مدل‌سازی تقاضای تاکسی اینترنتی برای سفرهای درون‌شهری کاربرد الگوی انتخاب گسسته برای شهر تبریز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه توسعه اقتصادی و برنامه ریزی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران

2 استاد گروه توسعه اقتصادی و برنامه ریزی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران

3 دانشیارگروه توسعه اقتصادی و برنامه ریزی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران

چکیده

امروزه موضوع حمل‌ونقل شهری از مهم‌ترین مباحث و چالش‌های اقتصاد شهری است. توسعه شهرها و بروز پدیده‌هایی همچون تراکم جمعیتی، ترافیک، آلودگی هوا و نظایر آن، ضرورت به‌کارگیری فناوری‌های نوین، فراگیر و مقرون‌به‌صرفه در بخش خدمات حمل‌ونقل شهری را بیش‌ازپیش آشکار کرده است. در این راستا، این مقاله تقاضای تاکسی اینترنتی برای سفرهای درون‌شهری در شهر تبریز را مدل‌سازی کرده است. مدل تقاضا مبتنی بر نظریه تقاضای لنکستر و کاربرد تابع قیمت هدانیک و مدل تحلیل هزینه بوده و به‌منظور برآورد احتمال انتخاب روزانه تاکسی اینترنتی برای سفرهای درون‌شهری از روش انتخاب گسسته لاجیت استفاده شده است. نتایج به‌دست‌آمده از برآورد مدل تقاضای تاکسی اینترنتی حساسیت مسافران به هزینه‌های زمانی سفر با این نوع تاکسی را نشان داده‌است. همچنین براساس نتایج به‌دست‌آمده، کاهش سرعت سفر در روزهای ترافیکی موجب افزایش احتمال انتخاب تاکسی اینترنتی برای سفرهای بعدی در همان روز شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling of ride-sourcing demand for inner-city tripsThe use of the discrete choice method for Tabriz City

نویسندگان [English]

  • Sajjad Abdollahzadeh 1
  • Hossein Panahi 2
  • Elham Nobahar 3
1 PhD student, Department of Economic Development and Planning, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran
2 Professor, Department of Economic Development and Planning, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran
3 Associate Professor, Department of Economic Development and Planning, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran
چکیده [English]

Nowadays, urban transportation is one of the most important issues and challenges in urban economics. The development of cities and the emergence of phenomena such as population density, traffic, air pollution, and so on, have made obvious the necessity of using new, inclusive, and cost-effective technologies in the field of urban transportation services. In this regard, this paper models the demand for ride-sourcing for inner-city trips in Tabriz City. Our model is based on the Lancaster demand theory using the hedonic price function and cost analysis method. We estimated the ride-sourcing choice probability for inner-city trips by applying the logit discrete choice method. The results obtained from the estimation of the ride-sourcing taxi demand model have shown the sensitivity of passengers to the time costs of traveling with this type of taxi. Also, the results of demand analysis show that the decrease in trip velocity due to city traffic causes to increase in demand for ride-sourcing.

کلیدواژه‌ها [English]

  • Ride-sourcing market
  • Lancaster demand function
  • Hedonic price function
  • Discrete choice model

