قطعی در حل این نوع از مسایل استفاده کرد و بسته به نوع موضوع و ساختار آن باید از روشهای ابتکاری مناسب برای حل بهینه آنها استفاده کرد. از سویی دیگر چون در مساله تخصیص مصدومان زلزله به مراکز درمانی داده های مکانی نقش مهمی دارند، بنابراین می توان با یکپارچه نمودن و ترکیب gis با روشهای بهینه سازی موجود در جهت حل بهتر و ساده تر آن حرکت کرد، لذا در این تحقیق هدف این است که با مطالعه و تحلیل الگوریتم های مختلف مکانیابی و تخصیص و تحلیل شرایط و پارامترهای تاثیرگذار مساله تخصیص مصدومان زلزله، با استفاده از روش های بهینه سازی و تجزیه و تحلیل های مکانی، راهکاری مناسب برای بهینه سازی تخصیص مصدومان زلزله به مراکز درمانی توسعه داده شود. با بررسی خصوصیات مساله تخصیص مصدومان زلزله به مراکز درمانی در این تحقیق، در حل بهینه آن چندین مساله اساسی شناسایی شدند که باید راهکارهای مناسب برای هر یک از آنها در نظر گرفته می شد. ارایه روشهای مناسب برای برآورد تعداد مصدومان و تعیین انسداد معابر از مواردی بود که باید در این مطالعه مورد توجه قرار می گرفت، برای تعیین انسداد معابر مدل حوزه بندی خطر انسداد با توجه به نوع سازه ها و ارتفاع آنها و عرض معابر مجاور ارایه شد و در مورد برآورد تعداد مصدومان هم از شبکه عصبی و هم از روش coburn-spenceبرای مدلسازی برآورد شدت و نحوه توزیع مکانی صدمات انسانی بر اساس تابعی از خرابی های سازه ایی استفاده شد . برای بهینه سازی تابع هدف و رعایت کردن قیود ظرفیت مطرح شده در مساله تخصیص مصدومان زلزله به مراکز درمانی، یک ساختار ریاضی به شکل یکسری معادله و نامعادله ارایه گردید، که برای حل همزمان این معادلات و نامعادلات و بدست آوردن ضرایب آن و بهینه سازی تابع هدف و رسیدن به جوابهای موجه، 4 روش بهینه سازی جستجوی ممنوع ، باز پخت، ژنتیک و گروه ذرات به عنوان روشهای پایه کاندید اولیه انتخاب گردید. با توجه به آزمایش های انجام شده، دو روش ابتکاری ترکیبی بر پایه روشهای ژنتیک و جستجوی ممنوع به اسم جستجوی ممنوع هدایت شونده مکانی، در این مطالعه توانایی حل همزمان این معادلات و نامعادلات و بدست آوردن ضرایب آنها و بهینه سازی تابع هدف را دارا بودند و روشهای دیگر نتوانستند به جوابهای موجه برای حل مساله برسند. مورد دیگری که در این تحقیق به آن توجه شد، کافی نبودن ظرفیت مراکز درمانی موجود در زمان امدادرسانی برای سرویس دهی به تمامی مصدومان و نیاز به انتخاب و یا احداث مراکز درمانی جدید بود، که برای این مورد نیز تابع هدف دیگری تعریف شد و برای حل بهینه آن هم روشهای مختلف بررسی شد و در نهایت دو روش ترکیبی، یکی بر پایه دو الگوریتم ژنتیک تو در تو و دیگری بر پایه یک الگوریتم ترکیبی از روش ژنتیک و جستجوی ممنوع هدایت شونده مکانی توسعه داده شد. در ادامه این مطالعه به بررسی عملکرد روشهای توسعه یافته و همچنین چکونگی تاثیر پارامترهای موجود در این روشها به تنهایی و در کنار هم پرداخته شد، بدین منظور پیاده سازی های مختلفی با توجه به تعداد متفاوت مراکز درمانی و تعداد نقاط مصدومان انجام شد. در روش ژنتیک تعیین میزان جمعیت اولیه الگوریتم ژنتیک تاثیر زیادی در حل بهینه و رسیدن به جوابهای موجه داشت و در روش جستجوی ممنوع انتخاب طول لیست ممنوع و تغییر آن و زمان اعمال پارامتر گوناگونی عوامل تعیین کننده در سرعت همگرا شدن مساله بودند. از