MASS-GT: یک مدل تجربی برای شبیه‌سازی سیاست‌های حمل و نقل

MASS-GT: یک مدل تجربی برای شبیه‌سازی سیاست‌های حمل و نقل

علیرغم اهمیت حمل و نقل بار شهری برای دسترسی و زیست‌پذیری شهرها، روش‌های سیستماتیک، کمی و تجربی کمی وجود دارد که امکان ارزیابی تأثیر راه‌حل‌ها یا سیاست‌های حمل و نقل بار شهری را فراهم می‌کند. فقدان ادبیات شفاف در مورد مشخصات کامل و تخمین این مدل‌ها وجود دارد که نه تنها مانع تحقیقات مداوم، بلکه مانع توسعه سیاست‌های حمل و نقل بار شهری مبتنی بر شواهد نیز می‌شود. ما سیستم شبیه‌سازی چندعاملی شبیه‌ساز حمل و نقل بار شهری (MASS-GT) را با مشخصات کامل و پیاده‌سازی تجربی آن برای یک منطقه مطالعاتی در هلند ارائه می‌دهیم. این مربوط به یک مدل مبتنی بر عامل مبتنی بر چارچوبی از مدل‌های انتخاب گسسته و بهینه‌سازی است که انتخاب‌های لجستیکی حمل‌کنندگان، حمل‌کنندگان، تولیدکنندگان و مصرف‌کنندگان را توصیف می‌کند. سطح تفکیک جزئیات، تجزیه و تحلیل طیف گسترده‌ای از تحولات و سیاست‌های لجستیکی را در تمام یا بخش‌های خاص لجستیکی امکان‌پذیر می‌سازد. این مدل با استفاده از منابع داده متنوعی تخمین زده و اعتبارسنجی می‌شود: دفتر خاطرات سفر کامیون‌ها، آمار عرضه/استفاده، بررسی تقاضای تجارت الکترونیک، شمارش ترافیک و سایر آمارهای مرتبط. این مقاله مشخصات کامل مدل و تخمین تجربی آنها، از جمله منابع داده مورد استفاده را ارائه می‌دهد. همچنین، اعتبار مدل با استفاده از شمارش ترافیک بار جاده‌ای ارزیابی می‌شود. در نهایت، نمونه‌هایی از کاربردهای مدل در مطالعات موردی ارائه می‌شود.

مقدمه

درک تقاضای حمل و نقل بار شهری برای کاهش اثرات جانبی منفی در ترافیک شهری به طور فزاینده‌ای اهمیت دارد. به عنوان مثال، با وجود سهم کمی از ترافیک بار در جاده‌ها، کامیون‌ها در پاریس تأثیر نامتناسبی معادل 36 درصد از کل خسارات ناشی از انتشار آلاینده‌ها از ترافیک جاده‌ای دارند [1]. انتظار می‌رود سهم حمل و نقل بار جاده‌ای شهری در اثرات جانبی ترافیک شهری به دلیل افزایش پراکندگی تحویل‌های شهری، که با رشد سریع ارقام سفارشات تجارت الکترونیک تقویت می‌شود، بیشتر افزایش یابد. این امر فوریت شناسایی سیاست‌های کارآمد برنامه‌ریزی حمل و نقل شهری را افزایش می‌دهد. مدل‌های شبیه‌سازی می‌توانند برای ارزیابی سیاست‌ها در سطوح مناسب استفاده شوند.

برای پرداختن به این چالش، مدل‌های مختلفی در طول دهه گذشته توسعه یافته‌اند [[1]، [2]، [3]، [4]، [5]، [6]]. با این حال، هیچ یک از این مدل‌ها، رویکرد جامعی را در رابطه با (1) گنجاندن تصمیمات لجستیکی مربوط به تقاضای بار شامل مصرف و توزیع، انتخاب حالت و مسیریابی جریان‌ها، همراه با (2) تخمین سیستماتیک، کالیبراسیون و اعتبارسنجی مدل‌ها با استفاده از مشاهدات منطقه‌ای در سطح خرد (یعنی سطح سفر و حمل بار) ارائه نکرده‌اند. در نتیجه، هیچ نمونه‌ای از مدل‌هایی که پایه شواهد قوی برای سیاست‌های حمل بار شهری ایجاد کنند، وجود نداشته است. اکثر داده‌ها در دسترس نیستند یا پراکنده هستند، که توسعه روش‌های شبیه‌سازی را که تشخیص می‌دهند مکانیسم‌های پاسخ لجستیکی مربوطه با استفاده از داده‌های محلی تنظیم شده‌اند، چالش برانگیز می‌کند.

SimMobility freight [3] یکی از اولین نمونه‌های جامع از یک شبیه‌ساز تجربی حمل و نقل شهری بود. با این حال، برای این مدل، باید از نظرسنجی‌های خارج از منطقه مورد مطالعه برای مبنای تجربی استفاده می‌شد. از دیگر نمونه‌های اخیر می‌توان به CRISTAL [4]، یک مدل پیشرفته مبتنی بر عامل که زنجیره‌های تأمین ملی را به تقاضای حمل و نقل شهری مرتبط می‌کند، اشاره کرد. با این حال، اگرچه این مدل از نظر مفهومی پیشرفته است، اما پیاده‌سازی تجربی آن هنوز فاقد تخمین داده‌های انتخابی است. یک درس کلیدی این است که پیاده‌سازی تجربی چنین مدل‌هایی هنوز سوالات تحقیقاتی زیادی را قبل از رسیدن به ابزارهای شبیه‌سازی مؤثر و معتبر، بی‌پاسخ می‌گذارد. علاوه بر یافتن داده‌های کافی برای حمل و نقل، چالش دوم یافتن یک تعادل متعادل بین شبیه‌سازی رفتار لجستیکی و حفظ کارایی محاسباتی است.

این مقاله مشخصات و تخمین سیستم شبیه‌سازی چندعاملی برای حمل‌ونقل کالا (MASS-GT)، از جمله پیاده‌سازی آن برای هلند را شرح می‌دهد. MASS-GT یک مدل مبتنی بر عامل است که شامل چارچوبی از مدل‌های انتخاب گسسته و بهینه‌سازی برای توصیف انتخاب‌های لجستیکی حمل‌کنندگان، حامل‌ها، تولیدکنندگان و مصرف‌کنندگان در تقاضای حمل‌ونقل بار است. این مدل با پیروی از یک مسیر توسعه تکاملی توسعه داده شده است که به تدریج پیچیدگی مدل را افزایش می‌دهد [7]. انتشارات قبلی مدل‌های جزئی را با کالیبراسیون آنها شرح داده‌اند و این اولین مقاله‌ای است که ارتباط بین اینها را با کاربرد کامل مدل مورد بحث قرار می‌دهد. یکی دیگر از دستاوردهای این مقاله، اعتبارسنجی مدل با شمارش ترافیک و اجرای حساسیت است. سازماندهی مقاله به شرح زیر است. بخش 2 مروری بر ادبیات مربوط به شبیه‌سازهای حمل‌ونقل شهری ارائه می‌دهد. بخش 3 چارچوب مدل و مشخصات زیرمدل‌ها را شرح می‌دهد. پیاده‌سازی تجربی در بخش 4، شامل منابع داده مورد استفاده، مدل‌های تجربی حاصل با پارامترهای انتخاب تخمینی، اعتبارسنجی مدل و کاربرد آن، مورد بحث قرار گرفته است. نتیجه‌گیری‌های کلی و توصیه‌هایی برای مدل‌های تقاضای حمل‌ونقل شهری در بخش 5 ارائه شده است.(منبع).