مقدمه

از مهم‌ترین مباحث اقتصاد شهری، موضوع حمل‌ونقل شهری است. امروزه توسعه شهرها و بروز پدیده‌هایی همچون تراکم جمعیتی، ترافیک، آلودگی هوا و نظایر آن، ضرورت به‌کارگیری فناوری های نوین، فراگیر و مقرون‌به‌صرفه در بخش خدمات حمل‌ونقل شهری را بیش‌ازپیش آشکار کرده است. همزمان با گسترش این چالش‌ها کاربرد فناوری اطلاعات و ارتباطات کمک شایان توجهی در شناخت مشکلات، بهینه‌سازی و ارتقای سیستم‌های حمل‌ونقل شهری به سطح سامانه‌های هوشمند داشته است (2020 Shibayama & Emberger,). نگاهی به گزارش‌های منتشرشده توسط نهادها و شرکت‌های فعال در صنعت حمل‌ونقل گویای آن است که سامانه‌های هوشمند، اجزای اصلی شبکه حمل‌ونقل شهری را در آینده تشکیل می‌دهند (2016 Kamargianni et al.,؛ 2018  BMW Group et al.,؛2019  Bidasca,). در این بین، ترکیب فناوری‌های هوشمند با ایده اقتصاد اشتراکی[i] زمینة ظهور کسب‌وکارهای نوین در بخش حمل‌ونقل شهری همچون تأمین‌کنندگان خدمات جابه‌جایی[ii] را فراهم کرده است (Jin et al., 2018). همان‌گونه که در نمودار 1 نمایش داده شده است، خدمات ارائه‌شده توسط تأمین‌کنندگان خدمات جابه‌جایی به دو نوع اشتراک در وسیله نقلیه و اشتراک در سواری تقسیم‌بندی می‌شوند. دسته خاصی از خدمات جابه‌جایی از نوع اشتراک در سواری که با هدف کسب سود اقتصادی ارائه می‌شود، به خدمات سواری تقاضامحور[iii] معروف است. وجود انگیزه کسب سود درخدمات سواری تقاضامحور، بررسی اقتصادی آن به‌عنوان یک کسب‌وکار را امکان‌پذیر می‌کند. تأمین سواری[iv] یکی ازمهم‌ترین انواع خدمات سواری تقاضامحور است. تأمین سواری فرایندی است که در آن یک سامانه هوشمند حمل‌ونقل شهری با ارتباط‌دهی مسافران متقاضی دریافت سواری به رانندگان دارای سواری، تقاضای برخط متقاضیان دریافت سواری را تأمین می‌کند (Jin et al., 2018؛ 2020  Shibayama&Emberger,). در این مدل ارتباط بین مسافران و رانندگان عضو سامانه هوشمند حمل‌ونقل شهری ازطریق تلفن‌های هوشمند در شبکه اینترنت صورت می‌گیرد؛ به همین دلیل، این نوع سامانه هوشمند حمل‌ونقل شهری به تاکسی اینترنتی معروف شده است.

نمودار 1- خدمات جابه‌جایی اشتراکی (برگرفته از مدل جین و همکاران (2018) با انجام اصلاحات)

 

توانایی تاکسی اینترنتی در تعیین کرایه سفر برای مسافر و همچنین کسر مبلغی از کرایه سفر بابت کمیسیون انجام فرایند تأمین سواری موجب می‌شود تاکسی اینترنتی بتواند با هدف حداکثرسازی سود در بازار خدمات حمل‌ونقل شهری به فعالیت بپردازد. امروزه این نوع از تاکسی‌ها به یکی از پرکاربردترین روش‌ها برای انجام سفرهای درون‌شهری تبدیل شده‌اند. نظر به اهمیت موضوع، این مقاله با هدف مدل‌سازی تقاضای تاکسی اینترنتی به‌منظور سفرهای درون‌شهری برای شهر تبریز ارائه شده است.

 

مبانی نظری

از اصول الگوهای عقلایی اقتصاد، توجه به اصل حداکثرسازی ترجیحات توسط مصرف‌کننده است؛ با این مفهوم که یک مصرف‌کننده عقلایی به‌دنبال حداکثرسازی ترجیحات فطری خود روی دامنه‌ای از بردارها شامل مقادیر و صفات کالاها است (McFadden, 2001). اگر دامنه انتخاب برای مصرف‌کننده نمونه، فضایی پیوسته داشته باشد، تابع تقاضا براساس رهیافت نئوکلاسیکی تئوری رفتار مصرف‌کننده و ازطریق حل یک مسئله بهینه‌یابی ریاضی با کاربرد حساب دیفرانسیل به دست خواهد آمد؛ اما پیش‌فرض اصلی استخراج چنین تابع تقاضایی، وجود فضای پیوسته برای مجموعه گزینه‌ها برای انتخاب است. چنانچه مصرف‌کننده از یک یا چند کالا مقدار صفر را انتخاب کند، مسئله بهینه‌یابی فوق دارای جواب گوشه‌ای است و امکان به دست آوردن جواب بهینه از شرط مرتبه اول مسئله بهینه‌یابی ریاضی فراهم نخواهد بود. در چنین شرایطی راه‌حل استخراج تابع تقاضا استفاده از رهیافت تئوری انتخاب گسسته است. نقطه آغازین رهیافت تئوری انتخاب گسسته از نظریه درخت مطلوبیت استروتز و تفسیر لنکستر از این درخت ایجاد شد. استروتز با ارائه نظریه درخت مطلوبیت، تابع مطلوبیت کل را به‌صورت ترکیبی از مطلوبیت شاخه‌های جدا از هم تعریف می‌کند.

