جدیدترین مدل‌های پیش‌بینی بار: درس‌های آموخته‌شده و مسیر پیش رو

جدیدترین مدل‌های پیش‌بینی بار: درس‌های آموخته‌شده و مسیر پیش رو

در این مقاله، مدل‌های پیش‌بینی بار و پیشرفت‌ها و نیازهای فعلی در رابطه با داده‌ها و توسعه مدل را بررسی می‌کنیم. سپس یک مطالعه موردی ارائه می‌دهیم تا پیشنهاد دهیم کدام مدل‌ها باید برای ایالت کالیفرنیا در ایالات متحده توسعه داده شوند. ما چندین جایگزین از جمله یک مدل جریان کالای تجمیعی، یک مدل لجستیک منطقه‌ای تفکیکی و یک مدل لجستیک منطقه‌ای ترکیبی با یک مدل تور کامیون را پیشنهاد می‌کنیم. با این حال، اشاره می‌کنیم که الزامات داده برای مدل دوم گسترده خواهد بود. علاوه بر این، توسعه مدل‌های ترکیبی، به عنوان مثال پیشرفت در ادغام مدل‌های لجستیک منطقه‌ای با مدل‌های تور کامیون شهری، مشکلات جدیدی مانند تطبیق خروجی‌های چندین مدل برای سازگاری را ایجاد خواهد کرد.

مقدمه

رشد مداوم جمعیت و فعالیت اقتصادی شدید منجر به افزایش شدید جابجایی بار در شبکه‌های حمل و نقل در ایالات متحده شده است. با افزایش تقاضای حمل و نقل بار، جابجایی بار و مسافر در سیستم‌های حمل و نقل در غیاب افزایش ظرفیت، کاهش می‌یابد. اداره بزرگراه‌های فدرال (FHWA) تخمین می‌زند که حجم بار داخلی بیش از 65 درصد رشد خواهد داشت و از 13.5 میلیارد تن در سال 1998 به 22.5 میلیارد تن در سال 2020 افزایش خواهد یافت (FHWA 2002). طبق گزارش دیگری، پیش‌بینی می‌شود حجم کالاهای حمل شده توسط کامیون‌ها و راه‌آهن تا سال 2035 به ترتیب 98 درصد و 88 درصد افزایش یابد (US-GAO 2007). انتظار می‌رود این رشد در حمل و نقل بار به طور قابل توجهی از رشد حمل و نقل مسافر پیشی بگیرد (RITA 2008). افزایش سالانه جابجایی بار، انگیزه‌ای برای نیاز به تخمین دقیق جابجایی کالاها و همچنین پیش‌بینی جریان‌های مورد انتظار کامیون‌ها و کالاهای اساسی در آینده ایجاد می‌کند.

انگیزه اصلی تحقیق ما در ابتدا نیاز به شناسایی، گردآوری و مرتبط کردن منابع داده‌ای مختلف موجود در کالیفرنیا برای مدل‌سازی تقاضای بار – و سپس تعمیم تجربه ما به سایر مناطق بزرگ شهری – به ویژه مناطقی که دروازه‌های بین‌المللی، جابجایی کالا را به یک نگرانی رو به رشد تبدیل می‌کنند، بود. درک سال از منابع داده‌ای بار با درک قوی از مدل‌هایی که از آنها برای اهداف مختلف آژانس‌های منطقه‌ای استفاده می‌کنند، همراه است. به عنوان بخشی از تلاش برای گردآوری منابع داده، این مطالعه برای شناسایی وضعیت مدل‌های تقاضای بار از نظر اهداف و الزامات داده‌ای آنها انجام شد. همانطور که فیشر و همکاران (2005) اشاره کردند، کالیفرنیا با بیش از 800 میلیارد دلار جابجایی بار، مقصد شماره یک حمل و نقل بار در ایالات متحده است. کالیفرنیا همچنین میزبان بنادر لانگ بیچ و لس‌آنجلس در خلیج سن پدرو، بزرگترین بندر کانتینری در ایالات متحده و پنجمین بندر بزرگ جهان است.

هنشر و پاکت (۲۰۰۵) و جولیانو و همکاران (۲۰۰۷) برخی از ویژگی‌هایی را که یک مدل تقاضای بار ایده‌آل را تشکیل می‌دهند، مورد بحث قرار می‌دهند: یک پایه رفتاری قوی؛ یک دامنه چندوجهی؛ شامل تعاملات بار و مسافر؛ و قادر به مدیریت تغییرات سیاست. با این حال، بسیاری از تلاش‌های مدل‌سازی به مراتب کمتر از دستیابی به این اهداف هستند. در بخش‌های باقی‌مانده، ما با شناسایی و بحث در مورد شکاف‌های موجود در وضعیت عمل شروع می‌کنیم.

بر اساس بررسی انجام شده توسط ریگان و گاریدو (۲۰۰۱)، یک بررسی ادبیات برای توسعه مدل تقاضای بار بعدی انجام می‌شود تا مدل‌ها را به اهداف آژانس‌های منطقه‌ای و نیازها و دسترسی به داده‌های آنها مرتبط کند. ما از کالیفرنیا به عنوان یک مطالعه موردی در سراسر این ارزیابی‌ها به عنوان یک منطقه نماینده استفاده می‌کنیم. با توجه به نیازهای داده‌ای پرهزینه، جامع‌ترین مدل در این طیف ارائه می‌شود. این مدل ترکیبی قادر به رسیدگی به طیف وسیعی از سوالات سیاستی و پشتیبانی از تصمیمات سرمایه‌گذاری از زیرساخت‌های عمومی و خصوصی گرفته تا فناوری‌های خودرو خواهد بود.(منبع).