پیوندهای مفید
آمار
| تعداد نشریات | 11 |
| تعداد شمارهها | 234 |
| تعداد مقالات | 2,381 |
| تعداد مشاهده مقاله | 3,802,090 |
| تعداد دریافت فایل اصل مقاله | 2,763,590 |
طراحی و توسعه سیستم هوشمند پشتیبان تصمیمگیری مکانی مبتنی بر وب برای بهینهسازی تخصیص مراکز توزیع محلی پاسخ به بلایا | ||
| پژوهش های سنجش از دور و اطلاعات مکانی | ||
| دوره 3، شماره 2 - شماره پیاپی 6، تیر 1404، صفحه 345-362 اصل مقاله (1.68 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/jrsgr.2025.12658.1116 | ||
| نویسندگان | ||
| علی اصغر آل شیخ* ؛ امیر پروینی | ||
| گروه سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران | ||
| تاریخ دریافت: 08 اردیبهشت 1404، تاریخ بازنگری: 10 مهر 1404، تاریخ پذیرش: 09 دی 1404 | ||
| چکیده | ||
| اهداف: مدیریت بهینه زنجیره تأمین بشردوستانه و توزیع اقلام امدادی پس از بلایای طبیعی از چالشهای مهم در حوزه مدیریت بحران است. باوجود اهمیت تخصیص بهینه مراکز توزیع محلی در شرایط پس از بحران، ازجمله زلزله، بسیاری از ابزارهای تصمیمگیری موجود فاقد قابلیتهای مکانی، انعطافپذیری در سناریوسازی و سهولت دسترسی هستند. این مقاله باهدف پر کردن خلأ موجود در مطالعات پیشین، سامانهای مبتنی بر وب طراحی کرده است که با بهرهگیری از قابلیتهای سیستم اطلاعات مکانی (GIS) و الگوریتمهای فرا ابتکاری، امکان تخصیص بهینه مراکز توزیع و مدیریت اقلام امدادی را فراهم میآورد. روش: در این مطالعه، یک سامانه هوشمند پشتیبانی تصمیمگیری مکانی مبتنی بر وب توسعه دادهشده است که به تصمیمگیرندگان کمک میکند تا مراکز توزیع کمکهای امدادی را بهصورت کارآمدتری در سناریوهای مختلف پس از بحران تخصیص دهند. این سامانه از سه بخش اصلی شامل پایگاه داده، موتور تصمیمگیری و رابط کاربری تحت وب تشکیلشده و امکان اجرای کامل آن در مرورگر، بدون نیاز به نصب نرمافزار اضافی، فراهمشده است. همچنین از ترکیب الگوریتمهای ژنتیک و جستجوی ممنوعه برای بهینهسازی تخصیص منابع و توزیع اقلام امدادی در این سامانه استفادهشده است. در این سامانه کاربران میتوانند دادههای ورودی را ویرایش کرده، سناریوهای مختلف را تعریف کرده و نتایج را بهصورت بصری بر روی نقشه مشاهده کنند. در این سامانه، عدم قطعیتهای رایج پس از وقوع بلایای طبیعی، ازجمله نرخهای متفاوت جمعیت آسیبدیده و همچنین پنج دوره زمانی برنامهریزی مختلف در بازه ۸ تا ۷۲ ساعت (۸، ۱۶، ۲۴، ۴۸ و ۷۲ ساعت) در نظر گرفتهشدهاند. انعطافپذیری بالای سامانه در تعریف و تحلیل سناریوهای متنوع، آن را به ابزاری مؤثر برای بهبود تصمیمگیری در برنامهریزی عملیات توزیع کمکهای امدادی تبدیل میکند. یافتهها: نتایج نشان میدهد که الگوریتم ترکیبی پیشنهادی توانسته است تخصیص بهینه مراکز توزیع اقلام را بهبود بخشد و میزان تقاضای برآورده نشده را کاهش دهد. هرچند، بسته به تعداد تکرار الگوریتم در سناریوهای مختلف و تغییر پارامترهای ورودی، نتایج گاهی ناپایدارند که میتوانند در مطالعات آتی موردبررسی و تحلیل دقیقتری قرار گیرند. نتیجهگیری: این مطالعه سامانهای جامع و مبتنی بر وب برای پشتیبانی تصمیمگیری در مدیریت بهینه توزیع اقلام امدادی ارائه داده است که میتواند کارایی عملیات بحران را بهطور قابلتوجهی افزایش دهد. استفاده ترکیبی از الگوریتمهای فرا ابتکاری و دادههای مکانی در این سامانه، امکان پاسخگویی سریع و تصمیمگیری دقیق را فراهم میسازد. توسعه و بهبودهای آتی این سامانه میتواند شامل پشتیبانی از انواع مختلف اقلام و شرایط بحرانی متنوع باشد تا نقش مؤثرتری در کاهش خسارات انسانی و مالی ایفا کند. | ||
| کلیدواژهها | ||
| سامانه پشتیبان تصمیمگیر مکانی؛ توزیع اقلام امدادی؛ سامانه تحت وب؛ مدیریت بحران؛ الگوریتمهای ژنتیک و جستجوی ممنوعه | ||
| 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] | ||
| A. A. Alesheikh؛ A. Parvini | ||