سویی دیگر استفاده از تحلیل های مکانی در این مطالعه برای گسسته سازی فضای جستجو ، محاسبه حداقل زمان رساندن مشتری ها به مراکز سرویس دهی، محاسبه مقادیر اولیه مورد نیاز در روشهای ارایه شده و تعریف لیست کاندیدا در روش جستجوی ممنوع هدایت شونده مکانی، را می توان از عوامل مهم در هدایت بهتر جستجو، کاهش زمان حل و همگرایی مساله و رسیدن به جوابهای موجه دانست. به منظور بررسی کارایی الگوریتم های طراحی شده پیاده سازی با توجه به چهار سناریو مختلف برای تعداد و نحوه پراکندگی مکانی مصدومان در منطقه مورد مطالعه انجام شد، لازم به توضیح است بخش مرکزی منطقه 17 تهران به عنوان منطقه مورد مطالعه در این تحقیق در نظر گرفته شده بود. با توجه به نتایج بدست آمده می توان گفت، در صورت تعیین مناسب پارامترهای موجود در هر یک از این روشها، هر کدام از آنها توانایی تخصیص بهینه مصدومان زلزله به مراکز درمانی را با توجه به حالات مختلف تعریف شده، را دارا می باشند. مقایسه این روشها نسبت به هم نشان می دهد که تخصیص های انجام شده توسط روش جستجوی ممنوع هدایت شونده مکانی، دارای دقت بالاتری نسبت به روش ژنتیک می باشد و همچنین نتایج بدست آمده از روش جستجوی ممنوع هدایت شونده مکانی دارای ثبات و استحکام بیشتری نسبت به روش ارایه شده بر پایه الگوریتم ژنتیک می باشند.

بیماری مالاریا دارای گستردگی مکانی و آمار شیوع بسیار بالایی در سطح جهان و بخصوص آفریقا و آسیا می باشد. در تحقیق حاضر توسط روش های هوش مصنوعی مورد استفاده در کاوش داده ها به بررسی الگوی بیماری و تولید نقشه های آسیب پذیری پرداخته می شود. با استفاده از روش های شبکه عصبی و سیستم استنتاج فازی عصبی تطبیقی پروسه داده کاوی اطلاعات در دسترس انجام شده، تا الگوی همبستگی مکانی و زمانی داده ها و گستره مکانی و زمانی بیماری استخراج شود و نقشه های آسیب پذیری بیماری مالاریا تولید شود. ابتدا توسط روش های شبکه عصبی و سیستم استنتاج عصبی فازی ارتباط مکانی کاربری های مختلف اراضی، دما ،رطوبت، بارش، ارتفاع و سایر عوارض مکانی با الگوی بیماری مالاریا ویواکس در استان سیستان و بلوچستان کاوش شده و سپس نقشه آسیب پذیری بیماری تولید شده است. در این قسمت از تحقیق فقط به داده کاوی مکانی بیماری در طول دوره چهارساله پرداخته می شود و این کار توسط میانگین گیری از نرخ وقوع گزارش شده سالیانه بیماری در چهار سال گذشته و همچنین میانگین دما، رطوبت و بارش چهار ساله در کنار سایر عوارض مکانی در استان سیستان و بلوچستان انجام می گیرد. در قسمت بعدی تحقیق با داشتن نرخ ابتلای ماهیانه بیماری ( incidence rate) در استان هرمزگان به بررسی زمانی بیماری و داده کاوی زمانی مالاریا پرداخته شده است. با استفاده از گزارش ماهیانه بیماری در ماه های مختلف از سال 85 تا 86 با استفاده از ، و نیز مقادیر ماهیانه بارش پیش بینی نرخ ابتلای شهریور ماه انجام گرفته و الگوی مکانی بیماری مالاریا در این ماه و نقشه آسیب پذیری در تولید شده است. در بخش سوم و آخر تحقیقات بررسی زمانی مکانی و داده کاوی مکانی زمانی بیماری انجام گرفته است و با بررسی و مدلسازی همبستگی مکانی بیماری و عوارض و کاربری های اراضی مختلف، همچنین مدلسازی روند زمانی بیماری در نقاط مختلف استان هرمزگان نتایج بر اساس بررسی همزمان زمانی و مکانی در قالب نقشه های آسیب پذیری ارایه گردیده است.

