حسین آقامحمدی زنجیرآباد

سیستم حمل ونقل ریلی از تعامل مجموعه ای از تجهیزات و عملیات تشکیل شده است که توانایی و ظرفیت یک سیستم ریلی در حمل ونقل بار و مسافر را تعیین می کند. بدین منظور، محاسبه ظرفیت و پیش بینی نحوه تغییرات آن مهم است و شناخت آن کمک شایانی به ارتقای سطح بهره برداری شبکه ریلی می کند. روش های گوناگونی برای محاسبه ظرفیت وجود دارد که با توجه به نوع شبکه و شیوه استفاده از این روش ها، می توان از آنها بهره گرفت. برای محاسبه ظرفیت، از توانمندی های سیستم های اطلاعات مکانی استفاده می شود و با کمک یک سیستم اطلاعات مکانی تحت وب، وضعیت ظرفیتی عملیاتی شبکه ریلی به صورتی نوین و با کارآیی بیشتر از روش های متداول تعیین می شود. برای این کار، از محیطی GISمبنا استفاده شده که به پایگاه داده های گوناگون شرکت راه آهن جمهوری اسلامی ایران، ازجمله پایگاه سیر و حرکت، متصل شده است و ضمن مشاهده وضعیت فعلی ظرفیتی شبکه، ازطریق رگرسیون خطی چندمتغیره، ظرفیت شبکه ریلی را در آینده تعیین می کند. تحقیق حاضر با استفاده از رگرسیون خطی، ظرفیت راه آهن را طی مطالعه ای موردی در ایران، برای سه مسیر انتخاب شده پیش بینی می کند و بلاک های مهم را برای بررسی تأثیر پارامترهای مکانی در تعیین ظرفیت شبکه راه آهن، مشخص می کند. با استفاده از داده های سال 96 (استخراج شده از وب سرویس مکانی راه آهن)، پیش بینی ظرفیت در سال 97 در محیط GIS انجام شد. نتایج نشان داد که استفاده از ظرفیت مسیرهای انتخابی برای مسیر قطارهای باری 82%، مسیرهای مسافری 56% رفت و 62% بازگشت و برای مسیرهای ترکیبی نیز 79% بود. همچنین، دقت پیش بینی مدل برای قطارهای باری 35% بهتر از قطارهای مسافری است که این به دلیل تفاوت در تغییر سرعت و حداکثر سرعت مجاز درمورد این دو نوع قطار است. دقت مدل سازی با نوع قطعه ارتباط مستقیم دارد؛ بنابراین، در مسیر مسافری، ظرفیت مدل سازی قطارهای مسافری تقریباً 45% دقیق تر بوده است. به همین ترتیب، در مسیر باری، دقت تخمین ظرفیت این قطارها بیشتر از قطارهای مسافری و تقریباً 45% بوده است.

سایهی درختان در کاهش جذب پرتوهای خورشید توسط عوارض مختلف شهری به خصوص ساختمان ها نقش مؤثری دارند. در مناطق گرمسیری سایهی درختان به کاهش مصرف انرژی و متعاقب آن، کاهش هزینه ها، افزایش ارزش خانه ها، ایجاد منظر بصری زیبا و حس خوبی و سلامتی کمک می کند. لذا، بیشینه نمودن پوشش سایهی درختان، عنصر مهمی در ایجاد محیط شهری دوست دار محیط زیست است. روشی ساده برای ایجاد سایه فراوان، کاشت درختان متعدد در اطراف ساختمان ها است که به دلیل مشکل کمبود آب در بسیاری از مناطق، غیرعملی است. ضمن آنکه، سایه های اضافی بر سطح بام ساختمان، موجب کاهش پتانسیل استفاده از پانل های خورشیدی بر روی بام با هدف تولید الکتریسیته میشود. بنابراین، لازم است با استفاده از روش هایی، با کاشت تعداد معدودی درخت در نقاطی بهینه، پوشش سایه بیشینه را بر سطح نما و پوشش سایه کمینه را بر سطح بام تأمین نمود. در این پژوهش که در شهر سمنان انجام شده است، پس از استفاده از قابلیتهای GIS، مدلسازی سه بعدی منابع داده و تعریف مسئله بهینهسازی مکانی، از روش فرا-ابتکاری ACO برای یافتن مکان درختان با هدف بهینهسازی پوشش سایه آنها بر روی ساختمانی مسکونی در یک منطقه گرمسیری استفاده شده است. نتایج حاصل نشان میدهد در حالت کلی، نمای جنوبی، سپس نمای شرقی و غربی در الویت کاشت درختان قرار دارند. با کاشت 3 درخت در مکان (های) مناسب در جهتهای فوقالذکر، میتوان به ترتیب 04/36، 46/38 و 7 درصد سایه بر سطح کل نما، درب/پنجرهها و بام ایجاد نمود.

