ارزیابی پیامدهای تجمیع داده‌ها بر اساس دسته‌بندی‌های مبتنی بر فعالیت برای مدل‌سازی تولید سفر بار شهری

این مقاله به بررسی پیامدهای تجمیع مؤسسات بر اساس دسته‌بندی‌ها با سطوح مختلف جزئیات برای مدل‌سازی تولید سفر بار شهری می‌پردازد. برای این منظور، نویسندگان از مجموعه‌ای از ۲۹۷۰ مؤسسه جمع‌آوری‌شده در سال‌های ۱۹۹۸-۱۹۹۹ در فرانسه برای انجام یک ارزیابی رسمی از همگنی الگوهای FTG در گروه‌بندی سنتی مبتنی بر فعالیت (خرده‌فروشی، تولید، عمده‌فروشی و غیره) استفاده می‌کنند. نتایج نشان می‌دهد که اگرچه برای برخی از دسته‌ها، تجمیع سنتی سطح بالا شامل زیربخش‌هایی با الگوهای FTG همگن است و بنابراین مدل‌های مناسبی را تولید می‌کند؛ در برخی موارد دیگر (به عنوان مثال، خرده‌فروشی، تولید)، زیربخش‌ها الگوهای FTG متفاوتی دارند و بنابراین داده‌های دقیق‌تری برای کالیبراسیون مدل‌های دقیق مورد نیاز است. این تحقیق می‌تواند برای افزایش کارایی جمع‌آوری داده‌ها مورد استفاده قرار گیرد، زیرا برخی از زیربخش‌هایی را که نیاز به تلاش‌های بیشتری برای جمع‌آوری داده‌ها دارند، و برخی دیگر از دسته‌بندی‌هایی را که همگنی FTG امکان جمع‌آوری داده‌های با جزئیات کمتر را بدون ایجاد اختلال در کیفیت مدل‌ها فراهم می‌کند، شناسایی می‌کند.

مقدمه

مدل‌سازی تقاضای حمل و نقل شهری موضوعی محبوب برای محققان و متخصصان [1] است که دارای چارچوب‌ها و کاربردهای فراوانی است. یکی از مهمترین مراحل مدل‌سازی تقاضا، تولید تقاضا است که به شکل مدل‌های تولید بار (FG) یا تولید سفر بار (FTG) صورت می‌گیرد. FG معیاری از جریان بار (مثلاً تن، حجم) است که از تعامل اقتصادی بین یک فرستنده و یک گیرنده حاصل می‌شود. FTG معیاری از سفرهای مرتبط با بار است که از تقاضای کالا و تصمیمات لجستیکی فرستنده‌ها و گیرنده‌ها ناشی می‌شود. FTG شامل جذب سفر بار (FTA) ناشی از تحویل و تولید سفر بار (FTP) است که عمدتاً از حمل و نقل حاصل می‌شود [2]. این مقاله بر مدل‌هایی برای تعیین کمیت FTG با استفاده از داده‌های مؤسسات تمرکز دارد.

تعدادی نشریه در مقالات علمی وجود دارد که بر مدل‌های FTG [2-11] تمرکز دارند، که اکثر آنها از طبقه‌بندی کاربری زمین یا صنعت برای گروه‌بندی مؤسساتی که فعالیت‌های مشابهی انجام می‌دهند استفاده می‌کنند و نرخ‌های ثابت به ازای هر کارمند [5، 9، 11] یا مدل‌های اقتصادسنجی را برای هر گروه تخمین می‌زنند [3، 5-7]. طبقه‌بندی‌های چای مورد استفاده برای اهداف مدل‌سازی می‌توانند سطوح مختلفی از جزئیات داشته باشند: مدل‌هایی که با دسته‌های تجمیع‌شده‌تر تخمین زده می‌شوند، جزئیات کمتری دارند، خطر ناهمگونی در گروه مدل‌سازی زیاد است، اما به داده‌های کمتری نیاز دارند. در حالی که مدل‌هایی که با دسته‌های تفکیک‌شده‌تر تخمین زده می‌شوند، سطح بالاتری از جزئیات دارند، اما به مقدار قابل توجهی از داده‌ها نیاز دارند. معیارهای مورد استفاده برای گروه‌بندی مؤسسات تحت یک سطح تجمیع خاص اغلب بر این فرض استوار است که صنایع مشابه الگوهای FTG مشابهی دارند و به دلایل عملی، مانند راحتی استفاده از منابع داده ثانویه موجود در سطوح تجمیع بالاتر، این امر را توجیه می‌کند. با این حال، گذشته از تلاش‌های اخیر نویسندگان [1]، هیچ ارزیابی رسمی در ادبیات وجود ندارد که نشان دهد کدام سطح تجمیع برای مدل‌سازی FTG مناسب‌تر است. این مقاله یک ارزیابی رسمی از طریق اقتصادسنجی برای ارزیابی پیامدهای مدل‌سازی FTG با استفاده از سطوح مختلف تجمیع در هر صنعت ارائه می‌دهد. نتایج این مطالعه برای طراحی چارچوب‌های جمع‌آوری داده‌های کارآمدتر مفید خواهد بود، زیرا امکان شناسایی زیربخش‌های صنعتی که به سطح بالاتری از جزئیات و در نتیجه داده‌های بیشتر نیاز دارند و سایر گروه‌های صنعتی با همگنی بالاتر که به داده‌های کمتری نیاز دارند را فراهم می‌کند.

این مقاله با ارائه روشی برای انجام تحلیل ناهمگنی، نتایج [1] را با هدف بررسی نیازها و فرصت‌های پیشنهاد تجمیع‌های مختلف در مدل‌سازی FTG گسترش می‌دهد. به عبارت دیگر، هدف این مقاله ارزیابی این است که آیا و چه زمانی دسته‌های تجمیع‌شده دارای دقت پیش‌بینی هستند که پدیده FTG را بدون نیاز به تفکیک داده‌ها (که می‌تواند از نظر هزینه‌ها و منابع برای استقرار مفید باشد) به خوبی نشان دهد و در چه مواردی تفکیک بالاتری لازم است. ابتدا، نویسندگان چارچوب روش‌شناختی برای انجام تحلیل، داده‌های مورد استفاده و فرضیه اصلی کار تحقیقاتی را پیشنهاد می‌کنند. سپس، نتایج اصلی تحلیل ارائه و مورد بحث قرار می‌گیرند. در نهایت، به عنوان نتیجه‌گیری، پیامدهای عملی و همچنین پیشرفت‌های آینده پیشنهاد می‌شوند.(مقدمه).