دوره 22، شماره 1 - ( 3-1404 )
جلد 22 شماره 1 صفحات 70-53 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
asadzadeh S, parvinnia E. Intelligent routing of the money-carrying vehicle in the urban traffic network of Shiraz. JSDP 2025; 22 (1) :53-70
URL: http://jsdp.rcisp.ac.ir/article-1-1424-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1424-fa.html
اسدزاده سمیرا، پروین نیا الهام. مسیریابی هوشمند ماشین حمل پول در شبکه ترافیک شهری شیراز. پردازش علائم و داده‌ها. 1404; 22 (1) :53-70
دانشیار گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
چکیده: (270 مشاهده)
با رشد و توسعه شهری، نیاز به سامانه‌های حمل‌ونقل امن و بهینه در حوزه ترابری شهری بیش از پیش احساس می‌شود. یکی از چالش‌های مهم در این زمینه، مسیریابی ماشین‌های حمل پول بانک‌ها به‌دلیل ماهیت حساس و خطرناک آن، نیازمند برنامه‌ریزی دقیق و هوشمند است. چالش‌های اصلی این حوزه شامل امنیت، زمان‌بندی، ترافیک و انتخاب مسیر بهینه است. این مقاله با هدف ارائه روشی نوآورانه برای مسیریابی هوشمند ماشین‌های حمل پول، مسئله مسیریابی شهری را به مسئله فروشنده دوره‌گرد (TSP) نگاشت می‌کند. در این روش، از الگوریتم بهینه‌سازی کلونی مورچه‌ها (ACO) استفاده شده است و محدودیت‌های واقعی مانند ترافیک سنگین، امنیت پایین و خطرات جاده‌ای به‌عنوان وزن‌های اضافی درنظر گرفته می‌شوند. داده‌های مورد استفاده شامل نقشه ترافیک شهری شیراز و موقعیت‌های بانک‌های مختلف است. نتایج نشان می‌دهد که روش پیشنهادی قادر است مسیرهایی را انتخاب کند که از مناطق پرترافیک، جرم‌خیز و خطرناک دوری کرده و در عین حال، زمان سفر را بهینه‌سازی کند. این روش نه‌تنها امنیت و کارایی را افزایش می‌دهد؛ بلکه به کاهش هزینه‌های عملیاتی نیز کمک می‌کند. با توجه به ارزیابی‌های مقایسه‌ای انجام‌شده، الگوریتم پیشنهادی با ترکیب عواملی مانند داده‌های ترافیکی، نرخ امنیت و شرایط رانندگی و جاده، راه‌حلی واقعی‌تر و جامع‌تر نسبت به مدل‌های دیگر ارائه کرده‌است. این رویکرد در ایجاد تعادل بین جنبه‌های چندوجهی مسیریابی مانند ایمنی، وقت‌شناسی و هزینه کارآمد بوده‌است. توانایی این الگوریتم برای اجتناب از مسیرهایی با ترافیک سنگین، نرخ پایین امنیت و شرایط نامناسب جاده، ایمنی و کاهش زمان سفر در ماشین‌های حمل پول را به طور چشم‌گیری افزایش داده‌است؛ همچنین، روش پیشنهادی با نگاشت مسئله مسیریابی شهری به مسئله فروشنده دوره‌گرد و استفاده از الگوریتم ACO توانسته است، مسیرهایی بهینه و ایمن ارائه دهد. این روش در مقایسه با مقالات دیگر، از نظر دقت، زمان اجرا، مصرف انرژی و امنیت عملکرد بهتری دارد. استفاده از داده‌های ترافیکی واقعی و توانایی تطبیق با تغییرات پویا، اعتبار و کاربردی‌بودن روش پیشنهادی را افزایش داده‌است. در کل، این مقاله با ارائه یک روش نوآورانه برای مسیریابی هوشمند خودروهای حمل پول، گامی مهم در جهت بهبود کارایی و امنیت عملیات بانکی برداشته است.
واژه‌های کلیدی: مسیریابی هوشمند، الگوریتم کلونی مورچه‌ها، مسئله فروشنده دوره‌گرد، بهینه‌سازی مسیر، امنیت ترافیک.