| Geospatial Information Systems Department, Faculty of Surveying Engineering, K. N.Toosi University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| Background and Objectives: Optimal management of humanitarian supply chains and distribution of relief items after natural disasters is a major challenge in the field of crisis management. Despite the importance of optimal allocation of local distribution centers in post-disaster situations, many existing decision-making tools lack spatial capabilities, flexibility in scenario building, and ease of access. Aiming to fill the gap in previous studies, this paper designs a web-based system that utilizes geographic information systems (GIS) and meta-heuristic algorithms to enable optimal allocation of distribution centers and management of relief items. Methods: In this study, an intelligent web-based spatial decision support system has been developed that helps decision makers allocate relief distribution centers more efficiently in different post-crisis scenarios. This system consists of three main parts, including a database, a decision engine, and a web-based user interface, and can be fully implemented in a browser without the need to install additional software. Also, genetic and forbidden search algorithms have been integrated to optimize resource allocation and distribution of relief items in this system. Users can edit input data, define different scenarios, and visually view the results on a map. In this system, common uncertainties after disasters, including different rates of affected populations, as well as five different planning periods ranging from 8 to 72 hours (i.e. 8, 16, 24, 48, and 72 hours), have been considered. The system's high flexibility in defining and analyzing various scenarios makes it an effective tool for improving decision-making in planning relief aid distribution operations. Findings: Results show that the proposed hybrid algorithm has been able to improve the optimal allocation of distribution centers and the effective distribution of items and reduce the amount of unmet demand. However, depending on the number of iterations of the algorithm, different scenarios, and some input parameters, the results have sometimes been unstable, which can be investigated and analyzed more precisely in future studies. Conclusion: This study presents a comprehensive, web-based decision support system for the optimal management of relief distribution, which can significantly increase the efficiency of crisis operations. The combined use of meta-heuristic algorithms and geographic data in this system enables rapid response and accurate decision-making. Future development and improvements of this system can include support for different types of items and diverse disaster situations to play a more effective role in reducing human and financial losses. | ||
| کلیدواژهها [English] | ||
| Spatial Decision-Support System, Distribution of Relief-Items, Web-based System, Disaster Management, Genetics and Tabu Algorithms | ||
| مراجع | ||
|
