‫مقدمه‬

‫شه ر هوشمن د ب ه‪ ‬شهری گفت ه می‌شود ک ه بر اس اس آخری ن نظریه‌های تکام ل یافت ه مدیری ت شهری بر پای ه فناوری اطالعات و ارتباطات‪ ،‬از انواع مختل ف‬
‫سنسورهای الکترونیکی برای جمع‌آوری اطالعات و تحلیل آنها استفاده می‌کند‪.‬‬

‫یکی از چالشهای قابل حل در شهر هوشمند ‪ ،‬مدیریت ترافیک می باشد که به کمک مسیریابی بهینه خودروها و استفاده از خوشه بندی فازی قابل حل می باشد و می‬
‫توان‬
‫خودروها را در ساعات مختلف خوشه بندی فازی نمود‪.‬‬
‫فرآیندی برای انتخاب بهتربن مسیر در بین مسیرهای ممکن با حداقل زمان و هزینه ممکن را مسیریابی بهینه گویند‪.‬‬
‫مقدمه‬
 ‫مفاهیم‬
‫ارائه ارتباطات میان وسایل نقلیه‬ ‫شبکه‌های خودرویی‬

‫کاهش هزینه‌های استقرار‬ ‫شبکه‌های خود سازمان یافته‌ای هستند‬

‫ارتباطات برد کوتاه اختصاصی‬

‫جمع آوری اطالعات از طریق ارتباط خودرو ها با یکدیگر و همچنین از طریق ارتباط خودرو ها با زیر ساخت های‬
‫جاده ایی‬

‫فرآیند حمل و نقل هوشمند‬ ‫اهمیت و ضرورت‬

‫مسیریابی بهینه با حداقل بار ترافیکی‬

 ‫مفاهیم‬
‫حداقل نمودن ترافیک‬ ‫اهداف تحقیق‬

‫مسیریابی سریع خودورها در شبکه‬

‫صرفه جویی در زمان حمل و نقل شهری‬

‫کاهش ترافیک با مسیریابی چند هدفه‬

‫کنترل ترافیک شهری‬

‫بهبود حمل و نقل هوشمند‬

 ‫مفاهیم‬

MANET : Mobile Ad hoc Network

VANET : Vehicular Ad Hoc Network

RSU : Road Side Unit

 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫ویژه گی های شبکه های سیار موردی ‪:‬‬

‫‪ :‬مسير ي ابيچند گ امه ‪1 -‬‬

‫در اين نوع شبكه‌ها هر گره مي‌تواند با گره‌ هاي دیگر ارتباط برقرار كند كه در محدوده دسترسي آن گره باشند ‪.‬‬
‫از ويژگي‌هاي مسيريابي چند گامه مي‌توان به موارد زير اشاره نمود‪:‬‬
‫صرفه جويي در توان انتقال بي‌سيم‬

‫استفاده فضايي مجدد‬

‫صرفه جويي در انرژي‬

‫‪ -2‬توپولوژي پويا ‪:‬‬
‫گره‌ها در شبكه‌ هاي سيار موردي مي‌توانند بصورت كامالً آزادانه حركت كنند‪ ،‬به شبكه بپيوندند يا از آن خارج شوند‪.‬‬
‫‪ -3‬معماري خود‌تشكيل ‪:‬‬
‫اين ويژگي به گره‌ها اجازه مي‌دهد براي تصميم‌گيري هاي مناسب و براي رسيدن به شبكه‌اي با كارايي بهتر‌‪ ،‬با هم مشاركت داشته‬
‫باشند‪.‬‬
‫‪ -4‬امنيت پايين‬
‫‪ -5‬عدم وجود زيرساخت پايه‌اي‬
‫‪ -6‬محدوديت منابع‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫‪ :‬تقسیم بندی شبکه های خودرویی‬

‫‪ :‬بر اساس رسانه انتقال‬

‫شبکه های مبتنی بر امواج رادیویی (‪)Wireless‬‬
‫شبکه های مبتنی بر مکان یابی (‪)GPS‬‬
‫شبکه های مبتنی بر حسگرها و تراشه ها‬

‫‪ :‬بر اساس زیر ساخت شبکه‬

‫سلولی (‪)cellular‬‬
‫اختصاصی (‪)private‬‬
‫موردی‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫شبکه های بین خودرویی موردی ‪:‬‬
‫‪ ‬تبادل اطالعات ‪ ،‬بين موجوديت ها در سيستم هاي حمل و نقل جاده اي با استفاده از فناوري هاي ارتباطي بي سيم انجام می پذیرد‪.‬‬
‫‪ ‬خودروها در شبكه هاي بين خودرويي در راستاي افزايش ايمني خودروها و سيستـم حمل ونقل و همچنين افزايش بهره وري سيستــم ترافيـكي‪ ،‬با‬
‫يكديگر ارتباط برقرار مي كنند‬