در اثر وقوع زلزله، بحران های مختلفی ایجاد می شود. یکی از بحران های بعد از وقوع زلزله بحران زنده یابی است، گروه های امداد و نجات باید در زمانی محدود عملیات جستجو و نجات را در مناطق آسیب دیده به سرعت انجام دهند. در مواقعی که مناطق آسیب دیده گسترده است، گروه ها و سازمان های مختلفی در عملیات زنده یابی شرکت می کنند. در مدل های امداد و نجات موجود، رویه خاصی برای تخصیص تیم های امداد و نجات وجود ندارد و معمولاً این تیم ها نزدیک ترین محل را برای زنده یابی انتخاب می کنند. بررسی نشان می دهد تخصیص تیم ها به نزدیک ترین محل بهینه نیست، به همین جهت نیاز است تخصیص بر اساس امید زنده مانی افراد و با توجه به عوامل موثر همچون شدت تخریب سازه ها، میزان جمعیت، و موقعیت مکانی گروه های امداد و نجات صورت گیرد. تحقیقات نشان می دهد که زمان یک عامل حیاتی در کاهش میزان تلفات قربانیان حادثه، پس از زلزله، می باشد، به طوری که72 ساعت اولیه پس از وقوع زلزله، فرصتی طلایی برای کمک به حادثه دیدگان است، چرا که در این ساعات بیشترین احتمال زنده ماندن قربانیان حادثه وجود دارد. بنابراین کاهش زمان انجام عملیات تخصیص گروه امداد و نجات به مناطق زلزله زده تأثیر زیادی در کاهش تلفات انسانی خواهد داشت. لذا توسعه یک روش مناسب برای بهینه سازی تخصیص این گروه ها می تواند اثر مهمی در کاهش زمان امداد رسانی و در نتیجه کاهش صدمات جانی داشته باشد. با بررسی خصوصیات مسئله تخصیص گروه های امداد و نجات به مناطق زلزله زده در این تحقیق، در حل بهینه آن چندین مسئله اساسی شناسایی شدند که باید راهکارهای مناسب برای هر یک در نظر گرفته می شد. برای حل یکی از این مشکلات نیاز به روشی بود که بتواند بر آورد مناسبی از امید زنده مانی افراد با توجه به محل قرار گیری آن ها ارایه دهد. برای حل این مشکل با توجه به روش برآورد مصدومان کوبرن که برای شهر تهران توسعه داده شده بود، روشی با در نظر گرفتن پارامتر های موثر بر امید زنده مانی افراد توسعه داده شد. به دلیل پویایی موجود در عناصر مسئله و اینکه مدلی با بیشترین انطباق، و سازگاری بر پارامترهای موثر در مسئله داشته باشیم از منطق فازی در برآورد امید زنده مانی افراد استفاده گردید. در این پایان نامه، توسعه یک روش ابتکاری بر پایه الگوریتم ژنتیک برای بهینه سازی عملیات تخصیص گروه های امداد و نجات به مناطق آسیب دیده، با استفاده از قابلیت های علم سیستم اطلاعات مکانی ارائه شده است. نتایج حاصل از پیاده سازی انجام شده در مناطق (10,11,17) شهری تهران به عنوان منطقه مطالعاتی ارایه شد. با توجه به نتایج بدست آمده می توان گفت، روش ارایه شده در این تحقیق می تواند کارایی مناسبی در بهینه سازی مسایل تخصیص ظرفیت دار مخصوصاً تخصیص گروه های امداد و نجات به مناطق زلزله زده داشته باشد. در حل مسایل تخصیص ظرفیت دار با استفاده از روش ژنتیک، می توان گفت که با افزایش پیچیدگی های مسئله نیاز به افزایش اندازه جمعیت اولیه برای حل بهینه است، که این افزایش از سویی دیگر باعث افزایش زمان حل مسئله می گردد. با بررسی های صورت گرفته بر روی پارامترهای الگوریتم ژنتیک می توان گفت که سناریو دوم به دلیل کاهش مقدار تابع هدف(زمان امداد رسانی) قابل قبول بوده، و روش انتخاب چرخ رولت به دلیل داشتن مدت زمان کم برای حل مسئله و همچنین سرعت همگرایی کمتر نسبت به دو روش دیگر، به عنوان روش انتخاب مناسب در این مسئله مورد استفاده قرار گرفت. کلمات کلیدی: زلزله، تخصیص، بهینه سازی، امداد و نجات، منطق فازی، ژنتیک

