![[09127409082]](https://barast.com/wp-content/uploads/2021/01/newlogo.png){kind=small}
کاربرد ملاحظات زنجیره تأمین برای تخمین انتشار گازهای گلخانهای حمل و نقل شهری
تخمین انتشار گازهای گلخانهای مربوط به فعالیتهای حمل و نقل شهری نیز از همان دشواریهایی رنج میبرد که هنگام تلاش برای تخمین ویژگیهای مسیرهای حمل و نقل شهری یا پارامترهای تقاضا با آن مواجه میشویم. تنوع زیاد شیوههای حمل و نقل شهری، دستیابی به این هدف را تنها از طریق فرضیهها و سادهسازیهای قوی میطلبد. ما در اینجا روشی مبتنی بر توصیف کلی مسیرهای حمل و نقل شهری پیشنهاد میکنیم که ویژگیهای اصلی هر نوع مسیر و نوع فعالیتهای تجاری که معمولاً توسط هر یک از آنها ارائه میشود را شناسایی میکند. این امر منجر به تخمین الگوهای کلی مسیرهای حمل و نقل شهری در یک شهر میشود که به نوبه خود میتواند برای استخراج شاخصهای انتشار کل مورد استفاده قرار گیرد. این روش در شهر سویل، در جنوب اسپانیا، اعمال شده و نتایج امیدوارکنندهای را نشان میدهد.
مقدمه
تجزیه و تحلیل تحویل بار شهری، به دلیل سیستمهای چند جزئی درگیر و تعاملات متنوع بین آنها، بنا به تعریف، یک کار پیچیده است (Dablanc, 2007). به همین دلیل است که ارائه راهحلهای حمل بار شهری برای یک شهر باید همیشه با نگاهی جامع به سناریوی فعلی، از تمام زوایای ممکن، آغاز شود، با توجه به اینکه مدیریت کارآمد حمل و نقل بار شهری باید به پایداری اقتصادی، اجتماعی و زیستمحیطی منطقه کمک کند. این کار بر یکی از این زوایا، یعنی تأثیر حمل و نقل شهری بر محیط زیست، مربوط به استفاده از وسایل نقلیه با سوخت فسیلی، مصرف انرژی متعاقب آن و میزان انتشار آلایندههای ناشی از آن، تمرکز دارد.
انتشار آلایندههای هوا و گازهای گلخانهای، مهمترین شاخصهای پایداری حمل و نقل شهری هستند. تخمین انتشار گازهای گلخانهای مرتبط با ترافیک شهری، یک حوزه تحقیقاتی کاملاً تحت پوشش است که منجر به ایجاد مدلهای جایگزین متعددی شده است که در نوع دادههای ورودی و خروجی که با آنها کار میکنند، متفاوت هستند. به دنبال اسمیت و همکاران (2010)، این مدلهای انتشار ممکن است در یکی از این دستهها قرار گیرند:
1. مدلهای «سرعت متوسط»، که در آنها عوامل انتشار تابعی از سرعت متوسط سفر هستند. COPERT، MOBILE یا EMFAC از این رویکرد پیروی میکنند.
2. مدلهای «وضعیت ترافیک»، که در آنها عوامل انتشار با توصیف موقعیتهای خاص ترافیکی تعیین میشوند، مانند HBEFA یا ARTEMIS (آندره و همکاران، 2009).
۳. مدلهای «متغیر ترافیکی»، که در آنها عوامل انتشار توسط متغیرهای جریان ترافیک مانند سرعت متوسط، تراکم ترافیک یا طول صف تعریف میشوند. TEE یا مدل Matzoros نمونههایی از این دسته هستند.
۴. مدلهای «متغیر چرخهای»، که در آنها عوامل انتشار تابعی از متغیرهای مختلف چرخه رانندگی (مانند زمان بیکاری، سرعت متوسط، انرژی جنبشی مثبت) با وضوح بالا (ثانیه تا دقیقه) هستند. این مدلها معمولاً به اطلاعات دقیقی در مورد حرکات وسایل نقلیه نیاز دارند (مانند دادههای لحظهای در مورد سرعت، شتاب و شیب جاده). این رویکردی است که توسط MEASURE (Guensler et al., ۱۹۹۸) یا VERSIT+ (Smit et al., ۲۰۰۷) انتخاب شده است.
