| 1 |
جایگاه درس در برنامه درسی دوره |
این درس یک درس تخصصی و کاربردی در مقطع تحصیلات تکمیلی رشته مهندسی راه و ترابری است. هدف آن توانایی بهینهسازی تصمیمات در سه حوزه کلیدی میباشد:
طراحی هندسی راه (انتخاب بهینه قوسها، شیبها، دید کافی، هزینه‑اثربخشی)
طرح اختلاط مصالح راهسازی (یافتن درصد بهینه قیر، سنگدانه، مواد افزودنی برای آسفالت و بتن غلتکی)
حملونقل و ترافیک (تخصیص ناوگان، مسیریابی، زمانبندی، مکانیابی پایانهها)
پیشنیازها: آمار و احتمال مهندسی، آشنایی با اصول راهسازی، مبانی حملونقل و ریاضیات پایه. این درس زمینهساز دروس شبیهسازی ترافیک، بهینهسازی روسازی و مدلسازی شبکه حملونقل است |
| 2 |
هدف کلی |
توانایی مدلسازی و حل بهینه مسائل در طرح هندسی راه، طرح اختلاط مصالح و سیستمهای حملونقل با استفاده از روشهای تحقیق در عملیات (برنامهریزی خطی، عدد صحیح، پویا، شبکه، تحلیل حساسیت و نظریه صف) به منظور کاهش هزینهها، افزایش ایمنی، بهبود کیفیت روسازی و کارایی ترابری |
| 3 |
شایستگی های پایه |
دانشجو قبل از شروع درس باید:
با اصول طراحی هندسی راه آشنا باشد.
طرح اختلاط آسفالت (روش مارشال و سوپرپیو) و بتن غلتکی را بشناسد.
مفاهیم پایه حملونقل (حجم، سرعت، چگالی، ظرفیت) را بداند.
مسلط به جبر خطی و اکسل باشد.
توانایی کار با نرمافزارهای بهینهسازی ساده (مانند Solver) را داشته باشد. |
| 4 |
اهداف یادگیری |
در حوزه طرح هندسی راه:
مسئله بهینهسازی قوس افقی و قائم (با توجه به هزینه خاکبرداری، دید و ایمنی) را به صورت مدل ریاضی فرموله کند.
با تحلیل حساسیت، اثر تغییر سرعت طرح یا شعاع قوس را بر هزینه و ایمنی ارزیابی نماید.
از برنامهریزی پویا برای بهینهسازی طول قوسهای واسط در مسیرهای کوهستانی استفاده کند.
در حوزه طرح اختلاطها (آسفالت و بتن راه):
4. مسئله یافتن درصد بهینه قیر، سنگدانه و فیلر با قیود مارشال (چگالی، خلأ، مقاومت) را به عنوان یک مدل برنامهریزی خطی یا غیرخطی بنویسد.
5. با استفاده از دوگان و قیمت سایهای، ارزش اقتصادی افزایش مقاومت یا کاهش قیر را تفسیر کند.
6. تخصیص بهینه منابع قیر و مصالح بین چند کارگاه راهسازی را با مدل حملونقل حل نماید.
در حوزه حملونقل:
7. مسئله توزیع بار و مسیریابی وسایل نقلیه (VRP) را در سطوح ساده مدل و حل کند.
8. شبکه راهها را برای یافتن کوتاهترین مسیر (زمان یا هزینه) و حداکثر جریان ترافیکی تحلیل نماید.
9. سیستم صف در عوارضیها یا باندهای ورود و خروج پایانهها را با مدل M/M/1 تحلیل کند.
10. از نرمافزارهای Excel Solver، Lingo یا Python (PuLP، NetworkX) برای حل مسائل استفاده کند. |
| 5 |
روش تدریس |
تدریس به صورت سخنرانی استاد محور در کلاس انجام میشود.
مفاهیم، قضایا و الگوریتمها روی تخته نوشته و گامبهگام تشریح میگردند.
دانشجویان موظف به یادداشتبرداری و مطالعه جزوه و منابع تعیین شده هستند.
اثبات قضایا (مانند قضیه اصلی دوگان، شرایط بهینگی سیمپلکس) به طور کامل در کلاس ارائه میشود.
حل مثالهای عددی توسط استاد روی تخته و با توضیح کامل انجام میگیرد.
