بهینه سازی چند هدفه جانمایی دوربین مدار بسته با استفاده از الگوریتمهای هوش مصنوعی
نویسندگان
1 گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
2 گروه مدیریت فن آوری اطلاعات ، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 گروه مدیریت صنعتی ، دانشکده مدیریت و اقتصاد ، واحد تهران مرکز،دانشگاه آزاد اسلامی، تهران، ایران
doi
10.22061/jrsgr.2025.12191.1103چکیده
پیشینه و اهداف: بهینهسازی جانمایی دوربینهای مداربسته یکی از ارکان اساسی سیستمهای هوشمند مدیریت ترافیک شهری است. استقرار صحیح این دوربینها دقت پایش ترافیک را افزایش میدهد و زمان تشخیص حوادث را کاهش میدهد. بنابراین، مسأله بهینهسازی جانمایی دوربینها سالها است به عنوان یک چالش پژوهشی مطرح میشود. رویکردهای نوین حل مسئله از روشهای بهینهسازی چندهدفه استفاده میکنند تا امکان تحلیل همزمان پارامترهای مختلف را فراهم کنند. با وجود پیشرفتهای قابل توجه در روشهای بهینهسازی، رویکردهای فعلی مبتنی بر شبکهبندی دوبعدی و سهبعدی هستند که در محیطهای شهری پیچیده با محدودیتهای اساسی مواجه میشوند. در این روشها، فضا به صورت یک شبکه منظم تقسیمبندی میشود و نقاط بهینه برای نصب دوربینها با چرخش زاویهای مناسب انتخاب میشوند. اما در توپولوژی واقعی شهرها، شبکههای معابر به صورت خطوط تو در تو و غیرمنظم گسترده شدهاند و بسیاری از نقاط محاسبهشده خارج از مسیرهای قابل دسترس قرار میگیرند. این ناهماهنگی بین مدلهای نظری و شرایط عملی، کارایی روشهای سنتی را به شدت زیر سوال میبرد. با توجه به این محدودیتها، ارائه یک چارچوب نوین ضروری است که توپولوژی واقعی شهرها، محدودیتهای فیزیکی و الزامات برنامهریزی شهری را همزمان در نظر بگیرد. روشهای جدید باید بتوانند مسیرهای واقعی ترافیک، مکانهای مجاز نصب دوربین و زاویهبندی اجباری را در مدلهای خود ادغام کنند. این امر نیازمند استفاده از روشهای مبتنی بر دادههای ترافیک مجازی واقعگرا و بهکارگیری الگوریتمهای هوش مصنوعی برای بهینهسازی است. روشها: روش پژوهش حاضر نقشههای شهری را تحلیل میکند و به یک نقشه جامع و دقیق از شهر نیاز دارد تا موقعیتهای بهینه را بر اساس دادههای واقعی شناسایی کند. نقشه مورد استفاده به صورت یک ماتریس نمایش داده میشود که شبکهای دوبعدی از نقاط است و مسیرهای قابل دسترس و موانع غیرقابل عبور با اعداد مختلف تعریف شدهاند. از آنجا که عرض یک خیابان شامل چندین نقطه است، یک ردیف از مرکز مسیر به عنوان نماینده مسیر در نظر گرفته میشود تا حرکت وسایل نقلیه را به آن محدود کند و مکان ایدهآلی برای استقرار دوربینهای نظارتی فراهم نماید. فرآیند جانمایی بهینه پس از تشکیل ماتریس مدل، در چهار مرحله به صورت سیستماتیک انجام میشود. در مرحله اول، جفتهای مبدأ-مقصد به صورت تصادفی با استفاده از توزیع احتمال مبتنی بر تراکم جمعیتی تولید میشوند. در مرحله دوم، برای هر جفت مبدأ-مقصد، مسیریابی بهینه با شبیهسازی رفتار ترافیکی شهروندان انجام میشود. این شبیهسازی در دو حالت انجام میگیرد: ساعات عادی با انتخاب کوتاهترین مسیر و ساعات شلوغی با انتخاب مسیرهای فرعی. در مرحله سوم، تمام مسیرهای تولیدشده تجمیع میشوند و ترافیک مجازی ساخته میشود. سپس تراکم مسیرها محاسبه میشود و بهینهسازی بر اساس ترافیک انجام میگیرد. در مرحله چهارم، با در نظر گرفتن انواع دوربینها بر اساس قیمت خرید و هزینههای نصب، جانمایی بر اساس هزینه بهینه میشود. یافتهها: یکصد هزار داده جدید ایجاد شد و دو آزمایش انجام گرفت. در آزمایش اول، از یک الگوریتم حریصانه برای حداکثر کردن پوشش دوربینها در کل مسیر استفاده شد. آزمایش دوم از روش پیشنهادی بهره گرفت که ابتدا نقاط پرتردد را شناسایی میکند، سپس پوشش دوربینها را در این نقاط حداکثر میکند و در نهایت هزینههای نصب را به حداقل میرساند. نتایج نشان داد روش پیشنهادی در پایش مسیرهای جدید ۴۰ درصد کاراتر و در اجرای پروژه ۶.۶ درصد مقرونبهصرفهتر است. نتیجهگیری: در جانمایی دوربین های مداربسته شهری هر روشی که حداکثر پوشش را در مسیرهای شهری در نظر بگیرد کارایی ندارد و سنجش ترافیک عامل مهمیبرای بهینهسازی است. همچنین در روش پیشنهادی چون ویژگیهای هندسی مسیرها حذف شدهاند، این روش مقیاس پذیر بوده و برای هر شهر و سیستم مسیریابی قابل اعمال است . همچنین برنامهریزان شهری معمولا دوربین های با میدان دید و برندهای متفاوت را خریداری می کنند که می تواند به عنوان فرصت در نظر گرفته شده و هدف دوم بهینه سازی برای کاهش هزینه در نظر گرفته شود.
