ادغام زمانی مدل خودهمبستگی مکانی برای تحلیل تقاضای حمل و نقل بار چندوجهی اروپایی

صنعت حمل و نقل بار به عنوان یکی از مهمترین بخش‌ها برای توسعه اقتصادی پایدار، چه در مقیاس منطقه‌ای و چه در مقیاس جهانی، شناخته شده است. اگرچه تحقیقات قابل توجهی برای مدل‌سازی تقاضای بار انجام شده است، اما گنجاندن چندوجهی بودن، اتصال و نزدیکی هنوز نیاز به پیشرفت بیشتر با پشتیبانی پیشرفت‌های روش‌شناختی اخیر دارد. با تمرکز بر رابطه نزدیک فعالیت حمل و نقل بار با اقتصاد ملی، زیرساخت‌های حمل و نقل و زمینه اجتماعی، باید یک رویکرد چندبعدی برای ثبت و تفسیر پویایی تقاضای بار و خدمات در نظر گرفته شود. با در نظر گرفتن ادغام مکانی و زمانی ویژگی‌های منطقه‌ای در یک مدل منسجم، می‌توان به طور دقیق دیدگاه‌های پنهان تقاضای بار را آشکار کرد که سایر رویکردها برای ثبت آنها طراحی نشده‌اند. در مقاله حاضر، یک مدل قوی که قادر به گنجاندن ابعاد متعدد تقاضای بار در مقیاس منطقه‌ای است، در یک فرم مدل مکانی-زمانی توسعه داده شده و برای تحلیل‌های مکانی-زمانی آینده پیشنهاد شده است. برای دستیابی به این هدف، یک شکل توسعه‌یافته از مدل خودهمبستگی مکانی (SAR) توسعه داده شده است که به عنوان مدل اثر ترکیبی خطی (LME) تخمین زده می‌شود و مدل اثر ترکیبی خطی مکانی-زمانی (STLME) نامگذاری شده است. این پیاده‌سازی به مدت 5 سال در منطقه اروپا اعمال شده است و شواهد ارزشمندی در مورد عواملی که عمدتاً بر تقاضای بار تأثیر می‌گذارند، ارائه می‌دهد. نتایج این مقاله اطلاعات قابل توجهی در مورد پویایی مکانی و زمانی این پدیده ارائه می‌دهد.

مقدمه

بازار تقاضای بار/حمل و نقل بار یکی از حیاتی‌ترین عناصر برای توسعه پایدار محسوب می‌شود. اگرچه، اکثر بخش‌های مرتبط با توسعه اقتصادی (و سایر) دارای «ماهیتی» پیچیده، پویا، تصادفی و مکانی-زمانی هستند که مدل‌سازی تقاضا را به کاری خسته‌کننده تبدیل می‌کند. می‌توان با آمار بازار چندوجهی اروپا برای خدمات بار، تصویری مختصر از مرحله تقاضای بار بار ارائه داد. به عنوان مثال، در سال‌های ۲۰۱۴ و ۲۰۱۵، حمل و نقل بار جاده‌ای ۲.۸ درصد افزایش یافت، در حالی که حمل و نقل هوایی و ریلی نسبتاً ثابت ماند. علاوه بر این، سهم وجهی بار حمل شده از طریق زمین تا حد زیادی ثابت مانده است. با این حال، هنوز هم حمل و نقل جاده‌ای (۷۵٪) و پس از آن راه آهن (۱۸٪) بر آن تسلط دارند که با تعداد تن-کیلومترهای سفر شده در داخل کشور اندازه‌گیری می‌شود (آژانس محیط زیست اروپا، ۲۰۱۷).

بنابراین، بر اساس چالش‌های ناشی از تقاضای رو به رشد مداوم برای کالاها، یک سوال تحقیقاتی مطرح شد: کدام عوامل بر عملکرد تقاضای بار تحت پویایی‌های مختلف (مثلاً فضا و زمان) تأثیر می‌گذارند؟ بنابراین، برای تجزیه و تحلیل تقاضای بار، یک رویکرد مدل‌سازی مناسب می‌تواند گنجاندن مؤلفه‌های مکانی، اقتصادی، زیرساختی یا سایر مؤلفه‌های مهم در یک چارچوب تحلیلی چندوجهی منسجم و یکپارچه باشد که نمایش واقع‌بینانه پویایی پدیده را در مناطق افزایش می‌دهد. با توجه به اهمیت تقاضا برای خدمات بار، این موضوع در دهه‌های گذشته، به‌ویژه از زمان ادغام شبکه‌های زنجیره تأمین، به‌طور گسترده مورد بررسی قرار گرفته است.

