آقای دکتر شفاهی از اسفند 1377 تا تیرماه 1402، تعداد 90 پایان نامه کارشناسی ارشد را در زمینه حمل و نقل هدایت نمودند که 28 درصد آنها ریلی (25 مورد پروژه در بیش از 10 سرفصل کلی) و پنج مورد در سرفصل طراحی مسیر خطوط راه آهن بود. 

نگاهی بر پایان نامه کارشناسی ارشد یکی از دانشجویان دکتر یوسف شفاهی (طراحی مسیر بهینه برای خطوط راه آهن ...،1380): 

طراحی مسیر راه آهن یک چالش پیچیده مهندسی است که به طور قابل توجهی بر کارایی، هزینه و محیط زیست سیستم تأثیر می گذارد. رویکردهای سنتی برای این مشکل بر مدل های ریاضی برای به حداقل رساندن هزینه های کل و در عین حال رعایت محدودیت های راه آهن تکیه داشته اند. با این حال، این روش ها به دلیل تعداد زیاد متغیرها و محدودیت های موجود، اغلب با کاربرد در دنیای واقعی مغایرت دارند. علاوه براین، داده های متنوع مورد نیاز برای محاسبه هزینه از جمله توپوگرافی، تملک، مناطق ممنوعه، زمین شناسی ... ، اغلب به دلیل استانداردهای متعدد در سازمان های مختلف اداری، هماهنگی مناسبی ندارند.

برای مقابله با این چالش ها، محققان به طور فزاینده ای به تکنیک های بهینه سازی پیشرفته و سیستم های مدیریت داده یکپارچه روی آورده اند. یکی ازاین روش ها، از الگوریتم بهینه سازی کلونی مورچه ها (ACO) و اطلاعات جغرافیایی (GIS) استفاده می کند.

الگوریتم ACO (Ant Colony Optimization) که از رفتار جستجوی مورچه ها الهام گرفته شده، الگوریتم مورچه ها را شبیه سازی می کند که مسیرهای بالقوه را کاوش و در مسیرها فرومونی (مواد بوزا) را برجای می گذارند که بر تکرارهای بعد تأثیر می گذارد، با گذشت زمان، این فرآیند بر روی راه حل های بهینه یا نزدیک به بهینه همگرا شده و متغیرها دنیای واقعی را مدیریت می کند.

ادغام پایگاه داده GIS نشان دهنده پیشرفت قابل توجهی در مدیریت داده ها برای بهینه سازی مسیر راه آهن است، رویکردGIS  با تلفیق داده های مختلف جغرافیایی، اقتصادی و زمین شناسی در یک سیستم واحد و منسجم، مسئله ناسازگاری داده ها را کاهش می دهد و امکان برآورد دقیق تر هزینه را مهیا و زمینه درنظر گرفتن طیف وسیع تر عوامل بهینه سازی را فراهم می کند.

این مطالعه اثربخشی این رویکرد ترکیبی را با مقایسه آن با الگوریتم های رایج و اعمال آن در یک منطقه فرضی نشان می دهد. 

این تحقیق با یک روند جهانی مهندسی راه آهن برای بهینه سازی طراحی مسیر، همراستا است. مطالعات مشابه در سرتاسر جهان روش های مختلف بهینه سازی را بررسی کرده اند که الگوریتم ژنتیک GA یکی از رویکردهای مطلوب و موفق بوده است.

به عنوان مثال، محققان دانشگاه جیائوتنگ چین، GA را برای بهینه سازی خطوط راه آهن پرسرعت با درنظر گرفتن عواملی مانند حجم عملیات خاکی، شاخص های خطی و نسبت های پل به تونل (با اهداف متعدد و متناقض در فرآیندطراحی) استفاده کردند.

در اسپانیا، مطالعه ای بر روی به حداقل رساندن هزینه های ساخت و ساز برای خطوط راه آهن پرسرعت متمرکز شد. رویکرد مبتنی بر GA در متعادل کردن این عوامل رقیب مؤثر بود و تطبیق پذیری الگوریتم های تکاملی در طراحی راه آهن را نشان داد.

محققان تایوانی یک مدل مبتنی بر GA ایجاد کردند که مشخصات زمین، انحنا و محدودیت های شیب وفراز را در نظر می گرفت.

در بریتانیا،GA  برای بهینه سازی طرح های شبکه حمل ونقل ریلی، فراتر از بهینه سازی یک مسیر با درنظر گرفتن کارایی کل بکاررفت. این رویکرد زمان سفر، هزینه های احداث ... پتانسیل الگوریتم های تکاملی در برنامه ریزی جامع حمل ونقل را نشان داد.

محققان هندی ازGA  برای مقابله با چالش های خاص تراز خط آهن در زمین های تپه ای استفاده کردند. مدل آنها حجم های خاکبرداری و خاکریزی را با محدودیت های فراز و قوس بهینه و کاربرد این روش ها را در زمینه های جغرافیایی نشان می دهد.

در نتیجه، ادغام الگوریتم های بهینه سازی پیشرفته مانند ACO و GA با پایگاه های داده GIS نشان دهنده پیشرفت قابل توجهی در طراحی مسیر راه آهن است. این رویکردها امکان کاوش کارآمدتر در مورد امکانات طراحی را فراهم می کنند. همانطور که مهندسی راه آهن به تکامل خود ادامه می دهد، این روش ها نقش مهمی در شکل دهی به سیستم های حمل ونقل آینده ایفا خواهند کرد و به گسترش شبکه های ریلی کارآمدتر، مقرون به صرفه تر و پایدارتر ازنظر زیست محیطی در جهان کمک می کنند.

استفاده از این فرصت ها برای توسعه خطوط جدید و بهینه سازی شبکه ریلی موجود اهمیت بالایی دارد (تین 247242 و 267703).