Network-based model for predicting the effect of fuel price on transit ridership and greenhouse gas emissions

با افزایش قیمت سوخت، رانندگان ممکن است گزینه های سفر را برای به حداقل رساندن زمان سفر، بلکه مصرف سوخت انتخاب کنند. در نظر گرفتن مصرف سوخت بر انتخاب مسیر و تاثیر گذار بودن فرکانس و انتخاب حالت تاثیر می گذارد. به عنوان مثال، مسافران ممکن است تصمیم به زندگی در محل کار خود نزدیک تر کنند یا از حمل و نقل عمومی برای جلوگیری از مصرف سوخت و هزینه های مرتبط استفاده کنند. برای ترکیب ویژگی های شبکه به پیش بینی تاثیرات قیمت سوخت، ما یک تقاضای الاستیک ترکیب چند طبقه، انتخاب حالت و مدل تعادل کاربر را با استفاده از یک تابع هزینه عمومی برای زمان سفر و مصرف سوخت با یک الگوریتم ترکیبی راه اندازی توسعه می دهیم. الگوریتم در یک بسته نرم افزاری سفارشی اجرا شده است و یک برنامه مورد مطالعه در شبکه آستین، تگزاس ارائه شده است. ما حساسیت سوخت و قیمت متغیرهای کلیدی مانند نسبت به درایو تنها و ترانزیت کلاس، سفرهای متقاطع، حرکت ترافیکی در سطح پیوند و مصرف سوخت و انتشار گازهای گلخانه ای را ارزیابی می کنیم. این اثرات در یک مجموعه تقاضای ناهمگونی مورد بررسی قرار گرفته است، با چند طبقه کاربر طبقه بندی شده بر اساس ارزش سفر زمان طبقه بندی شده اند. همانطور که انتظار می رود، بیشترین مقادیر نسبی حمل و نقل در برابر قیمت سوخت در بین مقادیر کم کلاس های زمان مشاهده می شود. با وجودی که کل مسافرت شخصی خودرو کاهش می یابد، با توجه به عملکرد هزینه عمومی، در برخی از جاده ها تراکم افزایش می یابد. همچنین کاهش مصرف سوخت در سیستم و انتشار گازهای گلخانه ای نیز مشاهده می شود. این مطالعه، تعاملات ترکیبی بین قیمت های سوخت، رفتار انتخابی چند متغیره، عملکرد سفر و اثرات زیست محیطی آن را تشریح می کند که همه آنها باعث شده است بازار مسافرتی شهری تعیین شود. این سازمان همچنین انگیزه ای برای کاهش میزان انتشار و سیاستهای محرک حمل و نقل در اطراف کلاسهای کاربر پاسخگو است.