DOI: https://doi.org/10.1007/s12065-025-01020-2
تاريخ النشر: 2025-02-21
المؤلف: Matina Lai-Ying Chau وآخرون
الموضوع الرئيسي: تخطيط النقل وتحسينه
نظرة عامة
تقدم هذه القسم نظرة عامة على التقدم المستمر في تحسين أنظمة النقل المتعددة الوسائط، والتي تهدف إلى تعزيز تنقل الركاب وتعزيز الشبكات المستدامة. تتعقد مشاكل التحسين هذه بسبب عوامل مثل الأبعاد العالية، وأحجام الشبكات الكبيرة، ومعايير النمذجة المتنوعة والوسائط. لمعالجة هذه التحديات، وخاصة التعقيد الحسابي، تدعو الورقة إلى استخدام أساليب الحلول الميتاهيرستية التي يمكن أن توفر حلولاً مقبولة ضمن أطر زمنية عملية.
علاوة على ذلك، مع تزايد دمج التعلم الآلي في التطبيقات الواقعية، هناك حاجة متزايدة للحوسبة المتوازية والبنية التحتية الحسابية القوية. تهدف هذه الورقة إلى تقديم مراجعة أدبية منهجية تركز على تحسين تنقل الركاب الحضري من خلال الميتاهيرستيات. قام المؤلفون بإجراء بحث شامل في الأدبيات وتصنيف الدراسات الموجودة بناءً على نطاق المشكلة، والصياغة الرياضية، والمنهجية، والإعدادات الزمنية والشبكية. تقدم النتائج رؤى قيمة حول التغلب على التحديات المرتبطة بتحسين النقل الحضري المتعدد الوسائط، وخاصة فيما يتعلق بالقدرة على التوسع والكفاءة للتطبيقات في الوقت الحقيقي.
مقدمة
تناقش مقدمة الورقة نطاق التعددية المتزايد في النقل، مع التأكيد على دورها في تقليل الاعتماد على المركبات الخاصة وتعزيز التنقل الحضري من خلال وسائط النقل المتكاملة. تسلط الضوء على أهمية تصميم وتحسين البنية التحتية المتعددة الوسائط لتخفيف الازدحام المروري وتلوث الهواء في البيئات الحضرية المتنامية. تستعرض هذه القسم الأدبيات الموجودة حول النقل المتعدد الوسائط، مع التركيز بشكل خاص على دراسات الشحن وسلسلة التوريد، وتحدد المساهمات الرئيسية من باحثين مختلفين، مثل SteadieSeifi وآخرين وRentschler وآخرين، الذين استكشفوا التخطيط الاستراتيجي، والاستدامة، وتقنيات التحسين، بما في ذلك الميتاهيرستيات.
تشير الورقة إلى أنه بينما تناولت المراجعات السابقة مشاكل محددة ضمن النقل المتعدد الوسائط، لا يزال هناك فجوة كبيرة في التحليلات المنهجية لتحسين الميتاهيرستيات للنقل الحضري للركاب. يهدف المؤلفون إلى سد هذه الفجوة من خلال دراسة اهتمامات البحث الناشئة، وتصنيف الدراسات، وتقييم الميتاهيرستيات الرائدة المستخدمة في هذا المجال. يحددون ثلاثة أسئلة بحثية رئيسية لتوجيه تحقيقهم: تحديد الاتجاهات في تحسين الوسائط المتعددة، مقارنة المنهجيات الميتاهيرستية، وتسليط الضوء على المجالات التي تحتاج إلى بحث مستقبلي. تمهد المقدمة الطريق لمراجعة شاملة لحالة البحث الحالية، بهدف تقديم رؤى حول التحديات والفرص الموجودة ضمن أنظمة النقل الحضري المتعددة الوسائط.
الطرق
استخدمت منهجية البحث نهج مراجعة منهجية، متبعة الإرشادات التي وضعتها Cook وآخرون لتقليل التحيز في تجميع وتقييم ودراسة الدراسات. تم هيكلة العملية حول خمس خطوات منهجية، تم تعديلها من توصيات Denyer وTranfield. تضمن هذه الخطوات منهجية صارمة وشفافة لإجراء البحث الأدبي، مما يعزز موثوقية النتائج.