۵. مدلهای «مودال»، که در آنها عوامل انتشار از طریق مدلهای عملیاتی موتور یا وسیله نقلیه با بالاترین وضوح (یک تا چند ثانیه) تولید میشوند، مانند PHEM (Hirschmann و همکاران، ۲۰۱۰)، CMEM (Barth و همکاران، ۱۹۹۶) یا VT-Micro (Rakha و همکاران، ۲۰۰۴). آنها به ورودیهای مشابهی با مدلهای متغیر چرخهای نیاز دارند.
مدلهای دیگر بر عوامل انتشار بسیار خاص تمرکز دارند، مانند مککورمیک و همکاران (۲۰۰۰) که میزان انتشار گازهای گلخانهای از انواع مختلف کامیونها و اتوبوسهای در حال حرکت در ارتفاع بالا را اندازهگیری میکنند، یا رویکرد جغرافیاییتری اتخاذ میکنند، مانند ویگود و همکاران (۲۰۱۳) که میزان انتشار گازهای گلخانهای مرتبط با حمل و نقل را برای مناطقی در یک شبکه ۵×۵ کیلومتری در ۱۴۹ شهر اروپایی ارزیابی میکنند. مدلهای دیگر در گوخاله و خاره (۲۰۰۴)، اسمیت و همکاران (۲۰۱۰) و دمیر و همکاران (۲۰۱۱) شرح داده شده و مقایسه شدهاند.
برای تخمین سطح انتشار، مدلهای انتشار باید با تخمینهای جریان وسایل نقلیه، چه کلان و چه میکروسکوپی، بسته به ویژگیهای مدل انتشار، ترکیب شوند. مدلهای «سرعت متوسط»، «وضعیت ترافیک» و «متغیر ترافیک» نیاز به ورودیهای ماکروسکوپی دارند که آنها را برای اتصال به مدلهای تخمین جریان مناسب میکند. به عنوان مثال، سگالو و همکاران (2004)، جریان وسایل نقلیه را با استفاده از دادههای حاصل از بررسیهای خاص انجام شده در سه شهر فرانسه کالیبره میکنند و مدل انتشار بعدی بر اساس دستورالعملهای COPERT و با در نظر گرفتن جنبههای هواشناسی و توپوگرافی است. کاناروگلو و بولیونگ (2008) یک مدل انتشار وسایل نقلیه را با مجموعهای از ماتریسهای OD بر اساس نوع وسیله نقلیه ترکیب میکنند و از یک الگوریتم تخصیص ترافیک برای به دست آوردن سطوح انتشار مشتق شده از جریان وسایل نقلیه استفاده میکنند، در حالی که مونوزوری و همکاران (2010) رویکرد مشابهی را برای تخمین ردپای اکولوژیکی برای تحویل بار شهری اعمال میکنند و تجزیه و تحلیل خود را بر اساس تخمین جریان وسایل نقلیه باری، سرعت متوسط و توقفها انجام میدهند. همچنین، نوزولو و همکاران (۲۰۱۴) یک مدل خرید را با یک مدل انبارداری مجدد فروشگاه ترکیب میکنند تا جریان مقادیر بار و وسایل نقلیه در یک شهر را تخمین بزنند، سپس این جریانها را به مدل COPERT میدهند تا میزان انتشار گازهای گلخانهای مرتبط با تحویل بار و سفرهای خرید را کمّی کنند. یک رویکرد جالب، رویکردی است که توسط Andriankaja و همکاران (۲۰۱۵) دنبال میشود و پیکربندیهای مختلف ناوگان تحویل شهری، از جمله ناوگان شخصی و اجارهای، سیستمهای اشتراکگذاری خودرو و سیستمهای تجمیع لجستیک را مقایسه میکند و سپس اثرات بعدی را با ارزیابی تأثیر چرخه عمر اندازهگیری میکند. Filippi و همکاران (۲۰۱۰) روشی مبتنی بر شبیهسازی ماکروسکوپی را برای تخمین جریان کالاها و وسایل نقلیه و ارزیابی تأثیرات آنها از نظر زمان سفر و هزینههای حمل و نقل عمومی و همچنین آلودگی هوا و مصرف انرژی توصیف میکنند و سپس انتشار گازهای گلخانهای طبق COPERT محاسبه میشود.
