![[09127409082]](https://barast.com/wp-content/uploads/2021/01/newlogo.png){kind=small}
توزیع طول سفر در مدلسازی تقاضای بار مبتنی بر کالا و مبتنی بر سفر: بررسی روابط
مدلسازی تقاضای بار مبتنی بر کالا و مبتنی بر سفر وسیله نقلیه مورد بحث قرار گرفته است. ویژگیهای توزیع طول سفر (TLD) بررسی شده و بر حسب تن، همانطور که در مدلسازی مبتنی بر کالا مورد نیاز است، و در سفرهای وسیله نقلیه، همانطور که در مدلسازی مبتنی بر سفر مورد نیاز است، تعریف شدهاند. با استفاده از دادههای یک مطالعه بزرگ حمل و نقل در گواتمالا، TLDها برای هر دو نوع تن و سفرهای وسیله نقلیه تخمین زده شدهاند. تجزیه و تحلیل نشان داد که (الف) شکل TLDها به نوع حرکات مورد بررسی بستگی دارد. (ب) TLDهایی که بر حسب تناژ تعریف شدهاند، تفاوت قابل توجهی با TLDهایی که بر حسب سفرهای وسیله نقلیه تعریف شدهاند، دارند. (ج) TLDها برای انواع مختلف وسایل نقلیه که کالاهای مشابه را حمل میکنند، منعکس کننده دامنه استفاده از هر نوع وسیله نقلیه هستند. (د) اگرچه TLD های مربوط به تناژ و TLD های مربوط به وسایل نقلیه متفاوت هستند، اما به نظر میرسد رابطه بین آنها از یک الگوی سیستماتیک پیروی میکند که در صورت شناسایی موفقیتآمیز، برنامهریزان حمل و نقل را قادر میسازد تا یک نوع TLD را با توجه به نوع دیگر تخمین بزنند؛ و (ه) تولیدکنندگان اصلی بار بر شکل TLD ها تأثیر میگذارند، بنابراین ممکن است برای ارائه تصاویر معنادار از جابجایی بار، به مدلهای مکمل نیاز باشد.
مقدمه
فرآیند مدلسازی حمل و نقل از مدلهای تقاضا برای پیشبینی، در ترکیب با مدلهای شبکه برای تحلیل عرضه، استفاده میکند. در بیشتر موارد، الگوهای مدلسازی حمل و نقل در حال تکامل بر حمل و نقل مسافر متمرکز شدهاند در حالی که توجه کمی یا هیچ توجهی به حمل و نقل بار ندارند. این به این دلیل است که مسائل مربوط به مسافر به طور سنتی بالاترین اولویتها را به خود اختصاص دادهاند و به طور مؤثر میزان منابع و توجه اختصاص داده شده به تحقیق و آموزش حمل و نقل بار را کاهش میدهند.
بررسی مناسب مسائل مربوط به حمل و نقل بار، هم در مدلسازی و هم در سیاستگذاری، مهم است، زیرا حمل و نقل بار کامیونی علاوه بر کمکهای قابل توجه به اقتصاد، اثرات جانبی – یعنی آلودگی – ایجاد میکند (1). به همین دلیل، تعداد فزایندهای از مطالعات برنامهریزی بر موارد زیر تمرکز دارند: (الف) تعریف نقش فناوریهای پیشرفته برای افزایش بهرهوری و کارایی سیستم (به عنوان مثال، 2،3)؛ (ب) تعریف استراتژیهای کنترل ترافیک با هدف بهبود اثرات منفی زیستمحیطی ترافیک کامیونها بر جوامع محلی (به عنوان مثال، 4)؛ و/یا (ج) تخمین عرضه و تقاضای بار در آینده برای تخمین نیازهای آینده (به عنوان مثال، 5). نوع دوم تحلیل با محدودیتهای قابل توجهی مواجه است زیرا (الف) بخش عمدهای از مدلهای تقاضای حمل و نقل برای حمل و نقل مسافر توسعه داده شدهاند، نه بار؛ و (ب) سازمانهای برنامهریزی حمل و نقل معمولاً کارکنان متخصص مورد نیاز برای رسیدگی به مسائل مربوط به بار را ندارند و همچنین اولویت بالایی برای حمل و نقل بار قائل نیستند.
مهمترین مانع برای گنجاندن حمل و نقل بار در فرآیند مدلسازی حمل و نقل این است که بیشتر روشهای پیشبینی تقاضا برای سفرهای مسافربری توسعه یافتهاند، نه سفرهای باری. این خلأ روششناختی معمولاً با رویکردهای سادهانگارانهای مانند فرض اینکه سفرهای باری از همان مکانیسمهای رفتاری سفرهای مسافربری پیروی میکنند، پر میشود، که این یک فرض ضمنی است وقتی ترافیک کامیون به عنوان تابعی از ترافیک خودروهای سواری تخمین زده میشود. اگرچه خطای ایجاد شده توسط این فرض ممکن است پیامدهای عمدهای برای مناطق شهری کوچک که تعداد سفرهای باری نسبتاً کم است، نداشته باشد، اما نمیتوان از آن در مناطق شهری بزرگ مانند شهر نیویورک استفاده کرد که در آن سفرهای مرتبط با بار سهم عمدهای در ازدحام شهری دارند و سیاستهای حمل و نقل ویژه بار ضروری است.