النتائج
تقدم قسم النتائج من ورقة البحث مراجعة منهجية لمشاكل النقل المتعدد الوسائط التي تم تحسينها باستخدام منهجيات ميتاهيرستية. توضح دائرة (الشكل 1) توزيع هذه المشاكل، مما يكشف أن متغيرات مشكلة البائع المتجول (TSP) هي الأكثر تناولاً، تليها مشكلة تغطية المجموعة (SCP). تشمل مجموعة أصغر مجموعة متنوعة من قضايا النقل المتعدد الوسائط الأقل بحثًا. بالإضافة إلى ذلك، يتم الإشارة إلى مشاكل تحسين أخرى مثل المشكلة المفتوحة (OP)، ومشكلة توجيه المركبات (VRP)، ومشكلة موقع المحور (HLP)، ومشكلة جدولة المركبات (VSP).
تسلط التحليل الضوء على أن الخوارزميات التطورية، وخاصة الخوارزميات الجينية (GA)، تهيمن على الأدبيات في هذا المجال، كما هو موضح في الشكل 2. تشكل طرق الذكاء الجماعي، بما في ذلك تحسين مستعمرة النمل (ACO)، وتحسين سرب الجسيمات (PSO)، ومستعمرة النحل الاصطناعية (ABC)، أيضًا جزءًا كبيرًا من الدراسات التي تمت مراجعتها. تشير النتائج إلى أن الميتاهيرستيات المعتمدة على السكان هي الطرق الأكثر شيوعًا المستخدمة في تحسين النقل الحضري المتعدد الوسائط للركاب. علاوة على ذلك، تُستخدم طرق الحلول الفردية مثل التبريد المحاكي (SA)، والبحث المحظور (TS)، والبحث في الجوار المتغير (VNS)، وإجراء البحث العشوائي المتكيف الجشع (GRASP) غالبًا بالاقتران مع الأساليب المعتمدة على السكان، إما للتحليل المقارن أو كعناصر من الخوارزميات الميميتية الهجينة. تؤكد الدراسة على الحاجة إلى تقييم الحالة الحالية للبحث في ضوء التقدم السريع في تقنيات جمع البيانات ومعالجتها، وخاصة التعلم الآلي، وتحدد اتجاهات البحث المستقبلي بناءً على تصنيف المنهجيات المستخدمة في الأعمال التي تمت مراجعتها.
المناقشة
في هذا القسم، تناقش الورقة المراجعة المنهجية لأساليب تحسين الميتاهيرستيات المطبقة على أنظمة النقل الحضري المتعددة الوسائط. يتم تحديد نطاق الدراسة، مع التركيز على نقل الركاب الحضري، ويتم توضيح عملية استرجاع الأدبيات الشاملة. باستخدام قاعدة بيانات Scopus، استخدم المؤلفون مجموعات كلمات رئيسية محددة لتحديد الدراسات ذات الصلة، مما أسفر عن استرجاع 451 عملاً. بعد تصفية التكرارات والدراسات غير ذات الصلة، اعتُبرت 69 ورقة ذات صلة، مع عدد كبير منها يستخدم الخوارزميات الجينية (GA) وتقنيات ميتاهيرستية أخرى مثل تحسين مستعمرة النمل (ACO) وتحسين سرب الجسيمات (PSO).
تصنف التحليل هذه الدراسات بناءً على معايير مختلفة، بما في ذلك نطاق المشكلة، ووسائط النقل، والأهداف، والصياغات الرياضية. تسلط المراجعة الضوء على تنوع الأساليب ضمن الأدبيات، خاصة في تطبيق الخوارزميات التطورية (EAs) وطرق الذكاء الجماعي. على سبيل المثال، تُلاحظ الخوارزمية الجينية (GA) لفعاليتها في مشاكل التحسين التوافقي، بينما تُبرز التطور التفاضلي (DE) للتحسين المستمر المقيد. تختتم القسم بأمثلة على الدراسات التي نفذت هذه الخوارزميات بنجاح لتحسين الطرق المتعددة الوسائط، مما يظهر الإمكانية لتحسين كفاءة النقل الحضري وتجربة المستخدم من خلال تقنيات التحسين المتقدمة.
DOI: https://doi.org/10.1007/s12065-025-01020-2
Publication Date: 2025-02-21
Author(s): Matina Lai-Ying Chau et al.
Primary Topic: Transportation Planning and Optimization
Overview
This section presents an overview of the ongoing advancements in the optimization of multimodal transportation systems, which aim to enhance commuter mobility and promote sustainable networks. The complexity of these optimization problems is heightened by factors such as high dimensionality, extensive network sizes, and diverse modeling criteria and modes. To address these challenges, particularly computational complexity, the paper advocates for the use of metaheuristic solution approaches that can yield acceptable solutions within practical timeframes.
