Afetlere müdahale aşamasında çoklu robotların konumu ve yönlendirilmesi için yeni bir kümeleme tabanlı görev tahsis yöntemi
A novel clustering-based task allocation method for location and routing of multi robots in the response phase of disasters
- Tez No: 755016
- Danışmanlar: DOÇ. DR. TARIK KÜÇÜKDENİZ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 159
Özet
CRED'e (2018) göre, 1998 ve 2017 yılları arasında doğal afetler nedeniyle 1,3 milyon insan öldü, 4,4 milyar kişi yaralandı veya yerinden edildi. Acil müdahale, bir afetten hemen sonra yapılan çabalarla ilgilenen afet yönetiminin dört aşamasından biridir. Yardım malzemelerinin temini ve yaralıların hastanelere ulaştırılması bu tür çabalara örnektir. Bu çalışma, çoklu robotlar kullanarak şiddetli ve büyük ölçekli doğal afetler sonrasında acil müdahale operasyonlarında, hayatta kalanların hayatta kalma olasılığını maksimize etme problemini ele almaktadır. Burada temel amacımız, farklı kümeleme tekniklerinin yönlendirme ve hayatta kalma olasılığı üzerindeki etkisini incelemektir. Acil müdahale operasyonları perspektifinden konum yönlendirme problemlerini çözmek için P-MWFCM-ACO adı verilen yeni bir iki aşamalı olasılıksal kümeleme ve yönlendirme stratejisi sunulmuştur. Önerilen yöntemin ilk aşamasında, bir hayatta kalma olasılık fonksiyonuyla ilgili ağırlıklara dayalı olarak kurtarma merkezi konumlarını belirlemek için 11 kümeden oluşan değiştirilmiş ağırlıklı bulanık c-ortalamalar kümeleme algoritması kullanılmıştır. İkinci aşamada, merkezler ve hayatta kalanlar arasındaki çoklu robotlar için en uygun yolları belirlemek için standart bir ACO algoritması uygulanmıştır. Problemi çözmek ve önerilen yeni amaç fonksiyonunun üstünlüğünü doğrulamak için iki amaç fonksiyonu sunulmuştur. Birinci fonksiyon, çoklu robot görev tahsisi (MRTA) problemlerinde en sık kullanılan amaç fonksiyonu olan her bir küme içindeki rota uzunluğunu azaltmaktır. İkincisi, toplam ölüm sayısını ve robotlar tarafından kat edilen toplam mesafeyi azaltırken, hayatta kalanların hayatta kalma olasılığını en üst düzeye çıkaran, hayatta kalanların hayatta kalma olasılığını temel alan yeni bir amaç fonksiyonudur. Önerilen yöntem K-ortalamalar ve bulanık c-ortalamalar kümeleme algoritmaları ile karşılaştırılmıştır: 901 afetzede içeren bir veri seti kullanılarak, optimizasyon problemi 5m/s, 10m/s, 30m/s ve 50m/s hızları ile değerlendirilmiştir. Simülasyon sonuçlarına göre, farklı kümeleme algoritmaları, önerilen stratejinin toplam ölüm sayısını azaltma ve hayatta kalma olasılığını iyileştirme açısından diğerlerinden daha iyi performans gösterdiği, değişen hayatta kalma ve ölüm oranlarına sahip farklı rotalara yol açtığını göstermektedir. Böylece, MWFCM algoritması önerilen amaç fonksiyonu ile birleştirilerek, hayatta kalma olasılığı arttırılabilmektedir. Gelecek araştırmalar için son bölümde bazı önerilerde bulunulmuştur.
Özet (Çeviri)
Between 1998 and 2017, 1.3 million people died, 4.4 billion were wounded, or were displaced due to natural disasters, according to CRED (2018). Emergency response is one of four stages of disaster management that deals with efforts taken immediately after a disaster. Supplying relief supplies and conveying injured to hospitals are examples of such efforts. This thesis considers the problem of maximizing the survival probability of survivors in severe and large-scale natural disasters emergency response operations using multi robots where our principal objective is to examine the impact of different clustering techniques on routing and survival probability. We present a novel two-stage probabilistic clustering then routing strategy called (P-MWFCM-ACO) to solve location routing problems from the perspective of emergency response operations in which it is the first research to incorporate a survival probability function together into route planning decision making framework. In the first phase of the suggested method, we used a modified weighted fuzzy c-means clustering algorithm of 11 clusters to determine relief depot locations based on weights related to a survival probability function. In the second phase, a standard ACO algorithm was applied to identify the optimal paths for multi-robots between depots and survivors. We presented two objective functions to solve the problem and verify our proposed novel objective function's superiority. The first objective's goal is to minimize route's length within each cluster which is the most often used objective function in multi robot task allocation (MRTA) problems. The second one is a novel objective function based on survivor survival probability that maximizes survivor survival probability while decreasing total number of deaths and total distance travelled by robots. The proposed method was compared against two clustering techniques: k-means and fuzzy c- means clustering algorithm and the first objective function. We used the Matlab open-source code to simulate a dataset that includes 901 survivors and solved the optimization problem for each objective function at speeds of 5m/s, 10m/s, 30m/s, and 50m/s. According to simulation results, different clustering algorithms lead to different routes with varying survival and fatality rates in which our strategy outperforms others in terms of reducing the overall number of deaths, improving the probability of survival. Thus, by combining the MWFCM algorithm with the proposed objective function, the likelihood of survival may be increased. Some recommendations were given in the last section for future research.
Benzer Tezler
- Ladik Gölü Havzası'nda (Samsun) akıllı doğal afet yönetimi
Smart natural disaster management in Basin Of Lake Ladik (Samsun)
FATİH OCAK
- Afet yönetiminde arama-kurtarma ve psikososyal destek ekiplerinin atanması
Assignment of search, rescue and psychosocial support teams in disaster management
ELİF AKDAŞ
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriKırıkkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER EREN
- Assessment of social vulnerability using geographic information systems: Pendik, Istanbul case study
Coğrafi bilgi sistemleri kullanarak, sosyal hassasiyet değerlendirme çalışması: İstanbul, Pendik örneği
ZEYNEP GÜNGÖR HAKİ
Yüksek Lisans
İngilizce
2003
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. ZUHAL AKYÜREK
DOÇ. DR. ŞEBNEM DÜZGÜN
- Bütünleşik afet risk maruziyetine yönelik coğrafi veri modelinin belirlenmesi
Determining a geographic data model for the integrated disaster risk exposure
BEKİR TAŞTAN
Doktora
Türkçe
2021
Coğrafyaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Afet yönetimi kapsamında depreme müdahale yeterliliği üzerine sosyolojik bir araştırma: Malatya ili örneği
A sociological evaluation on the adequacy of response to earthquake in the scope of disaster management: The case of Malatya province
BİLGENUR BİLGE