در دنیای حاضر، رشد جمعیت و به دنبال آن رشد سیستم های حمل ونقل در شهرها علی الخصوص در کلان شهرها روز به روز روبه افزایش است و باعث بروز مشکلات اقتصادی، اجتماعی، زیست محیطی و رفاهی بسیاری شده است. بنابراین، سازمان های مربوطه دائماً در صدد ارائه ی راهکارهایی برای حل معضلات حمل ونقل و ترافیک هستند. در کلان شهرها به دلیل اینکه زیرساخت های حمل ونقل در آن ها ایجاد شده است، مسئولین اغلب به دنبال راه کارهای رفتاری و محدودیتی و هچنین تغییرات ظرفیت کمان های شبکه ی حمل ونقل شهری می باشند. یکی از رویکردهای مقابله با ترافیک، افزایش ظرفیت کمان های موجود می باشد تا بتوان ترافیک را کنترل، آلودگی های زیست محیطی شهری که به دلیل توقف وسایل نقلیه در ترافیک ها بوجود می آیند را کاهش و همچنین زمان تلف شده ی مردم در مسیرها به دلیل ترافیک را کاهش داد تا امورات روزمره ی جامعه با سرعت بیشتری انجام شود. در این رساله، با فرض وجود زیرساخت های حمل ونقل شهری، سعی شده مدل ریاضی برای تعیین مقدار افزایش ظرفیت کمان ها ارائه گردد به گونه ای که قابلیت اطمینان ظرفیت و قابلیت اطمینان زمان سفر شبکه افزایش یابد و در عین حال هزینه ی تحمیل شده برای این امر، حداقل گردد. در این پژوهش تقاضای سفر در دو حالت، شرایط عادی ترافیک و شرایط اوج ترافیک درنظر گرفته شده است که برای شرایط عادی ترافیک، تقاضای سفر، با عدم قطعیت همراه می باشد همچنین زمان سفر کمان های تشکیل دهنده ی شبکه نیز دارای عدم قطعیت می باشد که با توزیع لاگ نرمال انتقال یافته برآورد می شود. از جمله مفروضات مهم این پژوهش، درنظر گرفتن همبستگی بین تمام کمان های تشکیل دهنده ی یک مسیر، تحت شرایط عدم قطعیت تقاضای سفر و جریان عبوری از کمان ها می باشد. با توجه به مدل سازی دوسطحی چندهدفه احتمالی که ماهیت بهینه سازی مبتنی بر شبیه سازی دارد، از ترکیب روش مونت کارلو و الگوریتم بهینه سازی ازدحام ذرات برای حل آن استفاده شده که با گنجاندن ایده ی پویایی ضرایب اینرسی، یادگیری شخصی و یادگیری جمعی به آن، همگرایی الگوریتم برای حل مدل دوسطحی افزایش خواهد یافت. همچنین با پیاده سازی مدل های ارائه شده روی شبکه های مختلف، اعتبارسنجی صورت گرفته است که کامل ترین آن، تست روی بخشی از شبکه ی حمل ونقل شهری کلان شهر تهران با داده های واقعی می باشد که نتایج مثمرثمری در پی داشته است.
