تحلیل مسیر کم‌هزینه و دسترسی به کریدور راه‌آهن پرسرعت: ویکتورویل، کالیفرنیا به لاس‌وگاس، NV

 

فناوری ژئوفضایی ابزار مفیدی برای شناسایی کریدورهای زمینی برای شبکه های حمل و نقل است. راهرو ترانزیت اولیه بین لس آنجلس، کالیفرنیا و لاس وگاس، NV، بین ایالتی-15 است که تقریباً یک سفر چهار ساعته با خودرو بدون ترافیک است. Virgin Trains USA LLC با ساخت یک راه آهن سریع السیر در امتداد Interstate-15 که لاس وگاس و ویکتورویل، کالیفرنیا را به هم متصل می کند، وسیله ای جایگزین برای سفر پیشنهاد می کند. این مطالعه از تجزیه و تحلیل مسیر کم‌هزینه برای پیشنهاد یک کریدور جایگزین بهینه برای راه‌آهن پرسرعت پیشنهادی Virgin Trains از طریق تحلیل دسترسی راه‌آهن و راه‌آهن تسهیل‌شده استفاده می‌کند. تحقیقات قبلی با استفاده از روش‌های مسیر کم‌هزینه و روش‌های دسترسی، نتایج کریدورهای راه‌آهن پرسرعت پیشنهادی را ارزیابی کرد و سیستم تغییرات دسترسی را با بازرسی بصری انحرافات از یک راهرو برنامه‌ریزی‌شده با استفاده از معیارهای هزینه تک یا چندگانه به عنوان ورودی برای سطح هزینه وزنی، تسهیل کرد. با این حال، تحلیل‌های قوی از راهروهای مطالعات مسیر کم‌هزینه قبلی وجود ندارد. این مطالعه اثباتی در مفهوم، کریدور کم‌هزینه‌تری را از طریق تحلیل مسیر کم‌هزینه پیشنهاد می‌کند و تأثیر اجتماعی را بر ذینفعان یک سیستم حمل‌ونقل ریلی پرسرعت از طریق دسترسی تسهیل‌شده سیستم اندازه‌گیری می‌کند. کریدور جایگزین پیشنهادی این مطالعه 31٪ کوتاهتر از راهرو برنامه ریزی شده Virgin Trains است و سیستم دسترسی تسهیل شده به لاس وگاس، NV در 99.74٪ از مناطق سرشماری شهرستان لس آنجلس افزایش یافته است.

کلید واژه ها

فرآیند تحلیل سلسله مراتبی ، GIS ، راه‌آهن پرسرعت ، تحلیل مسیر کم‌هزینه ، تحلیل مسیر

1. مقدمه

Virgin Trains USA (VT) روند تضمین اداره راه آهن فدرال ایالات متحده (FRA) را برای ساخت جدیدترین راه آهن سریع السیر خود (HSR) بین لاس وگاس، NV و Victorville، CA آغاز کرده است. کریدور VT HSR در کنار Interstate-15 (I-15) ساخته خواهد شد و 90 دقیقه بدون توقف از ویکتورویل تا بلوار لاس وگاس روبروی South Premium Outlets [ 1 ]، تقریباً سه مایلی جنوب غربی فرودگاه بین‌المللی مک‌کارن، حرکت خواهد کرد. . در حالی که هیچ برآوردی از قیمت بلیط مسافر مشخص نشده است، این پروژه تقریباً 4.8 میلیارد دلار (USD) هزینه خواهد داشت و عمدتاً از طریق بانک زیرساخت و توسعه اقتصادی کالیفرنیا تأمین می شود [ 2 ]] و گروه سرمایه گذاری قلعه. اگر یک نهاد خصوصی شده یا دولت محلی/فدرال بتواند از طریق ماتریس های تصمیم گیری پیچیده ای که در برنامه ریزی حمل و نقل وجود دارد عبور کند و یک کریدور بین دو مکان پیشنهاد کند، باز هم بعید است که این کریدور به دلیل امکان سنجی مالی یا سایر عوامل اجتماعی-اقتصادی ایجاد شود. برای راهروهایی که به واقعیت تبدیل می شوند، ادبیات کمی به بررسی تحلیل مسیر انتخاب شده برای آن راهروها و چگونگی تأثیر آن بر کاربرانش در یک مفهوم اجتماعی یا اقتصادی می پردازد. این مطالعه تشخیص می‌دهد که برنامه‌ریزی HSR باید به همه عوامل نسبی در صورت لزوم قبل از ساخت توجه کند، با این حال میزان عوامل اجتماعی-اقتصادی، تکنولوژیکی و محیطی مورد نیاز برای یک HSR قوی و موفق برای اهداف این مطالعه بسیار بزرگ است.

VT به طور عمومی به هدف یا ابزارها و روش های خود برای توسعه راهروی HSR پیشنهادی خود اشاره نمی کند. آیا هدف VT کاهش تراکم ترافیک در سراسر I-15 است یا دسترسی بیشتر بین شهرستان لس آنجلس (LA) و لاس وگاس، مشخص نیست. این سؤالات زیر را برمی انگیزد: چگونه VT یک پروژه حمل و نقل چند میلیارد دلاری را توجیه می کند؟ علاوه بر این، آیا VT راهروی انتخاب شده را قوی طراحی کرده و تأثیر دسترسی آن را برای کاربران سیستم حمل و نقل اندازه گیری کرده است؟ با در نظر گرفتن تأثیرات بر ذینفعان و کاربران پروژه VT HSR، این مقاله یک راهروی HSR جایگزین مسیر کم‌هزینه (LCP) بهینه‌سازی شده برای تضاد با کریدور برنامه‌ریزی شده VT و تعیین اینکه کدام بهینه‌تر است، ارائه می‌کند. پس از تجزیه و تحلیل LCP، این مطالعه به منظور مقابله با کریدورهای پیشنهادی و برنامه‌ریزی شده با ارزیابی سریع تأثیر اجتماعی بر کاربران از طریق یک شاخص دسترسی تسهیل‌شده توسط سیستم، گسترش یافته است. انجام این امر، تحلیلی قوی از کریدور برنامه ریزی شده VT ارائه می دهد و پایه ای برای پیش بینی بازگشت سرمایه (ROI) خوب برای سهامداران ایجاد می کند، علاوه بر این، به توجیه اجتماعی-اقتصادی برای چنین پروژه حمل و نقلی کمک می کند.

