Das optimale Straßennetzdesign ist ein grundlegendes Problem in der Infrastrukturplanung, das Entscheidungen darüber erfordert, welche Verbindungen gebaut, aufgewertet oder rehabilitiert werden sollen, um die Kosten zu minimieren und gleichzeitig die Anforderungen an Konnektivität, Kapazität und Gerechtigkeit zu erfüllen. Dieses Papier präsentiert einen umfassenden Rahmen für gemischte ganzzahlige lineare Programmierung (MILP) für das optimale Design von Straßennetzen, der binäre Variablen zur Verknüpfungswahl, kontinuierliche Flusszuweisung, die Befriedigung der Nachfrage mehrerer Waren und Erweiterungen der multi-objektiven Optimierung umfasst. Das Modell basiert auf einem gerichteten Graphen mit Kandidatenverbindungen, die durch Baukosten, Kapazitäten, Reisezeiten und soziale Zugänglichkeitsgewichte charakterisiert sind. Eine Lagrange-Entspannungszerlegungsstrategie und ein Branch-and-Bound-Algorithmus, der mit Gomory-Schnittflächen ergänzt wird, werden eingesetzt, um großangelegte Instanzen effizient zu lösen. Das Modell wird an zwei klassischen Benchmarks aus der Literatur validiert und auf eine realistische Fallstudie angewendet, die den Juba–Malakal-Straßenkorridor im Südsudan darstellt, eine 512 Kilometer lange Fracht- und humanitäre Versorgungsroute, die Überschwemmungsgebiete, umkämpfte Gebiete und degradierte Pflasterungen durchquert. Die Ergebnisse zeigen, dass die MILP-Formulierung eine Kostenreduktion von 35% im Vergleich zu einer gierigen Heuristik erzielt und den Zugänglichkeitsindex für unterversorgte Siedlungen um 28 Prozentpunkte verbessert. Multi-objektive Erweiterungen zeigen sinnvolle Kompromisse zwischen wirtschaftlicher Effizienz, sozialer Gerechtigkeit und Umweltauswirkungen durch eine Pareto-Frontanalyse. Die globale Sensitivitätsanalyse bestätigt, dass das Budgetobergrenze und die Baukostenkoeffizienten die dominierenden Parameter sind, die die Qualität der optimalen Lösung bestimmen. Der Rahmen bietet ein rigoroses, skalierbares Werkzeug für Verkehrsplaner, insbesondere in datenarmen, ressourcenbeschränkten Entwicklungsregionen.
Aduot Madit Anhiem (Mon,) hat diese Frage untersucht.