در رابطه 1،  مطلوبیت ناشی از مصرف کالاها در شاخه nام و  سطح جدایی‌پذیری بین شاخه‌های مختلف را نشان می‌دهد. در حالت وجود جدایی‌پذیری قوی، تابع مطلوبیت فوق به تابع مطلوبیت جمع‌پذیر تبدیل می‌شود؛ به‌طوری‌که هر شاخه دسته‌ای از کالاها را شامل می‌شود. در روش تجزیه تابع مطلوبیت کل به روش استروتز فرایند تخصیص بودجه مصرف‌کننده به کالاها طی دو مرحله انجام می‌گیرد. نخست، بودجه مصرف‌کننده بین شاخه‌های مختلف و با توجه به قیمت متوسط کالاهای موجود در هر شاخه تخصیص می‌یابد. سپس بودجه تخصیص‌یافته به هر شاخه بین کالاهای موجود در آن شاخه تخصیص داده می‌شود. با فرض اینکه بودجه اختصاص‌یافته به هر شاخه محدود باشد، می‌توان تابع تقاضا برای کالاهای هر شاخه را به‌طور مستقل از قیمت کالاها در سایر شاخه‌ها به دست آورد. لنکستر[i] (1966) در تفسیر درخت مطلوبیت استروتز، تابع مطلوبیت کل را مبتنی بر خصوصیات کالاهای مصرفی تعریف می‌کند. طبق این نظریه که به نظریه تقاضای لنکستر معروف است، افراد در تصمیم برای انتخاب کالاها به خصوصیات آنها توجه می‌کنند؛ بنابراین، مطلوبیتی که افراد از مصرف یک کالا کسب می‌کنند را می‌توان به مطلوبیت حاصل از اجزای تشکیل‌دهندة آن کالا تقسیم کرد. این نظریه به‌ویژه دربارة کالاهای مرکب، مانند اتومبیل و مشابه آن، به‌خوبی عمل می‌کند. در چارچوب نظریه تقاضای لنکستر نحوه ارتباط‌دهی خصوصیات کالا با قیمت کالا موضوع مهمی است؛ زیرا خصوصیات غیربازاری کالاها باید ازطریق یک تابع به قیمت بازاری کالا ارتباط داده شود. ایده مناسب استفاده از تابع قیمت هدانیک برای کالاهای مرکب است. روش هدانیک نخستین‌بار برای تجزیه و تحلیل تقاضا در بازار مسکن و محیط زیست به کار گرفته شد و در ادامه با کارهای نظری روزن گسترش یافت. روزن[ii] (1974) مدلی از بازار شامل کالایی با n مشخصه ارائه می‌کند که در آن هر کالا قیمت مخصوص به خود را دارد؛ اما قیمتی برای تک‌تک مشخصه‌های آن کالا در بازار وجود ندارد. مدل هدانیکی قیمت برای این کالا به‌صورت زیر ارائه شده است:

در رابطه 2،  قیمت بازاری کالا،  خصوصیات کالای مدنظر و  تابع ارتباط‌دهنده هریک از خصوصیات موجود در کالا با قیمت بازاری کالا است. سفر را می‌توان یکی از انواع کالاهای مرکب دانست که شامل ابعاد پولی و زمانی است. ویژگی مرکب‌بودن به وسیله نقلیه سفر (تاکسی) نیز قابل سرایت است؛ بنابراین، تقاضا برای تاکسی اینترنتی را در چارچوب نظریه تقاضای لنکستر (1966) و تابع قیمت هدانیک روزن (1974) می‌توان مدل‌سازی کرد؛ درنتیجه، خواهیم داشت:

در رابطه 3،  قیمت بازاری کالای iام،  ضرایب تخمین،  خصوصیات کالای iام و  جزء تصادفی را نشان می‌دهد. برای تجزیه قیمت در تابع قیمت هدانیک به اجزای تشکیل‌دهنده می‌توان از مدل تحلیل هزینه ارائه‌شده توسط دی برگر و پروست[i] (2001) استفاده کرد. در این مدل، هزینه وسیله حمل‌ونقل از سه منبع ناشی می‌شود که عبارت‌اند از هزینه تولیدکنندة خدمات ، هزینه استفاده‌کنندة خدمات   و هزینه‌های بیرونی سیستم ؛ بنابراین، داریم:

در رابطه 4،  هزینه کل تولیدکننده و  هزینه کل غیرپولی مصرف‌کننده را نشان می‌دهد. همچنین، میزان تولید سفر با  عامل تولید به‌صورت   تعریف می‌شود. با به‌کارگیری قاعده برابری درآمد نهایی با هزینه نهایی در بازار انحصار فروش (شرایطی که در آن یک بنگاه عرضه‌کنندة خدمت در بازار حاضر است) از توابع هزینه کل و تولید کل دیفرانسیل می‌گیریم و با جایگذاری خواهیم داشت:

