این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۲۱ دارای ۱۰ صفحه ی انگلیسی با فرمت PDF و ۳۷ صفحه ترجمه فارسی به صورت فایل WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.
کد محصول: M1091
سال نشر: ۲۰۲۱
نام ناشر (پایگاه داده): الزویر
نام مجله: Transportation Research Interdisciplinary Perspectives
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۰ صفحه PDF
تعداد صفحه ترجمه فارسی: ۳۷ صفحه WORD
قیمت فایل ترجمه شده: ۵۸۰۰۰ تومان
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۲۱ : مدلی برای اصلاح الگوی خدمات حمل و نقل عمومی با در نظر گرفتن ظرفیت های تحمیل شده COVID-19
عنوان کامل انگلیسی:
A model for modifying the public transport service patterns to account for the imposed COVID-19 capacity
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل و تخصصی ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
از آنجا که ارائه دهندگان خدمات حمل و نقل عمومی سعی بر این دارند که خدمات خود را از سر بگیرند ، به دلیل شیوع COVID ‐ ۱۹ مجبورند با ظرفیت کمتری فعالیت کنند. از آنجا که تقاضا می تواند در مناطق مختلف و در ساعات مختلف روز بیش از ظرفیت باشد ، رانندگان برای جلوگیری از ازدحام بیش از حد ، از سوار کردن مسافران در ایستگاه های خاص خودداری می کنند. با توجه به نیاز فوری به توسعه ابزارهای پشتیبانی تصمیم که می تواند از ازدحام مسافران وسایل نقلیه جلوگیری کند ، این مطالعه یک برنامه غیرخطی عدد صحیح پویا را برای ارائه الگوی خدمات بهینه وسایل نقلیه شخصی آماده برای اعزام، معرفی می کند. علاوه بر هدف تأمین ظرفیت تحمیل شده به وسیله نقلیه به دلیل COVID ‐ ۱۹ ، مدل الگوی خدمات پیشنهادی زمان انتظار مسافران را نیز در نظر می گیرد. مدل ما در یک خط اتوبوس که دانشگاه Twente را به شهرهای اطراف آن متصل می کند آزمایش شده است که نشان از توازن بین کاهش میزان ازدحام وسیله نقلیه و زمان انتظار بیش از حد مسافرانی که خدمات دریافت نکرده اند ، دارد.
واژه های کلیدی: حمل و نقل عمومی ، الگوی خدمات ، ایستگاه حذف شده ، COVID ‐ ۱۹ ، ظرفیت پاندمی
۱.مقدمه
پس از شروع همه گیرى ، کشورها یکی پس از دیگری اقدامات متداول فاصله گذاری اجتماعى را اجرا کردند که بر حمل و نقل عمومی ، مدارس ، فروشگاه ها ، محل کار و بخش های مختلف دیگر تأثیر می گذارد (اندرسون و همکاران.، ۲۰۲۰؛ لئونارد و لو، ۲۰۲۰). برای اصلاح عملیات ها ، برخی از ارائه دهندگان خدمات حمل و نقل عمومی اجازه استفاده از وسایل حمل و نقل عمومی را فقط برای سفرهای ضروری می دهند (به عنوان مثال ، کالیفرنیا و چندین ایالت دیگر در ایالات متحده ، آسیا و اروپا) (رودریگز ‐ مورالس و دیگران ، ۲۰۲۰). خدمات حمل و نقل عمومی پر ازدحام یکی از عوامل انتقال ویروس محسوب می شود. بنابراین ، از برخی کارکنان اداری خواسته می شود تا آنجا که ممکن است در خانه کار کنند تا بار خدمات حمل و نقل عمومی را کاهش دهند و از دسترس بودن خدمات برای کارکنان ضروری و گروه های آسیب پذیر اطمینان حاصل کنند.
۵.۱: بحث و بررسی
در این مطالعه، ما مدل الگوی خدمت را برای تعیین پویایی ایستگاه های حذف شده یک وسیله نقلیه حمل و نقل عمومی توسعه دادیم که قصد دارد سرویس خود را به منظور تحقق ظرفیت تحمیل شده – همه گیری شروع کند. چندین مقام حمل و نقل عمومی در شهرهای بزرگ قبلا از الگوهای خدمت به منظور جلوگیری از ازدحام جمعیت استفاده کردند، اما این تصمیمات به صورت آفلاین اتخاذ شده و خاصِ خودرو نیست (به عنوان مثال منجر به بسته شدن توقف روزانه شد). مدل الگوی خدمت ما این شکاف تحقیقاتی را پر کرده و می تواند در محیط های پویا با استفاده از برآورد به روز تقاضای مسافر به کار گرفته شود. یکی از مزایای این مدل این است که می تواند در زمان تقریبا واقعی برای خطوط حمل و نقل عمومی با اندازه واقعی به منظور بازیابی یک راه حل بهینه به کار گرفته شود. …
Abstract
As public transport operators try to resume their services, they have to operate under reduced capacities due to COVID‐۱۹. Because demand can exceed capacity at different areas and across different times of the day, drivers have to refuse passenger boardings at specific stops to avoid overcrowding. Given the urgent need to develop decision support tools that can prevent the overcrowding of vehicles, this study introduces a dynamic integer nonlinear program to derive the optimal service patterns of individual vehicles that are ready to be dispatched. In addition to the objective of satisfying the imposed vehicle capacity due to COVID‐۱۹, the proposed service pattern model accounts for the waiting time of passengers. Our model is tested in a bus line connecting the University of Twente with its surrounding cities demonstrating the trade‐off between the reduced in‐vehicle crowding levels and the excessive waiting times of unserved passengers.
Keywords: Public transport, Service patterns, Stop‐skipping, COVID‐۱۹ ,Pandemic capacity
۱.Introduction
After the start of the pandemic, one country after the other implemented so‐called social distancing measures affecting public transport, schools, shops, working places, and various other sectors (Anderson et al., 2020; Lewnard and Lo, 2020). To adjust their operations, some public transport service providers permitted the use of public transport for essential travel only (e.g., California and several other states in the US, Asia, and Europe) (Rodríguez‐Morales et al., 2020). Crowded public transport services are considered one of the virus transmission factors. Thus, several office workers are asked to work from home as much as possible to reduce the burden on public transport services and ensure service availability for essential workers and vulnerable user groups…
۵.۱.Discussion
In this work, we developed a service pattern model for determining dynamically the skipped stops of a public transport vehicle that is about to start its service in order to satisfy the pandemic‐imposed capacity. Several public transport authorities in major cities have already used service patterns to avoid overcrowding but those decisions are made offline and are not vehicle‐specific (e.g., they result in daily stop closures). Our service pattern model filled this research gap and can be applied in dynamic environments by using up‐todate estimations of passenger demand. One of its benefits is that it can be applied in near real‐time for public transport lines with realistic sizes to return an optimal solution…