Persian
Language
Geographical Research is Published in Persian Fulltext.
دوره 35، شماره 4 - ( 1399 )
جلد 35 شماره 4 صفحات 316-307 |
برگشت به فهرست نسخه ها
نوع مقاله:
موضوع مقاله:
History
دریافت: 1399/4/7 | پذیرش: 1399/6/12 | انتشار: 1399/6/16
دریافت: 1399/4/7 | پذیرش: 1399/6/12 | انتشار: 1399/6/16
How to cite this article
Fazel Torshizi D, Naji-Azimi Z, Kazemi M. Application of Dynamic Locating in long-term Urban Management Planning; the Case Study of Counters Offices of Civil Registration Organization. GeoRes 2020; 35 (4) :307-316
URL: http://georesearch.ir/article-1-904-fa.html
URL: http://georesearch.ir/article-1-904-fa.html
فاضل ترشیزی داود، ناجی عظیمی زهرا، کاظمی مصطفی. کاربرد مکان‌یابی پویا در برنامه-ریزی‌های بلندمدت مدیریت شهری؛ مطالعه موردی دفاتر پیشخوان ثبت احوال مشهد. فصل‌نامه تحقیقات جغرافیایی. 1399; 35 (4) :307-316
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rights and permissions
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Authors
داود فاضل ترشیزی1، زهرا ناجی عظیمی*1، مصطفی کاظمی1
1- گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده (2257 مشاهده)
اهداف: بهبود دسترسی فضایی در خدمات عمومی یکی از وظایف تاثیرگذار مدیریت شهری برای توسعه استانداردهای زندگی شهری است که زمینه تسهیل و بهره‌مندی عادلانه دریافت خدمات برای شهروندان را فراهم می‌نماید. هدف تحقیق حاضر، کاربرد مکان‌یابی پویای مراکز ارایه خدمات عمومی در برنامه‌ریزی‌های بلندمدت مدیریت شهری بود.
روش‌شناسی: در این مطالعه کاربردی از نوع توصیفی، ابتدا با مرور پیشینه و نظرات خبرگان شرایط مورد مطالعه از نظر متغیرهای تصمیم، پارامترها، تابع هدف و محدودیت‌ها تعریف شد. سپس داده‌های مساله با استفاده از پایگاه‌های اطلاعاتی و نظرات کارشناسان جمع‌آوری و نهایتاً مدل‌سازی ریاضی مکان‌یابی پویا به‌‌منظور حداکثرسازی مطلوبیت انتخاب دفاتر پیشخوان ثبت احوال در کلانشهر مشهد انجام شد و مدل با بهره‌گیری از حل‌کننده CPLEX با الگوریتم شاخه و برش حل شد.
یافته‌ها: ضمن شناسایی شاخص‌های مطلوبیت نقاط کاندید، مکان استقرار دفاتر در مناطق شهری، زمان بازگشایی و بسته‌شدن و همچنین دوره زمانی مربوطه مشخص شد. زمان‌بندی فعالیت و جانمایی دفاتر با پوشش 80% جمعیت و توزیع مناسب جغرافیایی با 39 دفتر انجام و مقدار بهینه تابع هدف از نظر شاخص‌های مدنظر ذی‌نفعان فراهم و مطلوبیت حداکثری حاصل شد.
نتیجه‌گیری: با توجه به کارکرد پایین مدل‌های ایستا و نیز تغییرات جمعیتی و تقاضا در حوزه مدیریت شهری از مدلی پویا برای رفع این مشکل استفاده شد تا ضمن ارایه تصویر دقیق‌تری از زمان ایجاد دفاتر در هر یک از مناطق، قابلیت انتخاب دفاتر با پایایی مناسب برای فعالیت فراهم شود و تخصیص مشتریان هر منطقه در هر دوره به بهترین نقطه مکانی از نظر تامین شاخص‌های ذی‌نفعان صورت پذیرد.
