Conferencia Internacional sobre Transporte, Medio Ambiente y Obras Pblicas (ICTECE'2012) 25 a 26 agosto, 2012 Kuala Lumpur (Malasia) 104

II.FORMULATION PARA UN RNDP SOSTENIBLE En general, RNDP se formula como una optimizacin de dos niveles problema para reflejar los diferentes objetivos entre los planificadores y los usuarios de la red. Los usuarios de la red para elegir sus rutas minimizar el costo del viaje individual. Los planificadores saben tal comportamientos de los usuarios, y que tiene como objetivo optimizar la red condiciones que son adecuadas para sus objetivos. Segn una teora de juegos, este problema es un tipo de juego de Stackelberg [10]. En el juego Stackelbeg, los planificadores (el lder) decidir valor ptimo de variables de decisin bajo teniendo en cuenta la ruta eleccin comportamiento de los usuarios (el seguidor). Por lo tanto, los planificadores de los ' problema de optimizacin es el problema de nivel superior (ULP), de la dos niveles problema de optimizacin, y el problema de los usuarios es el nivel inferior problema (LLP) de la misma. Como muchas investigaciones sobre RNDP, asumimos que la ruta comportamiento de eleccin se basa en el principio de puo Wordrop, que es que "ningn usuario puede experimentar un tiempo de viaje inferior en forma unilateral cambiando las rutas "[11]. Por lo tanto, el usuario equilibrio (UE) modelo se emple para la LLP. En la ULP, como se menciona en apartado anterior, los tres componentes del desarrollo sostenible transporte fueron empleados por cada tres objetivos de la planificador problema. El multi-objetivo de dos niveles para un problema formulacin RNDP sostenible se dice lo siguiente con el

notaciones que se describen en la Tabla I: Problema nivel superior (ULP) Min 1 = ( , ) , (1) Min 2 = ( ) , (2) Min 3 = | - | , (3) s. t. , (4) = 0 1, , (5) ( ) = 0 + 1 , , (6) = ( , ) , r, s N. (7) Nivel Inferior Problema (LLP) Min Z = ( , ) 0

, (8) s. t. = , , , (9) = , , , (10) 0, , , , (11) 0, , (12) ( , ) = 01+ ( + ) , , (13) 0= 0 60, . (14)

En ULP, (1) - (3) indicar las funciones objetivas de la planificadores para lograr la mxima sostenibilidad en la sistema de transporte. La ecuacin (1) significa la minimizacin de tiempo total de viaje enlace, que es para la realizacin de la eficiencia econmica. Por la calidad del medio ambiente, el total cantidad de emisin de la red se emplea para una de objetivo de los planificadores como (2). La emisin total se refiere a vincular flujo, la distancia recorrida y la emisin dependiente de la velocidad funcin. Tpicamente, la funcin de emisin dependiente de la velocidad tiene una curva cncava. Esto significa que una disminucin en el producto de emisin de una pareja de vehculos con un aumento en la velocidad promedio de vehculo hasta aproximadamente 60 ~ 70 kmh, despus de la velocidad, el producto de incremento de las emisiones. En Corea, especialmente, la funcin de la velocidad funcin de emisin haba sido desarrollado por la realizacin de la conducir experimentos de simulacin [12]. Muchos investigadores coreanos han estado utilizando oficialmente esta funcin para el transporte investigaciones y estudios de factibilidad de proyectos de transporte. La Figura 1 indica la coreana dependiente de la velocidad de emisin funcin, y el tipo y la cantidad de la emisin se dan en la Tabla II. Usando esto, hemos desarrollado funciones lineales correspondiente a cada intervalo de velocidad (6), y los coeficientes se muestran en la Tabla III. Una medida de la accesibilidad era establecido para la consideracin perspectiva de equidad social, que es tercer componente de transporte sostenible. La ecuacin (3) representa la funcin objetivo con respecto a la maximizacin de la equidad social, y (7) indica la medida de accesibilidad

que est implicado en el tercer objetivo. La medida significa una suma ponderada de tiempo de viaje de zona a zona desde una zona de origen. Por lo tanto, la diferencia de la medida entre diferentes zonas debe reducirse al mnimo con el fin de dar incluso accesibilidad en la red. De este modo podramos considerar todos los tres componentes del transporte sostenible en RNDP va ULP TABLA I LAS ANOTACIONES EN LA FORMULACIN RNDP SOSTENIBLE Notacin Descripcin serie de enlaces en la red conjunto de zonas de la red (origen y destino) flujo enlace en enlace Capacidad mejora del ndice en relacin Velocidad de enlace en enlace Longitud de enlace ( , ) Tiempo de viaje en el enlace , que es una funcin de y como (13) ( ) Importe de la emisin en el enlace , que es el dependiente de la velocidad de emisin como funcin de (6) accesibilidad de la zona , que es una funcin de y ( , ) como (7) Presupuesto total para la mejora de la capacidad 0 , 1 coeficientes de funcin de emisin dependiente de la velocidad

