Χωροχρονική πρόβλεψη σημειακών προτύπων ζήτησης στοχαστικών χωροθετικών προβλημάτων με χρήση νευρωνικών δικτύων

Résumé

Στη συγκεκριμένη εργασία παρουσιάζεται ένα μεθοδολογικό πλαίσιο χωροχρονικής ανάλυσης και πρόβλεψης σημειακών προτύπων ζήτησης στοχαστικών χωροθετικών προβλημάτων. Στα συγκεκριμένα προβλήματα η εκάστοτε ζήτηση (κατανομή) δεν
θεωρείται δεδομένη, αλλά χρονικά και χωρικά μεταβαλλόμενη και ως εκ τούτου οι αντίστοιχα προτεινόμενες λύσεις (χωροθέτηση) δεν είναι μονοσήμαντες.

Η προτεινόμενη μεθοδολογία, αντιμετωπίζει το εκάστοτε χωροθετικό πρόβλημα σε τρία επίπεδα, παρέχοντας αντίστοιχες δυνατότητες διαχρονικής ανάλυσης του σημειακού χωρικού προτύπου της ζήτησης (spatial pattern), πρόβλεψης της μελλοντικής εξέλιξής του (time-series prediction ) καθώς και βέλτιστης χωροθέτησης κέντρων παροχής υπηρεσιών και κατανομής του προς εξυπηρέτηση πληθυσμού (location-allocation).
Η ανάλυση και πρόβλεψη της χωρική ς κατανομής της ζήτησης επιτυγχάνεται με την ενσωμάτωση στη διαδικασία ανάλυσης χώρου, μεθόδων Τεχνητής Νοημοσύνης (Artificial Intelligence) και πιο συγκεκριμένα με ανάπτυξη Τεχνητών Νευρωνικών Δικτύων (Artificial Neural Networks). Τέλος, η επίλυση του χωροθετικού προβλήματος ολοκληρώνεται μέσω της βέλτιστης χωροθέτησης των υπηρεσιών και της κατανομής της ζήτησης σε αυτές. Η χωροθέτηση πραγματοποιείται με χρήση του μοντέλου p-διάμεσος (p-median) αλλά και της λογικής της ασάφεια ς (fuzzy logic).

Στο πλαίσιο της εφαρμογής, εξετάζεται η χωροθέτηση οχημάτων της πυροσβεστικής υπηρεσίας στην μητροπολιτική περιοχή Αθηνών. Οι μελλοντικές κλήσεις που θα δεχθεί το κέντρο επιχειρήσεων δεν είναι γνωστές με βεβαιότητα. Η πρόβλεψη της ζήτησης θα οδηγήσει σε χωροθέτηση των εξωτερικών μονάδων έτσι ώστε να ελαχιστοποιούνται οι αποστάσεις από τα αναμενόμενα συμβάντα. Αυτό προφανώς θα καταστήσει πιο αποτελεσματική την ουσιαστική επέμβαση και την άμεση αντιμετώπιση των περιστατικών που θα προκύψουν.