LCP یک روش رایج برای شناسایی جایگزین های بهینه شده در هنگام تعیین مکان یک راهرو است (به عنوان مثال، پروژه های ساختار مهندسی خطی مانند یک جاده یا بزرگراه جدید، خط لوله، شبکه مخابراتی، راه سبز شهری و HSR). مسیر هزینه یک ابزار تجزیه و تحلیل در یک سیستم اطلاعات جغرافیایی (GIS) است که کم هزینه ترین مسیر را بین دو مکان تعیین می کند (که در آن «هزینه» می تواند زمان، مسافت یا معیار دیگری باشد). یک LCP در GIS با استفاده از یک سطح هزینه شطرنجی ایجاد می شود که با تأثیرگذاری بر معیارهای هزینه مرتبط با اهداف پروژه تعریف می شود. تحقیقات معمولاً یک جایگزین LCP را با مقایسه هزینه‌های حداقل شده انباشته آن با کریدور(های) برنامه‌ریزی شده یا موجود ارزیابی می‌کند ( یعنی.، تعیین اینکه کدام راهرو کم هزینه تر است). مطالعات قبلی شامل تجزیه و تحلیل LCP نتایج را از طریق مقایسه‌های بصری که راهروهای جایگزین را نشان می‌دهند ارزیابی کرده‌اند، کاهش تعداد نقاط راس را کمی‌سازی کرده‌اند، بنابراین طول کمتری دارند (بنابراین هزینه‌های ساخت کمتری را پیش‌بینی می‌کنند) یا معیارهای هزینه و هزینه‌های انباشته کلی را برای اثبات مقایسه کرده‌اند. کدام راهرو کم هزینه است.

در برنامه ریزی و تحلیل کریدور حمل و نقل، ساخت و استفاده از LCP به عنوان یک مسیر جایگزین بهینه نباید صرفاً با تجسم انحرافات از یک راهرو برنامه ریزی شده با توجه به مثلاً کاهش طول کلی یا هزینه های انباشته انتخاب شود. درعوض، مناسب بودن یک راهرو LCP باید نه تنها با معیارهای هزینه انباشته آن، بلکه با تأثیر آن کریدور بر کاربر(ها) یا ذینفعان شبکه حمل و نقل ارزیابی شود. ادبیات موجود بر ارزیابی LCP با توجه به ذینفعان متمرکز نشده است. برای رفع این نقیصه، این پژوهش دو هدف دارد که روند آن در شکل 1 خلاصه شده است . ابتدا بر اساس تحقیقات قبلی، این مطالعه از روش های LCP در نقشه آرک ESRI استفاده می کندبرای ایجاد یک راهرو HSR جایگزین که سپس با مسیر HSR برنامه ریزی شده VT مقایسه می شود. دوم، برای ارزیابی این مقایسه، این مطالعه از Arc Map برای ارزیابی موفقیت کریدور جایگزین LCP (در برابر مسیر HSR برنامه‌ریزی‌شده VT) با اندازه‌گیری تأثیر کلی بر دسترسی سهامداران از مناطق سرشماری شهرستان لس‌آنجلس به لاس وگاس استفاده می‌کند. این مطالعه با اندازه‌گیری تأثیر بر دسترسی LA County به لاس وگاس بین راهروهای برنامه‌ریزی‌شده و پیشنهادی، ابزاری برای کمک به توجیه کریدورهای حمل‌ونقل HSR ارائه خواهد کرد.

مسیر جایگزین LCP پیشنهادی این مطالعه از طریق ارزیابی چند معیاره (MCE) توسعه یافته است. محققان اغلب از تکنیک‌های MCE برای ارائه راه‌حل‌هایی برای سازه‌های مهندسی خطی استفاده کرده‌اند. انتخاب یک مدل مشتق شده MCE مناسب شامل تکنیک های مختلفی است که راه حل های متعدد را در مسائل پیچیده که در آن هر راه حل دارای معیارهای متفاوتی است، رتبه بندی می کند [ 3 ]. یک تکنیک خاص MCE، فرآیند تحلیل سلسله مراتبی (AHP)، برای این مطالعه برای ساخت یک راهرو جایگزین LCP-HSR انتخاب شده است. AHP به تصمیم گیرندگان اجازه می دهد تا به مقیاسی از سلسله مراتبی برسند که از مجموعه ای از گزینه ها ترسیم شده است [ 4 ]. AHP برای اعمال شده است

تجزیه و تحلیل انتخاب مکان (نگاه کنید به [ 5 ] [ 6 ] و [ 7 ])، مسیریابی HSR ها [ 8 ] و دیگر سازه های مهندسی خطی (نگاه کنید به [ 9 ] و [ 10 ])، و همچنین مدل سازی راهروهای زیستگاه (نگاه کنید به [ 11 ] و [ 12 ]). AHP شامل یک سری محاسبات است که با ساخت یک ماتریس مقایسه زوجی (PCM) شروع می شود. یک PCM دو شی (معیارهای تصمیم گیری و جایگزین های تصمیم) را به طور همزمان با هم مقایسه می کند، به جای اینکه تصمیم گیرندگان چندین شی را همزمان با هم مقایسه کنند، و منجر به سلسله مراتب بهترین انتخاب می شود که به بهترین معیارهای درک شده مربوط می شود [ 13 ]]. با AHP، هزینه لازم نیست به واحدهای پولی اشاره کند. در عوض، هزینه می تواند یک هزینه واحد یا انباشته ای از هزینه های متعدد باشد. با سه معیار هزینه این مطالعه، LCP پیشنهادی با هدف به حداقل رساندن هزینه های انباشته LCP در مقایسه با کریدور برنامه ریزی شده VT است. معیارهای هزینه به زیرمجموعه های مبتنی بر داده ها تقسیم می شوند و از طریق AHP وزن می شوند تا سطح هزینه انباشته مورد نیاز برای محاسبه LCP در Arc Map تولید شود ( شکل 2 ).

