چکیده
برای انتخاب یک استراتژی تحرک درست، رفتار انتخاب افراد باید مورد مطالعه قرار گیرد و واکنش های آنها در پاسخ به استراتژی ها باید پیش بینی شود. نتایج ما از بررسی جنبه های تابع محدودیت ها شامل مسافت پیاده روی، میزان توقف کردن (پارک کردن)، زمان جستجو و دسترس پذیری توقفگاه (پارکینگ) بود. ما سناریوهایی را شناسایی کرده ایم که خروجی های شبیه سازی استراتژی های تحرک توقف محیطی در هنگام استفاده از لوجیت چند جمله ای مقید (CMNL) در مقایسه با لوجیت چند جمله ای (MNL) پرکاربرد، خیلی متفاوت خواهد بود. بخاطر اینکه مدل لوجیت چند جمله ای مقید روز به روز محبوب تر میشود بررسی واکنش های استراتژی تحرک محیطی در این زمینه با ترکیب محدودیت های مرتبط سودمند خواهد بود.
1. مقدمه
مدیریت تقاضای توقف (تقاضای پارکینگ) برای هر اداره حمل و نقلی که تلاش میکند استفاده از محیط های شهری را متعادل سازد یک مسئله بحرانی می باشد. واکنش رانندگان به ابزارهای سنجش مدیریت تقاضای توقف عمدتاً به اولویت های رانندگان بستگی دارد؛ بنابراین برای تحقق اهداف مربوط به شرایط شدآمد (ترافیک) و کیفیت هوا از محرک های مثبت و منفی استفاده میشود. در مقالات موجود، اغلب بخاطر سهم مهمی از آلودگی هوا در محیط شهری از حمل و نقل جاده ای انتقاد شده است (او-ماهونی و همکارانش 2000). معمولاً سرعت افزایش ناوگان ماشین ها در شهرها با رشد زیرساخت های جاده ای مطابقت ندارد. این اغلب منجر به تفکیک شدآمد و کمبود فضاهای توقفگاه میگردد.
6. نتیجه گیری ها
ما برای ساده سازی تحلیل و رسیدن به یک نتیجه گیری، فرض کردیم که این ظرفیت پارکینگ شهری ساختگی (تخیلی) صرفاً از گاراژهای پارکینگ تشکیل میشود؛ ما تمایز پارکینگ در خیابان و پارکینگ خارج از خیابان را مد نظر قرار نداده ایم. از یک دیدگاه کلی، تعداد ورودها در تمام سناریوها یکسان است؛ بنابراین ما تأثیر برآیند استفاده از یک مدل (MNL) یا مدل دیگر (CMNL) را مورد مطالعه قرار دادیم. ما در آزمایشات خود این مسئله را بصورت دقیق تری بررسی میکنیم که اتفاقاتی که در هر تسهیلات پارکینگ اتفاق می افتد نشاندهنده این است که زمانیکه مسافت پیاده روی و محدودیت های کرایه در مدل شامل می گردند زمان های جستجو بالاتر خواهند بود. تسهیلاتی که اغلب محدودیت های تعیین شده توسط رانندگان (یعنی راحتی پیاده روی یا هزینه) را برآورده میکنند با تقاضای بیشتر مغایرت دارند و بنابراین این اشغال بیشتر است که سبب افزایش زمان جستجو میگردد. این مدل همچنین تأیید میکند که تکنولوژی کمک به کاربران برای پارک کردن (بعنوان مثال VMS، سیستم های راهنمای پارکینگ، اطلاعات زمان واقعی در وبسایت ها، اپلیکیشن های گوشی های هوشمند) بصورت یک محدودیت فعال اشغال اضافه شده اند و نقش مهمی را در تصحیح ناکارآمدی های تصمیم گیری بازی میکنند. بنابراین شهرهای مدرن یا شهرهای هوشمند از مزایای تکنولوژی برخوردار هستند.