در رابطه 5،  قیمت تمام‌شدة تولید خدمت برای عرضه‌کننده، برابر پرداختی به عامل تولید (راننده) است. با فرض وجود یک تاکسی اینترنتی و برقراری وضعیت انحصار در بازار، انحصارگر به‌منظور کسب سود، قیمت را بالاتر از هزینه نهایی تعیین می‌کند؛ بنابراین، می‌توان به‌جای  از  استفاده کرد که نشان‌دهندة کرایه (حاصل‌جمع پرداختی به راننده و کمیسیون سفر) است. مدت زمان سپری‌شده از زمان ثبت درخواست مسافر تا رسیدن راننده به محل استقرار مسافر در مبدأ سفر (مدت زمان انتظار مسافر برای دسترسی به تاکسی اینترنتی) و همچنین مدت زمان سپری‌شده در طول سفر مسافر با تاکسی اینترنتی از مبدأ سفر تا مقصد سفر (مدت زمان سفر مسافر با تاکسی) هزینه‌های غیرپولی (زمانی) مسافر را تشکیل می‌دهند که جایگزین  در رابطه 5 می‌شود و هزینه واقعی سفر به دست می‌آید. با جایگذاری در رابطه 3، خواهیم داشت:

در رابطه 10،  قانون توزیع انباشته متغیر تصادفی  است. مقادیر مشاهده‌شده   فقط مقادیر تحقق‌یافته‌ای از فرایند دو نقطه‌ای با احتمال تعیین‌شده در رابطه 10 هستند که از یک تجربه به تجربه دیگر با توجه به مقدار  تغییر می‌کنند؛ درنتیجه، تابع راستنمایی تعدادN  متغیر تصادفی  عبارت است از:

شکل تابعی F در رابطه 11، به فرض‌های پذیرفته‌شده راجع به  در رابطه 8 بستگی دارد. اگر توزیع انباشته  از نوع لاجستیک و به‌صورت  باشد، مدل احتمال در تابع راستنمایی رابطه 11 نیز از نوع لاجیت خواهد بود:

به همین صورت خواهیم داشت:

می‌دانیم ؛ بنابراین، متغیر تصادفی  دارای احتمال دو نقطه‌ای با تابع چگالی  است که با فرض استقلال ها در نمونه استخراج‌شده از جامعه تابع چگالی مشترک  Nمشاهده به‌صورت حاصل‌ضرب توابع چگالی آنها به دست می‌آید؛ درنتیجه، داریم:

با داشتن ، آنگاه با استفاده از روابط 11 تا 14 برای فرم بسته لاجیت تابع راستنمایی به‌صورت زیر به دست می‌آید:

درنهایت، دستگاه K معادله در رابطه 15 را برایK  مجهول  می‌توان حل کرد و مقادیر احتمال رخداد   را برای مقادیر مختلف متغیرهای توضیحی به‌صورت زیر می‌توان محاسبه کرد:

در رابطه 16،  مقدار محاسبه‌شده برای احتمال وقوع رخداد  برای فردiام است (کشاورز حداد، 1396: 93).

 

تنظیم مدل رگرسیون گسسته برای حالت تصادفی

ناهمگونی ترجیحات مصرف‌کنندگان در نمونه‌های واقعی مشاهده می‌شود ‌طوری‌که افراد در شرایط یکسان گزینه‌های یکسان را انتخاب نمی‌کنند. همچنین، نیاز به توضیح علل غیرانتقالی‌بودن ترجیحات موجب توسعه مدل‌های انتخاب گسسته با هدف لحاظ ناسازگاری رفتاری مصرف‌کنندگان در این مدل‌ها شد که به معرفی مدل انتخاب تصادفی انجامید. در این مدل علت ناسازگاری در رفتار مصرف‌کنندگان ناشی از تغییرات غیرقابل مشاهده بین آنها و صفات غیرقابل مشاهده گزینه‌ها تعریف شده است و به‌صورت جزء خطا در مدل وارد می‌شود. با فرض اینکه مصرف‌کننده گزینه‌ای را انتخاب می‌کند که دارای بالاترین سطح مطلوبیت برای او باشد (Akiva & Lerman, 1985)، احتمال انتخاب گزینه iام برابر با این احتمال است که مطلوبیت گزینه iام بزرگ‌تر یا برابر با گزینه‌های دیگر در مجموعه انتخاب باشد (Khan, 2007)؛ بنابراین، با تشکیل تابع مطلوبیت تصادفی به‌صورت حاصل جمع دو بخش غیرتصادفی و تصادفی، خواهیم داشت (Domencich & McFadden, 1975؛ 2006 Koppelman & Bhat,):

