مدل دو هدفه مکان یابی مراکز آژانس زمان بندی و مسیریابی با امکان برش در برداشت و تحویل هم زمان با هدف افزایش رضایت مسافران در صنعت تاکسی رانی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: استفاده از یک سیستم حمل ونقل مطمئن و امن برای بسیاری از اقشار جامعه اهمیت ویژه ای دارد. از این رو بسیاری از مشتریان ترجیح می دهند که از سیستم حمل ونقل مربوط به شرکت خود استفاده کنند. استفاده از یک مدل مسیریابی وسایل نقلیه با برداشت و تحویل هم زمان، در کاهش هزینه های حمل ونقل و ترافیک شهری تأثیر بسزایی دارد. در دنیای پُرشتاب امروزی، در صنعت تاکسی رانی، هرچه سرعت پاسخ گویی به مسافران بیشتر باشد، رضایت افزایش می یابد. تابع رضایت مسافر، بحث زمان بندی ماشین ها را نیز به مسئله اضافه می کند. در این پژوهش، یک مدل ریاضی دوهدفه برای مسئله مکان یابی مراکز آژانس زمان بندی و مسیریابی با برداشت و تحویل هم زمان و توأم با امکان برش در تقاضا ارائه شده است. هدف اول مدل، کاهش هزینه های عملیاتی حمل ونقل و هزینه تأسیس مراکز آژانس و هدف دوم نیز، افزایش سطح پاسخ گویی به مسافران است. یکی از نوآوری های مطالعه حاضر این است که در هدف دوم، تابع احتمال خرید را به منظور اندازه گیری رضایت مسافران، به مسائل مکان یابی مسیریابی با برش و برداشت و تحویل هم زمان اضافه کرده است. روش: مطالعه حاضر از نظر هدف، در زمره پژوهش های توسعه ای و از نظر نحوه گردآوری داده ها در زمره پژوهش های توصیفی و از نظر پیاده سازی روش بهینه سازی، در زمره روش های سخت پژوهش عملیاتی قرار می گیرد. مدل ریاضی پیشنهاد شده در این پژوهش، به کمک یک مثال موردی برای آژانس تاکسی تلفنی بانوان، در یکی از دانشگاه های رفسنجان، در ابعاد کوچک با استفاده از روش اپسیلون محدودیت توسعه یافته، در نرم افزار سیپلکس نسخه ۱۲.۱ حل شد. همچنین، در این پژوهش به منظور مطالعه عملکرد رویکرد حل مسئله، مثال هایی در ابعاد متوسط و بزرگ با استفاده از الگوریتم ابتکاری افق غلطان حل شد.یافته ها: مدل برای یک مسئله در ابعاد کوچک با ۶ گره مقصد و ۲ گره به عنوان هاب حل و نتایج به دست آمده از حل مدل گزارش داده شد. در مدل پیشنهادی سه پارامتر مهم برای تحلیل حساسیت وجود دارد. این پارامترها عبارت اند از: نقطه کاهش رضایت (SRP)، مدت زمان انتظار مسافر برای دریافت خدمت (WT) و حداکثر زمان در دسترس برای هر تاکسی (T). تغییرات مرز پارتو برای سه مقدار مختلف پارامتر WT، به طور واضح بیانگر این نکته است که هرچه مسافر برای دریافت خدمت تحمل انتظار بیشتری داشته باشد، به طبع آژانس هم قدرت پاسخ گویی بیشتری دارد. تحلیل حساسیت پارامتر نقطه کاهش رضایت (SRP) نشان می دهد که هر چه نقطه کاهش رضایت مسافر بیشتر باشد، نارضایتی وی کمتر است. طبق تحلیل حساسیت پارامتر کل زمان در دسترس، با افزایش مقدار پارامتر T، میزان پاسخ گویی شبکه نیز افزایش و هزینه های حمل ونقل کاهش می یابد. در این پژوهش برای مطالعه عمکرد مدل ریاضی برنامه ریزی عدد صحیح مختلط در ابعاد بزرگ، از الگوریتم ابتکاری افق غلطان استفاده شد. به منظور اجرای آزمایش های عددی، سه گروه مسائل نمونه در ابعاد مختلف به صورت تصادفی تولید شد. الگوریتم افق غلطان روی مسائل نمونه اجرا شد. نتایج نشان داد که الگوریتم افق غلطان قادر است که مسائل با ۱۲ گره را با خطای 001/0 درصد از جواب حل دقیق در زمان 3 دقیقه به دست آورد؛ درحالی که زمان حل مدل ریاضی عدد صحیح مختلط در این بُعد ۱۵ دقیقه است. الگوریتم افق غلطان برای مسائل با ۲۰ گره و ۳۰ گره نیز حل شد. متوسط زمان حل این مسائل با استفاده از الگوریتم افق غلطان در مقایسه با مدل ریاضی که زمان زیادی را به خود اختصاص می داد، ۵ دقیقه و ۱۹ دقیقه گزارش شد.نتیجه گیری: در فضای رقابتی امروز و با وجود انواع سرویس های تاکسی رانی مانند اسنپ و تپسی و…، استفاده از مدل پیشنهادی برداشت و تحویل هم زمان، به همراه امکان برش در تقاضا و ترکیب آن با تابع رضایت مسافر، این امکان را فراهم می آورد تا ضمن اینکه رضایت مسافر حاصل شود، هزینه ها به حداقل برسد. استفاده از جدول پارتو به دست آمده از روش اپسیلون محدودیت توسعه یافته، گزینه های زیادی را در اختیار تصمیم گیرندگان امر قرار می دهد. استفاده از الگوریتم افق غلطان، امکان حل مسئله را در ابعاد بزرگ فراهم می کند. مهم ترین مزیت مدل این است که می توان از این مدل برای محصولات فاسد شدنی و سایر شرکت های خدماتی نیز استفاده کرد. بنابراین ضمن اینکه انواع شرکت های تاکسی رانی می توانند از نتایج این مدل بهره ببرند، به پژوهشگران آتی پیشنهاد می شود که از مدل حاضر برای آن دسته از اقلام فاسد شدنی که برداشت و تحویل آن ها به طور هم زمان انجام می شود و فساد محصول در نقطه صفر زمانی (برای همه گره ها) آغاز می شود، استفاده کنند.A Bi-Objective Model for Agency Centers Location, Scheduling, and Routing in the Taxi Industry: Incorporating Split Simultaneous Pickup and Delivery to Maximize Passenger Satisfaction