Furthermore, as machine learning increasingly integrates into real-world applications, there is a growing need for parallel computing and robust computational infrastructure. This paper aims to provide a systematic literature review focusing on the optimization of urban passenger mobility through metaheuristics. The authors conducted a comprehensive bibliographic search and classified existing studies based on problem scope, mathematical formulation, methodology, and both temporal and network settings. The findings offer valuable insights into overcoming the challenges associated with multimodal urban transport optimization, particularly concerning scalability and efficiency for real-time applications.
Introduction
The introduction of the paper discusses the expanding scope of multimodality in transportation, emphasizing its role in reducing reliance on private vehicles and enhancing urban mobility through integrated transit modes. It highlights the importance of designing and optimizing multimodal infrastructure to alleviate traffic congestion and air pollution in growing urban environments. The section reviews existing literature on multimodal transportation, particularly focusing on freight and supply chain studies, and identifies key contributions from various researchers, such as SteadieSeifi et al. and Rentschler et al., who have explored strategic planning, sustainability, and optimization techniques, including metaheuristics.
The paper notes that while previous reviews have addressed specific problems within multimodal transport, there remains a significant gap in systematic analyses of metaheuristic optimization for urban passenger transportation. The authors aim to fill this gap by examining emerging research interests, classifying studies, and assessing the leading metaheuristics employed in the field. They outline three primary research questions to guide their investigation: identifying trends in multimodal optimization, comparing metaheuristic methodologies, and highlighting areas for future research. The introduction sets the stage for a comprehensive review of the current state of research, aiming to provide insights into existing challenges and opportunities within multimodal urban transportation systems.
Methods
The research methodology employed a systematic review approach, following the guidelines established by Cook et al. to minimize bias in the assembly, critical appraisal, and synthesis of studies. The process was structured around five systematic steps, which were adapted from the recommendations of Denyer and Tranfield. These steps ensure a rigorous and transparent methodology for conducting the bibliographic search, thereby enhancing the reliability of the findings.
Results
The results section of the research paper presents a systematic review of multimodal transportation problems optimized using metaheuristic methodologies. A pie chart (Fig. 1) illustrates the distribution of these problems, revealing that variants of the Traveling Salesman Problem (TSP) are the most frequently addressed, followed by the Set Covering Problem (SCP). A smaller subset includes various lesser-researched multimodal transportation issues. Additionally, other optimization problems such as the Open Problem (OP), Vehicle Routing Problem (VRP), Hub Location Problem (HLP), and Vehicle Scheduling Problem (VSP) are noted.
The analysis highlights that Evolutionary Algorithms, particularly Genetic Algorithms (GA), dominate the literature in this field, as shown in Fig. 2. Swarm Intelligence methods, including Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), and Artificial Bee Colony (ABC), also constitute a significant portion of the reviewed studies. The findings indicate that population-based metaheuristics are the most commonly applied methods for optimizing urban multimodal passenger transportation. Furthermore, single-solution methods like Simulated Annealing (SA), Tabu Search (TS), Variable Neighborhood Search (VNS), and Greedy Randomized Adaptive Search Procedure (GRASP) are often used in conjunction with population-based approaches, either for comparative analysis or as components of hybrid Memetic Algorithms. The study emphasizes the need to assess the current state of research in light of rapid advancements in data collection and processing technologies, particularly machine learning, and outlines directions for future research based on the categorization of methodologies employed in the reviewed works.
Discussion
In this section, the paper discusses the systematic review of metaheuristic optimization methods applied to multimodal urban transportation systems. The study’s scope is defined, focusing on urban passenger transport, and a comprehensive literature retrieval process is outlined. Utilizing the Scopus database, the authors employed specific keyword combinations to identify relevant studies, resulting in the retrieval of 451 works. After filtering for duplicates and non-relevant studies, 69 papers were deemed pertinent, with a significant number employing Genetic Algorithms (GA) and other metaheuristic techniques such as Ant Colony Optimization (ACO) and Particle Swarm Optimization (PSO).
The analysis categorizes these studies based on various criteria, including problem scope, transport modes, objectives, and mathematical formulations. The review highlights the diversity of approaches within the literature, particularly in the application of evolutionary algorithms (EAs) and swarm intelligence methods. For instance, the GA is noted for its effectiveness in combinatorial optimization problems, while Differential Evolution (DE) is highlighted for continuous constrained optimization. The section concludes with examples of studies that successfully implemented these algorithms to optimize multimodal routes, demonstrating the potential for improved urban transportation efficiency and user experience through advanced optimization techniques.