در تحقیقات اخیر، دانشمندان توجه ویژه ای به مسئله گرمایش جهانی داشته اند، زیرا دمای سطح زمین در طول قرن گذشته به طور قابل توجهی افزایش یافته است. جزایر حرارتی شهری[1]به پدیده ای ناشی از آثار شهرنشینی اشاره دارد که درجه حرارت در محیط شهری از مناطق اطراف آن بالاتر می رود. بررسی این دما توسط سنسورها دارای مشکلاتی همچون هزینه و گسسته بودن نقاط اندازه گیری را دارد. بنابراین تحقیق حاضر تلاش می کند، با تکنیک سنجش از دور مدلی کمی و پیوسته را برای پوشش این مشکلات در شهر تهران ارائه دهد. لذا با استفاده از تصاویر لندست 8 [2]، و داده های سنجنده مودیس، فاکتور هایی تولید و بررسی می شوند که در تولید جزایر حرارتی شهری مؤثر هستند. به منظور تولید این فاکتورها ابتدا با انجام تصحیحات لازم برروی تصاویر مورد نیاز، تعداد چهارده شاخص انتخاب و در سه سناریو مختلف محاسباتی شامل روش رگرسیون خطی، رگرسیون بردار پشتیبان و با استفاده از الگوریتم ژنتیک بکارگرفته شد. به منظور مدل سازی رویکردهای بیان شده، مجموعاً 2400 نقطه دارای دما به عنوان داده میدانی از منطقه مورد مطالعه (شهر تهران) جمع آوری شده است. برای ارزیابی کارایی سناریو های مورد استفاده، 30% داده ها (جمعاً 720 نقطه) به صورت اتفاقی انتخاب شده و بعنوان داده های آموزشی در نظر گرفته و مابقی 70% داده ها (جمعاً 1680 نقطه) به عنوان داده های تست مورد ارزیابی قرار گرفت.براساس نتایج بدست آمده، ترکیب مدل رگرسیون بردار پشتیبان و الگوریتم ژنتیک بهترین تطابق را (میانگین خطای مربعی 9324/0، نرمال شده میانگین خطای مربعی2695/0 و ضریب همبستگی 9315/0) با داده های زمینی مورد استفاده دارند.

ظرفیت حمل بار و مسافر در یک شبکه ریلی، تابعی از پارامترهای مختلف است. با توجه به هزینه بسیار بالای احداث خطوط ریلی، استفاده بهینه از ظرفیت شبکه ریلی می تواند کمک شایانی به ارتقاء سطح بهره برداری شبکه کند. بنابراین هدف از این پژوهش، محاسبه مکان مند ظرفیت شبکه ریلی کشور، بر مبنای پارامترهای تأثیرگذار است. در این مقاله، با استفاده از داده های سیر و حرکتی قطارها، اقدام به طراحی و تولید نرم افزار مکان مند محاسبه ظرفیت خطوط شد؛ سپس خروجی های حاصل، با داده های روزانه و برخط عملکرد قطارهای باری ارزیابی و مقایسه شد. در ادامه، میزان استفاده از ظرفیت هر مسیر و میزان ظرفیت باقی مانده در هر بلاک و مسیر نیز مشخص شد. بر اساس تحلیل ها، کمیت ظرفیت در مسیرهای منتخب دو خطه مسافری سمنان-شاهرود، تک خطه باری یزد-بافق و تک خطه ترکیبی اراک-دورود به ترتیب 2.6 برای مسیر رفت و 2.9 برای برگشت، 13.6 و 12.7 زوج قطار محاسبه شدند. با توجه به روال فعلی محاسبات، محاسبه برخط، با اتصال به پایگاه داده های مرتبط، انجام محاسبات مکان مند و امکان تبادل وب سرویس مکانی با نرم افزارهای مختلف، می تواند باعث افزایش سرعت و دقت در محاسبه ظرفیت شبکه ریلی شود. از طرفی، در معادله محاسبه ظرفیت (معادله اسکات) که در ایران استفاده می شود، تاکنون مرسوم بوده است ضریب تعدیل قطار مسافری توسط متخصصان سیر و حرکت تعیین شود، در حالی که در این مقاله، از آنجا که اطلاعات هر مسیر، قابل دسترس است، این ضریب از نسبت تعداد قطارهای مسافری به حداکثر تعداد آن در طول دوره مورد نظر محاسبه می شود. ضریب به دست آمده، با ضریب تعیین شده توسط کارشناسان، مقایسه شده و نتیجه قابل قبول بود. در نهایت با دسترسی به خروجی ها در محیط GIS، راهکارهای مدیریتی جهت استفاده بهینه از ظرفیت باقیمانده، ارتقاء ظرفیت بخش هایی از شبکه و رفع گلوگاه های شبکه ریلی پیشنهاد شد.