نه تنها می توان یک GIS و AHP را در این مشکل فضایی برای مطالعه یک راهرو LCP جایگزین بهینه ترکیب کرد، بلکه نرم افزار GIS همچنین می تواند با به تصویر کشیدن تفاوت آنها در تأثیر آنها بر دسترسی بین دو مکان، مقایسه نتایج دو راهرو را نیز پشتیبانی کند. . ادبیات موجود روش رسمی و رسمی برای ارزیابی دسترسی ارائه نمی کند و تعریف آن بسته به زمینه استفاده متفاوت است. این مطالعه دسترسی را به عنوان تلاش یک نهاد برای رسیدن به یک مقصد در یک شبکه حمل و نقل جاده ای و ریلی، که از این پس به عنوان دسترسی تسهیل شده سیستم (SFA) نامیده می شود، تعریف می کند. برای این مطالعه، نویسندگان ادبیات موجود را بررسی می‌کنند تا تعریفی اساسی از دسترسی بسازند.

2. ادبیات

2.1. برنامه ریزی کریدور HSR

به طور کلی، برنامه‌ریزی حمل‌ونقل شامل طراحی شبکه، برنامه‌ریزی خط، برنامه‌ریزی زمان‌بندی، برنامه‌ریزی انبارهای نورد، و فهرست‌بندی و زمان‌بندی خدمه است [ 14 ].

علاوه بر این، مشکلات برنامه ریزی خاص که برای عملیات و نگهداری یک HSR اعمال می شود در [ 15 ] ارائه شده است و شامل مشکلات استراتژیک، مشکلات تاکتیکی، مشکلات عملیاتی و سایر جنبه ها می شود. ادبیات تحقیق در مورد توالی مشکلات برنامه ریزی ارائه شده توسط [ 14 ]، تحلیل های بسیاری را به دست آورده است که بر طراحی شبکه و برنامه ریزی انبارهای نورد تمرکز دارند (نگاه کنید به [ 15 ] و [ 16 ])، و همچنین زمان بندی (نگاه کنید به [ 17 ] [ 18 ] و 19 ]). موضوع انتخاب راهرو/برنامه ریزی خط، اگرچه به طور قوی در ادبیات تحلیل نشده است، تمرکز این مطالعه است.

یکی از دلایلی که انتخاب راهرو به خوبی مورد مطالعه قرار نگرفته است به دلیل تمرکز بر اولویت بندی راهرو HSR است. اولویت بندی راهرو فرآیند انتخاب دو مکان از طریق HSR است. تصمیم گیرندگان اولویت بندی راهرو تلاش می کنند توجیه کنند که چرا دو مکان سزاوار یک راهرو HSR نسبت به جفت های مبدا/مقصد دیگر هستند. به عنوان مثال، در ایالات متحده، قانون بازیابی و سرمایه گذاری مجدد آمریکا (ARRA) هشت میلیارد دلار به ایالت ها برای پروژه های راه آهن بین شهری برای خدمات بین شهری و پرسرعت اختصاص داد [ 20 ]. ARRA به طور خاص به نیاز پروژه های حمل و نقل جدید برای پایبندی به چندین هدف استراتژیک، مانند ایجاد پایه ای برای رقابت اقتصادی [ 20 ] پرداخت.]. علاوه بر این، ARRA به یادداشت پرزیدنت اوباما در رابطه با هزینه‌های مسئولانه بودجه‌های قانون بازیابی اشاره می‌کند و پروژه‌های حمل‌ونقل را بر اساس رویکرد شایستگی انتخاب می‌کند، و فقط به پروژه‌هایی که منافع عمومی را به حداکثر می‌رسانند و خطرات را کاهش می‌دهند، بودجه می‌دهد [ 20 ]. در اروپا، راهروهای HSR اولیه اولویت بندی نشدند، پیش بینی تقاضا تمرکز اصلی بود و تحقیقات کمی در مورد بهینه سازی راهرو (به عنوان مثال، LCP یا سایر روش های برنامه ریزی راهرو) انجام شده است [ 21 ]. نمونه مشخصی از این واقعیت، مطالعه‌ای بود که در سال 2021 در شهر اوسیجک در کرواسی انجام شد. راه‌آهن اصلی شهر به رشد شهری پایدار کمک کرد و پیش‌بینی تقاضای آتی کریدورهای HSR را بر پتانسیل آنها برای کمک به توسعه شهری و اجتماعی-اقتصادی پیشنهاد کرد. رشد [22 ]. مطالعه کرواسی در نظر نگرفت یا پیشنهاد نکرد که آیا مکان متفاوت کریدور مزایای بیشتری برای رشد و توسعه شهری پایدار ایجاد می‌کند یا خیر. در چین، پروژه های ساخت و ساز HSR تحت ارزیابی پارامترهای سیستمی قرار می گیرند که شامل محتویات پروژه، پیش بینی تقاضا، هزینه های ساخت و نگهداری، منافع اقتصادی، اثرات زیست محیطی، برآورد سرمایه و جمع آوری سرمایه، تجزیه و تحلیل حساسیت مالی و تجزیه و تحلیل ریسک برای تعیین راهروهای جدید است. که به شبکه HSR موجود خود می پیوندند [ 23 ]. ارزیابی‌های تکمیلی فرآیند اولویت‌بندی کریدور چین بر بهینه‌سازی کریدور از نظر برنامه‌ریزی خط تمرکز نکرد [ 23 ]]. این مطالعات موافقت کردند که سیستم های ارزیابی برای اروپا و ایالات متحده هنگام انتخاب دو پایانه برای یک راهرو HSR جدید، به دنبال پیش بینی تقاضا هستند [ 21 ] و [ 23 ]. مطالعات فقدان کیفیت در روش‌های پیش‌بینی تقاضای موجود را نتیجه‌گیری کردند و یک رویکرد مدل رتبه‌بندی برای ایالات متحده و اسپانیا پیشنهاد کردند که به شدت به فرآیند برنامه‌ریزی شبکه HSR جدید برای شناسایی اهداف و اولویت‌های اصلی آن قبل از انتخاب مکان‌هایی که یک راهرو به یکدیگر متصل می‌کند متکی است [ 21 ]. ].