روش‌شناسی: در این مطالعه کاربردی از نوع توصیفی، ابتدا با مرور پیشینه و نظرات خبرگان شرایط مورد مطالعه از نظر متغیرهای تصمیم، پارامترها، تابع هدف و محدودیت‌ها تعریف شد. سپس داده‌های مساله با استفاده از پایگاه‌های اطلاعاتی و نظرات کارشناسان جمع‌آوری و نهایتاً مدل‌سازی ریاضی مکان‌یابی پویا به‌‌منظور حداکثرسازی مطلوبیت انتخاب دفاتر پیشخوان ثبت احوال در کلانشهر مشهد انجام شد و مدل با بهره‌گیری از حل‌کننده CPLEX با الگوریتم شاخه و برش حل شد.
یافته‌ها: ضمن شناسایی شاخص‌های مطلوبیت نقاط کاندید، مکان استقرار دفاتر در مناطق شهری، زمان بازگشایی و بسته‌شدن و همچنین دوره زمانی مربوطه مشخص شد. زمان‌بندی فعالیت و جانمایی دفاتر با پوشش 80% جمعیت و توزیع مناسب جغرافیایی با 39 دفتر انجام و مقدار بهینه تابع هدف از نظر شاخص‌های مدنظر ذی‌نفعان فراهم و مطلوبیت حداکثری حاصل شد.
نتیجه‌گیری: با توجه به کارکرد پایین مدل‌های ایستا و نیز تغییرات جمعیتی و تقاضا در حوزه مدیریت شهری از مدلی پویا برای رفع این مشکل استفاده شد تا ضمن ارایه تصویر دقیق‌تری از زمان ایجاد دفاتر در هر یک از مناطق، قابلیت انتخاب دفاتر با پایایی مناسب برای فعالیت فراهم شود و تخصیص مشتریان هر منطقه در هر دوره به بهترین نقطه مکانی از نظر تامین شاخص‌های ذی‌نفعان صورت پذیرد.
واژه‌های کلیدی:
چکیده گسترده انگلیسی [HTML 16 KB] (17 دریافت)
فهرست منابع
1. Antunes A, Peeters D (2001). On solving complex multi-period location models using simulated annealing. European Journal of Operational Research. 130(1):190-201. [DOI:10.1016/S0377-2217(00)00051-5]
2. Arabani AB, Farahani RZ (2012). Facility location dynamics: An overview of classifications and applications. Computers & Industrial Engineering. 62(1):408-420. [DOI:10.1016/j.cie.2011.09.018]
3. Başar A, Çatay B, Ünlüyurt T (2011). A multi-period double coverage approach for locating the emergency medical service stations in Istanbul. Journal of the Operational Research Society. 62(4):627-637. [DOI:10.1057/jors.2010.5]
4. Basu R, Jana A, Bardhan R (2018). A health care facility allocation model for expanding cities in developing nations: strategizing urban health policy implementation. Applied Spatial Analysis and Policy. 11(1):21-36. [DOI:10.1007/s12061-016-9208-0]
5. Boran F (2011). An integrated intuitionistic fuzzy multi criteria decision making method for facility location selection. Mathematical and Computational Applications. 16(2):487-496. [DOI:10.3390/mca16020487]
6. Castillo-López I, López-Ospina HA (2015). School location and capacity modification considering the existence of externalities in students school choice. Computers & Industrial Engineering. 80:284-294. [DOI:10.1016/j.cie.2014.12.015]
7. Djenić A, Marić M, Stanimirović Z, Stanojević P (2017). A variable neighbourhood search method for solving the long-term care facility location problem. IMA Journal of Management Mathematics. 28(2):321-338. [DOI:10.1093/imaman/dpw008]
8. Fredriksson A (2017). Location-allocation of public services-Citizen access, transparency and measurement. A method and evidence from Brazil and Sweden. Socio-Economic Planning Sciences. 59:1-12. [DOI:10.1016/j.seps.2016.09.008]
9. Giménez-Gaydou DA, Ribeiro AS, Gutiérrez J, Antunes AP (2016). Optimal location of battery electric vehicle charging stations in urban areas: A new approach. International Journal of Sustainable Transportation. 10(5):393-405. [DOI:10.1080/15568318.2014.961620]
10. Haase K, Knörr L, Krohn R, Müller S, Wagner M (2019). Facility Location in the Public Sector. In: Location Science. Laporte G, Nickel S, Saldanha da Gama F, editors. New York: Springer; pp.745-764. [DOI:10.1007/978-3-030-32177-2_26]
