amirkabir university of technology network optimization research center mehdi ghatee مهدی...

4251

0011 0010 1010 1101 0001 0100 1011

Amirkabir University of Technology

Network Optimization Research CenterMehdi Ghatee

مهدی قطعیاستادیار گروه علوم کامپیوتر

مدیر طرح کالن سیستمهای حمل و نقل هوشمندمدیرگروه علوم کامپیوتر مجازی

مدیر انفورماتیک دانشکدهwww.aut.ac.ir/ghatee

42510011 0010 1010 1101 0001 0100 1011

Network Optimization Research Centerhttp://math-cs.aut.ac.ir/norc

Contact Address:Laboratory 214, Faculty of Mathematics and Computer Science, Amirkabir University of Technology, No. 424, Hafez Ave, Tehran,

15875-4413, Iran.

Email: [email protected] Fax: +98 21 66497930

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research Center

فعاليتهاي ارتباط با صنعتمدير طرح كالن ايجاد سيستمهاي حمل و نقل هوشمند•مدير پروژه: انجام مطالعات طراحي شبکه يکپارچه حمل و نقل •

عمومي شهر تهران بر اساس شرح خدمات پيوست، كارفرما: سازمان حمل و نقل و ترافيک تهران

مدير پروژه: مطالعات مديريت هوشمند بزرگراهي شهر تهران، •كارفرما: شركت كنترل ترافيك تهران

مشاور در پروژه: مطالعه،تحقيق و طراحي شبکه پر سرعت •(، كارفرما: شرکت واحد BRTناوگان اتوبوسراني شهر تهران)

اتوبوسراني تهران و حومهمشاور در پروژه: بررسي علل و شناخت ريشه هاي بروز حوادث •

نفتكشها و ارائه راهكارهاي علمي و عملي در جهت كاهش آن )شركت ملي پخش فرآورئه هاي نفتي ايران(

مشاور در پروژه: بهينه سازي تخصيص و ذخيره سازي نفت خام •) شركت ملي نفت خام، برنامه ريزي تلفيقي(

4251

0011 0010 1010 1101 0001 0100 1011



Where Network Flows Arise• Transportation

– Transportation of goods over transportation networks– Scheduling of fleets of airplanes: time/space networks

• Manufacturing– Scheduling of goods for manufacturing– Flow of manufactured items within inventory systems

• Communications– Design, expansion of communication systems and routing– Flow of information across networks

• Personnel Assignment– Assignment of crews to airline schedules– Assignment of drivers to vehicles

4251

0011 0010 1010 1101 0001 0100 1011



Network Optimization: Basics and Applications

• Shortest Path Problem• Maximum Flow Problem• Minimum Spanning Tree Problem• Minimum Cost Flow Problem• Routing Problem• Assignment Problem• Location Problem• Traffic Assignment• ….

4251

0011 0010 1010 1101 0001 0100 1011



The shortest path problem

Consider a network G = (N, A) in which there is an origin node s and a destination node t.

What is the shortest path from s to t?

1

2

3

4

5

6

2

4

2 1

3

4

2

3

21

i jjic ,

4251

0011 0010 1010 1101 0001 0100 1011



The Maximum Flow Problem

• Directed Graph G = (N, A).– Source s– Sink t

– Capacities uij on arc (i,j)

– Maximize the flow out of s, subject to

• Flow out of i = Flow into i, for i s & i t.

A Network with Arc Capacities and Flows

s

1

2

t

10 , 9 8,8

1,1

10,76, 6i jjiji xu ,, ,

4251

0011 0010 1010 1101 0001 0100 1011



The Minimum Spanning Tree Problem

Consider a network G = (N, A) whose links consist weighs as labels.

What is a tree covering (=spanning) all of the nodes whose weight is minimum?

1

2

3

4

5

6

2

4

2 1

3

4

2

3

21

i jjic ,

4251

0011 0010 1010 1101 0001 0100 1011



Flow out of i - Flow into i = b(i)

Min Cost Flow Problem (MCFP)

min i,j cijxij

s.t j xij – j xji = b(i) for each i

lij xij uij for all (i,j)

Each arc has a linear cost and a capacity

1

2

3

4

$4 ,10

20

i jjiji uc ,, ,

$2 ,20 $7 ,15

$3 ,10

$5 ,12

-14

-6

ib

4251

0011 0010 1010 1101 0001 0100 1011



Network Algorithms

• Polynomial Algorithms

• Non-Polynomial (=exponential) Algorithms– Heuristic– Meta-Heuristic– Approximate