2.2. تحلیل مسیر با کمترین هزینه

علیرغم شواهدی که نشان می‌دهد دولت‌های محلی و فدرال از برنامه‌ریزی انتخاب/خط راهرو اجتناب می‌کنند، تحقیقات قبلی با استفاده از تحلیل LCP در مورد این موضوع انجام شده است. ادبیات موجود پایه محکمی برای درک و اجرای تحلیل LCP برای اهداف این مطالعه فراهم می کند. برای مثال، کریدورهای زمینی قاچاق مواد مخدر با استفاده از معیارهای هزینه فیزیکی، اجتماعی-دموگرافیک و خشونت مواد مخدر برای ایجاد سطح هزینه پیش‌بینی شده‌اند [ 24 ]. به طور خاص، راهروهای جایگزین برای نشان دادن انحراف از راهروهای تاریخی شناخته شده پوشانده شدند [ 24 ]. LCPها برای انتخاب راهرو خطوط برق با استفاده از عوامل چشم انداز، سلامت انسان و طبیعت به عنوان معیارهای هزینه استفاده شده اند [ 10]. عوامل توپوگرافی وزنی مانند مناطق محدود، پشته‌ها، شیب‌ها، رودخانه‌ها، نهرها، مناطق صنعتی و جاده‌ها معیارهای هزینه برای کریدور خط لوله شهری بوده‌اند [ 25 ]. یک فرآیند ساده سازی نقشه برداری مبتنی بر خط در یک خط لوله جدید برای نشان دادن کاهش تعداد رئوس استفاده شد [ 25 ]. یک ماتریس مقایسه زوجی از هشت معیار هزینه برای کاهش هزینه های تعمیم یافته برای یک پروژه HSR [ 8 ] برای LCP اعمال شد. کریدورها با مجموع هزینه‌های هر معیار مقایسه زوجی (پوشش زمین، شیب، خاک و گذرگاه رودخانه) [ 8 ] مقایسه شدند. در نهایت، فواصل کلی راهرو در میان گزینه های متعدد از طریق روش های مختلف ساخت LCP [ 26 ] مقایسه شد.

این مطالعات با موفقیت نشان داده است که استفاده از LCP هزینه‌ها را برای سازه‌های مهندسی خطی و شبکه‌های حمل‌ونقل کاهش داده است. با این حال، روش برای حمایت از کریدورهای جایگزین آنها با ارزیابی معیارهای هزینه خاتمه می یابد، یک رویکرد رایج که در حمل و نقل و ادبیات مرتبط استفاده می شود (به عنوان مثال ، [ 27 ] [ 28 ] & [ 29 ]]). مطالعاتی که تجزیه و تحلیل دسترسی را در راهروهای HSR برنامه‌ریزی‌شده یا واقعی با استفاده از جایگزین‌های LCP انجام داده‌اند، ظاهراً وجود ندارند. آن مطالعاتی که وجود دارند فراتر از روش هایی نیستند که قبلاً در سایر شبکه های حمل و نقل یا سازه های مهندسی خطی دیده شده بود. نمونه‌ای از این، که قبلاً ذکر شد، طول کلی کریدور جایگزین را با مقدار عبور نامناسب معیارهای هزینه توپوگرافی مقایسه کرد تا کریدور جایگزین آنها در ترکیه بهینه شود [ 8 ]. نمونه دیگری از LCP-HSR در تگزاس است که در آن یک LCP برای پیشنهاد یک کریدور HSR بین فرودگاه های سن آنتونیو و آستین مورد استفاده قرار گرفت و تنها جایگزین بهینه شده را از طریق طول کل LCP، زمان تخمینی سفر HSR، مساحت کل مسیر، و برآورد هزینه های ساخت و ساز [ 30]. نویسندگان حتی به این نتیجه رسیدند که سیستم‌های پشتیبانی تصمیم فضایی (به عنوان مثال، یک LCP مشتق شده در GIS) باید دائماً برای تصمیم‌های سرمایه‌گذاری منطقی آزمایش و توسعه داده شوند [ 30 ]. نویسندگان همچنین اضافه می‌کنند که استفاده‌های آینده از سیستم باید برای رسیدگی به برداشت‌های ذینفعان اصلاح شود [ 30 ].