در رابطه 17، احتمال انتخاب گزینه iام توسط فرد nام به‌صورت زیر به دست می‌آید:

در مدل لاجیت فرض بر این است که  دارای توزیع مستقل با تابع توزیع احتمال  و توزیع تجمعی  است. از آنجا که  دارای توزیع مستقل است، این توزیع تجمعی روی مقادیر   به‌صورت زیر خواهد بود:

چون  دارای مقادیر معین نیست، احتمال انتخاب گزینه iام برابر با انتگرال  در تابع چگالی روی همه مقادیر  است؛ به عبارت دیگر:

مروری بر مطالعات پیشین

آسنسایو[i] (2002) در مقاله‌ای با عنوان «انتخاب وسیله نقلیه برای سفرکنندگان به مرکز شهر در بارسلون اسپانیا»، عوامل مؤثر بر انتخاب وسیله سفر به مرکز شهر را با استفاده از یک مدل لاجیت چندگانه آشیانه‌ای برای دو نوع وسیله نقلیه عمومی و خودرو شخصی را مطرح کرده اند. در این مطالعه، عوامل مؤثر بر انتخاب خودروی شخصی عبارت بودند از زمان سفر، جنسیت، هزینه سفر، سرپرست خانوار بودن و چگالی جمعیت در منطقه سکونت و محل کار. عوامل مؤثر بر حمل‌ونقل عمومی نیز شامل زمان سفر با وسیله نقلیه عمومی، زمان انتظار، زمان پیاده‌روی تا مقصد، زمان پیاده‌روی تا مبدأ و زمان انتقال بین وسایل نقلیه عمومی، هزینه، جنسیت، مسافت سفر و تناوب وسیله نقلیه عمومی بودند. نتایج به‌دست‌آمده از این مطالعه نشان دادند ضرایب مربوط به هریک از متغیرها، به‌جز تناوب وسیله نقلیه عمومی، دارای علامت مورد انتظار بوده و معنادار بوده‌اند. زا و همکاران[ii] (2016) با ارائه تحلیل اقتصادی برای بازار تاکسی اینترنتی نتیجه گرفته‌اند که در صورت عدم مداخله نظارتی در بازار، تاکسی اینترنتی انحصارگر سود مشترک خود با رانندگان عضوش را حداکثر می‌کند. لی و سزتو[iii] (2021) به‌منظور ارائه مدلی برای کل بازار تاکسی، تقاضا برای تاکسی را تابعی کاهنده و مشتق‌پذیر از سطح کرایه، مدت زمان سفر و زمان انتظار مسافر در نظر گرفته‌اند. در این مدل تاکسی انحصارگر با هدف حداکثرسازی سود، خدمت رانندگان اجاره‌ای عضو ناوگان تاکسی را خریداری و به مصرف‌کنندگان نهایی عرضه می‌کند. دولت محلی نیز با اعمال سیاست‌های تنظیم بازار، سیاست حداکثرسازی رفاه اجتماعی را دنبال می‌کند. در مطالعه‌ای دیگر زو و همکاران (2021) بازار تاکسی اینترنتی را بررسی و مدل اقتصادی برای آن ارائه کرده‌اند. آنها به‌منظور مدل‌سازی تقاضای تاکسی اینترنتی، از روش تحلیل هزینه استفاده کرده‌اند و با کاربرد مدل انتخاب گسسته لاجیت، تابع تقاضا را تابعی کاهنده از اجزای هزینه سفر شامل کرایه سفر، هزینه زمانی مدت زمان انتظار مسافر برای دسترسی به تاکسی اینترنتی و هزینه زمانی مدت زمان سفر مسافر با تاکسی اینترنتی در نظر گرفته­اند. در مطالعات داخلی نیز نصرالهی و اونق (1390) در پژوهشی، تابع تقاضای سفر به بندر ترکمن را برآورد کرده و نتیجه گرفته‌اند که فقط هزینه سفر، در تقاضای سفر مؤثر بوده است. زیاری و همکاران (1392) در مقاله‌ای، الگوهای رفتاری سفرهای کاری و خدماتی ساکنان شهر تهران را مدل‌سازی کرده‌اند. آنها بعد از معرفی مدل لاجیت و ساخت و ارائه توابع مطلوبیت سفرهای کاری و خدماتی، ضرایب متغیرهای توابع مطلوبیت ارائه‌شده را با کاربرد مدل لاجیت چندگانه و روش حداکثر درستنمایی برآورد و بررسی و تحلیل آماری کرده‌اند. نتایج به‌دست‌آمده نشان دادند مدل‌های ساخته‌شده از درجه برازندگی بالایی برخوردار بوده‌اند و قادرند الگوهای رفتاری پیچیده سفرهای کاری و خدماتی ساکنان شهر تهران را براساس مدل احتمالی لاجیت شبیه‌سازی کنند. در مطالعه‌ای دیگر، گوگردچیان و همکاران (1395) ابتدا مدل‌های انتخاب گسسته و چگونگی شکل‌گیری و مدل‌سازی تقاضا در آنها را معرفی کرده و سپس تقاضای سفر در شهر اصفهان را تخمین زده‌اند. نتایج حاصل از برآورد مدل نشان دادند تقاضا برای خودروی شخصی فقط به آسایش خودروی شخصی وابسته بوده است؛ درحالی‌که تقاضا برای تاکسی به زمان، هزینه، درآمد و آسایش و همچنین تقاضا برای اتوبوس به زمان و هزینه وابسته بوده است. در پژوهشی دیگر خیری و ممدوحی (1401) عوامل مؤثر بر تغییر تمایل استفاده از تاکسی اینترنتی در شرایط کوید-19 را مدل‌سازی کرده‌اند. آنها داده‌های مورد نیاز را از طریق پرسشگری آنلاین، جمع‌آوری و اقدام به ساخت مدل‌های لاجیت رتبه‌ای و دوگانه کرده‌اند. براساس نتایج به‌دست‌آمده، شیوع کرونا بر میزان استفاده از تاکسی اینترنتی، اثر منفی و افزایش قیمت بنزین و نبود پارکینگ در مقصد سفر بر میزان استفاده از تاکسی اینترنتی تأثیر مثبت داشته است. همچنین، افراد دارای خودروی شخصی نسبت به افراد فاقد خودروی شخصی، از تاکسی اینترنتی کمتر استفاده می‌کنند و پس از شیوع کرونا نیز میزان استفادة خود را بیشتر کاهش داده‌اند.