گنجاندن ابعاد مکانی و زمانی، مسائلی در مورد تکرار داده‌ها ایجاد می‌کند که بسیاری از مدل‌های سری زمانی آن را کنترل نمی‌کنند و در نتیجه نتایج آماری معنی‌داری هرچند گمراه‌کننده ارائه می‌دهند. با هدف کمک به این موضوع، این مقاله به بررسی حوزه حمل و نقل بار با تأکید بر تقاضای بار ۲۶ کشور اتحادیه اروپا (EU) که از طریق روش‌های مختلف حمل و نقل بار، مانند جاده، راه‌آهن و هوا، خدمات‌رسانی می‌کنند، می‌پردازد و هر روش را به طور جداگانه تجزیه و تحلیل می‌کند و “تصویری” جامع از عملکرد کشورها در این حوزه، طی یک دوره ۵ ساله (۲۰۱۲-۲۰۱۶) ارائه می‌دهد. انتخاب این دوره بر اساس پایداری عوامل اجتماعی-اقتصادی و جمعیتی کشورهای اتحادیه اروپا در مقایسه با دوره‌های دیگر که بی‌ثباتی در این عوامل آشکار است (به عنوان مثال، کووید-۱۹) انجام شده است.

محدودیت‌های وابستگی مکانی از طریق معیارهای آماری خودهمبستگی مکانی، مانند آزمون موران I، برطرف شده‌اند که نشان می‌دهد در واقع وابستگی مکانی بین کشورهای اتحادیه اروپا در مورد سه حالت حمل بار وجود دارد. محدودیت بعدی شناسایی شده، تکرار برخی متغیرها در طول سال‌ها بود که نگرانی‌هایی را در مورد نتایج گمراه‌کننده از تجزیه و تحلیل ایجاد می‌کرد.

بنابراین، تحلیل زمانی با استفاده از یک مدل اثر ترکیبی خطی (LME) به کار گرفته شد که برای مدیریت تکرارها در اطلاعات مناسب است. با این حال، برای تحلیل دینامیک مکانی-زمانی پدیده، شکل توسعه‌یافته‌ای از مدل LME توسعه داده شد که مؤلفه مکانی را از ساختار مدل خودرگرسیون مکانی (SAR) در ساختار مدل LME ترکیب می‌کند. بر اساس این اصلاحات، این مدل به عنوان مدل اثر ترکیبی خطی مکانی-زمانی (STLME) نامگذاری شد که دارای خواص آماری قوی است. یافته‌های این رویکرد می‌تواند برای پشتیبانی از رویکردهای تصمیم‌گیری برای مسائلی که مربوط به تقاضای بار هستند، مورد استفاده قرار گیرد.

اگرچه این چارچوب روش‌شناختی در تحقیقات قبلی معرفی شده بود، اما در حمل و نقل و به طور خاص در تقاضای بار به کار گرفته نشده است. علاوه بر این، گنجاندن مؤلفه مکانی مدل SAR در ساختار مدل LME و در نتیجه ایجاد مدل STLME، ابزاری مهم برای غلبه بر محدودیت‌های تکرار اطلاعات فراهم کرده است. علاوه بر این، با توجه به عملکرد قابل توجه مدل STLME، به نظر می‌رسد محدودیت‌هایی در استفاده از این مدل وجود دارد، مانند انتخاب ماتریس وزن مکانی که ممکن است در روابط متقابل مکانی بین کشورها واقع‌بینانه نباشد یا این واقعیت که این مدل نمی‌تواند متغیرهای چند خروجی را تجزیه و تحلیل کند که تجزیه و تحلیل حمل و نقل چندوجهی بار در یک مدل مفید خواهد بود.

ادامه مقاله به شرح زیر سازماندهی شده است. بخش بعدی مروری بر ادبیات موضوع دارد. سپس یک چارچوب مفهومی برای تحلیل مکانی-زمانی حمل و نقل چندوجهی بار در منطقه اروپا ارائه می‌شود. بخش ۴، جمع‌آوری داده‌ها و یافته‌های حاصل از کاربردهای روش پیشنهادی را ارائه می‌دهد. نتیجه‌گیری و کارهای آینده در بخش آخر گنجانده شده است.(منبع).