نوع مطالعه: كاربردي |
موضوع مقاله:
مقالات گروه امنیت اطلاعات
دریافت: 1403/1/15 | پذیرش: 1403/12/25 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
دریافت: 1403/1/15 | پذیرش: 1403/12/25 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
فهرست منابع
1. M. A. Fadhel, A. M. Duhaim, A. Saihood, A. Sewify, M. N. Al-Hamadani, A. S. Albahri, ... & Y. Gu, "Comprehensive systematic review of information fusion methods in smart cities and urban environments," Information Fusion, vol. 102317, 2024. [DOI:10.1016/j.inffus.2024.102317]
2. D. N. Dwivedi, "The Use of Artificial Intelligence in Supply Chain Management and Logistics," in Leveraging AI and Emotional Intelligence in Contemporary Business Organizations, IGI Global, pp. 306-313, 2024. [DOI:10.4018/979-8-3693-1902-4.ch018]
3. M. A. Mustafayev, "Implementation of shortest route algorithms in Smart City," Doctoral dissertation, 2024.
4. Shahin, P. Hosteins, P. Pellegrini, P. O. Vandanjon, and L. Quadrifoglio, "A survey of Flex-Route Transit problem and its link with Vehicle Routing Problem," Transportation Research Part C: Emerging Technologies, vol. 158, p. 104437, 2024. [DOI:10.1016/j.trc.2023.104437]
5. R. Nureddin, I. Koc, and S. A. Uymaz, "A Novel Crossover based Discrete Artificial Algae Algorithm for Solving Traveling Salesman Problem," International Arab Journal of Information Technology, 2024. [DOI:10.34028/iajit/21/5/14]
6. T. H. Nguyen and J. J. Jung, "ACO-based traffic routing method with automated negotiation for connected vehicles," Complex & Intelligent Systems, vol. 9, no. 1, pp. 625-636, Feb. 2023. [DOI:10.1007/s40747-022-00833-3]
7. T. H. Nguyen and J. J. Jung, "Ant colony optimization-based traffic routing with intersection negotiation for connected vehicles," Applied Soft Computing, vol. 112, p. 107828, Nov. 1, 2021. [DOI:10.1016/j.asoc.2021.107828]
8. H. Han, J. Tang, and Z. Jing, "Wireless sensor network routing optimization based on improved ant colony algorithm in the Internet of Things," Heliyon, vol. 10, no. 1, Jan. 15, 2024. [DOI:10.1016/j.heliyon.2023.e23577] [PMID] []
9. O. Sbayti and K. Housni, "A new routing method based on ant colony optimization in vehicular ad-hoc network," Statistics, Optimization & Information Computing, vol. 12, no. 1, pp. 167-181, 2024. [DOI:10.19139/soic-2310-5070-1766]
10. B. Wu, Z. Zuo, M. Zhou, X. Wan, X. Zhao, and S. Yang, "A Multi-Objective Ant Colony System-Based Approach to Transit Route Network Adjustment," IEEE Transactions on Intelligent Transportation Systems, Jan. 16, 2024. [DOI:10.1109/TITS.2023.3348111]
11. R. Ramamoorthy, "An Enhanced Location-Aided Ant Colony Routing for Secure Communication in Vehicular Ad Hoc Networks," Human-Centric Intelligent Systems, pp. 1-28, Jan. 10, 2024. [DOI:10.1007/s44230-023-00059-7]
12. N. Saeedi and S. Babaie, "A New Hybrid Routing Algorithm based on Genetic Algorithm and Simulated Annealing for Vehicular Ad hoc Networks," JSDP, vol. 19, no. 2, p. 5, 2022. [DOI:10.52547/jsdp.19.2.61]
13. S. Borumand, A. Hesampour, M. Kuchaki, and M. Rafsanjani, "Intuitionistic fuzzy logic for adaptive energy efficient routing in mobile ad-hoc networks," JSDP, vol. 18, no. 1, pp. 12-3, 2021. [DOI:10.52547/jsdp.18.1.12]
14. J. Ćelić, B. Mandžuka, V. Tomas, and F. Tadić, "Driver-centric urban route planning: Smart search for parking," Sustainability, vol. 16, no. 2, p. 856, 2024. [DOI:10.3390/su16020856]
15. K. Haseeb, A. Rehman, T. Saba, S. A. Bahaj, H. Wang, and H. Song, "Efficient and trusted autonomous vehicle routing protocol for 6G networks with computational intelligence," ISA Transactions, vol. 132, pp. 61-68, 2023. [DOI:10.1016/j.isatra.2022.09.035] [PMID]
16. J. Bai, J. Sun, Z. Wang, X. Zhao, A. Wen, C. Zhang, and J. Zhang, "An adaptive intelligent routing algorithm based on deep reinforcement learning," Computer Communications, vol. 216, pp. 195-208, 2024. [DOI:10.1016/j.comcom.2023.12.039]
17. B. Bai, Y. Li, S. Ding, L. Qiao, Y. Wu, and X. Li, "Research on relieve of traffic congestion based on optimization of DQN algorithm in CamTra recognition system," Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 09544070241280671, 2024. [DOI:10.1177/09544070241280671]
18. M. Scianna, "The AddACO: A bio-inspired modified version of the ant colony optimization algorithm to solve travel salesman problems," Mathematics and Computers in Simulation, vol. 218, pp. 357-382, 2024. [DOI:10.1016/j.matcom.2023.12.003]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