Abstract
In order to select the correct mobility strategy, individuals’ choice behavior must be studied, and their reactions in response to strategies must be predicted. Upon exploring aspects subject to constraints, our results included walking distance, parking rates, search time and parking availability. We have identified scenarios in which simulation outputs of environmental parking mobility strategies differ significantly when using the Constrained Multi-Nominal Logit (CMNL) when compared with the widely used Multi-Nominal Logit (MNL). With the CMNL model growing in popularity, it is worth considering environmental mobility strategy repercussions in this context with the incorporation of relevant constraints.
1. Introduction
Managing parking demand is a crucial issue for any transportation administration seeking to balance the use of urban areas. The response of drivers to parking demand management measures depends mainly on the drivers ‘preferences; therefore (dis)incentives are used to achieve specific goals regarding traffic conditions and air quality. In the literature, road transportation is often blamed for a significant portion of air pollution in the urban environment (O’Mahony et al., 2000). It is common for vehicular fleets within cities to increase at a speed unmatched by road infrastructure growth. This often leads to tariff differentiation and a shortage of parking spaces.
6. Conclusions
In order to simplify the analysis and come to a conclusion, we assumed that this fictional city’s parking supply consists solely of parking garages; on-street/off-street parking differentiation was not considered. From a macro viewpoint, the number of arrivals in all scenarios is the same; hence, we studied the resulting effect of using one model (MNL) or over another (CMNL). In our tests, a closer view of what is happening within each parking facility indicates that search times are higher when walking distance and fare restrictions are included in the model. Facilities that satisfy most of the restrictions set by drivers (i.e.: walking convenience or charge) contend with more demand, therefore higher occupation that increases search time. The model also confirms that parking user aid technology (e.g.: VMS, parking guidance systems, real-time information on websites, Smartphone applications), incorporated as an active occupancy restriction, plays a significant role in correcting the inefficiencies of choice making. Hence, modern cities, or ‘‘smart” cities, have the advantage of technology.
چکیده
1. مقدمه
2. مروری بر تحقیقات پیشین
2.1 آلودگی ایجاد شده با شدآمد شهری
2.2 ماشین هایی با آلودگی پایین و ماشین های متعارف
2.3 برنامه ریزی محیطی شهری استراتژیکی
2.4 ابزارهای سنجش سیاست پارکینگ
2.5 مدلهای رفتاری برای ارزیابی استراتژی های پارکینگ
2.6 ویژگی های مدلهای انتخاب جای پارک برای ارزیابی واکنش های محیطی
2.7 خلاصه مرور تحقیقات پیشین، انگیزه، و ساختار مقاله
3. مدلسازی انتخاب پارکینگ
3.1 ویژگی های لوجیت چند جمله ای مقید
3.3 محدودیت های درون زاد
4. سناریوهای آزمایش
4.1 زمینه شبیه سازی
4.2 نتایج
5. واکنش های محیطی بر مبنای زمان جستجو و انتشارات دی اکسید کربن
5.1 زمان های جستجو بدون محدودیت های ظرفیت
5.2 زمان های جستجو با محدودیت های ظرفیت و میزان اشغال
6. نتیجه گیری ها
Abstract
1. Introduction
2. Literature review
2.1. Pollution caused by urban traffic
2.2. Low-pollution vehicles and conventional vehicles
2.3. Strategic Urban Environmental Planning
2.4. Parking policy measures
2.5. Behavioral models to evaluate parking strategies
2.6. Attributes in parking choice models to assess environmental repercussions
2.7. Review summary, motivation and paper structure
3. Modeling parking choice
3.1. Constrained multi-nominal logit features
3.2. The CMNL parking model proposed to contrast environmental repercussions
3.3. Endogenous constraints
4. Test scenarios
4.1. Simulation background
4.2. Results
5. Environmental repercussions based on search time and CO2 emissions
5.1. Search times without capacity constraints
5.2. Search times with capacity constraints and occupancy rate
6. Conclusions