@article { author = {Kheyrollahi, Mostafa and nadi, saeed and Neisany Samany, Najmeh}, title = {Conflating qualitative and quantitative criteria using location-based models for optimal routing of emergency vehicles in urban environments}, journal = {Scientific- Research Quarterly of Geographical Data (SEPEHR)}, volume = {25}, number = {100}, pages = {45-59}, year = {2017}, publisher = {National Geographical Organization}, issn = {2588-3860}, eissn = {2588-3879}, doi = {10.22131/sepehr.2017.24805}, abstract = {Abstract Due to the sensitivity oftheir missions, urban emergency vehicles are alwayslooking forthe shortest timeto reach the destination. In big cities, in addition todistance, several factors and parameters with respect to the complexityand extent of thetransport and traffic, are influencing time of arrival of an emergency vehicle, some of which are qualitative or quantitative, dynamic or static. In this paper, the modern approach used, is based on composing conflation models, Gamma quantification methods, travel time prediction formulas and meta-heuristic algorithms in order to find most optimal route. In this paper, first we have tried to introduce all the calculated, available, qualitative and quantitative, affecting factors related to emergency routing, thenwith converting qualitative parameters to quantitative ones, we normalize each parameter by the maximum approach and conflate them in such a way that thepriority and impact of each parameteris determined to find the optimal route. In order to calculate the priority and impact of factors, the Gamma test method, as a data derived method is selected. The procedure is implemented by the use of road network and traffic volume data from two regions of Tehran. Based on this approach, the considered weights for each following criterion of degree of difficulty including quality, width, slope, category, and route directness are 0.331, 0.286, 0.188, 0.172 and 0.020, respectively.  Finally, genetic meta-heuristic algorithm is used to select the optimal route and the results compared with common Dijkstra routing algorithm. The length of the selected route by GA is about 130 meters in one time and about 300 meter in the other time more than the selected one by Dijkstra algorithm. Based on the implemented comparison, the represented approach in this paper had a considerable superiority over the simple current methods.}, keywords = {Urban Emergency Vehicles,Optimization,Effective parameter,genetic algorithm,Routing}, title_fa = {تلفیق معیارهای کیفی و کمی با استفاده از مدل های مکان مبنا به منظور مسیریابی بهینه ی خودروهای اورژانس در محیط های شهری}, abstract_fa = {خودروهای اورژانس شهری با توجه به حساسیت مأموریت خود، همواره برای رسیدن به مقصد به دنبال کمترین زمان ممکن هستند. با توجه به پیچیدگی و گستردگی حمل و نقل و ترافیک در شهرهای بزرگ، عوامل و پارامترهای متعددی علاوه بر مسافت، در زمان رسیدن یک خودروی اورژانس به مقصد تأثیرگذار هستند که این پارامترها می‌توانند کیفی یا کمی و پویا یا ایستا باشند. در این مقاله روشی نوین بر مبنای ترکیب مدل‌های تلفیق، روش کمی‌سازی گاما، استفاده از روابط پیش‌بینی زمان سفر و الگوریتم‌های فراابتکاری به منظور دستیابی به بهینه‌ترین مسیر ارائه شده است. در این مقاله ابتدا کلیه‌ی فاکتورهای تأثیرگذار کمی و کیفی قابل محاسبه و دسترسی از دید مسیریابی اورژانس شناسایی شده، سپس با تبدیل پارامترهای کیفی به کمی، هر پارامتر با روش محاسبه‌ی حداکثر نرمال شده و بر اساس ارجحیت و میزان تأثیر هر پارامتر در یافتن مسیر بهینه تلفیق می‌گردند. روش تست گاما به عنوان یک روش برگرفته از داده برای محاسبه‌ی میزان ارجحیت و تأثیرگذاری فاکتورها استفاده شد. روند مذکور با استفاده از داده‌ی شبکه معابر و حجم ترافیک دو منطقه از شهر تهران پیاده‌سازی شد. وزن در نظر گرفته شده برای هر زیرمعیار تشکیل دهنده‌ی درجه سختی مسیر یعنی «کیفیت مسیر»، «عرض»، «شیب»، «نوع مسیر» و «میزان مستقیم بودن مسیر»  بر اساس این روش به ترتیب 331/0، 286/0، 188/0، 172/0 و 020/0 بدست آمدند. در نهایت از الگوریتم فراابتکاری ژنتیک برای انتخاب مسیر بهینه وسایل نقلیه اورژانس استفاده شد و نتایج آن با الگوریتم معمول مسیریابی دیکسترا مقایسه شد. بر مبنای مقایسه‌ی انجام  شده روش ارائه شده در این مقاله نسبت به روش‌های ساده‌ی فعلی برتری قابل ملاحظه‌ای داشت.}, keywords_fa = {خودروهای اورژانس شهری,بهینه سازی,پارامترهای مؤثر,الگوریتم ژنتیک,مسیریابی}, url = {https://www.sepehr.org/article_24805.html}, eprint = {https://www.sepehr.org/article_24805_1afa094e4d09b840ca6a001c26e55e86.pdf} }