از سوی دیگر، مدلهای ترافیک میکروسکوپی به دنبال تعیین الگوهای رانندگی وسایل نقلیه یا مسیرهای منفرد هستند تا آنها را به مدلهای انتشار «متغیر ترافیک»، «متغیر چرخه» یا «معیار» ارائه دهند. به عنوان مثال، هوانگ و اویانگ (2015) مسیرهای حمل بار شهری را با در نظر گرفتن کل هزینه سفر متشکل از سه جزء، شامل کل زمان تحویل، میزان انتشار گازهای گلخانهای و جریمه دیرکرد یا زود رسیدن، برنامهریزی میکنند. آنها رویکردی مشابه آکچلیک و بسلی (2003) را دنبال میکنند که هزینههای عملیاتی، مصرف سوخت و میزان انتشار گازهای گلخانهای را در فرآیند برنامهریزی مسیر در نظر میگیرند، که به نوبه خود تحت تأثیر پارامترهای وسیله نقلیه و پارامترهای ترافیک و جاده قرار میگیرد. ولیکوویچ و همکاران (2014) شمارش ترافیک را با مصاحبههای کنار جادهای ترکیب میکنند تا یک تکنیک تخصیص ترافیک کوتاهترین مسافت سفر را کالیبره کنند که برای محاسبه میانگین طول سفر استفاده میشود، در حالی که فیگلیوززی (2011) از سوی دیگر، یک رویکرد مسیریابی دقیقتر را اعمال میکند و تکنیکهای مسیریابی وسیله نقلیه را با یک مدل انتشار گازهای گلخانهای ترکیب میکند تا میزان انتشار CO2 حمل بار شهری در پورتلند، اورگان را تخمین بزند. با این حال، این فرمول آخر فقط برای تعیین میزان انتشار گازهای گلخانهای ناشی از ناوگان تحویل یک شرکت حمل و نقل قابل استفاده است و نیاز به دانش دقیق در مورد محل انبار شرکت حمل و نقل و مکانها و تقاضاهای مشتریان دارد.
علاوه بر این، یک رویکرد میانی که به طور گسترده در ادبیات موضوع وجود دارد، شامل تخمین میانگین ویژگیهای مسیرهای منفرد است که در نتیجه فعالیت کلی تحویل بار شهری را به پیکربندیهای مختلف تقسیم میکند. به عنوان مثال، پلووینت و همکاران (2012) یک روش جمعآوری داده مبتنی بر GPS را برای توصیف مسیر حمل بار شهری با استفاده از یک برنامه تلفن هوشمند اعمال میکنند و سپس ویژگیهای مسیرهای کلی و همچنین اثرات زیستمحیطی مرتبط با دستههای جادهها را با استفاده از مدل CMEM تعریف میکنند. رویکرد مشابهی توسط ویگونیک و گودچایلد (2011) دنبال میشود که تأثیر پیکربندیهای مختلف مسیر تحویل را بر هزینه و انتشار گازهای گلخانهای، که توسط پنجرههای زمانی، تراکم مشتری و ویژگیهای ناوگان تعریف میشوند، تخمین میزنند. طبقهبندی مسیرهای حمل بار شهری به خودی خود در چند سال گذشته توجه زیادی را به خود جلب کرده است، با نمونههایی مانند چِرِت و همکاران (2012)، نوزولو و همکاران (2016) یا کاتاروزا و همکاران (2017). واگی و پرکوکو (۲۰۱۱) ارزیابی اقتصادی انتشار گازهای گلخانهای و تأثیر سیاستهای لجستیک شهری را با استفاده از روشی مبتنی