توسعه مفاهیم مرکزیت گراف در تحلیل و اولویت بندی اجزاء شبکه های حمل ونقلی
محل انتشار: فصلنامه مهندسی حمل و نقل، دوره: 17، شماره: 4
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 18
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-17-4_003
تاریخ نمایه سازی: 22 آبان 1405
چکیده مقاله:
شناسایی اجزای کلیدی شبکه های حمل ونقل شهری، به منظور ارتقای تاب آوری، کاهش آسیب پذیری و بهینه سازی جریان ترافیک، از موضوعات بنیادی در برنامه ریزی حمل ونقل است. در این پژوهش، چارچوبی تحلیلی مبتنی بر مفاهیم مرکزیت در نظریه گراف و ساختارهای ماتریسی–تانسوری توسعه داده شده است تا اهمیت نسبی اجزای شبکه های حمل ونقلی تعیین و اولویت بندی شود. برای این منظور، سه ماتریس وقوع شامل مسیر–خیابان، خیابان–تقاطع و مسیر–تقاطع تعریف و سپس یک تانسور سه بعدی جهت نمایش هم زمان روابط چندلایه ای شبکه تشکیل شد. معیارهای مرکزیت درجه، بینابینی و بردار ویژه بر مبنای این ساختارها محاسبه و با روش نرمال سازی و ترکیب وزنی تلفیق گردید. چارچوب پیشنهادی در شبکه ی معیار Nguyen–Dupuis با ۱۳ گره و ۳۸ یال پیاده سازی شد. نتایج نشان داد گره های شماره ی ۶، ۱۱ و ۵ بالاترین مقادیر مرکزیت ترکیبی را دارند و انتخاب پنج گره ی برتر موجب پوشش ۹۲٫۳ درصد از مسیرهای شبکه می شود. همچنین تحلیل حساسیت نشان داد معیار تانسوری قادر است گره هایی با نقش میان لایه ای را که در روش های کلاسیک شناسایی نمی شوند، برجسته کند. یافته ها نشان می دهد که استفاده ی هم زمان از ماتریس وقوع و تانسور می تواند به درک عمیق تر از ساختار عملکردی شبکه های حمل ونقل و ارائه ی راهکارهایی برای اولویت بندی نگهداری، طراحی مسیرهای جایگزین و افزایش تاب آوری سیستم منجر شود.
کلیدواژه ها:
نویسندگان
امیر حسین پناهی
دانشجوی دکتری، گروه مهندسی عمران، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا ماهپور
برنامه ریزی حمل ونقل، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
هومن رحیمی
گروه مهندسی عمران، واحد شهرقدس، دانشگاه آزاد اسلامی، شهرقدس، ایران
حسن دیواندری
گروه مهندسی عمران، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :