Zaloguj się

Zastosowanie optymalizacji odpornej w problematyce wyznaczania tras pojazdom - charakterystyka oraz kierunki badań

Polecamy! Zastosowanie optymalizacji odpornej w problematyce wyznaczania tras pojazdom - charakterystyka oraz kierunki badań

W rzeczywistych problemach transportowych występowanie niepewności danych jest zjawiskiem powszechnym i naturalnym. Niepewność danych o ruchu drogowym wynika z faktu, że nie jest możliwe precyzyjne określenie wartości danych na etapie planowania procesu transportowego, np. podczas wyznaczania tras pojazdom. Dokładne rzeczywiste wartości zawsze są uzyskiwane po fakcie, czyli automatycznie stają się danymi historycznymi.

Stosowanie danych historycznych do planowania przyszłych procesów rzeczywistych zawsze będzie obarczone niepewnością, ponieważ nie ma stuprocentowej pewności, że zmiana wartości danego parametru będzie mieć dokładnie taki sam przebieg, jak to miało miejsce poprzednio. Wobec czego niepewność danych wynika z natury i charakterystyki opisywanego zjawiska i będzie oznaczać niemożliwość ustalenia dokładnych, przyszłych wartości danych w trakcie procesu decyzyjnego. W problematyce wyznaczania tras podstawowymi danymi są informacje o czasach przejazdu, które w bardzo wysokim poziomie są wrażliwe na zmiany swoich wartości.

Nieuwzględniona niepewność danych na etapie planowania może skutkować wygenerowaniem rozwiązania, które przy rzeczywistej realizacji będzie przynosić zbędne koszty. W pracy [7] przedstawiono analizę problemów programowania liniowego z bazy danych NETLIB, z której wynika, że nawet niewielka zmiana wartości danych wejściowych - 0,01%, powodowała niezachowanie ograniczeń problemu nawet o 210%. Ograniczeniem dla problematyki marszrutyzacji pojazdów może być na przykład przyjazd pojazdu do klienta w odpowiednim oknie czasowym. Przykład wpływu wahań parametrów modelu przedstawiono w pracy [2], gdzie analizowano zagadnienie wyznaczania tras pojazdom z oknami czasowymi (ang. Vehicle Routing Problem with Time Windows). Zmiana czasu przejazdu o 1% powodowała, że otrzymane rozwiązanie zmieniało się, czego konsekwencją była zmiana kolejności odwiedzanych klientów. Fakt ten z pewnością jest istotny z punktu widzenia przedsiębiorstwa, jego kosztów realizacji transportu, jak również z punktu widzenia poziomu obsługi klientów. Założenie, że dysponowane dane o ruchu miejskim są w stu procentach pewne jest założeniem błędnym i niemającym żadnego uzasadnienia w rzeczywistości.

Jednym z rozwiązań radzenia sobie z niepewnością danych może być teoria optymalizacji odpornej (ang. robust optimization). Poniższy artykuł przedstawia ogólną charakterystykę tej dziedziny oraz jej dotychczasowe zastosowanie w problematyce wyznaczania tras pojazdom (ang. Vehicle Routing Problem - dalej VRP). Jak się okazuje, na podstawie przeglądu literatury, optymalizacja odporna jest obecnym trendem w badaniach nad problematyką VRP.

Źródło niepewności danych o ruchu drogowym
Jak już wspomniano, niepewność danych o procesach i obiektach występujących w systemie transportowym miasta jest zjawiskiem naturalnym. Wynika to z podstawowych cech i własności systemów transportowych miasta, jakimi są (w oparciu o [1]):
- system dużej skali, składa się z wielu obiektów oraz podsystemów, między którymi występują relacje oraz sprzężenia zwrotne,
- występowanie wielu klas użytkowników, których interakcje i zachowania komunikacyjne są często oparte o stan psychofizyczny użytkowników,
- występowanie złożonych zjawisk ruchowych, które charakteryzują się losowością oraz nieokreślonością np. incydenty drogowe,
- wysoki dynamizm występowania zjawisk, np. tworzenie się zatorów ulicznych,
- podatność na działania zewnętrzne, np. warunki atmosferyczne istotnie zmieniają zachowania kierowców, co z kolei widocznie wpływa na płynność oraz intensywność ruchu drogowego.

W celu właściwego planowania procesów transportowych, tj. wyznaczenia tras pojazdom, które wykonają obsługę towarową danego obszaru miasta, konieczne jest uwzględnienie wspomnianych własności w tymże procesie decyzyjnym. Przytoczone powyżej czynniki mogą wpływać na zmianę czasów przejazdów, wobec czego przyjmowanie w procesie planowania, że posiadane dane są dokładne i pewne jest niepoprawne i nieodpowiadające rzeczywistości.

 

Artykuł zawiera 36280 znaków.

Źródło: Czasopismo Logistyka

Ostatnio zmieniany w poniedziałek, 29 październik 2018 14:23
Zaloguj się by skomentować