4251

0011 0010 1010 1101 0001 0100 1011



Genetic Algorithm (GA)

4251

0011 0010 1010 1101 0001 0100 1011



Simulated annealing

4251

0011 0010 1010 1101 0001 0100 1011



Ant Colony Optimization (ACO)

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterNetwork Optimization in Uncertain Environment

• Modeling

• Solving Uncertain Problems

Constructing

Validating

Polynomial Algorithms

Heuristics

Meta-Heuristic Schemes

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterType of Algorithm

• Off-line

• On-line

• Parallel

• Decomposition

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterMathematical Programming

• Probabilistic Programming

• Chance-Constraint Programming

• Fuzzy Programming

• Stochastic Process

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterYour viewpoint???

• Pessimistic

• Optimistic

• Risk Averse

• Risk Neutral

• Risk Seeker

• Uncertainty

• Ambiguity

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterUncertainty in Real Problems

• Cost

• Demand

• Supply

• Capacity

• Topology

• Strategy (Goals, Needs, …)

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterYour decision time period???

• Short-term

• Long-term– Learn– Estimate– Prediction

4251

0011 0010 1010 1101 0001 0100 1011



4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterNeural Network

4251

0011 0010 1010 1101 0001 0100 1011



•Neural Network for Data Fitting

4251

0011 0010 1010 1101 0001 0100 1011



4251

0011 0010 1010 1101 0001 0100 1011



• Neural Network for Pattern Recognition

4251

0011 0010 1010 1101 0001 0100 1011



4251

0011 0010 1010 1101 0001 0100 1011



• Neural Network for Clustering

4251

0011 0010 1010 1101 0001 0100 1011



See also: nctool

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterNeural Networks

• Stochastic Neural Network

• Fuzzy Neural Network

• Hybrid Neural Network

42510011 0010 1010 1101 0001 0100 1011

4251

0011 0010 1010 1101 0001 0100 1011



32

DSSنمايشی از معماری

مديريت مدل مديريت داده

زير سيستم های مبتنی بر دانش

رابط کاربر

مدلهای خارجی

،اينترنت اينترانتها و اکسترانتها

سيستم های مبتنی بر کامپيوتر

ديگر

پايگاه دانش سازمانی کاربر )مدير(

داده: خارجی و داخلی

4251

0011 0010 1010 1101 0001 0100 1011



33

Simon’s 4 فاز )4 در DSSمعماريPhase )

4251

0011 0010 1010 1101 0001 0100 1011



34

برخي از خصوصيات DSS

DSS

بايد بتواند داده هاي نيم ساختيافته

را پردازش كند.

بطور زايشي تكامل يابد

)داراي قابليت Learning)باشد

براي مديريت مورد استفاده قرار مي گيرد

بايد با توجه به اصول

معماري Enterprise ساخته

شود.

براي گروه و تصميم گيري آنان

مؤثر باشد

تصميم گيري مستقل يا غير

وابسته ارائه كند.

در كنترل كاربر باشد

برمبناي مدل باشد

به روشهاي مختلف

تصميمگيري دسترسي داشته

باشد

Effective باشد )كارش را درست

انجام دهد(

انعطاف پذير باشد

واسط كاربري قابل استفاده براي همگان داشته باشد.

42510011 0010 1010 1101 0001 0100 1011

معرفی و مقایسه زیر بخش معرفی و مقایسه زیر بخش هایهای

سیستم های حمل و نقل سیستم های حمل و نقل هوشمندهوشمند

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research Center تعاریف مختلفITS

• USDOTUSDOT

سیس\تم حم\ل و نق\ل هوش\مند ش\امل اس\تفاده از ، ) اطالع\ات \)کامپیوتره\ا پیش\رفت\ه پ\ردا\زش ارتباط\ات ،\ تکنول\وژی ه\ا\ و م\دیریت \اس\ترا\تژی ه\ا در ی\ک \روش یکپا\رچ\ه می\ باش\د ک\ه جهت\ بهب\ود \ایم\نی ، ظ\رفی\ت و ب\ا\زده سی\س\تم ه\ای

ح\مل و نقل\ به \كار م\ي رود.\36

4251

0011 0010 1010 1101 0001 0100 1011



ITSسرویسهای

4251

0011 0010 1010 1101 0001 0100 1011



1مثال Crash Prevention and

Security

38

زیر سیستم پیش گیری از حادثه به منظور کشف خطر یا شرایط غیر ایمن، ارزیابی شدت خطر و اعالم هشدار به

چند نمونه از سیستمهای به رانندگان استفاده می شوند.کار گرفته شده :