بر تخمین انتشار گازهای گلخانهای برای مسیرهای منفرد که توسط نرمافزار GIS تعیین میشود، ترکیب میکنند. در همین راستا، روسو و کومی (۲۰۱۶) تأثیر زیستمحیطی چندین سیاست لجستیک شهری را بررسی میکنند و تخمین کاهش ماهانه آلایندههای هوا را از نظرسنجیهای مختلف به دست میآورند و آرویدسون و همکاران (۲۰۱۳) اثرات عملیاتی و زیستمحیطی اقدامات انجام شده توسط شرکتهای حمل بار شهری را مورد بحث قرار میدهند. زانی و بریستو (۲۰۱۰) تأثیر چندین سیاست را برای کاهش سطح انتشار گازهای گلخانهای شهری تجزیه و تحلیل میکنند و دادههای انتشار گازهای گلخانهای خود را از گزارش دادههای حمل بار لندن در سال ۲۰۰۸ (حمل و نقل لندن، ۲۰۰۸) به دست میآورند که شمارش خودکار ترافیک را به عنوان منبع اصلی اطلاعات خود معرفی میکند. در نهایت، ریزت و همکاران (۲۰۱۲) فعالیتهای حمل و نقل و مصرف انرژی و انتشار CO2 مرتبط با آنها را برای چهار نوع زنجیره تأمین که طیف وسیعی از محصولات را در بلژیک، فرانسه و بریتانیا پوشش میدهند، با در نظر گرفتن نه تنها توزیع شهری، بلکه حمل و نقل، ذخیرهسازی و سفرهای خرید بین شهری و بینالمللی مقایسه کردند.
تحلیل ما که در اینجا ارائه شده است، از این رویکرد سوم پیروی میکند و به دنبال تعیین ویژگیهای میانگین انواع مختلف مسیرهای تحویل فعال در یک شهر است. اصالت این روش در در نظر گرفتن ویژگیهای زنجیره تأمین، مانند نوع وسیله نقلیه، فراوانی تحویل، طول مسیر یا تعداد توقفها، برای تقسیمبندی مسیرهای تحویل است. سپس این مقادیر میانگین به عنوان ورودی توسط مدلهای انتشار ترکیبی استفاده میشوند که همبستگیهای «میانگین سرعت» (مشابه رویکرد COPERT) را برای شرایط رانندگی معمولی در نظر میگیرد، اما مفاهیم «متغیر چرخه» را نیز برای ارزیابی تأثیر پیکربندیهای زنجیره تأمین (به عنوان مثال از نظر تعداد توقفها در مسیر یا مدت زمان آن توقفها) یا طراحی شهری (از نظر توقف در چراغ راهنمایی) در نظر میگیرد. این رویکرد منجر به یک ابزار تصمیمگیری واقعی میشود، زیرا به تنظیمکنندگان و متخصصان اجازه میدهد تا ارزیابی کنند که اصلاح شیوههای خاص تحویل شهری تا چه حد بر سطح انتشار در شهر تأثیر میگذارد. ادامه مقاله به شرح زیر است: بخش 2 چارچوب تحلیل را شرح میدهد، در حالی که بخش 3 ویژگیهای وسایل نقلیه تحویل شهری معمولی را ارائه میدهد و بخش 4 همبستگیهای انتشار برای آن وسایل نقلیه را در شرایط عملیاتی مختلف نشان میدهد. بخش ۵ شامل جزئیات مسیرهای تحویل مختلفی است که میتوان در یک شهر برای انواع اصلی زنجیرههای تأمین موجود یافت، و بخش ۶ مدل را در یک مطالعه موردی اعمال میکند. در نهایت، بخش ۷ نتیجهگیری را ارائه میدهد.(منبع).