شناسایی برخی منابع ناهمگونی ارزش زمان سفرکاربران محدوده کنترل آلودگی هوای تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی، تهران، ایران

2 دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران

چکیده

قیمت‌گذاری از مهم‌ترین و موثر‌ترین سیاست‌ها برای مدیریت ازدحام ترافیک در مناطق مختلف شهری است. از عوامل مهم تعیین قیمت برای هر محدوده، ارزش زمان ‌سفر کاربران است که به طور قابل توجهی با متغیرهای اقتصادی- اجتماعی در ارتباط است. برای ارزیابی ارزش زمان سفر، می­توان از نسبت نرخ نهایی جانشینی هزینه و زمان در تابع مطلوبیت هر گزینه در مدل‌سازی انتخاب گسسته استفاده کرد. برای محاسبه ارزش زمان سفر، شناسایی عوامل موثر بر آن و میزان تاثیر هر یک بر ارزش زمان سفر کاربران از نتایج پرسشگری اجرا شده در آذر ماه سال 97 که به منظور ارزیابی کارایی و تحلیل حساسیت نرخ عوارض در قیمت‌گذاری محدوده کنترل آلودگی هوای تهران (زوج یا فرد)، با ابعاد 1004 پرسشنامه و با رویکرد ترجیحات بیان شده استفاده می ­شود. برای برآورد ارزش زمان سفر و شناسایی منابع ناهمگونی از مدل لوجیت ترکیبی استفاده می ­شود. نتایج حاکی از آن است که میانگین ارزش زمان سفر کاربرانی که با خودروی شخصی در محدوده کنترل آلودگی هوای تهران تردد دارند و تمایل به تغییر سفر خود ندارند، برابر 5788 ریال (نرخ سال 1397) به ازای ساعت است. با تجزیه ضریب هزینه، عوامل ناهمگونی ارزش زمان سفر کاربران محدوده کنترل آلودگی هوای تهران شناسایی شدند. دفعات ورود به محدوده کنترل آلودگی هوا در روز و تعداد خودروی خانوار به ترتیب باعث افزایش ارزش زمان سفر تا 28941 ریال و 4134 ریال بر ساعت می‌شود. نتایج این پژوهش می‌تواند در فرآیند مدل‌سازی تقاضا گنجانده شده و منجر به برنامه‌ریزی بهتر برای تسهیل سیاست‌گذاری و تصمیم‌گیری‌ها برای سرمایه‌گذاری شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identification of some sources of heterogeneity in value of travel time of Tehran LEZ users

نویسندگان [English]

  • Sogol Kanaani Maman 1
  • AmirReza Mamdoohi 2
1 Transportation Planning, Institute for Management and Planning Studies, Tehran, Iran.
2 Transportation Planning Department, Faculty of Civil & Environmental Engineering, Tarbiat Modares University
چکیده [English]

Value of travel time (VOTT) plays a key role in the choices of travelers. Empirical studies have shown significant differences in VOTT estimates, which researchers attribute to several factors, including demographic, alternatives, trips, and regional economic characteristics. One of the policies reducing the use of the private car is congestion pricing of the low emission zone (LEZ). This study aims to estimate VOTT and analyze its heterogeneity among users of Tehran LEZ. We use stated preference (SP) data to calibrate mixed logit models, based on which, travelers' value of time is evaluated. The mean value of travel time is calculated 5788 Rials per hour. Results of the mixed logit model indicate a cost coefficient with triangle distribution (mean -0.00036) and a travel time coefficient with normal distribution (mean -0.20838). To investigate the source of VOTT heterogeneity, random coefficients analysis is used for the interaction between coefficients of time and cost and other variables revealing that only cost as a factor with three variables: number of the entrance to LEZ, number of household cars, and high education are significant.

