امیرعباس رصافی

گسترش حمل ونقل شهری پیامدهایی از قبیل نرخ فزاینده تصادفات رانندگی، مصرف بی رویه انرژی های فسیلی، تولید آلاینده های مخرب سلامت انسان و محیط زیست و هزینه های کلان ناشی از این موارد را به دنبال دارد. ازاینرو، افزایش نیاز روزافزون به توسعه بخش حمل ونقل به عنوان یکی از ارکان اساسی توسعه یافتگی ضرورت دستیابی به حمل ونقل پایدار را تقویت می نماید. در این راستا، شناسایی و اولویت دهی به سیاست های توسعه پایدار حمل ونقل بسیار حایز اهمیت است. در مقاله حاضر تلاش گردیده با استفاده از مدل های سیستم پویایی وضعیت حمل ونقل شهر مشهد مدلسازی شود. در ادامه، تعداد 20 سناریو در پنج گروه سیاستی جهت ارزیابی توسعه پایدار حمل ونقل شهری برای افق 20 ساله درنظرگرفته شده و بر مبنای نتایج آن، سیاست های موردنظر در سال طرح اولویت دهی شده است. در این ارزیابی مشخص گردیده سیاست های هم پیمایی، کاهش خودروهای فرسوده و افزایش کیفیت وسایل نقلیه همگانی، بیشترین تاثیر را بر روی شاخص های پایداری گذاشته و توانسته معضلات ناشی از حمل ونقل را طی 20 سال آینده کمینه نماید. به نظر می رسد، پیشنهادات ارائه گردیده در این مقاله در تصمیم گیری گردانندگان حمل ونقل شهری جهت دستیابی به حمل ونقل پایدار موثر واقع شود.

جداول دسته‌بندی متقاطع یکی از روشهای مورد استفاده برای برآورد میزان سفر است. این جداول می‌توانند به صورت دو بعدی تعریف شوند که در آن، نرخ سفر تولید شده توسط هر خانوار در روز با استفاده از دو متغیر برآورد می‌شود. علاوه بر جداول دوبعدی، جداول دسته‌بندی متقاطع چندگانه نیز مطرح شده، که در آن از متغیرهای بیشتری (معمولاً سه متغیر) برای برآورد نرخ سفر تولیدی خانوارها استفاده می‌شود. به دلیل استفاده از داده‌های آماری در تهیة این جداول، ممکن است بعضی از مقادیر نرخ سفر غیرمنطقی بوده و بی‌نظمی‌هایی در بین خانه‌های مجاور دیده شود. روش سنتی برای تعدیل مقادیر نرخ سفر این جداول، استفاده از روش تحلیل واریانس است. در این مقاله روش برنامه‌ریزی خطی فازی برای تعدیل مقادیرنرخ‌ سفر این جداول معرفی می‌شود. در این روش، قضاوت و درک متخصص حمل‌ونقل برای تعدیل مقادیر جداول به مقادیر مشاهده شده به صورتی بکار گرفته می‌شود که بعد از اعمال روش، میزان سفرهای واقعی با میزان سفرهای به دست آمده از جداول تعدیل شده، تقریباً یکسان شود. در این مقاله بعد از شرح مسئله و روش انجام آن، با استفاده از داده‌های آماری مربوط به شهر مشهد مسئله‌ا‌ی برای نشان دادن قابلیت این روش در مقابل روش تحلیل واریانس حل شده است.