•Environmental Road Hazard Warning Systems•Road Geometry Warning Systems•Intersection Crossing Detection Systems•Animal Warning Systems•Bicycle Warning Systems•Pedestrian Safety Systems

4251

0011 0010 1010 1101 0001 0100 1011



Road Geometry Warning Systems

این سیس\تم ه\ا ب\ه منظ\ور هش\دار در زمین\ه ی هندس\ه ی جاده در هنگام نزدیک شدن به منحنی های تند در جاده

پیش\رفته، سنس\ورهای ه\ای آوری ب\ه کم\ک فن شناس\ايي ارتف\اع و و همچ\نین وزن خ\ودرو، تش\خیص ش\رایط ج\اده

سرعت آن هشدارها

عمومی به صورت •عالئم پویا، •فلشر•محدودیت متغیر سرعت•

39

4251

0011 0010 1010 1101 0001 0100 1011



2مثال Traveler Information systems

40

زیر سیستم اطالع رسانی به رانندگان•مسافران •

در شرایط مختلف

4251

0011 0010 1010 1101 0001 0100 1011



3مثال :Transportation Management

Centers

41

عملکرد اصلی زیر را دارا 4مراکز مدیریت حمل و نقل با می باشند:

مدیریت حادثه•انتشار اطالعات•دیدبانی•مدیریت حوادث خاص•

، اطالعات مسافران درون TMCنیمی از گزارش های جاده ای، مدیریت اورژانس، و هماهنگی مدیریت حوادث غیر مترقبه فراهم میکنند. یک سوم سیستم ها از نظارت محیط زیست، نظارت اجرایی شبکه، و مدیریت راههای

باریک را حمایت میکنند.

4251

0011 0010 1010 1101 0001 0100 1011



لیستی از سایت های پرکاربرد ITSدر زمینه ی

42

http://www.utexas.edu/depts/ctr

http://www.bts.gov/ntl

http://www.libris.kb.se

http://www.nas.edu/trb

http://www.npdor.com

http://www.oecd.org

http://www.trl.co.uk

http://www.aashto.org

http://www.apta.com

http://www.ara.net.au

http://www.cen.be

http://www.dot.gov

4251

0011 0010 1010 1101 0001 0100 1011



43

http://www.ertico.com

http://www.fhwa.dot.iov

http://www.icic.gov.ir

http://www.irfnet.org

http://www.ite.org

http://www.its.leds.ac.uk

http://www.itsa.org

http://www.its-australia-com.au

http://www.itscanada.ca

http://www.its-facus.com

http://www.itsinterneational.com

http://www.itsonline.com


4251

0011 0010 1010 1101 0001 0100 1011



44

http://www.itsworld.com

http://www.mdot.state.mi.us

http://www.montnet.go.jp

http://www.nga.org

http://www.ntl.bts.gov/index.cfm

http://www.papercamp.com/research-papers.html

http://www.trafficworld.com

http://www.uic.asso.fr

http://www.unife.org


4251

0011 0010 1010 1101 0001 0100 1011



Break with Questions

4251

0011 0010 1010 1101 0001 0100 1011



A Real Problem For More Discussion

Urban Network Planning and Optimal Control Under Uncertainty Applying

Regression As Meta-Model and Simulation Optimization

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterWhat Is Traffic assignment

• Traffic assignment (TA) models predict the traffic policies influences

• Traffic flows depend on independent drivers who only seek to optimize their own individual preference.

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterTraffic assignment kinds

• Deterministic

• Stochastic

• Fuzzy

1.

2.

Probit

Logit

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterLogit TA

),(),(

),(),(

),(0),(),(

),(

),(

),(

..

)()1)((1

)(min

do Pp

ap

pdo

a

doPp

pdo

do Pp Aa

x apdo

pdo

do

do

do

a

fx

df

ts

dwwtfLnffz

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterOptimal Flow of Logit

)PinppathingProb(choos

),(),(

d)(o,

),(

)exp(

)exp(

doPqq

pdo

pdo c

cdf

4251

0011 0010 1010 1101 0001 0100 1011


Network Optimization Research CenterOptimal Flow of Logit

)PinppathingProb(choos

),(),(

d)(o,

),(

)exp(

)exp(

doPqq

pdo

pdo c

cdf

Determining is hard

Need to run simulation software more and more

It is possible to save the effect of flow in this

formula with a regression as a

metamodel and get the cost by using metamodel.

amirkabir university of technology network optimization research center mehdi ghatee مهدی...

Documents