11. Hale TS, Moberg CR (2003). Location science research: A review. Annals of Operations Research. 123:21-35. [DOI:10.1023/A:1026110926707]
12. Jena SD, Cordeau JF, Gendron B (2017). Lagrangian heuristics for large-scale dynamic facility location with generalized modular capacities. INFORMS Journal on Computing. 29(2):388-404. [DOI:10.1287/ijoc.2016.0738]
13. Klier MJ, Haase K (2015). Urban public transit network optimization with flexible demand. OR Spectrum. 37(1):195-215. [DOI:10.1007/s00291-014-0377-4]
14. Leonardi G (1981). A unifying framework for public facility location problems-part 1: A critical overview and some unsolved problems. Environment and Planning A: Economy and Space. 13(8):1001-1028. [DOI:10.1068/a131001]
15. Lin JR, Yang TH (2011). Strategic design of public bicycle sharing systems with service level constraints. Transportation Research Part E: Logistics and Transportation Review. 47(2):284-294. [DOI:10.1016/j.tre.2010.09.004]
16. Lin JR, Yang TH, Chang YC (2013). A hub location inventory model for bicycle sharing system design: Formulation and solution. Computers & Industrial Engineering. 65(1):77-86. [DOI:10.1016/j.cie.2011.12.006]
17. Ljubić I, Moreno E (2018). Outer approximation and submodular cuts for maximum capture facility location problems with random utilities. European Journal of Operational Research. 266(1):46-56. [DOI:10.1016/j.ejor.2017.09.023]
18. Lotfi H, Adalatkhah F, Mirzaei M, Vazirpour S (2009). Urban management and its place in Promoting Citizens' Rights. Journal of Human Geography. 2(1):101-110. [Persian]
19. Marianov V, Serra D (2011). Location of multiple-server common service centers or facilities, for minimizing general congestion and travel cost functions. International Regional Science Review. 34(3):323-338. [DOI:10.1177/0160017611403738]
20. Moghimi M, Taghizadeh Yazdi M (2017). Applying multi-Criteria decision-making (MCDM) methods for economic ranking of Tehran-22 districts to establish financial and commercial centers (Case: City of Tehran). Journal of Urban Economics and Management. 5(20):39-51. [Persian] [DOI:10.29252/iueam.5.20.39]
21. Rajagopalan HK, Saydam C, Xiao J (2008). A multiperiod set covering location model for dynamic redeployment of ambulances. Computers & Operations Research. 35(3):814-826. [DOI:10.1016/j.cor.2006.04.003]
22. ReVelle CS, Swain RW (1970). Central facilities location. Geographical Analysis. 2(1):30-42. [DOI:10.1111/j.1538-4632.1970.tb00142.x]
23. Sadeghi SM, Shahbazi GM, Bigdeli V (2012). Prioritizing the barriers of public-Private partnerships development in transportation sector of Iran using MCDM Models. Journal of Economic Modeling Research. 2(6):107-130. [Persian]
24. Sterle C, Sforza A, Amideo, AE (2016). Multi-period location of flow intercepting portable facilities of an intelligent transportation system. Socio-Economic Planning Sciences. 53:4-13. [DOI:10.1016/j.seps.2016.01.001]
25. Taghipourian F, Mahdavi I, Mahdavi-Amiri N, Makui A (2012). A fuzzy programming approach for dynamic virtual hub location problem. Applied Mathematical Modelling. 36(7):3257-3270. [DOI:10.1016/j.apm.2011.10.016]
26. Zheng H, He X, Li Y, Peeta S (2017). Traffic equilibrium and charging facility locations for electric vehicles. Networks and Spatial Economics. 17(2):435-457. [DOI:10.1007/s11067-016-9332-z]
ارسال پیام به نویسنده مسئول