 

روش‌شناسی

در این مقاله با پیروی از زو و همکاران (2021)، تقاضای تاکسی اینترنتی (از این به بعد تاکسی نامیده می‌شود) در فرم مدل انتخاب گسسته لاجیت مدل‌سازی شده است. در جدول 1 متغیرهای مدل تقاضای تاکسی نشان داده شده و در رابطه 22 معرفی شده‌اند.

الگوی سفر درون‌شهری و نحوة جمع‌آوری داده‌ها

به‌منظور انجام سفرهای درون‌شهری با تاکسی، کاربران مسافر و کاربران راننده عضو تاکسی با اتصال به شبکه اینترنت و ورود به برنامه تاکسی، نصب‌شده روی گوشی‌های تلفن همراه هوشمند، اقدام به ثبت و پذیرش سفر می‌کنند. بعد از ثبت درخواست سفر و ورود مشخصات سفر شامل مبدأ و مقصد توسط مسافر، تاکسی نزدیک‌ترین رانندة فعال مایل به پذیرش درخواست سفر ثبت‌شده را شناسایی می‌کند و به مسافر ارتباط می‌دهد؛ بدین ترتیب، سواری سفر تأمین می‌شود. این فرایند در قالب یک الگوی سفر در نمودار 2 نمایش داده است:

نمودار 2- الگوی سفر دورن‌شهری با تاکسی

در این پژوهش به‌منظور محاسبه اندازه مناسب نمونه از رابطه 23 استفاده شده است:

در رابطه 23،  اندازه جامعه و  اندازه نمونه است.  مقدار متغیر نرمال واحد استاندارد است که در سطح اطمینان 95 درصد برابر 96/1 است.  مقدار نسبت صفت موجود در جامعه است که اگر در اختیار نباشد می‌توان برابر 5/0 در نظر گرفت.  درصد افرادی را نشان می‌دهد که فاقد آن صفت در جامعه هستند.  مقدار اشتباه مجاز است که معمولاً 05/0 در نظر گرفته می‌شود (Cochran, 1977).