2.3. دسترسی

دسترسی افراد یا مکان ها به طور گسترده در تحقیقات قبلی مورد مطالعه قرار گرفته است. برای مثال، دسترسی به عنوان سهولت (یا دشواری) توصیف شده است که فرصت ها (به عنوان مثال، اشتغال) یا خدمات را می توان از یک مکان در دسترس قرار داد [ 31 ]. دسترسی همچنین به عنوان امپدانس سفر از نظر مسافت سفر یا زمان سفر بین دو مکان [ 32 ] توصیف شده است، اما همچنین از نظر خدمات مراقبت های بهداشتی به عنوان ابعاد در دسترس بودن، دسترسی، اقامت، مقرون به صرفه بودن و مقبولیت مورد توجه قرار گرفته است. 33]. با تکیه بر این مفهوم که دسترسی فقط تابعی از مسافت یا زمان سفر نیست، شش مفهوم مختلف دسترسی شناسایی و مورد بررسی قرار گرفت: 1) دسترسی به سیستم، 2) دسترسی تسهیل شده سیستم (SFA)، 3) دسترسی یکپارچه، 4) فضا- جغرافیای زمانی (نگاه کنید به [ 34 ])، 5) نظریه سودمندی، و 6) دسترسی نسبی [ 35 ]. دسترسی نسبی مبتنی بر مقایسه دسترسی بین حالت ها یا انواع کاربران است [ 36 ]. به عنوان مثال، اگر مصرف کننده بین استفاده از وسیله نقلیه شخصی و استفاده از حمل و نقل عمومی در سفر به مقصد انتخابی داشته باشد، این انتخاب تابعی از هزینه پولی، زمان، راحتی و ایمنی است [ 36 ].]. این مطالعه از SFA برای تعیین اینکه کدام راهرو (LCP پیشنهادی یا راهروهای VT HSR برنامه‌ریزی‌شده) LA County را برای لاس وگاس قابل دسترس‌تر می‌کند، استفاده می‌کند. این استراتژی مشابه رویکردی است که در آن هزینه سفر از طریق یک سیستم حمل و نقل، مسافت و اجزای پولی هر سفر در طول یک شبکه را به عنوان یک ارزش واحد در نظر می گیرد [ 37 ]. مزیت کلیدی این روش، توانایی ارزیابی پروژه های زیرساخت حمل و نقل جدید با ارزیابی سریع اثرات بر دسترسی است [ 37 ]. استفاده از این روش در منطقه بزرگتر لندن نشان می دهد که شبکه های حالت های حمل و نقل مختلف را می توان در مقیاس های فضایی بزرگ تحلیل کرد و تنوع فضایی قابل توجهی را در هزینه های حمل و نقل و دسترسی نشان داد [ 37 ].

3. روش شناسی

3.1. مسیر کمترین هزینه

برای توسعه یک LCP، AHP از یک PCM برای تولید وزن معیار برای پوشش وزنی Arc Map و ابزار سطح هزینه استفاده می کند. خروجی ها سطح هزینه شطرنجی انباشته مورد نیاز برای ایجاد LCP را از طریق Arc Map تولید می کنندابزار مسیر هزینه معیارهای هزینه در مقایسه با سایر معیارها به عنوان مهم یا بی اهمیت رتبه بندی می شوند و بر اساس درک ذهنی نویسندگان از اهمیت آنها تخصیص داده می شوند. به عنوان مثال، مقدار 1.0 به این معنی است که دو معیار مورد مقایسه از نظر اهمیت برابر هستند. مقادیر بیشتر از 1.0 سطح بالاتری از اهمیت را نشان می دهد در حالی که مقادیر کمتر از 1.0 سطح اهمیت کمتری را نشان می دهد. برای این مطالعه، زیرمعیارهای مورد استفاده برای توسعه وزن معیارها شامل پوشش زمین، شیب، نزدیکی زیرساخت، وجود پارک ملی و نوع جاده در محل عبور راه آهن ( شکل 2 ) است. این معیارها از طریق AHP در PCM همانطور که در جدول 1 نشان داده شده است وزن می شوند. در این مطالعه از یک سیستم رتبه‌بندی مقیاس 1 تا 3 برای کاهش نسبت سازگاری (CR) استفاده شده است، زیرا ارزیابی‌های سلسله مراتبی وزن معیارها در اینجا به دانش عمومی نویسندگان نسبت داده شده است و با بررسی ادبیات مربوطه، نشان دهنده اثبات مفهوم است. مطالعه. PCM ها معمولاً توسط کارشناسان / ذینفعان متعدد اختصاص داده و تولید می شوند.

علاوه بر تولید وزن معیارها برای ابزارهای سطح وزنی Arc Map و ابزارهای سطح هزینه، یک PCM همچنین یک CR برای رتبه بندی معیارها به عنوان یک سلسله مراتب ایجاد می کند. هدف تئوری اندازه گیری AHP رتبه بندی ثابت معیارهای اندازه گیری شده توسط CR [ 4 ] است. CR رتبه بندی را در PCM اندازه گیری می کند تا تعیین کند که وزن معیارها چقدر تصادفی هستند. CR بزرگتر از 0.10 نشان دهنده نیاز است

رتبه بندی PCM را دوباره بررسی کنید، اما گاهی اوقات بسته به مشکل تحلیلی CR 0.20 قابل قبول است [ 4 ]. ایجاد یک PCM برای تولید وزن معیارها، و یک CR که آنها را ارزیابی می کند، به سادگی ماتریس منفرد در جدول 1 نیست. AHP یک فرآیند ریاضی چند مرحله ای است که وزن معیارها را قبل از تولید CR در پایان برای ارزیابی روش MCE تولید می کند. علاوه بر این، PCM معمولاً با مقیاس بزرگ‌تری از رتبه‌بندی (1 – 9) نسبت به موارد استفاده شده در جدول 1 پر می‌شود ( یعنی، از 1 تا 3 استفاده می کند). در این مطالعه، وزن‌های معیار از طریق PCM‌های متعدد تولید می‌شوند، که هر کدام معیار خاصی را ترجیح می‌دهند، سپس برای یک PCM اثبات مفهوم که معمولاً توسط کارشناسان / سهامداران برای یک پیشنهاد LCP-HSR تعیین می‌شد، میانگین‌گیری می‌شوند.