ObjectiveThis paper aims to enhance the efficiency and quality of service in the taxi industry by proposing a bi-objective mixed-integer programming (MIP) model. The model focuses on minimizing total costs while maximizing passenger satisfaction, incorporating agency centers' location, scheduling, and routing with split simultaneous pickup and delivery. MethodsThis study is developmental-survey in nature and employs a descriptive-survey approach for data collection. Methodologically, it falls under the Hard Operations Research classification. An exploratory descriptive approach has been applied, using a ladies' taxi agency affiliated with a university in Rafsanjan city as a case study. The proposed model was solved for a small-scale case study using the augmented ɛ-constraint method in CPLEX software, version 12.1. Additionally, medium- and large-scale instances were provided to evaluate the performance of the solution approach through the rolling horizon algorithm. ResultsThe proposed model was first tested on a small instance with 6 destination nodes and 2 hubs, and detailed solution results were presented. Three key factors were analyzed to evaluate their impact on real-world scenarios: satisfaction reduction point (SRP), waiting time to receive services (WT), and total time for each taxi (T). The Pareto frontier analysis for the bi-objective model across different WT values demonstrated that increasing WT improves responsiveness. Sensitivity analysis of the SRP parameter revealed that passengers with higher SRP experience lower dissatisfaction levels. Similarly, sensitivity analysis of the total time parameter (T) indicated that increasing T enhances network responsiveness while reducing transportation costs. To address larger instances, a mixed-integer programming (MIP) model and a rolling horizon heuristic were developed and tested on three groups of test problems. Results showed that the rolling horizon algorithm efficiently solved instances with 12 nodes to an optimality gap of less than 0.001% in about 3 minutes, compared to 15 minutes required by the MIP model. For larger instances with 20 and 30 nodes, the rolling horizon algorithm completed in 5 and 19 minutes, respectively, whereas the MIP model required significantly more time. ConclusionIn today's rapidly evolving world of internet-based taxi services such as Snap and Tapsi, applying a bi-objective location, scheduling, and routing model with split simultaneous pickup and delivery can optimize both total transportation costs and passenger satisfaction. This paper employs an augmented -constraint method to solve the problem for small instances and conducts sensitivity analysis on key problem features. The resulting Pareto points provide decision-makers with a wider range of options. For large-scale instances, the rolling horizon algorithm is used to efficiently solve the problem. The main advantage of the proposed model lies in its applicability not only to taxi agencies but also to supply chains for perishable products and other service industries. While taxi agencies can directly benefit from the model’s results, future research could extend the approach to perishable products where spoilage begins simultaneously at time zero across all nodes.
تبلیغات