اگر اندازه جامعه آماری مشخص نباشد، رابطه 23 به حالت زیر تبدیل می‌شود:

با کاربرد رابطه 24، اندازه مناسب نمونه در این پژوهش برابر با 384 به دست آمده است:

جدول 1- متغیرهای مدل تقاضای تاکسی

به‌منظور ارتقای دقت آماری، داده‌های مربوط به 389 سفر طی یک طرح نمونه‌گیری در سطح شهر تبریز جمع‌آوری و استفاده شده‌اند.

استخراج تقاضای تاکسی و تجزیه و تحلیل نتایج

تقاضای تاکسی مبتنی بر نظریه تقاضای لنکستر و کاربرد تابع قیمت هدانیک و مدل تحلیل هزینه مدل‌سازی شده است. در ادامه، به‌منظور برآورد احتمال انتخاب هر روز (روزانه) تاکسی برای سفرهای درون‌شهری، از روش انتخاب گسسته لاجیت استفاده شده است. نمودار 3 فرایند استخراج تقاضای تاکسی را نشان می‌دهد.

جدول 2- نتایج برآورد ضرایب مدل تقاضای تاکسی به روش لاجیت دوگانه به‌منظور برآورد احتمال انتخاب روزانه تاکسی

جدول 3- نتایج برآورد ضرایب مدل تقاضای تاکسی به روش لاجیت دوگانه به‌منظور برآورد احتمال انتخاب بیش از یک بار تاکسی در یک روز

 و  Lدر مدل اول و ضریب برآوردشده برای  و L در مدل دوم معنی‌دار بوده‌اند. اثر منفی هزینه‌های زمانی سفر بر احتمال انتخاب تاکسی نشان می‌دهد طولانی‌شدن مدت زمان انتظار و مدت زمان سفر با تاکسی احتمال انتخاب مجدد تاکسی توسط مسافر برای سفرهای بعدی در همان روز را کاهش داده است. در ادامه، به‌منظور بررسی تأثیر ترافیک شهری بر احتمال انتخاب تاکسی از شاخص سرعت (V) استفاده شده که خود از تقسیم مسافت طی‌شده بر مدت زمان سفر به دست آمده است. نتایج به‌دست‌آمده از برآورد ضرایب مدل تقاضای تاکسی به روش لاجیت دوگانه به‌منظور برآورد احتمال انتخاب بیش از یک بار تاکسی در یک روز نشان‌دهندة تأثیر مستقیم (غیرمستقیم) سرعت (ترافیک شهری) بر احتمال انتخاب تاکسی برای سفرهای بعدی در طی همان روز بوده است؛ به‌طوری‌که کاهش (افزایش) سرعت سفر (ترافیک شهری) موجب افزایش احتمال انتخاب تاکسی شده است.

 

نتیجه‌گیری کلی و ارائه پیشنهاد

مدل ارائه‌شده برای تقاضای تاکسی در این پژوهش، حساسیت مسافران به هزینه‌های زمانی سفر با تاکسی را نشان داده است؛ به‌طوری‌که تجزیه و تحلیل تقاضای تاکسی نشان می‌دهد هزینه‌های زمانی سفر با تاکسی شامل هزینه زمانی انتظار مسافر برای دسترسی به تاکسی و هزینه زمانی سفر مسافر با تاکسی تأثیر معنی‌داری بر احتمال انتخاب تاکسی توسط مسافران برای انجام سفرهای درون‌شهری داشته است. به این ترتیب، چنانچه تاکسی از قدرت انحصاری در بازار برخوردار باشد، برای مسافرانی که به‌دلیل محدودیت زمان‌ برای تأمین سواری سفر، به پرداخت کرایه بالاتر تمایل دارند، کرایه بالاتری وضع می‌کند و سود خود را افزایش می‌دهد؛ بنابراین، توصیه می‌شود این نوع تاکسی‌ها با بهینه‌سازی شبکه توزیع و استقرار رانندگان در نواحی مختلف شهر و برنامه‌ریزی برای کاهش مدت زمان انتظار مسافران برای دسترسی به تاکسی، امکان کاهش هزینه زمانی سفر برای مسافران و به‌دنبال آن، افزایش مقدار تقاضای تاکسی را فراهم سازند. همچنین، نتایج به‌دست‌آمده از برآورد مدل تقاضای تاکسی نشان داد که کاهش سرعت سفر در روزهای ترافیکی موجب افزایش احتمال انتخاب مجدد تاکسی برای سفرهای بعدی در همان روز شده است.