‫تفاوت شبکه های خودرویی موردی با شبکه های موردی یا ‪MANET‬‬

‫‪ ‬تحرک نود ها طبق الگو‬
‫‪ ‬توپولوژی با پویایی باال‬
‫‪ ‬همبندی ناپیوسته‬

‫ارتباطات بين خودرويي عموما ً به دو دسته كلي تقسيم بندي مي شوند ‪:‬‬
‫‪ ‬ارتباطات مستقيم بين خودرويي (‪)V2V‬‬
‫‪ ‬ارتباطات بين خودرويي با استفاده از زيرساخت هاي اختصاصي (‪)V2I‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫استاندارد های دسترسی بی سیم در شبکه های ‪VANET‬‬

‫‪ ‬این استاندارد ها بر اساس محدوده پوشش به سه دسته تقسیم می شوند‪:‬‬

‫‪ – 3‬ارتباط های برد بلند ‪:‬‬ ‫‪ – 2‬ارتباط های برد متوسط ‪:‬‬ ‫‪ – 1‬ارتباط های برد کوتاه ‪:‬‬
‫‪Cellular‬‬ ‫‪Wi-Fi‬‬ ‫‪Infrared‬‬
‫‪WiMAX‬‬ ‫‪DSRC/ WAVE‬‬ ‫‪Bluetooth‬‬
‫‪Zigbee‬‬
‫‪Mircowave‬‬ ‫‪CALM‬‬
‫‪UWB‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫چالش های شبکه خودوریی‬
‫‪ ‬امنیت‬
‫‪ ‬مسیر یابی اطالعات و ارتباط میان خودرو ها‬
‫‪ ‬چگونگی حفظ و نگهداری توپولوژی که بصورت پویا در حال تغییر است‬
‫‪ ‬دستیابی به حداقل تاخیر در انتقال همزمان اطالعات‬

‫سیستم اطالعات ترافیکی ‪TIS‬‬

‫‪ ‬سیستم هاي اطالعات ترافیکی متمرکز مرکزي‬
‫‪ ‬سیستم هاي اطالعات ترافیکی غیر متمرکز یا مشارکتی‬
‫روش هاي فاقد زیرساخت مانند ‪SOTIS‬‬ ‫‪‬‬
‫روش مبتنی بر زیرساخت‬ ‫‪‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫حمل و نقل هوشمند ‪ ،‬ضرورت و کاربرد های آن‬
‫‪ ‬حمل و نقل هوشمند شامل ‪ :‬مجموعه ای از ابزارها‪ ،‬امکانات و تخصص ها از قبیل مفاهیم مهندسی ترافیک ‪ ،‬تکنولوژی های‬
‫نرم افزاری ‪ ،‬سخت افزاری و مخابراتی اطالق می شود که به صورت هماهنگ و یکپارچه به منظور بهبود کارآیی و ایمنی در‬
‫کنار توسعه فرهنگ ترافیک می تواند موثر واقع گردد‬
‫‪ ‬استفاده از حمل و نقل هوشمند باعث نجات جان انسان ها‪ ،‬صرفه جویی در زمان‪ ،‬پول و منافع زیست محیطی می گردد‬
‫‪ ‬مدیریت ترافیک برای تامین حداکثر کارایی شبکه‬
‫‪ ‬پرداخت الکترونیکی ‪ ،‬کنترل دسترسی و سامانه های اجرا و پیاده سازی قانون‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫خوشه بندی‬
‫‪ ‬به روشی برای گروه بندی اشیا و یا داده ها گفته می شود‪.‬‬
‫هر نمونه از داده ها میتواند متعلق به یک گروه(خوشه) باشد یا نباشد‪.‬‬ ‫‪‬‬
‫‪ ‬در خوشه بندی فازی هر نمونه با درصد تعلق می تواند عضو یک یا چند خوشه باشد‪.‬‬
‫‪ ‬در خوشه بندی هیچ دانش قبلی در مورد داده ها وجود ندارد و گروه بندی داده ها براساس شباه ِ‬
‫ت بین موجودیت ها انجام می شود‪.‬‬
‫‪ ‬دو هدف مهم در خوشه بندی ‪:‬‬
‫‪ -1‬داده های موجود در یک خوشه بیشترین شباهت را با هم داشته باشند‪.‬‬ ‫‪‬‬
‫‪ -2 ‬داده های موجود در خوشه های گوناگون‪ ،‬بیشترین تفاوت را با هم داشته باشند‪.‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫روش هاي تحليل خوشه ها ‪:‬‬
‫‪ ‬سلسه مراتبي‬
‫‪ ‬تراكمي‬
‫‪ ‬تفریقي‬
‫تفكيكي‬ ‫‪‬‬
‫‪ ‬خوشه بندي سخت‬
‫‪ ‬خوشه بندي فازي‬