correspondiente demanda viaje entre origen y (, ) ( , ) El tiempo de viaje entre origen y (, ), que es un funcin de y de flujo en la ruta de conexin r origen hasta el destino , indicador variable que indica si una ruta de conexin r origen hasta el destino utiliza enlace , y 0 en otro caso Capacidad por carril en el enlace Nmero de carriles en el enlace , coeficientes de la funcin de tiempo de viaje ( , ) 0 La libre circulacin de tiempo de viaje en el enlace 0 Velocidad de flujo libre en el enlace Conferencia Internacional sobre Transporte, Medio Ambiente y Obras Pblicas (ICTECE'2012) 25 a 26 agosto, 2012 Kuala Lumpur (Malasia) 105 funciones objetivo: 1 como la eficiencia econmica (Minimizacin del tiempo total de viaje link), 2 como calidad ambiental (minimizacin de la emisin total del enlace), y 3 como la equidad social (minimizacin de la diferencia de accesibilidad). La figura. 1 funcin de la velocidad de emisin de la funcin de vehculo auto La ecuacin (4) se asegura de que los enlaces de capacidad

mejoras no exceda el presupuesto disponible, que se refiere longitud del enlace y el ndice de aumento de la capacidad . Como (5), tiene un valor binario de modo que indica la decisin sobre la capacidad mejora de cada enlace. El ndice tiene "1" si la capacidad de enlace se expandi mediante la adicin de un carril. Por lo tanto, el sugerido modelo sostenible RNDP es una especie de discreto diseo de la red problema [6]. El presupuesto disponible puede ser representado por una flujo de caja y una restriccin fsica, espacial o legal. Entre ellos, se asume que el presupuesto indica restriccin fsica como la longitud total de enlaces mejorados. En el PAP, (8) - (12) representa las ecuaciones de un estndar UE modelo [11]. La ecuacin (13) indica un rendimiento del enlace funcin para calcular el tiempo de viaje vnculo dependiendo del flujo de enlace y capacidad. La forma funcional se asumi como la Oficina de Caminos Pblicos (BPR) funcin con el aumento de la capacidad ndice. III. Algoritmo para resolver la RNDP MULTI-OBJETIVO En un problema de optimizacin multi-objetivo (MOOP), es casi imposible encontrar una solucin que a la vez satisface todos los objetivos. La respuesta ms deseable para MOOP sera encontrar el conjunto Pareto solucin ptima. El Pareto solucin ptima significa que "ninguna de las soluciones en un conjunto de soluciones puede decirse que es mejor que otros con respecto a todos los objetivos "[13]. En un conjunto de soluciones, lo que se puede representar una Solucin Pareto ptima "domina" no ptimo de Pareto soluciones y es "no dominada" por el ptimo de Pareto otro

soluciones. As, cuando un conjunto solucin es factible el espacio entero, las soluciones globalmente ptimos de MOOP podra ser encontrado como la Solucin Pareto ptima establecida. Con el fin de encontrar la solucin globalmente conjunto ptimo de Pareto, la multiobjetivo algoritmo evolutivo (MOEA) es uno de los algoritmo ms popular. MOEA se basa en el algoritmo gentico (GA), que imita los principios evolutivos de la naturaleza para buscar hacia la solucin ptima. En contra de optimizacin clsica mtodo como el gradiente a base de algoritmos que utilizan derivados informacin de las funciones objetivo y una nica solucin en cada iteracin, los AGs no necesitan derivados u otros auxiliares el conocimiento y el uso de una poblacin de soluciones. Por lo tanto, este enfoque basado en la poblacin puede ser adecuadamente utilizado para encontrar una nmero de soluciones, lo que sera el conjunto solucin Pareto, en una sola simulacin correr. En Georgia, un conjunto de soluciones que se peda poblacin de una generacin que se crea mediante el uso de la gentica informacin de la poblacin en la generacin anterior. La informacin gentica superior, que entiende las caractersticas de solucin sobre la aptitud para cada objetivo en MOOP es heredado a la poblacin prxima generacin mediante el uso de gentica operadores: seleccin, cruce y mutacin. Para entender estos operadores bsicos de la GA, los lectores pueden referirse a Goldberg [14]. Existen numerosos estudios sobre MOEA, por lo que una gran cantidad de especie de MOEA se han desarrollado. Entre ellos, se adopt la elitista no dominada clasificacin gentica algoritmo (NSGA-II). NSGA-II garantiza la cercana a la solucin ptima de Pareto