کلیدواژه‌ها [English]

  • Value of Travel Time
  • Congestion Pricing
  • Binary logit model
  • Mixed logit model
  • Heterogeneity

مراجع

[1] V. Jarl, Congestion pricing in urban areas: theory and case studies,  (2009).
[2] M.S. Hossan, H. Asgari, X. Jin, Investigating preference heterogeneity in Value of Time (VOT) and Value of Reliability (VOR) estimation for managed lanes, Transportation Research Part A: Policy and Practice, 94 (2016) 638-649.
[3] T.C. Lam, K.A. Small, The value of time and reliability: measurement from a value pricing experiment, Transportation Research Part E: Logistics and Transportation Review, 37(2) (2001) 231-251.
[4] I.C. Athira, C.P. Muneera, K. Krishnamurthy, M.V.L.R. Anjaneyulu, Estimation of Value of Travel Time for Work Trips, Transportation Research Procedia, 17 (2016) 116-123.
[5] M. Jiang, T. Morikawa, Theoretical analysis on the variation of value of travel time savings, Transportation Research Part A: Policy and Practice, 38 (2004) 551-571.
[6] T.C. Thomas, G.I. Thompson, The value of time for commuting motorists as a function of their income level and amount of time saved, Highway Research Record, (314) (1970).
[7] M. Wardman, A review of British evidence on time and service quality valuations, Transportation Research Part E: Logistics and Transportation Review, 37(2) (2001) 107-128.
[8] J. Calfee, C. Winston, The value of automobile travel time: implications for congestion policy, Journal of public economics, 69(1) (1998) 83-102.
[9] S. Hess, M. Bierlaire, J.W. Polak, Estimation of value of travel-time savings using mixed logit models, Transportation Research Part A: Policy and Practice, 39(2) (2005) 221-236.
[10] H. Zhong, W. Li, M.W. Burris, A. Talebpour, K.C. Sinha, Will autonomous vehicles change auto commuters’ value of travel time?, Transportation Research Part D: Transport and Environment, 83 (2020) 102303.
[11] G.H.d.A. Correia, E. Looff, S. van Cranenburgh, M. Snelder, B. van Arem, 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 (2019) 359-382.
[12] V. Kolarova, F. Steck, Chapter 28 - Estimating impact of autonomous driving on value of travel time savings for long-distance trips using revealed and stated preference methods, in: K.G. Goulias, A.W. Davis (Eds.) Mapping the Travel Behavior Genome, Elsevier, 2020, pp. 561-575.
[13] V. Varghese, A. Jana, Impact of ICT on multitasking during travel and the value of travel time savings: Empirical evidences from Mumbai, India, Travel Behaviour and Society, 12 (2018) 11-22.
[14] A. Younis, REVIEW OF VALUE OF TRAVEL TIME SAVINGS & ITS VARIATION WITH, 2013.
[15] I. Dubernet, T. Dubernet, K.W. Axhausen, Comparing values of travel time obtained from workplace and short-term decisions, Travel Behaviour and Society, 20 (2020) 83-90.
[16] K.E. Train, Discrete choice methods with simulation, Cambridge university press, 2009.
[17] K.A. Small, C. Winston, J. Yan, Uncovering the Distribution of Motorists' Preferences for Travel Time and Reliability, Econometrica, 73(4) (2005) 1367-1382.
[18] I. Farzin, A.R. Mamdoohi, H‌E‌T‌E‌R‌O‌G‌E‌N‌E‌I‌T‌Y A‌M‌O‌N‌G I‌N‌D‌I‌V‌I‌D‌U‌A‌L‌S A‌N‌D A‌L‌T‌E‌R‌N‌A‌T‌I‌V‌E I‌N ‌E‌S‌T‌I‌N‌A‌T‌I‌O‌N C‌H‌O‌I‌C‌E- C‌A‌S‌E O‌F S‌H‌O‌P‌P‌I‌N‌G T‌R‌I‌P‌S I‌N Q‌A‌Z‌V‌I‌N, Sharif Journal of Civil Engineering, 36.2(3.2) (2020) 77-86.(in persian)
[19] M. Mehdizadeh, A.R. Mamdoohi, Active school travel: homogeneity or heterogeneity? That is the question, Transportation Planning and Technology, 43(5) (2020) 443-462.
[20] D. Hensher, J. Rose, W. Greene, Applied Choice Analysis, 2005.
[21] D. McFadden, K. Train, Mixed MNL models for discrete response, Journal of Applied Econometrics, 15(5) (2000) 447-470.
نشریه مهندسی عمران امیرکبیر
دوره 54، شماره 11
بهمن 1401
صفحه 4101-4118

فایل ها

هم رسانی

ارجاع به این مقاله

آمار