Mehdi ghatee
Download
1 / 51

Mehdi Ghatee - PowerPoint PPT Presentation


  • 103 Views
  • Uploaded on

مهدی قطعی استادیار گروه علوم کامپیوتر مدیر طرح کلان سیستمهای حمل و نقل هوشمند مدیرگروه علوم کامپیوتر مجازی مدیر انفورماتیک دانشکده www.aut.ac.ir/ghatee. Mehdi Ghatee. Network Optimization Research Center http://math-cs.aut.ac.ir/norc Contact Address:

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Mehdi Ghatee' - ahanu


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Mehdi ghatee

مهدی قطعی

استادیار گروه علوم کامپیوتر

مدیر طرح کلان سیستمهای حمل و نقل هوشمند

مدیرگروه علوم کامپیوتر مجازی

مدیر انفورماتیک دانشکده

www.aut.ac.ir/ghatee

Mehdi Ghatee


Network Optimization Research Center

http://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


فعاليتهاي ارتباط با صنعت

  • مدير طرح كلان 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 ناوگان اتوبوسراني شهر تهران(BRT)، كارفرما: شرکت واحد اتوبوسراني تهران و حومه

  • مشاور در پروژه: بررسي علل و شناخت ريشه هاي بروز حوادث نفتكشها و ارائه راهكارهاي علمي و عملي در جهت كاهش آن (شركت ملي پخش فرآورئه‌هاي نفتي ايران)

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


Where network flows arise
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


Network optimization basics and applications
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

….


The shortest path problem

4

2

4

2

2

2

1

3

1

1

6

4

2

3

3

5

The shortest path problem

i

j

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

8,

8

9

10

,

s

t

1,

1

2

6,

6

10,

7

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.

i

j

A Network with Arc Capacities and Flows


The minimum spanning tree problem

4

2

4

2

2

2

1

3

1

1

6

4

2

3

3

5

The Minimum Spanning Tree Problem

i

j

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?


Min cost flow problem mcfp
Min Cost Flow Problem (MCFP)

20

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

$5 ,12

2

$4 ,10

Each arc has a linear cost and a capacity

$3 ,10

1

-14

4

$2 ,20

$7 ,15

3

i

j

-6

min Si,j cijxij

s.t Sj xij – Sj xji = b(i) for each i

lij  xij uij for all (i,j)


Network algorithms
Network Algorithms

  • Polynomial Algorithms

  • Non-Polynomial (=exponential) Algorithms

    • Heuristic

    • Meta-Heuristic

    • Approximate





Network optimization in uncertain environment

Constructing

Validating

Polynomial Algorithms

Heuristics

Meta-Heuristic Schemes

Network Optimization in Uncertain Environment

  • Modeling

  • Solving Uncertain Problems


Type of algorithm
Type of Algorithm

  • Off-line

  • On-line

  • Parallel

  • Decomposition


Mathematical programming
Mathematical Programming

  • Probabilistic Programming

  • Chance-Constraint Programming

  • Fuzzy Programming

  • Stochastic Process


Your viewpoint
Your viewpoint???

  • Pessimistic

  • Optimistic

  • Risk Averse

  • Risk Neutral

  • Risk Seeker

  • Uncertainty

  • Ambiguity


Uncertainty in real problems
Uncertainty in Real Problems

  • Cost

  • Demand

  • Supply

  • Capacity

  • Topology

  • Strategy (Goals, Needs, …)


Your decision time period
Your decision time period???

  • Short-term

  • Long-term

    • Learn

    • Estimate

    • Prediction







Neural networks
Neural Networks

  • Stochastic Neural Network

  • Fuzzy Neural Network

  • Hybrid Neural Network



نمايشی از معماری DSS

اينترنت،

اينترانتها و

اکسترانتها

سيستم های

مبتنی بر کامپيوتر

ديگر

داده: خارجی و داخلی

مديريت داده

مديريت مدل

مدلهای خارجی

زير سيستم های

مبتنی بر دانش

رابط کاربر

پايگاه دانش سازمانی

کاربر (مدير)


Dss 4 simon s 4 phase
معماريDSS در4 فاز (Simon’s 4 Phase )


برخي از خصوصيات DSS

تصميم گيري مستقل يا غير وابسته ارائه كند.

بايد بتواند داده هاي

نيم ساختيافته

را پردازش كند.

به روشهاي مختلف تصميمگيري دسترسي داشته باشد

انعطاف پذير باشد

برمبناي مدل باشد

براي مديريت مورد استفاده قرار مي گيرد

براي گروه و تصميم گيري آنان مؤثر باشد

DSS

بايد با توجه به اصول

معماري Enterprise ساخته شود.

واسط كاربري قابل استفاده براي همگان داشته باشد.

بطور زايشي تكامل يابد

(داراي قابليت Learningباشد)

Effective باشد (كارش را درست انجام دهد)

در كنترل كاربر باشد


معرفی و مقایسه زیر بخش های

سیستم های حمل و نقل هوشمند


تعاریف مختلف ITS

  • USDOT

    سیستم حمل و نقل هوشمند شامل استفاده از پردازش پیشرفته اطلاعات (کامپیوترها ) ، ارتباطات ، تکنولوژی ها و مدیریت استراتژی ها در یک روش یکپارچه می باشد که جهت بهبود ایمنی ، ظرفیت و بازده سیستم های حمل و نقل به كار مي رود.



1 crash prevention and security
مثال 1Crash Prevention and Security

  • زیر سیستم پیش گیری از حادثه به منظور کشف خطر یا شرایط غیر ایمن، ارزیابی شدت خطر و اعلام هشدار به رانندگان استفاده می شوند. چند نمونه از سیستمهای به 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


Road geometry warning systems
Road Geometry Warning Systems

  • این سیستم ها به منظور هشدار در زمینه ی هندسه ی جاده در هنگام نزدیک شدن به منحنی های تند در جاده

  • شناسايي به کمک فن آوری های پیشرفته، سنسورهای تشخیص شرایط جاده و همچنین وزن خودرو، ارتفاع و سرعت آن

  • هشدارها

    • به صورت عمومی

    • علائم پویا،

    • فلشر

    • محدودیت متغیر سرعت


2 traveler information systems
مثال 2Traveler Information systems

  • زیر سیستم اطلاع رسانی به

  • رانندگان

  • مسافران

  • در شرایط مختلف


3 transportation management centers
مثال 3:Transportation Management Centers

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

  • مدیریت حادثه

  • انتشار اطلاعات

  • دیدبانی

  • مدیریت حوادث خاص

  • نیمی از گزارش های TMC ، اطلاعات مسافران درون 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.





Break with questions
Break with Questions زمینه ی


A real problem for more discussion
A Real Problem For More Discussion زمینه ی

Urban Network Planning and Optimal Control Under Uncertainty ApplyingRegression As Meta-Model and Simulation Optimization


What is traffic assignment
What Is Traffic assignment زمینه ی

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

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


Traffic assignment kinds
Traffic assignment kinds زمینه ی

  • Deterministic

  • Stochastic

  • Fuzzy

Probit

Logit


Logit ta
Logit TA زمینه ی


Optimal flow of logit
Optimal Flow of Logit زمینه ی


Optimal flow of logit1
Optimal Flow of Logit زمینه ی

Determining is hard

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.

Need to run simulation software more and more


ad