مهندسی ترافیک

مهندسی ترافیک

معرفی مشتقات زمان سفر در مدیریت ترافیک

نوع مقاله : مقاله پژوهشی

نویسنده
عضو هیات علمی پژوهشکده مالی و اقتصاد حمل‌و‌نقل، مرکز تحقیقات راه، مسکن و شهرسازی، تهران، ایران
چکیده
مدیریت ترافیک با هدف افزایش کیفیت سفر و کاهش هزینه‌های مستقیم و غیرمستقیم (مشکلات زیست‌محیطی، ایمنی، بهره‌وری نیروی انسانی) معمولاً دنبال می‌شود. در این مقاله، ابزار اختیار معامله زمان سفر برگرفته از مشتقات مالی برای قیمت‌گذاری ترافیک ارائه شده است. به‌طورکلی، کم (زیاد) بودن قیمت مشتقات زمان سفر، می‌تواند شاخصه‌ای برای کم (زیاد) بودن تراکم ترافیک مسیر، در دوره موردنظر باشد. در این روش، علاوه بر سطح ترافیک، تغییرات آن نیز در قیمت‌گذاری مدنظر قرار می‌گیرد. از مزایای این روش، استفاده از مکانیزم بازار برای قیمت، پویا بودن قیمت و کنترل هوشمند ترافیک است. البته، سفته‌بازی می‌تواند حباب قیمتی ایجاد کرده و پیش‌بینی‌های لازمه را با اختلال مواجه کند. از الزامات اولیه آن، تعریف مشتق زمان، مدل پیش‌بینی زمان سفر، ارزش‌گذاری اختیار معاملات و در آخر مکانیزم جبرانی است. با پیاده‌سازی، مشتقات زمان سفر برای محور تهران-کرج برای دوره 10 روزه مردادماه با مقدار آستانه‌ای 27 دقیقه مشخص شد که با بالا بودن قیمت اختیار معامله خرید نسبت به فروش، زمان سفر در دوره موردنظر کمتر از مقدار 27 دقیقه پیش‌بینی می‌شود که می‌توان نتیجه گرفت، ترافیک روان‌تر از مقدار آستانه‌ای خواهد بود.
کلیدواژه‌ها

- Adam, B. (2018) “The Value of Time in Transport,” in Transport Policy and Research What Future? Routledge, pp. 130–143.
- Alaton, P., Djehiche, B. and Stillberger, D. (2002) “On modelling and pricing weather derivatives,” Applied Mathematical Finance, 9(1), pp. 1–20.
- Balter, A. G. and Pelsser, A. (2019) “Pricing and hedging in incomplete markets with model uncertainty,” European Journal of Operational Research.
- Cramton, P., Geddes, R. and Ockenfels, A. (2017) “Markets for Road Use–Eliminating Congestion through Scheduling, Routing, and Real-Time Road Pricing.”
- Gu, Z. et al. (2018) “Congestion pricing practices and public acceptance: A review of evidence,” Case Studies on Transport Policy, 6(1), pp. 94–101.
- Kurzhanskiy, A. A. and Varaiya, P. (2014) Traffic Management: An Outlook.
- Li, L. et al. (2015) “Trend modeling for traffic time series analysis: An integrated study,” IEEE Transactions on Intelligent Transportation Systems, 16(6), pp. 3430–3439.
- Runhaar, H. (2001) Efficient Pricing in Transport The Gap between Theory and Practice.
- Tebaldi, C. and Veronesi, P. (2016) “Risk-Neutral Pricing: Monte Carlo Simulations,” in Handbook of Fixed-Income Securities. John Wiley & Sons, Inc, pp. 435–468.
- Wan, K. and Kornhauser, A. (2016) Road Pricing Through Financial Derivatives Based On Travel Time.