پیچیدگی مدلسازی تقاضای بار از ترکیبی از عوامل ناشی میشود. اول و مهمتر از همه، باید ابعاد چندگانه را در نظر گرفت (6). در حالی که در حمل و نقل مسافر فقط یک واحد تقاضا وجود دارد – یعنی مسافر، که در بیشتر موارد تصمیمگیرنده است – در حمل و نقل بار ابعاد چندگانهای (حجم، وزن و سفرها) تحت کنترل تعدادی از تصمیمگیرندگان (رانندگان، توزیعکنندگان، شرکتهای حمل و نقل بار) وجود دارد که در یک محیط نسبتاً پویا با هم تعامل دارند. همچنین، بخش قابل توجهی از تقاضای بار ماهیت اختیاری دارد. در این زمینه، تعداد نسبتاً کمی از شرکتها بر تعداد قابل توجهی از جابجاییهای بار کنترل دارند. ادغام رفتار آنها در مدلهای برنامهریزی نسبتاً چالش برانگیز است زیرا پویایی فرآیند تصمیمگیری آنها، که با ماهیت حساس تجاری آنها مشخص میشود، بخشی از حوزه عمومی نیست.
تفاوتهای قابل توجه در ارزش زمانی یا هزینههای فرصت که توسط محمولهها نشان داده میشود، به عنوان عامل اصلی در تعیین پیچیدگی مدلسازی بار نیز ذکر شده است (7). در حالی که ارزش زمانی مسافر در همان مرتبه بزرگی قرار دارد، ارزش زمانی محموله – که توسط هزینههای فرصت تعیین میشود – دامنه بسیار وسیعتری را نشان میدهد. هزینههای فرصت محمولهها با ترکیبی از ارزش ذاتی محموله (که توسط ارزش بازار و هزینههای جایگزینی تعیین میشود) و ارزش محموله لجستیکی (تابعی از اهمیت محموله برای سیستم تولید در یک لحظه معین از زمان و سطح موجودی) تعیین میشود. در یک طرف، محمولههای با اولویت پایین ممکن است ارزش ذاتی محمولهای به کمی 9 دلار در هر تن (گچ) داشته باشند؛ و در طرف دیگر، محمولههای با اولویت بالا دارای ارزش ذاتی محمولهای هستند که اغلب از 500000 دلار در هر تن (به عنوان مثال، تراشههای کامپیوتری) فراتر میرود (8). این ارقام با در نظر گرفتن ارزش محموله لجستیکی به طور قابل توجهی افزایش مییابند.
ابعاد متعددی که میتوانند برای مدلسازی تقاضای بار استفاده شوند (یعنی وزن، سفرها و حجم) منجر به ایجاد دو پلتفرم اصلی مدلسازی شدهاند: مدلسازی مبتنی بر کالا و مدلسازی مبتنی بر سفر. رویکردهای مدلسازی مختلفی را میتوان در هر یک از این پلتفرمها استفاده کرد. پرکاربردترین گزینهها شامل (الف) انواع مدل چهار مرحلهای، (ب) مدلهای تقاضای مستقیم و (ج) مدلهای ورودی-خروجی هستند. همانطور که مشاهده میشود، رویکردهایی مانند توسعه مدلهای رگرسیون ترافیک کامیون به عنوان تابعی از ترافیک خودروهای سواری عمداً از شکل حذف شدهاند زیرا صرف نظر از اهمیت آماری آنها، پشتیبانی رفتاری و اقتصادی بسیار کمی دارند.
علاوه بر این، روشهایی وجود دارند که تلاش میکنند ماتریسهای مبدا-مقصد بار را از دادههای ثانویه، مانند شمارش ترافیک و شمارش غربالگری (9، 10)، ترکیب (تخمین) کنند. این روشها، هرچند امیدوارکننده باشند، خارج از محدوده این مقاله هستند زیرا تلاشی برای توضیح مکانیسمهای اساسی تقاضای بار نمیکنند و تمرکز اصلی آنها بر تخمین ماتریسهای مبدا-مقصد مطابق با شمارش ترافیک یا سایر دادههای ثانویه است.
این مقاله انواع مدل چهار مرحلهای اعمال شده بر پلتفرمهای مبتنی بر کالا و مبتنی بر سفر را تجزیه و تحلیل میکند. به طور خاص، این مقاله ویژگیهای توزیع طول سفر (TLD) مورد استفاده در این پلتفرمها را تجزیه و تحلیل میکند. این مقاله علاوه بر مقدمه، دارای سه بخش اصلی است. در بخش مدلهای مبتنی بر کالا در مقابل مدلهای مبتنی بر سفر، پلتفرمهای اصلی مدلسازی به طور خلاصه شرح داده شدهاند و مزایا و معایب و مزایای بالقوهای که میتوانند از ادغام آنها حاصل شوند، مورد بحث قرار گرفتهاند. بخش مطالعه موردی، TLD های به دست آمده از یک نظرسنجی اخیر مبدا-مقصد که به عنوان بخشی از یک پروژه مدلسازی بزرگ در شهر گواتمالا انجام شده است را مورد بحث قرار میدهد. این پروژه به عنوان مطالعه موردی انتخاب شد زیرا (الف) دادهها با استفاده از پرسشنامههای پیشرفته جمعآوری شدند؛ (ب) نمونه با در نظر گرفتن صحیح شمارش مضاعف سفرها گسترش یافت؛ و (ج) نمونه شامل ترکیبی از سفرهای بین شهری و شهری است که امکان مقایسه TLD ها را از این محیطهای مختلف فراهم میکند. یافتههای استخراجشده از این تحلیل، عمدتاً کاربرد عمومی دارند و در بخش نتیجهگیری ارائه شدهاند. این نتیجهگیریها به مدلسازان حملونقل بار در تولید مدلهای معنادار تقاضای بار کمک خواهد کرد.(منبع).