y la diversidad en la solucin ptima mediante la introduccin de la Distancia de empuje en fase de evaluacin de fitness. Adems, recientemente, se ha utilizado en varias investigaciones impresionantes sobre multi-objetivo de dos niveles problema de optimizacin para NDP [8], [15] - [16]. Para resolver el RNDP sugerido, hemos aadido algunos pasos relat la LLP en NSGA-II Deb procedimiento que es para la solucin de un solo nivel multi-objetivo del problema [13]. El adaptada NSGA-II procedimiento es brevemente dispona lo siguiente: Paso 1: Combine los padres ( ) y descendientes ( ) poblaciones de generacin y crear = . Paso 2: Resolver el PAP con el aumento de la capacidad indicador correspondiente a cada solucin en utilizando la variable Frank Wolfe algoritmo. CUADRO II Dependiente de la velocidad FACTORES DE EMISIN Velocidad ( ) (Km / h) Monto de la emisin de vehculos automviles (g / km) CO HC NOx PM CO2 total ( ) 10 3,18 0,63 0,63 0,03 347,39 351,86 20 2,01 0,39 0,44 0,02 232,04 234,89 30 1,65 0,29 0,39 0,02 183,25 185,60 40 1,48 0,24 0,37 0,02 154,99 157,09 50 1,39 0,21 0,35 0,01 136,10 138,07 60 1,35 0,19 0,35 0,01 122,40 124,29

70 1,32 0,18 0,34 0,01 118,44 120,29 80 1,30 0,18 0,34 0,01 120,94 122,77 90 1,28 0,18 0,34 0,01 127,93 129,75 100 1,27 0,19 0,33 0,01 139,42 141,22 TABLA III COEFICIENTES DE EMISIN PARA LA FUNCIN DE EMISIONES dependiente de la velocidad Velocidad ( ) Intervalo (km / h) 0 1 10 ~ 20 468,82 -11,70 20 ~ 30 333,49 -4,93 30 ~ 40 271.12 -2.85 40 ~ 50 233.17 -1.90 50 ~ 60 206.95 -1.38 60 ~ 70 148.30 -0.40 70 ~ 80 102,96 0,25 80 ~ 90 66,93 0,70 90 ~ 100 26,47 1,15 Conferencia Internacional sobre Transporte, Medio Ambiente y Obras Pblicas (ICTECE'2012) 25 a 26 agosto, 2012 Kuala Lumpur (Malasia) 106 Paso 3: Clculo de funciones objetivo para solucin en por el uso de soluciones de la LLP. Paso 4: Realizar una clasificacin no dominada a e identificar diferentes frentes: , = 1,2, ..., . Paso 5: Establecer nueva poblacin +1 = . Establecer un contador = + 1.

Hasta | +1 | + | | < (= nmero de la poblacin), lleve a cabo +1 = 1 y = + 1. Paso 6: Lleve a cabo el procedimiento de crowding-tipo e incluir el ms extendido soluciones mediante el uso de la distancia crowding valores en la ordenada a +1. Paso 7: Crear poblacin descendiente uno de mediante el uso de un la seleccin torneo lleno de gente, cruce y mutacin los operadores. En el procedimiento anterior, hay tres sub-algoritmos: no dominada ordenacin, clasificacin hacinamiento y Frank Wolfe algoritmo. El algoritmo de clasificacin no dominada clasifica el totalidad de la poblacin en diversos niveles de dominacin no. Para la diversidad y la dispersin de las soluciones ptimas de Pareto, la hacinamiento clasificacin ordena algoritmo soluciones en una poblacin de cant distancia. Para obtener ms detalles del procedimiento de cada uno sub-algoritmo, los lectores pueden referirse a Deb [13]. El LLP como la forma estndar de modelo UE puede ser resuelto fcilmente por el tradicional Frank Wolfe algoritmo que es una convencional algoritmo de combinacin convexa. Los detalles del algoritmo son disponible en Sheffi [11]. IV. PRUEBA EXPERIMENTAL Una prueba experimental para la RNDP sostenible se llev a en base a una red de prueba simple como se muestra en la Figura 2. Hay hay 6 enlaces y 6 nodos en esta red. Los nodos de capital carta representar origen (A) y el destino (B, C) las zonas. Viajar la demanda entre las zonas se asumi como se muestra en la Figura 2. Para

