بخشی از مقاله
چکیده
ایجاد امکانات جدید شهري، نیازمند مطالعه دقیق در زمینه نحوه استقرار صحیح این امکانات در مناطق مختلف یک شهر است.جهت تخصیص درست امکانات شهري ،اولین نکته اساسی، انتخاب مکان بهینه با توجه به شرایط متفاوت و گاها متضاد است.این مساله زمانی اهمیت می یابد که فاکتورهاي بسیار مهمی مانند نجات جان انسانهامد نظر قرار داده می شوند.لذا انتخاب بهینه مراکز آتش نشانی به دلیل اهمیت جان افرادي که در معرض خطر واقع شده اند،مساله اي اساسی تلقی می شود.
در این مقاله یک روش جدید بر مبناي استفاده از شبکه هاي عصبی ارائه می شود که در آن پارامترهاي موثر در مکان یابی مراکز آتش نشانی توسط یک شبکه پرسپترون چند لایه وزن دهی می گردد. این شبکه از طریق یک سري داده هاي اولیه آموزش دیده و از این طریق معیارهاي مکانیابی این ایستگاههابه معیاري واحد متشکل از مجموع وزن دار هریک از معیارها تبدیل می شوند.نتایج نشان می دهند که استفاده از این متد بدلیل تشخیص وزن پارامترهاي مرتبط از طریق داده هاي اولیه ،در مقایسه با متدهاي رایج مکان یابی مانند همپوشانی که درآن وزن لایه ها صفر و یا یک است و یا روش همپوشانی شاخص که وزنها بصورت ذهنی توسط کارشناس تعیین می گردد مزایاي بسیاري را در پی دارد.روش بکار رفته در حدود 70 درصد در تعیین مناطق مناسب یا نامناسب بدرستی عمل کرده است.
-1 مقدمه
همه ساله افراد بسیاري بر اثر سوانح مختلف مانند آتش سوزي، جان خود را از دست می دهند.از جمله دلایل این امر می توان به پراکندگی نامناسب ایستگاههاي آتش نشانی ، قرار گرفتن آنها در مناطق پر ترافیک و فقدان پاسخگویی به زمان استاندارد در اطفاي حریق اشاره نمود.در حالیکه با اتخاذ تدابیر مناسب مانند اطفاي حریق به موقع می توان از گسترش آتش سوزي جلوگیري بعمل آورد.لذا پراکندگی مناسب ایستگاههاي آتش نشانی بمنظور امدادرسانی به مناطق تحت خطر ضروري به نظر می رسد.
متاسفانه چون بسیاري از ایستگاههاي آتش نشانی بر اساس تجربه کارشناسان و متدهاي سنتی ایجاد می شوند،پراکندگی نامناسب آنها همواره مشکلاتی را در امر پاسخگویی در زمان استاندارد 5 دقیقه و اطفاي حریق به موقع پدید می آورد.بنابراین باید روش هایی را به کار گرفت که تا با در نظر گرفتن تمامی فاکتورها بتوان مکانهاي بهینه این ایستگاهها را تعیین نمود. براي تعیین هر چه بهتر مکانهاي بهینه ایستگاههاي آتش نشانی باید کلیه پارامترهاي موثر را در نظر گرفت و وزن هریک از آنها را بدرستی اعمال نمود.
در این راستا براي سهولت کار می توان کلیه این پارامترها را به یک پارامتر واحد تبدیل نمود .این پارامتر می تواند از مجموع وزندار کلیه پارامترهاي فوق تشکیل شده باشد.بنابر این استخراج وزن هریک از لایه هاي اطلاعاتی از اهمیت بالایی برخوردار است. یکی از روشهاي موثر براي تعیین وزن لایه هاي اطلاعاتی استفاده از شبکه هاي عصبی است.در این مقاله ابتدا با مروري برادبیات موضوع ،به ارائه متدولوژي و روش استفاده از شبکه هاي عصبی جهت استخراج وزن پارامترهاي مرتبط با مکان یابی مراکز آتش نشانی پرداخته می شود و در نهایت نتایج موجود مورد تجزیه تحلیل قرار می گیرند.