‫پارامترهای خوشه بندی ‪:‬‬

‫‪ ‬تعداد خوشه ها‬
‫‪ ‬ارتباط درون خوشه ای‬
‫‪ ‬متحرک یا ثابت بودن گره ها و سر خوشه ها‬
‫‪ ‬پیچیدگی الگوریتم‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬

‫دسته بندی الگوریتم های خوشه بندی ‪:‬‬

‫‪ ‬خوشه بندی انحصاری در مقابل خوشه بندی با هم پوشی‬
‫‪ ‬خوشه بندی سلسله مراتبی در مقابل خوشه بندی مسطح‬

‫خوشه بندی در شبکه خودرویی ‪:‬‬

‫‪ ‬طرح هاي خوشه بندي مبتنی بر تحرک‬
‫‪ ‬طرح های خوشه بندی بدون تحرک‬
‫‪ ‬طرح های خوشه بندی مبتنی بر تصدیق‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬
‫خوشه بندی فازی ‪:‬‬
‫‪ ‬در این نوع خوشه بندی یک تفکیک به صورت فازی انجام می گیرد مانند الگوریتم خوشه بندی ‪FCM‬‬
‫‪ ‬خوشه بندي فازي بسيار طبيعي تر از خوشه بندي سخت یا مسطح است مانند الگوریتم ‪K-Means‬‬

‫الگوریتم خوشه بندی ‪: Fuzzy C-Means‬‬

‫‪ ‬ااین الگوریتم در سال ‪ 1973‬ایجاد شده و در سال ‪ 1981‬بهبود پیدا کرده است ‪.‬‬
‫‪ ‬نمونه بهبود یافته الگوریتم ‪ K-Means‬است‪.‬‬
‫‪ ‬یکی از مهمترین و پرکاربردترین الگوریتم های خوشه بندی‪ ،‬الگوریتم‪ c ‬میانگین است‪.‬‬
‫‪ ‬این الگوریتم نمونه ها را به‪ c  ‬خوشه تقسیم می کند که تعداد‪ c  ‬از قبل باید مشخص بااشد‪ ( .‬حتی در نمونه فازی )‬
‫‪ ‬هر داده با یک درجه عضویتی می تواند متعلق به دسته های مختلفی باشد‪.‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬

‫الگوریتم خوشه بندی ‪Fuzzy C-Means :‬‬

‫‪ ‬تابع هدف ‪:‬‬
‫‪ M‬ب رابر ‪ 2‬در ن ظر گ رفته میش ود‬
‫نمونه ‪k‬ام‬
‫نماینده یا مرکز خوشه ‪ i‬ام‬
‫‪ N‬ت ع داد ن مونه ها‬
‫میزان تعلق نمونه ‪ i‬ام در خوشه ‪ k‬ام که یک عدد بین صفر و یک می تواند باشد که مجموع آنها می بایست ‪ 1‬باشد ‪:‬‬ ‫‪‬‬
‫‪ ‬نحوه محاسبه از طریق فرمول روبرو محاسبه می شود ‪:‬‬
‫فاصله مرکز نمونه ‪ i‬با خوشه ‪k‬‬
‫فاصله مرکز نمونه ‪ j‬با خوشه ‪k‬‬
‫‪ ‬نحوه محاسبه مرکز خوشه (بروز رسانی مراکز خوشه) از طریق فرمول روبرو محاسبه می شود ‪:‬‬
 ‫مبانی و‬
‫پیشینه‬
‫تحقیق‬

‫مراحل الگوریتم ‪ FCM‬به شرح زیر می باشد ‪:‬‬

‫‪ ‬به صورت تصادفی مراکز کالستر را انتخاب میکنیم‪.‬‬
‫‪ ‬سپس ماتریس تابع عضویت ( درجه تعلق ) را بدست می آوریم‪.‬‬
‫‪ ‬سپس مراکز کالستر را بدست می آوریم‪.‬‬
‫‪ ‬در انتها مراکز کالستر ها را بروز رسانی می کنیم‪.‬‬

‫نقاط قوت الگوریتم ‪ c‬میانگین فازی ‪:‬‬

‫‪ ‬همیشه همگرا می شود‬
‫‪ ‬بدون نظارت بودن الگوریتم‬

‫نقاط ضعف الگوریتم ‪ c‬میانگین فازی ‪:‬‬

‫‪ ‬زمان محاسبات زیاد است‬
‫‪ ‬حساس به نویز می­باشد‬
‫‪ ‬حساس به حدسهای اولیه می­باشد‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫تصميم گيري ‪ :‬برنامه ريزي‪ ،‬سازماندهي و كنترل‬