با توجه به رشد روز افزون جمعیت شهر نشین، مسئله ی مدیریت زمین در شهرها از اهمیت خاصی برخوردار است. در این میان، در نظر گرفتن خاصیت دینامیک بودن محیط شهری با توجه به تغییر نیاز شهروندان از اهمیت خاصی برخوردار است. در حقیقت با نیاز شهروندان به تغییر کاربری ها، بایستی برنامه ریزی فضایی به نحوی صورت پذیرد که همچنان دستیابی به توازن میان اجزای محیط میسر گردد. بنابراین چینش صحیح و مناسب کاربری های مختلف شهری در کنار یکدیگر پس از اعمال تغییر در یک یا چند کاربری، کمک شایانی به مسئله ی مدیریت شهری می نماید. زیرا در صورتیکه کاربری ها به طور علمی و صحیح در کنار یکدیگر قرار گیرند، بسیاری از مسائل مدیریت شهری مانند مزاحمت کاربری ها و ترافیک حل خواهد شد. در طرح های جامع و تفصیلی کاربری اراضی شهری به صورت قطعی تعیین می گردند اگرچه برخی راه کارها برای تغییرات کاربری خاص نیز مطرح می شود ولی توجه علمی به اثر این تغییر در کاربری های دیگر، سبب حفظ توازن میان کاربری های موجود خواهد شد. از آنجائیکه امروزه این مسأله موجب بروز مشکلاتی در مدیریت شهری شده، مبحث طرح های دینامیک شهری مطرح شده است. یکی از مسائلی که طرح های دینامیک و سیال با آن روبرو هستند، تصمیم گیری در مورد نحوه ی قرار گیری کاربری ها در همجواری یکدیگر در صورت تغییر کاربری های دیگر است که این مهم در این تحقیق مورد بررسی قرار می گیرد. هدف اصلی این تحقیق مدلسازی اثرات کالبدی تغییر کاربری های شهری با استفاده از الگوریتم های بهینه سازی و آنالیزهای مکانی است. مدل توسعه داده شده در این تحقیق به منظور نیل به هدف اصلی شامل ارائه ی روشی است که بتوان با استفاده از آن در صورت تغییر کاربری ها، چینش بهینه ی سایر کاربری های منطقه را به دست آورد. در این تحقیق فرآیند مدلسازی با استفاده از پیاده سازی و توسعه ی مجموعه ای از روش ها در محیط سیستم اطلاعات مکانی طراحی شده میسر گردید. دو محله از منطقه ی 7 شهرداری تهران به عنوان منطقه ی مطالعاتی در نظر گرفته شده و به منظور مدلسازی از سه الگوریتم های بهینه سازی چندهدفه ی nsga-ii، mopso و moea/d استفاده شده است. در سازگارسازی این الگوریتم ها با مسئله چهار تابع هدف اصلی به صورت بیشینه سازی سازگاری، بیشینه سازی وابستگی، بیشینه سازی مناسبت کاربری با زمین و بیشینه سازی همسانی کاربری های مجاور تعریف شده است. همچنین به منظور تأمین سرانه ها در سناریوهای تولید شده توسط الگوریتم های به کار گرفته شده، این المان به صورت شرط وارد مدل شده است. در حقیقت مدلسازی با استفاده از روش های بهینه سازی چندمعیاره در محیط gis مدنظر قرار گرفت. با توجه به چندهدفه بودن الگوریتم ها در نهایت تصمیم گیرنده در جبهه ی جواب بهینه با تعداد زیادی جواب مواجه خواهد شد و این مسئله تصمیم گیری را دشوار خواهد کرد. در صورتیکه بتوان پارامترهای فازی زبانی (به عنوان مثال کم، متوسط و زیاد) را در مورد اولویت های توابع هدف از تصمیم گیرنده دریافت کرد و نتایج متناظر با آنها را به تصمیم گیرنده ارائه داد پروسه ی تصمیم گیری راحت تر خواهد شد. به این منظور در این تحقیق، در جهت حمایت از تصمیم گیری و نمایش سناریوهای متناظر