نوع مقاله : مقاله پژوهشی
نویسندگان
گروه سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
چکیده
مدیریت بهینه توزیع کمکهای امدادی پس از بلایای طبیعی یک چالش حیاتی است. این پژوهش با هدف پرکردن خلأ ابزارهای تصمیمگیری موجود، یک سامانه هوشمند پشتیبان تصمیمگیری مکانی مبتنی بر وب توسعه داده است. این سامانه از قابلیتهای GIS و یک الگوریتم ترکیبی (ژنتیک و جستجوی ممنوعه) برای بهینهسازی تخصیص مراکز توزیع محلی استفاده میکند.
این سیستم تحت وب، بدون نیاز به نرمافزار اضافی، از سه بخش پایگاه داده، موتور تصمیمگیری و رابط کاربری تشکیل شده است. کاربران میتوانند دادهها را ویرایش کنند، سناریوهای مختلف ( در این مطالعه از پنج بازه زمانی ۸ تا ۷۲ ساعت و نرخهای مختلف جمعیت آسیبدیده استفاده شد) را تعریف و نتایج را به صورت بصری بر روی نقشه مشاهده نمایند.
نتایج نشان میدهد الگوریتم ترکیبی پیشنهادی، تخصیص مراکز را بهبود بخشیده و تقاضای برآوردهنشده را کاهش میدهد، اگرچه ناپایداری در نتایج برخی سناریوها نیازمند بررسی بیشتر است. در نهایت، این سامانه یک ابزار جامع و انعطافپذیر برای افزایش کارایی عملیات بحران و تصمیمگیری دقیقتر فراهم میکند. توسعه آتی آن میتواند پشتیبانی از انواع بیشتری از اقلام و شرایط بحرانی را شامل شود.
موضوعات
عنوان مقاله [English]
Design and Development of an Intelligent Web-Based Spatial Decision Support System for Optimal Allocation of Local Disaster Response Centers
نویسندگان [English]
- Ali Asghar Alesheikh
- Amir Parvini
Geospatial Information Systems Department, Faculty of Surveying Engineering, K. N.Toosi University of Technology, Tehran, Iran
چکیده [English]
Optimizing the distribution of relief aid after natural disasters is a critical challenge. This research aims to address the gap in existing decision-making tools by developing an intelligent, web-based spatial decision support system. The system utilizes GIS capabilities and a hybrid algorithm (genetic and tabu search) to optimize the allocation of local distribution centers.
The web-based system, requiring no additional software, consists of three main components: a database, a decision-making engine, and a user interface. Users can edit data, define various scenarios (this study employed five time intervals from 8 to 72 hours and different affected population rates), and visually review the results on a map.
Results indicate that the proposed hybrid algorithm improves the allocation of centers and reduces unmet demand, although instability in the results of some scenarios requires further investigation. Ultimately, this system provides a comprehensive and flexible tool to enhance the efficiency of crisis operations and enable more accurate decision-making. Its future development could include support for a wider range of supplies and critical conditions.
Results indicate that the proposed hybrid algorithm improves the allocation of centers and reduces unmet demand, although instability in the results of some scenarios requires further investigation. Ultimately, this system provides a comprehensive and flexible tool to enhance the efficiency of crisis operations and enable more accurate decision-making. Its future development could include support for a wider range of supplies and critical conditions.
)