‫فرآيند تصميم گيري ‪:‬اگر در رسيدن به هدف مورد نظر فقط يك راه حل عملياتي وجود داشته باشد ديگر صحبت از تصميم گيري نیست‬
‫اما اگر تصميم گيري شامل انتخاب يك استراتژي از بين استراتژي هاي متعدد موجود باشد میتوان به آن تصمیم گیری گفت‬
‫فرایند تصمیم گیری به طور کلی شامل پنج مرحله است ‪:‬‬
‫‪ ‬تعيين مساله و اهميت آن‬
‫‪ ‬تعريف و تشخيص مساله‬
‫‪ ‬تعيين راه حل هاي جايگزين‬
‫‪ ‬ارزيابي و انتخاب يك راه حل‬
‫‪ ‬اجراي راه حل انتخابي‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫مدل هاي تصميم گيري ‪:‬‬

‫‪ ‬مدل هاي كالسيك تحقيق‬
‫‪ ‬تصمیم گیری چند معیاره‬
‫‪ ‬مدل هاي تصميم‌گيري چند هدفه (‪)MODM‬‬
‫‪ ‬معیارها و اولویت های آن ها مشخص می باشد‬
‫‪ ‬به دنبال طراحی جواب کارا هستیم‬
‫(‪)MADM‬‬ ‫‪ ‬مدل هاي تصميم‌گيري چند شاخصه‬
‫‪ ‬به دنبال انتخاب جواب برتر نسبت به ساير گزينه ها هستیم‬
‫‪ ‬انتخاب بهترین آلترناتیو از میان آلترناتیو های موجود بر اساس معیارها و مشخصه ها‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫‪ :‬بهینه سازی چند هدفه‬

‫بهینه سازی در واقع یافتن جواب یا جواب هایی بر روی یک مجموعه از گزینه های امکان پذیر با هدف بهینه کردن معیار یا معیارهای مساله است‪.‬‬
‫زیر شاخه ای از مجموعه روش های تصمیم گیری چند معیاره است که شامل شاخص های کمی‪ ،‬کیفی و مجموع کمی و کیفی است‪.‬‬
‫صورت کلی مسائل چند هدفه به صورت زیر تعریف می شود ‪:‬‬
‫)‪G(X‬‬ ‫} )‪MIN/MAX F (X) = { , ... , (X‬‬ ‫که تابع ‪ F‬مجموع توابع هدف است‬
‫‪S.T.‬‬ ‫‪G(X)<=0 , H(X)=0‬‬ ‫‪X€R‬‬ ‫مجموعه قیود نا مساوی مساله بهینه سازی چند هدفه‬
‫)‪ H(X‬مجموعه ق یود مساویمسا له ب هینه س ازیچند هدفه‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫مفهوم غلبه‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫روش­های حل مسائل بهینه سازی چند هدفه ‪:‬‬

‫‪ ‬روش­های سازنده‬
‫‪ ‬روشهای بر مبنای ترجیح‬
‫‪no-preference ‬‬
‫‪ ‬روشهای استقرایی با استفاده از شیوه ی اسکالرسازی‬
‫‪ ‬روشهای استقرایی با استفاده از شیوه ی چند هدفه‬

‫برنامه ریزی خطی ‪:‬‬

‫‪ ‬یک روش تحلیلی برای انتخاب بهترین ترکیب متغیر ها از میان تعداد زیادی ترکیب های ممکن بکار می رود‪.‬‬
‫‪ ‬مي توان اهداف را در قالب يك هدف عمده مثال حداكثر كردن كل سود و يا حداقل كردن كل هزينه ها‪ ،‬خالصه نمود‪.‬‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬

‫هر مدل برنامه ریزي خطی شامل اجزایی زیر است ‪:‬‬
‫‪ ‬متغییرهاي تصمیم‬
‫‪ ‬تابع هدف ‪ :‬تابع هدف به صورت حداکثر سازي یا حداقل سازي بیان می شود‬
‫‪ ‬محدودیت هاي مدل ‪ :‬محدودیت هاي مدل به یکی از صورت هاي کوچکتر مساوي≥ یا مساوي= یا بزرگتر مساوي≤ بیان می شود‬

‫میزان منابع موجود‬ ‫محصول سوم‬ ‫محصول دوم‬ ‫محصول اول‬

‫‪ 2000‬نفر‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫نیروی انسانی‬
‫‪ 150‬کیلوگرم‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫مواد اولیه‬
‫‪30‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫میزان سود دهی‬

‫متغییر های تصمیم ‪0 ≥ :‬‬

‫‪ : Max Z = 40+ 30+ 30‬تابع هدف‬
‫محدودیت ها ‪2000 ≤5 +2 +6 :‬‬
‫‪4+ 5+ 3≤ 150‬‬
 ‫روش‬
‫شناسایی‬
‫تحقیق‬