شکل فایل ها یا داده های شطرنجی انتخاب شده برای سطح هزینه LCP بر اساس رابطه آنها با معیارهای فرعی LCP سازماندهی می شوند. به عنوان مثال، هر رابطه زیرمعیار در Arc Map به عنوان سطح هزینه فردی خود با وزن مشتق شده AHP جداگانه طبقه‌بندی می‌شود. سپس، سطوح هزینه به ابزار پوشش وزنی Arc Map وارد می شوند تا سطح هزینه انباشته با میانگین وزن PCM ایجاد شود ( جدول 1 ).

3.2. دسترسی تسهیل شده به سیستم

در این مطالعه، تجزیه و تحلیل SFA دسترسی از مسیرهای سرشماری شهرستان LA به لاس وگاس را بین راهروهای پیشنهادی LCP و HSR برنامه ریزی شده VT مقایسه می کند. به هر بخش سرشماری شهرستان لس آنجلس یک شاخص SFA برای رتبه‌بندی دسترسی کلی آنها برای سناریوهای جدول 2 اختصاص داده شده است.

سناریوی اول یک شاخص پایه SFA را برای تعیین سطح فعلی دسترسی از لس آنجلس به لاس وگاس ایجاد می کند که در آن تنها گزینه رانندگی است. سناریوهای دوم و سوم شاخص های SFA را برای ارزیابی اینکه کدام راهرو دسترسی بهتری به افراد در شهرستان لس آنجلس ارائه می دهد، ایجاد می کند. تلاش برای رسیدن به لاس وگاس تابعی از طول بخش خط از طریق شبکه حمل و نقل (مسافت جاده و راه آهن)، هزینه های سفر (مصرف بنزین در هر مایل برای اتومبیل ها و قیمت بلیط راه آهن) و زمان است که با محدودیت سرعت تعیین می شود. جاده‌ها و بزرگراه‌ها، و همچنین راه‌آهن‌های محلی پرسرعت (مثلاً مترو شهر) یا HSR‌ها می‌توانند به طور قانونی دسترسی داشته باشند.

این مطالعه از چهار مرحله برای اندازه گیری دسترسی گروهی از مناطق جغرافیایی به یک مکان استفاده می کند [ 37 ]. این فرآیند به طور خلاصه در زیر [ 37 ] شرح داده شده است:

1) مناطق جغرافیایی را تعریف کنید.

2) شبکه های حمل و نقل بسازید.

3) ایجاد یک ماتریس از هزینه های تعمیم یافته در شبکه های حمل و نقل.

4) از هزینه های تعمیم یافته محاسبه شده برای تعیین دسترسی به مقصد مورد نظر استفاده کنید.

معادلات هزینه تعمیم یافته توسط حالت های حمل و نقل تعریف می شوند. برای شیوه های حمل و نقل خصوصی (به عنوان مثال، ماشین شخصی)، معادله به شرح زیر است [ 37 ]:

سیپVتی= (Vدبلیوک∗ A ) +T+ D ∗ [ ( Vای سی/ o ج ج )∗Vای تی] + [ ( صسی/ o ج ج )∗Vای تی]CPVT=(VWK∗A)+T+D∗[(VOC/occ)∗VOT]+[(PC/occ)∗VOT](1)

و برای شیوه های حمل و نقل عمومی (به عنوان مثال، اتوبوس یا HSR)، معادله به صورت [ 37 ] نشان داده می شود:

سیپUب= (Vدبلیوک∗ A ) + (Vدبلیوتی∗ دبلیو) + تی+ ( F/ Vای تی) + 1CPUB=(VWK∗A)+(VWT∗W)+T+(F/VOT)+1(2).

در معادلات (1) و (2)، V _WK وزن بازدارنده برای پیاده روی به یک نقطه دسترسی در یک شبکه حمل و نقل است، A مقدار زمان لازم برای رسیدن به نقطه دسترسی است، V _WT وزن بازدارنده برای انتظار در یک نقطه دسترسی، W کل مدت زمان انتظار برای سفر به مقصد، T کل زمان صرف شده در سفر، F کرایه یا مبلغ دلار صرف شده در سفر، VOT مقدار ضریب زمانی است، D مسافت بر حسب کیلومتر است، VOC هزینه های عملیاتی خودرو در هر کیلومتر، PC استپارکینگ یا سایر هزینه ها است و occ تعداد سرنشینان وسیله نقلیه است.

این مطالعه از معادله هزینه، فاصله و زمان اصلاح شده استفاده می کند که در [ 37 ] الهام گرفته شده است. تجزیه و تحلیل SFA در این مطالعه فقط بر هزینه های پولی متحمل شده، زمان صرف شده در سفرها و مسافت های طی شده به تنهایی تمرکز می کند. بنابراین، زمان انتظار در نقاط دسترسی نادیده گرفته شد تا یک مدل دسترسی ساده‌تر ایجاد شود. ارزش زمان ( VOT ) برای هزینه‌های C _PVT (دو، به جای یک) بیشتر بود، زیرا تصور می‌شود افرادی که عجله دارند، به جای اتکا به حالت‌های حمل‌ونقل عمومی، مسائل سفر را در دست خود بگیرند. اشغال خودرو از یک تنظیم ثابت استفاده می‌کند که رویکرد این مطالعه برای مدل‌سازی SFA در سطح فردی است، و همچنین این واقعیت که استفاده از خودروهای مسافربری در ایالات متحده از 19.7 درصد در سال 1980 به 9.4 درصد در سال 2013 کاهش یافته است [ 38 ]]. عوامل بازدارنده برای انتقال بین ایستگاه ها در معادلات این مطالعه لحاظ نشده است، زیرا انتقال بین ایستگاه چیف جنوب غربی و ایستگاه ویکتورویل VT ناخوشایند، اما ضروری است. پارکینگ، یا سایر هزینه ها ( PC ) (به عنوان مثال، عوارض) به دلیل در دسترس نبودن داده های عمومی نادیده گرفته شد. بنابراین، معادله اصلاح شده مورد استفاده در اینجا برای اندازه گیری SFA توسط هر یک از مناطق سرشماری شهرستان LA به لاس وگاس برای خصوصی ( C _PVT ) و HSR ( C _HSR ) به صورت زیر نشان داده شده است:

سیپVتی= D + T∗ ( Vای سی∗ Vای تی)CPVT=D+T∗(VOC∗VOT)(3)

سیاچاسآر= D + T∗ ( F∗ Vای تی)CHSR=D+T∗(F∗VOT)(4)

که در آن D کل مایل های صرف شده در جاده یا شبکه راه آهن است، T کل ساعت های صرف شده در سفر است، VOC به عنوان هزینه های عملیاتی وسیله نقلیه و همچنین VOT باقی مانده به عنوان مقدار زمان باقی می ماند، و F به عنوان هزینه کرایه باقی می ماند که در زمان انجام می شود. سفر در راه آهن یا HSR. مقدار VOT برای C _HSR یک و برای C _PVT دو تنظیم شده است زیرا افرادی که عجله دارند یا برای وقت خود ارزش بیشتری قائل هستند ممکن است برای رساندن آنها به جایی که باید بروند به وسایل حمل و نقل عمومی اعتماد نکنند.

نقشه قوس ESRI به دلیل توانایی آن در ایجاد پایگاه داده شبکه حمل و نقل قوی برای تجزیه و تحلیل SFA استفاده شد. در منطقه مورد مطالعه پروژه، داده های فضایی نشان دهنده شبکه راه و راه آهن موجود به عنوان ورودی داده های شبکه استفاده می شود [ 39 ]. آدرس ایستگاه و نقاط مبدا/مقصد نیز وارد شد. مختصات ایستگاه از کدگذاری جغرافیایی آدرس در جداول میدانی حاوی آدرس هر ایستگاه که در Google فهرست شده است، به دست آمده است. ورودی های ایستگاه کلاس های ویژگی نقطه ای هستند که با Arc Map ایجاد شده اندابزار نزدیک این ورودی‌ها نشان‌دهنده نزدیک‌ترین نقاط به ایستگاه کلاس‌های ویژگی در جاده‌ها یا بزرگراه‌ها هستند. به دلایل اتصال زیربنای ایجاد مجموعه داده های شبکه، بسیار مهم است که ورودی های ایستگاه بر روی شبکه جاده ها و بزرگراه ها قرار گیرند زیرا ایستگاه ها خود روی شبکه راه آهن قرار می گیرند. در مجموعه داده‌های شبکه، بردارهای خیابان انتقال و ایستگاه انتقال به صورت دستی ایجاد شدند تا به هدف انتقال بین گره‌های حمل‌ونقل مختلف هنگام حرکت در شبکه خدمت کنند. 2344 مرکز مسیر سرشماری از طریق ابزار Arc Map نزدیک به شبکه حمل‌ونقل متصل می‌شوند و به عنوان نقاط مبدأ مختلف عمل می‌کنند در حالی که مرکز شهرستان Clark، NV (که در داخل لاس وگاس قرار دارد) تنها نقطه مقصد را برای هر مسیر محاسبه‌شده برآورده می‌کند. نقشه قوسدر زمینه مجموعه داده های شبکه به این نقاط به عنوان “توقف” اشاره می کند.

اجزای شبکه راه‌آهن و راه‌آهن برای جمع‌آوری امپدانس‌های هزینه زمانی که Arc Map مجموعه داده‌های شبکه را طی می‌کند و یک مسیر را محاسبه می‌کند، به فیلدهای ویژگی منحصربه‌فرد نیاز دارند. بدون حداقل یک روش برای اندازه گیری امپدانس ها، مجموعه داده شبکه قادر به حل یک مسیر بین مبدا و مقصد نیست. برای تکمیل معادلات (3) و (4)، جاده ها و راه آهن مجموعه داده شبکه این مطالعه شامل چندین فیلد برای محاسبه امپدانس هزینه ( جدول 3 ) می باشد.

هر جفت مبدا/مقصد در یک اسکریپت پایتون [ 40 ] وارد می‌شود که هر مبدا سرشماری را به مقصد لاس وگاس تقسیم و ادغام می‌کند، آن‌ها را در پایگاه جغرافیایی فایل خود ذخیره می‌کند و خروجی جدید را یک نام منحصر به فرد می‌نامد (“Stop_0001″، ” Stop_0002» و غیره). فیلد “ID” در هر کلاس ویژگی Stops جدید حاوی فیلد “ID” مربوط به هر تراکت سرشماری مبدا است. این بعداً در تجزیه و تحلیل هنگام ترکیب شاخص SFA از مسیر با اصلی مفید اس

کلاس ویژگی چند ضلعی تراکت سرشماری. همانطور که قبلا ذکر شد، 2344 چند ضلعی مسیر سرشماری در شهرستان LA وجود دارد. بنابراین، پس از قالب‌بندی ایستگاه‌های مبدا/مقصد به صورت جفت با فیلدهای «ID» مجزای آن‌ها، می‌توان فرآیند حل هر مسیر را با پایتون خودکار کرد و نتایج را ذخیره و مشاهده کرد.