با اولویت های تصمیم گیران، از آنالیز خوشه بندی با استفاده از سه روش k-means، fuzzy k-means و الگوریتم کلونی مورچه استفاده شده است. در تست های انجام شده بر روی سه الگوریتم بهینه سازی مشخص شد نتایج از نظر همگرایی، تست پارامترهای اولیه و تست تکرار پذیری قابل قبول می باشند. همچنین در چینش های بهینه ی به دست آمده وضعیت توابع هدف بهتر از وضعیت موجود است. این بهبود به طور متوسط در سه روش به ترتیب در توابع هدف سازگاری، وابستگی، مناسبت کاربری با زمین و همسانی کاربری های مجاور 25، 32، 35 و 6 درصد بوده است. و نیز کمبود سرانه ها به طور متوسط حدود 19درصد جبران شده است. در پایان نتایج با استفاده از سه شاخص فاصله، پراکندگی و کیفیت مورد ارزیابی قرار گرفته است. نتایج حاصله نشاندهنده ی کیفیت بهتر جواب های روش nsga-ii، پراکندگی بهتر در جواب های mopso و اجرای سریع تر در moea/d می باشد. نتایج خوشه بندی نیز نشاندهنده ی سرعت بالای روش کلونی مورچه در مقایسه با دو الگوریتم دیگر خوشه بندی است. همچنین نتایج حاصل از سه روش در اکثر موارد با یکدیگر همپوشانی دارند و در موارد اختلاف نیز نقاط نماینده ی خوشه ها به یکدیگر نزدیک هستند. نتایج این تحقیق می تواند به عنوان یک ابزار حمایت از تصمیم گیری به برنامه ریزان و سیاست گذاران شهری در خصوص برنامه ریزی صحیح فضا پس از تغییر یک یا چند کاربری کمک می نماید.

داده های ترافیک اندازه گیری شده به وسیله ایستگاه های شمارش ترافیک یکی از با ارزش ترین داده ها در زمینه ی حمل و نقل هوشمند است که در بسیاری از آنالیز ها از جمله استخراج زمان سفر از یک نقطه به نقطه دیگر کاربرد دارند. دو نوع کلی ایستگاه شمارش ترافیک وجود دارد که نوع اول آن دسته از ایستگاه هایی هستند که به طور پیوسته، و نوع دوم آن دسته ایستگاه هایی هستند که در طول یک بازه زمانی کوتاه مدت به اندازه گیری ترافیک می پردازند. بسیاری از تحلیل های مربوط به ترافیک مثل تخمین زمان سفر نیازمند استفاده از داده های کامل ترافیک است؛ بنابراین ارائه روشی برای محاسبه ی حجم ترافیک در زمان های اندازه گیری نشده در ایستگاه های شمارش کوتاه مدت ضروری است. در این تحقیق ابتدا با استفاده از شبکه عصبی و داده های ایستگاه های شمارش پیوسته تخمین داده های ترافیک غیر موجود در ایستگاه های شمارش کوتاه مدت پرداخته شده است. 80 درصد داده ها به عنوان داده های آموزش شبکه و 20 درصد داده ها به عنوان داده های تست شبکه مورد استفاده قرار گرفت. mse داده های آموزش و تست به ترتیب 00941/0 و 01031/0 به دست آمد. . نتایج موردی از نتیجه مدل سازی شبکه عصبی از داده های شمارش کوتاه مدت است. میانگین تفاضل عدد ترافیک و ترافیک مدل شده با شبکه عصبی 4/8 و میانگین درصد خطا تقریبا 8 درصد است. نتایج نشان دهنده این واقعیت است که روش پیشنهادی، مناسب برای مدل سازی الگو های ترافیک و تعمیم آنها برای تخمین ترافیک ایستگاه های شمارش کوتاه مدت است. در ادامه تحقیق با استفاده از الگوریتم زنبور عسل و داده های تخمین زده شده، به مسیریابی پرداخته شد. پیاده سازی این الگوریتم صرفا جهت تست این روش برای مسیریابی با داده های ترافیک است. انحراف معیار مقدار تابع بهینگی در 10 تکرار برای یک مسیر خاص 580/27 ثانیه بود که در مقایسه با مقدار تابع بهینگی که 198/4350 ثانیه است مقدار قابل قبولی است.

