مهندسی ترافیک

مهندسی ترافیک

بررسی تأثیر عرضه اتومبیل‌ خودران بر جستجوی زمان پارک وسایل و اثر آن در سهم وسایل نقلیه با استفاده از مدل‌های سیستم پویا

نوع مقاله : مقاله پژوهشی

نویسندگان
علیرضا ماهپور 1
محمدامین ابراهیم زاده 2
فاطمه اکبری 3
عبدالرضا ابراهیمی 4
1 استادیار، دانشکده مهندسی عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران
2 دانشجو مقطع دکتری عمران گرایش حمل‌ونقل، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
3 کارشناسی ارشد مهندسی صنایع گرایش سیستم‌های اقتصادی و اجتماعی دانشگاه خوارزمی، کرج، ایران
4 کارشناسی ارشد مهندسی عمران گرایش راه و ترابری دانشگاه فردوسی، مشهد، ایران
چکیده
در سال‌های اخیر بر روی پذیرش اتومبیل‌های خودران و اثرات زیست‌محیطی این فن‌‌آوری تحقیقات انجام شده است، اما بر روی موضوع تأثیر عرضه اتومبیل‌های خودران بر سهم وسایل نقلیه شهری در سفرهای روزانه (از طریق کاهش زمان جستجو پارک و کاهش سهم وسایل نقلیه در سفرهای روزانه) تحقیقاتی کمی صورت گرفته است. در این پژوهش تأثیر سیستم اتومبیل خودران بر جستجو زمان پارک و اثر آن بر سهم وسایل نقلیه شهری پرداخته می‌شود و با تعریف سناریوهای عملیاتی با استفاده از یک مدل سیستم دینامیکی میزان تأثیر برآورد می‌شود. مدل سیستم دینامیکی ارائه و با استفاده از آن وضعیت سناریوهای تعریف‌شده برای سال‌های هدف برآورد گردید. در این پژوهش پس از ایجاد نمودار جریان و شبیه‌سازی سیستم با استفاده از دو روش، اعتبار مدل مورد آزمون قرار گرفت. از مدل جهت تحلیل سناریوها و تخمین میزان تغییرات شاخص‌های مهم استفاده گردید. بر اساس نتایج حاصل از مدل‌، تغییرات سهم اتومبیل‌های خودران در سفرهای روزانه نشان می‌دهد که استراتژی‌‌های اجرایی متفاوت عرضه اتومبیل‌های خودران و اولویت‌‌های افراد برای سفر، منجر به تغییر الگوی سفر (توزیع فضایی متفاوتی از تقاضای پارکینگ و سهم وسایل نقلیه شهری در سفرهای روزانه) می‌شود.
کلیدواژه‌ها
اتومبیل خودران
زمان جستجوی پارک
مدل پویا
سهم وسایل نقلیه
تهران
  • گزیده آمار و اطلاعات حمل‌ونقل و ترافیک شهر تهران سال 1397، معاونت حمل‌ونقل و ترافیک، شهرداری تهران، تهران، ایران.
  • نتایج تفصیلی سرشماری عمومی نفوس و مسکن، (1395)، مرکز آمار، تهران، ایران.

 

  • Mahpour, A., Ebrahimzadeh, A. (2021). 'Modeling the impact of the autonomous vehicles in residential land-use and population distribution', Quarterly Journal of Transportation Engineering, 13(1), pp. 1283-1297. doi: 10.22119/jte.2021.267258.2512
  • Axhausen, K. W., & Polak, J. W. (1991). Choice of parking: stated preference approach. Transportation, 18(1), 59-81.
  • De Correia, G. H. A., Looff, E., van Cranenburgh, S., Snelder, M., & van Arem, B. (2019). On the impact of vehicle automation on the value of travel time while performing work and leisure activities in a car: Theoretical insights and results from a stated preference survey. Transportation Research Part A: Policy and Practice, 119, 359–382.
  • Fagnant, D. J. und Kockelmann, K. M. (2013): Preparing a Nation for Autonomous Vehicles:
    Opportunities, barriers and Policy Recommendations. Eno Foundation.
  • Forrester J W (1973). History of System Dynamics. D-1958, MIT System Dynamics Group Literature Collection.http://collections.systemdynamics.org/jwf/social-dynamics/, Accessed: 5/12/2019.
  • Golias, J., Yannis, G., & Harvatis, M. (2002). Off-street parking choice sensitivity. Transportation Planning and Technology, 25(4), 333-348.
  • Harb, M., Stathopoulos, A., Shiftan, Y., Walker, J.L., 2021. What do we (Not) know
    about our future with automated vehicles? Transp. Res. C 123, 102948.
  • Harper, C., Hendrickson, C. T., Mangones, S., & Samaras, C., 2016. Estimating potential
    increases in travel with autonomous vehicles for the non-driving, elderly and people with
    travel-restrictive medical conditions. Transportation Research Part C: Emerging
    Technologies, 72, 1–9.
  • Innamaa, S., Kuisma, S. 2018. Key performance indicators for assessing the impacts of automation in road transportation. Results on the Trilateral key performance indicator survey. VTT Research report 01054/2018.
  • Kowalewski, S. (2014): Überlassen Sie das Parken Ray. Deutschlandradio Kultur. article ID= 290092.
  • Mars den, G. (2006). The evidence base for parking policies- a review. Transport policy, 13(6), 447-457
  • Moore, M.A., Lavieri, P.S., Dias, F.F., Bhat, C.R., 2020. On investigating the potential
    effects of private autonomous vehicle use on home/work relocations and commute
    Transp. Res. C 110, 166–185.
  • NHTSA/ US Department of Transportation 2016. Federal Automated Vehicles Policy: accelerating the next
    revolution in road safety
  • Nieuwenhuijsen, J., de Correia, G. H. A., Milakis, D., van Arem, B., & van Daalen, E. (2018). Towards a quantitative method to analyze the long-term innovation diffusion of automated vehicles technology using system dynamics. Transportation Research Part C: Emerging Technologies, 86(May2017), 300 –327.
  • SAE International. (2016). Summary of SAE international’s levels of driving automation for on-road vehicle. Global Ground Vehicle Standards, J3016.
  • Sterman JD (2000) Business dynamics: systems thinking and modeling for a complex world. Irwin McGraw Hill, New York.
  • Todd Litman (2017), Presentation to the Canadian Standing Senate Committee on Transport and Communication Concerning Connected and Self-driving Vehicles (http://bit.ly/2u2Grhe).
  • Tsamboulas, D. A. (2001). Parking fare thresholds: a policy tool. Transport Policy, 8(2), 115-124.
  • Wadud, Z., MacKenzie, D., Leiby, P., 2016. Help or hindrance? The travel, energy and carbon impacts of highly automated vehicles. Transp. Res. Part A Policy Pract. 86, 1–18.
  • Wardman M and Lyons G 2016. The digital revolution and worthwhile use of travel time:
    Implications for appraisal and forecasting, Transportation, 43, pp. 507-530.
  • Yan, X., Levine, J., & Zhao, X. (2018). Integrating ride sourcing services with public transit: An evaluation of traveler responses combining revealed and stated preference data. Transportation Research Part C: Emerging Technologies.
  • Scott Hardman, Debapriya Chakraborty. Gil Tal (2022). Estimating the travel demand impacts of semi-automated vehicles. Transportation Research Part D: Transport and Environmental.