فایل ورد کامل محل تسهیلات اضطراری تحت آسیب های تصادفی شبکه: اطلاعات مربوط به پرونده استانبول

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل محل تسهیلات اضطراری تحت آسیب های تصادفی شبکه: اطلاعات مربوط به پرونده استانبول،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۸ صفحه

چکیده آسیب به زیرساخت خصوصا بزرگراه ها و جاده ها بطور قابل توجهی دسترسی به مناطق بلازده را سخت میکند. اگر نحوه ی دسترسی به مناطق موردنظر را با استفاده از مدل نظام مندی از قبل تعیین کنیم تصمیمات مناسبی را جهت تعیین موقعیت مراکز کمک های اضطراری خواهیم گرفت. از این جهت تاثیر فاجعه بر شبکه ی ارتباطی را مدلینگ میکنیم. برای هر نقطه ی تقاضا مجموعه ای از مسیرهای جایگزین از نقطه ی تامین تولید میشود و کوتاه ترین مسیر برای حمل و نقل بعد از فاجعه انتخاب میگردد. هدف پاسخگویی به تقاضاهای موردانتظار در حیطه ی معینی است. برای اینکه بتوانیم از عهده ی محاسبات سخت مربوط به نتایج ممکن متعدد برآییم روش جستجوی خاصی را پیشنهاد میکنیم که راه حل های مناسبی را برای یک سری از حالت های احتمالی ارائه میدهد. الگوریتم تولید حالت های متعدد دستاورد اصلی مطالعه ی ماست. این الگوریتم جستجو که tabu نام دارد برای مهیا شدن در برابر زلزله ی احتمالی در شهر استانبول استفاده میشود. نتایج حاکی از آن است که استفاده از شکست های لینک وابسته در مدل درصد پاسخگویی به تقاضا را بطور قابل توجهی افزایش میدهد.

۷ نتیجه گیری

یک روش بهینه سازی عملی را برای انتخاب موقعیت های مراکز کمک های اضطراری در وهله ی پیشافاجعه ارائه کردیم. در این روش آسیب پذیری شبکه ی حمل و نقل به دقت مدنظر واقع میشود. ابتدا مجموعه ای از مسیرها را از هر مرکز کمک های اضطراری به هر نقطه ی تقاضا تولید میکنیم. سپس احتمال سالم ماندن برای هر لینک شبکه را طبق میزان ریسک تعیین میکنیم. مراکز کمک های اضطراری را انتخاب میکنیم تا میزان پوشش تقاضاها را در محدوده ی معینی با استفاده از الگوریتم جستجوی tabu به ماکزیمم برسانیم. الگوریتم از روش میانگین ساده ای استفاده کرده و مقدار تابع هدف را طی پروسه ی جستجو تخمین میزند. راه حل های حاصله را با روش پیشنهادی برای شرایط زیر مقایسه میکنیم: ۱) خرابی مستقل لینک ۲) خرابی وابسته ی لینک و ۳) عدم خرابی. هدف مان آگاهی از میزان تاثیر فاجعه با استفاده از یک مدل لینک مبتنی بر فاصله است. شرط وابستگی بصورتی تعریف میشد که خرابی یک لینک موجب خرابی همه ی لینک های دارای احتمال کمتر سالم ماندن میشود. روش مان را برای شبکه ی ارتباطی شهر استانبول بکار بردیم، چراکه در این شهر احتمال بالای زلزله میرود. شبکه ی بزرگ مقایسی با ۲۶۷ گره و ۹۵۸۷ لینک و فواصل واقعی جاده ها ساختیم و احتمال سالم ماندن لینک تولید شده را با مدنظر قراردادن آسیب پذیری بخش های متناظر آن در جاده ها تولید کردیم. الگوریتم جستجوی tabu را با ۱۰۰۰۰ حالت اجرا کردیم که بطور قابل توجهی بالاتر است وقتی با اندازه ی نمونه های مطالعات قبلی در این رابطه مقایسه میشود.

عنوان انگلیسی:Emergency facility location under random network damage: Insights from the Istanbul case~~en~~

Abstract Damage to infrastructure, especially to highways and roads, adversely affects accessibility to disaster areas. Predicting accessibility to demand points from the supply points by a systematic model would lead to more effective emergency facility location decisions. To this effect, we model the spatial impact of the disaster on network links by random failures with dependency such that failure of a link induces failure of nearby links that are structurally more vulnerable. For each demand point, a set of alternative paths is generated from each potential supply point so that the shortest surviving path will be used for relief transportation after the disaster. The objective is to maximize the expected demand coverage within a specified distance over all possible network realizations. To overcome the computational difficulty caused by extremely large number of possible outcomes, we propose a tabu search heuristic that evaluates candidate solutions over a sample of network scenarios. The scenario generation algorithm that represents the proposed distance and vulnerability based failure model is the main contribution of our study. The tabu search algorithm is applied to Istanbul earthquake preparedness case with a detailed analysis comparing solutions found in no link failure, independent link failure, and dependent link failure cases. The results show that incorporating dependent link failures to the model improves the covered demand percentages significantly.

۷ Conclusions

We provide a practical optimization method to select the locations of emergency response facilities in the pre-disaster stage. The method takes the vulnerability of the transport network into consideration explicitly. We first generate a set of paths from each potential facility location to each demand point. Then, we assign a survival probability to each link of the network according to the risk level of the region under an expected disaster scenario. We select facility locations to maximize the total expected demand covered within a specified distance limit by a tabu search algorithm. The algorithm utilizes a sample average method to estimate the objective function value within the search procedure. We compare the solutions obtained with the proposed approach under: (i) independent link failures (IF), (ii) dependent link failures (DF), and (iii) no link failure (NF). We aim to capture the impact of the disaster by a novel Distance-Based link dependency (DBdependency) model. Each edge is negatively influenced by edges within a distance limit to it. The dependency condition is defined such that the failure of a link implies the failure of all links with smaller probability of survival.

$$en!!