مسیریابی به عنوان یکی از مسائل حوزه تحلیل شبکه در حوزه سیستم اطلاعات مکانی همواره مورد توجه بوده است. مسیریابی در محیط شهری با توجه به گسترش و پیچیدگی روزافزون شبکه های خمل و نقل شهری جزو مسائل به روز این حوزه به شمار می آید. شبکه های حمل و نقل عمومی شهری به صورت چند ساختی بوده و معمولا شامل ساخت های اتوبوس، تاکسی و مترو می باشند. افراد در دنیای واقعی برای تعیین مسیر مورد نظر خود در محیط شهری با استفاده از ساخت های مختلف معمولا چند هدف را به طور همزمان در نظر می گیرند. تعیین مسیر بهینه در محیط شهری در واقع حل یک مسئله مسیریابی چند هدفه در شبکه حمل و نقل چند ساختی می باشد. با توجه به تشابه ذات مسائل مسیریابی با مسائل بهینه سازی و عملکرد مناسب الگوریتم های فراابتکاری در حل مسائل پیچیده بهینه سازی، در سال های گذشته تحقیقات مربوط به مسائل مسیریابی، به سوی استفاده از این الگوریتم ها آمده است. در این تحقیق مساله مسیریابی چندهدفه در شبکه حمل و نقل عمومی شهری با استفاده از دو الگوریتم nsga-ii و moaco حل شده است. الگوریتم moaco در دو حالت چند کلونی و چند فرومونی می تواند اجرا شود. هدف این تحقیق بررسی عملکرد هر یک از الگوریتم های فوق الذکر در حل مسئله مورد نظر و مقایسه کارایی آنها در حل مسئله با یکدیگر می باشد. نحوه مدلسازی الگوریتم ها در فضای مسئله، توانایی الگوریتم ها در یافتن مجموعه جواب بهینه و بررسی روند همگرایی و تکرار پذیری الگوریتم ها در کنار زمان اجرای الگوریتم ها از دیگر اهداف مورد نظر این تحقیق می باشد. به دلیل عدم دسترسی به داده واقعی برای اجرای الگوریتم ها و بررسی عملکرد آنها، از شبیه سازی داده های مورد نیاز استفاده شده است. داده مورد نیاز برای شبیه سازی مورد نظر شامل داده شبکه چند ساختی شامل چهار ساخت (اتوبوس، تاکسی مترو و پیاده روی) بوده که به همراه مقادیر توابع هدف مورد نظر (هزینه، راحتی و زمان) در یک شبکه با ابعاد 150 راس و 2600 یال شبیه سازی شده اند. نتایج حاصل از اجرای سه الگوریتم از لحاظ زمان اجرا، پوشش فضای جست و جو، تعداد مسیر بهینه یافت شده، نحوه همگرایی و قابلیت تکرار پذیری با یکدیگر مقایسه شده اند. الگوریتم nsga-ii از نظر پوشش فضای جست و جو و تعداد مسیر بهینه، متوسط 55/5 مسیر بهینه در هر اجرا، عملکرد بهتری نسبت به دو الگوریتم دیگر داشته است. الگوریتم aco چند کلونی 77/4 و الگوریتم aco چند فرومونی 66/3 تعداد مسیر بهینه را به طور متوسط در تمام اجراهایشان تعیین کرده اند. الگوریتم aco چند کلونی از لحاظ زمان اجرا با متوسط 2/41 ثانیه برای تمام اجراهایش و از لحاظ روند همگرایی عملکرد بهتری را داشته است. متوسط زمان اجراهای الگوریتم nsga-ii برابر با 1/96 ثاتیه و برای الگوریتم aco چند فرومونی برابر با 5/62 ثانیه می باشد. الگوریتم aco چند فرومونی با 2/72% بیشترین قابلیت تکرار پذیری را نسبت به دو الگوریتم دیگر از خود نشان داده است. الگوریتم nsga-ii 8/68% و الگوریتم aco چند کلونی 7/67% قابلیت تکرار پذیری داشته اند.