دانشجویان در طول جلسه پرسش و پاسخ دارند، اما تمرین گروهی یا فعالیت عملی در کلاس انجام نمیشود.
تکالیف نظری و عددی در پایان هر جلسه تعیین و در جلسه بعد حل آنها توسط استاد ارائه میگردد.
آزمونهای میانترم و پایانترم به صورت تشریحی و تحلیلی طراحی میشوند. |
| 6 |
وظایف دانشجو |
مطالعه قبل از کلاس فصول مشخص شده از منابع.
انجام تکالیف هفتگی (شامل مدلسازی مسائل هندسی، اختلاط و حملونقل).
پروژه پایانی با تحویل گزارش و فایل حل (اکسل، Lingo یا Python).
شرکت در دو آزمون میانترم و آزمون پایانترم (سوالات کاربردی، بدون کپی) |
| 7 |
سیاست استفاده از هوش مصنوعی در درس |
استفاده از ابزارهای هوش مصنوعی (ChatGPT، Bing، Gemini و ...) با رعایت شفافیت کامل مجاز است:
میتوانید از AI برای رفع اشکال مفاهیم، تولید ایده برای پروژه یا کمک به رفع خطای کدنویسی استفاده کنید.
در تمام تحویلیها باید در ابتدای فایل این عبارت درج شود:
«در این تکلیف/پروژه از ابزار [نام] در حد [توضیح مختصر] استفاده شده است. تمام مطالب توسط خودم بازنویسی و تأیید شده است.»
کپی مستقیم خروجی AI بدون تغییر و بدون ذکر منبع معادل نمره صفر.
در امتحانات حضوری، هرگونه استفاده ازAI ممنوع است. |
| 8 |
منبع |
منابع اصلی (تلفیق OR با راه و ترابری):
هیلیر و لیبرمن – مقدمهای بر تحقیق در عملیات (فصول مدلسازی خطی، دوگان، تحلیل حساسیت، شبکه، صف)
مهرگان، محمدرضا – پژوهش عملیاتی (پیشرفته و کاربردی) (فصلهای حملونقل، تخصیص، برنامهریزی پویا)
آییننامه طراحی هندسی راههای ایران (نشریه 415) – برای شناخت قیود واقعی
راهنمای طرح اختلاط آسفالت (نشریه ۲۳۴) – برای تعیین قیود مقاومتی و اقتصادی
Sheffi, Y. – Urban Transportation Networks (فصلهای بهینهسازی شبکه)
منابع کمکی:
Winston, W. – Operations Research (بخش مسائل شبکه و تخصیص)
مستندات Excel Solver و کتابخانه PuLP در Python |
| 9 |
مواد و امکانات آموزشی |
Microsoft Excel (افزونه Solver)
Lingo / LINDO (نسخه آموزشی)
Python (با کتابخانههای numpy, pulp, networkx, matplotlib)
دادههای واقعی (ماتریس فاصله بین کارگاهها، نتایج آزمایش مارشال، حجم تردد روزانه معابر، پروفیل طولی مسیرها) که به صورت فایل در اختیار دانشجویان قرار میگیرد.
فضای ابری کلاس (Google Drive یا Teams) برای بارگذاری فیلم جلسات، تکالیف و پروژههای نمونه |
| 10 |
نحوه ارزشیابی |
فعالیت درصد نمره توضیحات
حضور و مشارکت فعال ۵٪ پاسخ به سوالات و تحلیل سناریوهای کلاسی
تکالیف هفتگی ۱۵٪ ۸ تا ۱۰ تکلیف – هر تکلیف شامل مسائلی از هر سه حوزه (تئوری، هندسی، اختلاط، حمل و نقل)
آزمون میانترم اول ۲۰٪ جلسه ۱۶ – مدلسازی خطی، سیمپلکس، دوگان، تحلیل حساسیت با مثالهای راه و
پروژه پایانی 25٪ حل یک مسئله واقعی (تحویل گزارش + کد + ارائه 60 دقیقهای)
آزمون پایانترم ۲۵٪ جامع – تمام سرفصلها با نگرش کاربردی
با توجه به شرایط در صورت عدم امکان ارزیابی فوق از 20 نمره درس 4 نمره بصورت پروژه و الباقی بصورت امتحان و تمرین کلاسی ارزیابی خواهد شد. |
| 11 |
فایل |
Pdf File |