[1] Paton D, Smith L, Violanti J. Disaster response: risk, vulnerability and resilience. Disaster Prevention and Management: An International Journal. 2000;9(3):173–80. https://doi.org/10.1108/09653560010335068 https://doi.org/10.48550/arXiv.2011.14004 [3] Modiri M, Eskandari M, Hasanzadeh S. Multi-objective modeling of relief items distribution network design problem in disaster relief logistics considering transportation system and CO2 emission. Scientia Iranica. 2022. https://doi.org/10.24200/sci.2022.57132.5080 [4] Cavdur F, Sebatli-Saglam A, Kose-Kucuk M. A spreadsheet-based decision support tool for temporary-disaster-response facilities allocation. Safety science. 2020;124:104581. https://doi.org/10.1016/j.ssci.2019.104581 [5] Aliakbari A, Rashidi Komijan A, Tavakkoli-Moghaddam R, Najafi E. A new robust optimization model for relief logistics planning under uncertainty: a real-case study. Soft Computing-A Fusion of Foundations, Methodologies & Applications. 2022;26(8). https://doi.org/10.1007/s00500-022-06823-4 https://doi.org/10.4018/IJTHI.293204 https://doi.org/10.1016/j.tre.2015.01.008 [9] Aghsami A, Sharififar S, Markazi Moghaddam N, Hazrati E, Jolai F, Yazdani R. Strategies for humanitarian logistics and supply chain in organizational contexts: pre-and post-disaster management perspectives. Systems. 2024;12(6):215. https://doi.org/10.3390/systems12060215 https://doi.org/10.1108/BIJ-04-2019-0165 https://doi.org/10.1108/IJOPM-01-2023-0054 [12] Florez JV, Lauras M, Okongwu U, Dupont L. A decision support system for robust humanitarian facility location. Engineering Applications of Artificial Intelligence. 2015;46:326–35. https://doi.org/10.1016/j.engappai.2015.06.020 https://doi.org/10.1016/j.ijpe.2009.09.008 https://doi.org/10.1080/15568318.2020.1773975 https://doi.org/10.1007/s13198-020-01031-5 [16] Safeer M, Anbuudayasankar S, Balkumar K, Ganesh K. Analyzing transportation and distribution in emergency humanitarian logistics. Procedia Engineering. 2014;97:2248–58. https://doi.org/10.1016/j.proeng.2014.12.469 [17] da Costa SRA, Campos VBG, de Mello Bandeira RA. Supply chains in humanitarian operations: cases and analysis. Procedia-Social and Behavioral Sciences. 2012;54:598–607. https://doi.org/10.1016/j.sbspro.2012.09.777 https://doi.org/10.1016/j.eswa.2016.03.039 [19] Park J, Cullen R, Smith-Jackson T, editors. Designing a decision support system for disaster management and recovery. Proceedings of the Human Factors and Ergonomics Society Annual Meeting; 2014: SAGE Publications Sage CA: Los Angeles, CA. https://doi.org/10.1177/1541931214581416 https://doi.org/10.1016/j.dss.2019.113145 [21] Rye S, Aktas E. A multi-attribute decision support system for allocation of humanitarian cluster resources based on decision makers’ perspective. Sustainability. 2022; 14(20): 13423. https://doi.org/10.3390/su142013423 https://doi.org/10.1016/j.engappai.2015.06.020 https://doi.org/10.1109/IEMBS.2009.5332498 https://doi.org/10.1061/40569(2001)359 https://doi.org/10.21163/GT_2020.151.16 https://doi.org/10.1007/s44212-024-00040-0 https://doi.org/10.1108/JHLSCM-02-2018-0013 https://doi.org/10.1016/j.dss.2016.11.006 https://doi.org/10.1007/s43069-022-00148-6 https://doi.org/10.1108/JHLSCM-07-2019-0043 [32] Schätter F, Wiens M, Schultmann F. A new focus on risk reduction: an ad hoc decision support system for humanitarian relief logistics. Ecosystem Health and Sustainability. 2015;1(3):1–11. https://doi.org/10.1890/ehs14-0020.1 | ||
|
آمار تعداد مشاهده مقاله: 87 تعداد دریافت فایل اصل مقاله: 42 |
||