asignacin de trfico, asumimos atributos de red y coeficientes de la funcin de tiempo de viaje como en la Tabla IV. En este prueba experimental, el presupuesto disponible representa el total longitud de los enlaces mejorados, as que nos daran = 11 teniendo en cuenta el tamao de la red de prueba. Adems, con respecto a la parmetros de NSGA-II, el tamao de la poblacin se encuentra a 6, el nmero mximo de generaciones se fij en 50, y el tasa de mutacin se fij en 15%. Las soluciones de Pareto ptimos de la prueba se enumeran en la Tabla IV. La Figura 5 indica las soluciones en los espacios objetivos. Figura 5 - (a) representa 3-dimensin correspondiente a tres objetivos. Las otras figuras de la figura 5 tambin representa 2-dimensin correspondiente a las combinaciones de dos objetivos. La figura. 2 Prueba de la red y los flujos de DO ( ) Hay seis soluciones en el conjunto de soluciones Pareto ptimo de la prueba. Estas soluciones no son dominados por los dems soluciones. Por ejemplo, solucin S1 domina cualquier otro soluciones con respecto al primer objetivo 1, pero S1 est dominado por cualquier otra solucin con respecto al segundo objetivo 2 y por S3, S5 y S6 con respecto al tercer objetivo 3. Estos trade-off relaciones pueden ser fcilmente interpretados mediante el uso de la dispersin de parcelas como en la Figura 5. Si uno de los componentes de sostenible transporte, por ejemplo, la eficiencia econmica, se considera en RNDP, los planificadores slo elegira S1 como el ptimo solucin. Sin embargo, se produce una gran cantidad de emisin y genera accesibilidad desigual en la red, relativamente. Por lo tanto, la

plan de aumento de capacidad de acuerdo con S1 no lo hara cumplir completamente el sistema de transporte sostenible. La figura. 3 Resultados de ptimos de Pareto-solutions TABLA IV CONDICIONES BSICAS DE LA RED DE PRUEBA Enlace (A) Longitud (Km) ( ) La libre circulacin acelerar (Km / h) ( 0) # De carril ( ) Capacidad por carril (Pcphpl) ( ) 1 5,0 120 2 2.000 0,5 4,0 2 3,0 90 1 1.000 1,0 4,0

3 3,0 120 2 2.000 0,5 4,0 4 3,0 90 1 1.000 1,0 4,0 5 4,0 90 2 1.000 1,0 4,0 6 4,0 90 2 1.000 1,0 4,0 TABLA V RESULTADOS DE SOLUCIONES OPTIMAS ParetoSolucin Nmero Valor Objetivo Mejora de la Capacidad Link ( ) 1 2 3 1 2 3 4 5 6 S1 847.24 7766 .45 255.04 - 1 a 1 en S2 875.13 7486 .60 260.62 --- 1 1 1 S3 877.73 7750 .99 175.55 a 1 - 1 1 S4 896.13 7438 .96 264.82 ---- 1 1 S5 946.47 7694 .70 189.29 a 1 - 1 S6 967.46 7647 .07 193.49 ---- 1 Conferencia Internacional sobre Transporte, Medio Ambiente y Obras Pblicas (ICTECE'2012) 25 a 26 agosto, 2012 Kuala Lumpur (Malasia) 107 Como el resultado de la RNDP sugiri sostenible, los seis Soluciones ptimas de Pareto representan planes ptimos de mejora para lograr la sostenibilidad en la red, ya que los tres componentes se refleja en el diseo del plan ptimo. Por otra parte, el vnculo ms importante para mejorar la sostenibilidad puede se encuentra a partir del resultado de la variable de decisin ptima que es