-2 مروري بر کارهاي انجام شده
به لحاظ اهمیت بسیار زیاد مساله نجات جان انسانها در اطفاي حریق، پژوهشهاي بسیاري از دیرباز در کشورهاي توسعه یافته در زمینه انتخاب مکانهاي مناسب احداث ایستگاههاي آتش نشانی انجام گرفته است.پژوهشهاي اولیه در این مورد بر مبناي انتخاب مکان ایستگاهها بر اساس سطح پوشش ارائه خدمات توسط هر یک از آنها قرار داشت [3] .در این زمینه بمنظور طراحی و ایجاد ایستگاههاي آتش نشانی ، یک متد تحلیلی و تکرار شونده توسط Helly ارائه گردید. مراحل اجراي این متد عبارتند از:
1. تعریف مناطق تحت پوشش ارائه خدمات توسط هر ایستگاه
2. معرفی بهترین مکان هر ایستگاه آتش نشانی در منطقه تحت پوشش
3. بهینه سازي مناطق ایستگاهها
در نظر گرفتن مساله مکان یابی بعنوان یک مساله چند معیاره ابتدا توسط Badri مطرح شد.[ 2 ]وي با ارائه یک مدل بر اساس زمان سفر از ایستگاه تا نقطه حادثه دیده بجاي مسافت ،با ارائه 11 فاکتور موثر بر مکان یابی مراکز آتش نشانی نواقص مدل قبلی را پوشش دادند.سپس Chen متد Helly را براي مکانیابی ایستگاهها در چین بکار گرفت . [1 ] کلیه روشهاي فوق داراي معیاب زیر بودند:
• فاصله ایستگاه تا نقطه حادثه دیده معمولا بصورت خط مستقیم در نظر گرفته شده است در حالیکه ماهیت اصلی این فاصله منحنی وار است.
• اینکه اطمینان حاصل کنیم که تمام نقاط حادثه دیده در کمترین زمان ممکن سرویس دهی میشوند یا خیر مشکل است
رفع نواقص فوق با ارائه یک مدل بر مبناي شبکه واقعی راهها توسط Yo Yanو Quo Qingsheng انجام گرفت .[3] آنها با در نظر گرفتن شبکه اي از راههاي موجود در یک شهر،گرافی جهتدار تشکیل دادند. اجزاي این گراف عبارتند از:
مجموعه اي از نود هاي شبکه ،مجموعه اي از یالهاي شبکه،مجموعه نقاط حادثه دیده ،مجموعه مراکز انتخابی امداد رسانی،وزن یالهاي شبکه .[3] از دیگر کارهاي انجام گرفته شده در این زمینه میتوان به تلفیق برنامه نویسی چند معیاره بهمراه الگوریتم ژنتیک توسط Lily Yang,Bryan F.Jones,Hua Yang اشاره نمود.آنها با استفاده از فاکتورهاي معرفی شده توسط Badri ،5 فاکتور اصلی را معرفی نمودند[4] .
در روش ارائه شده توسط این افراد، ابتدا کلیه معیارها،با استفاده از برنامه نویسی چند معیاره فازي، تبدیل به یک معیار واحد شده و سپس با استفاده از الگوریتم ژنتیک تعداد و مکانهاي مناسب ایستگاهها تعیین گردید. علاوه بر آنکه هریک از مدلهاي فوق ، گام مهمی در زمینه مکان یابی ایستگاههاي آتش نشانی محسوب میشوند،در این مقاله جهت برطرف کردن نقص روش همپوشانی،استفاده از شبکه هاي عصبی براي تعیین وزن هریک از پارامترها ،پیشنهاد گردیده است.