[i] Asensio

[ii] Zha, et al

[iii] Li & Szeto

[i] De Borger & Proost

[i] Lancaster

[ii] Rosen

1 Sharing economy

2 Mobility service providers (MSPs)

3 On-demand ride services

4 Ride-sourcing

خیری، آصف و ممدوحی، امیررضا. (1401). «مدل‌سازی عوامل مؤثر در تغییر تمایل استفاده از تاکسی اینترنتی در شرایط کوید-19»، مجله علمی پژوهشی مهندسی عمران شریف، دوره 2-38 ، شماره 2/2 ، ص 66-55.
DOI: 10.24200/ J30.2022.59510.3057
زیاری، کرامت‌الله و همکاران. (1392). «مدل‌سازی الگوهای رفتاری سفرهای کار و خدمات ساکنان شهر تهران»، پژوهش‌های جغرافیای انسانی، دوره 45، شماره 1، ص 22-1.
DOI: 10.22059/JHGR.2013.30036
کشاورزحداد، غلامرضا. (1396). اقتصادسنجی داده‌های خرد و ارزیابی سیاست. تهران: نشرنی.
گوگردچیان، مرضیه و همکاران. (1395). «مدل‌های انتخاب گسسته: کاربردی از انتخاب وسیله نقلیه در شهر اصفهان»، سیاست‌گذاری اقتصادی، سال 8، شماره 15، ص 24-1.
نصرالهی، خدیجه و عبدالحمید اونق. (1390). «تخمین تابع تقاضای سفر شهر بندر ترکمن»، مطالعات و پژوهش‌های شهری و منطقه‌ای، سال 3، شماره 9، ص 140-123.
Akiva, B., & Lerman, S.R. (1985). Discrete choice analisys: theory and application to travel demand. Cambridge, MA: MIT Press.
Asensio, J. (2002). Transport mode choice by commuters to Barcelona’s CBD. Urban Studies, Vol. 39, No. 10, pp. 1881-1895.
Bidasca, L. (2019). Exploring the deployment of new mobility services. Urban Agenda for the EU - Partnership for Urban Mobility.
BMW Group, Car2go Group GmbH, ECF, Mobility Nation, Nextbike GmbH, Siemens, Transport and Environment, UBER, City of Vilnius & Zipcar. (2018). Integrating new mobility services in urban transport. European Federation for Transport and Environment AISBL.
Cochran, W. (1977). Sampling techniques, 3rd edition. New York: John Wiley & Sons.
De Borger, B., & Proost, S. (2001). Reforming transport pricing in the European union: a modelling approach, USA: Edward Elgar Publisher.
Domencich, T. A., & McFadden, D. (1975). Urban travel demand-a behavioral analysis. North-Holland Publishing Company.
Jin, S.T., & et al. (2018). Ride sourcing, the sharing economy, and the future of cities. Cities, Vol. 76, pp. 96-104.
Kamargianni, M., & et al. (2016). A critical review of new mobility services for urban transport. Transportation Research Procedia, Vol. 14, pp. 3294-3303.
Khan, O. (2007). Modelling passenger mode choice behaviour using computer aided stated preference data. Queensland: Queensland University of Technology.
Koppelman, F. S., & Bhat, C. (2006). A self instructing course in mode choice modeling: multinomial and nested logit models, US Department of Transportation, Federal Transit Administration.
Lancaster, K. (1966). A new approach to consumer theory. The Journal of Political Economy, Vol. 74, No. 2, pp. 132-157.
Li, B., & Szeto, W.Y. (2021). Modeling and analyzing a taxi market with a monopsony taxi owner and multiple rentee-drivers. Transportation Research Part B: Methodological, Vol. 143, pp. 1-22.
McFadden, D. (2001). Economic Choices. The American Economic Review, Vol. 91, No. 3, pp. 351-378.
Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. Journal of political Economy, Vol. 82, No. 1, pp. 34-55.
Shibayama, T., & Emberger, G. (2020). New mobility services: Taxonomy, innovation and the role of ICTs. Transport policy, Vol. 98, pp. 79-90.
Train, K. (2009). Discrete choice methods with simulation. Cambrididge University Press.
Xue, Z., & et al. (2021). Economic modeling and analysis of the ride-sourcing market considering labor supply. Research in Transportation Business & Management, Vol. 38, 100530.
Zha, L., & et al. (2016). Economic analysis of ride-sourcing markets. Transportation Research Part C: Emerging Technologies, Vol. 71, pp. 249-266.