ndice de capacidad de mejora . En nuestro resultado, link 5 fue incluido en toda la solucin ptima de Pareto. Esto significa que el red se convertir en una mejor red sostenible mediante la mejora de 5 enlace que haciendo cualquier otro enlace. V.CONCLUSION El presente estudio propone una metodologa para lograr RNDP sostenibilidad del sistema de transporte, especialmente para el establecimiento de la capacidad vial plan de mejora. Los tres componentes importantes de transporte sostenible son empleado para multi-objetivo de dos niveles RNDP. Como resultado, la Soluciones Pareto ptimas del RNDP sostenible podra acomodar el equilibrio entre los tres componentes. Por consiguiente, los planificadores son capaces de decidir el plan ptimo hacia el sistema de transporte sostenible mediante la aplicacin de nuestro RNDP modelo. Este estudio es un nuevo intento de incorporar los tres dimensin de la sostenibilidad en la matemtica modelo de planificacin de transporte. Aunque todas las dimensiones eran considerados simultneamente, los indicadores de cada dimensin con este estudio, lo que significa que las funciones objetivo de ULP, todava no son suficientes para evaluar la sostenibilidad de una red. Indicadores tanto, diversas y adecuadas para la evaluacin y la medicin de la sostenibilidad debe ser desarrollado y ser involucrado en la RNDP como las funciones objetivo. Adems, la presente estudio tiene una aplicacin slo a la red de prueba simple, ensayo a escala tanto ms sofisticado y grande debe ser

llev a cabo. REFERENCIAS [1] Comisin Mundial sobre el Medio Ambiente y el Desarrollo, Nuestro futuro comn. Oxford University Press, Oxford, England, 1987. [2] C. Richardson, "Transporte sostenible: anlisis de los marcos", Journal Transporte de Geografa, vol. 13, pp 29-39, 2005. [3] L. Steg, "transporte sostenible y calidad de vida", Journal of Transporte Geografa, vol. 13, pp 59-69, 2005. [4] T. Litman, y Burwell D., "Problemas en el transporte sostenible", Revista Internacional de las cuestiones ambientales mundiales, vol. 6, no. 4, pp 331-347, 2006. [5] TL Ramani, J. Zietsman, H. Gudmundsson, RP Hall y G. Marsden, "Marco para la evaluacin de la sostenibilidad de las agencias de transporte" Transportation Research Record: Diario del Transporte Junta de Investigacin, no. 2242, pp 9-18, 2011. [6] H. Yang, y Bell MGH, "Modelos y algoritmos para la red de carreteras diseo: una revisin y un cierto desarrollo nuevo, "Reseas de transporte, vol. 18, no. 3, pp 257-278, 1998. [7] T. Feng, J. Zhang, y Fujiwara A., "Una comparacin de transporte optimizacin de redes con diferentes medidas de equidad con dos niveles programacin enfoque ", en Actas de 88a Reunin Anual de la Transportation Research Board, Washington, DC, 2009. [8] S. Sharma, y Mathew TV, "diseo de la red multiobjetivo para emisin y tiempo de viaje fuera del comercio para un transporte urbano sostenible grande B de la red, "Medio Ambiente y Planificacin: Planificacin y Diseo, vol. 38, pp 520-538, 2011.

[9] WY Szeto, y Jiang Y., "Una Red Sostenible Camino Problema de diseo Interaccin con Transporte de Uso del Suelo en el Tiempo ", en Actas de 91a Reunin Anual de la Junta de Investigacin del Transporte, Washington, DC, 2012. [10] CS Fisk, "Teora de juegos y modelacin de sistemas de transporte", Investigacin de Transporte de la Parte B, vol. 18, no. 4/5, pp.301-313, 1984. [11] Y. Sheffi, Urban Redes de Transporte: anlisis de equilibrio con Mtodos Matemticos Programacin, Prentice-Hall, Inc., Englewood Cliffs, Nueva Jersey, 1985. [12] Ministerio de Tierra, Transporte y Asuntos Martimos, Transporte Fondo de Inversin y Evaluacin Manual cuarta edicin, Corea, 2011. [13] K. Deb, optimizacin multi-objetivo utilizando algoritmos evolutivos, John Wiley & Sons Ltd, England, 2001. [14] DE Goldberg, Algoritmos genticos en bsqueda, optimizacin y de la mquina Aprendizaje, Addison-Wesley Publishing Company, Inc., 1989. [15] S. Sharma, SV Ukkusuri y Mathew televisin "ptimo de Pareto optimizacin multiobjetivo para el diseo robusto de la red de transporte problema, "Transportation Research Record: Revista de la Transportation Research Board, no. 2090, pp 95-104, 2009. [16] K. Sohn, "Multi-objetivo de optimizacin de un diseo de la red de carreteras dieta" Investigacin de Transporte de la Parte A, vol 45, pp 499-511, 2011. Conferencia Internacional sobre Transporte, Medio Ambiente y Obras Pblicas (ICTECE'2012) 25 a 26 agosto, 2012 Kuala Lumpur (Malasia) 108