برای مشاهده و مقایسه نتایج SFA، اسکریپت پایتون سه بار برای سه سناریوی شرح داده شده در جدول 2 اجرا می شود. در پارامترهای مجموعه داده شبکه، یک ویژگی محدودیت برای شبیه سازی عبور از طریق مجموعه داده شبکه بدون گزینه ورود به راه آهن ایجاد می شود. این محدودیت (“DriveOnly”) باعث می شود که ابزار حل تحلیلگر شبکه Arc Map نتواند عنصر راه آهن مجموعه داده شبکه را در نظر بگیرد. بنابراین، یک اسکریپت خودکار با محدودیت “DriveOnly” روشن و دو اسکریپت با این محدودیت خاموش انجام می شود. برای روشن کردن «DriveOnly» در اسکریپت پایتون، کلاس تحلیلگر شبکه ArcPy «make route layer» باید «DriveOnly» را درج کند، جایی که چیزی در «محدودیت‌های» پارامتر تنظیمات محیطی گنجانده نشده است.

پس از تکمیل اسکریپت پایتون برای هر سناریو مدلسازی، Arc Mapابزار ادغام به ترتیب سه مجموعه از 2344 مسیر را ترکیب می کند. فیلدهای فهرست دسترسی به هر گروه از مسیرهای ادغام شده اضافه شد که با و بدون محدودیت «DriveOnly» روشن شده است («DriveAccessIndex» برای محدودیت‌های «DriveOnly» و «TrainAccessIndex_VT» یا «TrainAccessIndex_LCP» بدون آن). این فیلدها به ترتیب با معادلات (3) و (4) برای دریافت شاخص های SFA محاسبه شدند. پس از محاسبات فیلد، سه کلاس ویژگی مسیر جدید ادغام شده جدولی هستند که از طریق رابطه فیلد “ID” به کلاس ویژگی تراکت سرشماری ملحق شده اند. در نهایت، هنگامی که کلاس ویژگی تراکت سرشماری حاوی فیلدهای مناسب بود، درصد تغییر در SFA بین دو فیلد SFA برای سناریوهای 2 و 3 محاسبه می‌شود. دو فیلد جدید در کلاس ویژگی تراکت سرشماری اضافه می‌شوند و به نام‌های «تغییر» و «درصد تغییر» نام‌گذاری می‌شوند. ” و با معادلات (5) و (6) محاسبه می شود. یک فیلد تغییر سوم (“PercentChange_VT_LCP”) نیز اضافه می شود که با معادله (7) محاسبه می شود، تا مشخص شود کدام مناطق سرشماری از کدام راهرو سود می برند. مقادیر منفی حاصل از رابطه (7) از راهروی برنامه ریزی شده VT سود بیشتری می برند، مقادیر 0 نشان دهنده سطح برابری از SFA است، و مقادیر مثبت از راهرو جایگزین LCP سود بیشتری را تجربه می کنند.

[ تغییر ] = [ DriveAccessIndex ] – [ TrainAccessIndex ][Change]=[DriveAccessIndex]−[TrainAccessIndex](5)

[ PercentChange ] = [ تغییر ] / [ DriveAccessIndex ][PercentChange]=[Change]/[DriveAccessIndex](6).

[ درصد تغییر _ VT _ LCP ] = ( [ TrainAccessIndex _ VT ]− [ TrainAccessIndex _ LCP ] ) / [ TrainAccessIndex _ VT ][PercentChange_VT_LCP]=([TrainAccessIndex_VT]−[TrainAccessIndex_LCP])/[TrainAccessIndex_VT](7).

4. نتایج

راهرو جایگزین LCP بهینه شده با AHP و کریدور HSR برنامه ریزی شده VT در شکل 3 بر روی شطرنجی سطح هزینه انباشته نشان داده شده است. سلول‌های شطرنجی سبز نشان‌دهنده کم‌هزینه‌ترین سلول‌ها، در حالی که زرد نشان‌دهنده هزینه‌های متوسط ​​و سلول‌های قرمز، بالاترین هزینه را نشان می‌دهند.

استخراج نقشه Arc توسط ابزار ماسک برای کشف داده های قابل اندازه گیری برای مقایسه و مقایسه جایگزین پیشنهادی LCP و راهروهای برنامه ریزی شده HSR VT استفاده می شود. پس از تبدیل خروجی‌های LCP شطرنجی هر راهرو به چند خط، ابزار استخراج با ماسک دسته‌های هزینه سلول‌های شطرنجی را در زیر هر راهرو می‌گیرد و نتایج در شکل 4 نمایش داده می‌شود . شکل 4 نشان می دهد که کریدور جایگزین LCP پیشنهادی از سلول های کم هزینه تر (6847) نسبت به کریدور HSR برنامه ریزی شده VT (135) تقریباً با نسبت 51:1 عبور می کند.

راهرو VT از 10011 سلول برای رسیدن به مقصد در لاس وگاس استفاده می کند. این 3116 (31٪) سلول بیشتر از راهرو جایگزین LCP مستقیم است که در 6895 سلول جمع می شود. قابل تشخیص است که راهرو جایگزین LCP از تعداد سلولهای هزینه متوسط ​​(48) بسیار کمتر از راهرو برنامه ریزی شده VT (9771) تقریباً با نسبت 204:1 عبور می کند. راهرو جایگزین LCP برخلاف راهرو VT که 105 سلول پر هزینه را جمع آوری می کند، هیچ سلول پرهزینه ای را ثبت نمی کند. این نشان می دهد که راهرو جایگزین LCP در مقابل راهرو VT HSR هزینه کمتری دارد.

راهرو جایگزین LCP در این مطالعه به طور کلی هزینه کمتری نسبت به کریدور برنامه ریزی شده VT دارد. تجزیه و تحلیل LCP از GIS به عنوان یک ابزار مفید برای ارزیابی هزینه، ایمنی و کارایی برای HSR ها در این زمینه صحبت می کند. این مطالعه تشخیص می دهد که ممکن است عوامل سیاسی، اجتماعی-اقتصادی یا محیطی دیگری وجود داشته باشد که تعیین کند VT دقیقاً به دنبال کجاست و/یا مجاز است HSR خود را بسازد، با این حال، استفاده از تجزیه و تحلیل LCP با داده های مناسب/دقیق و ذینفع/کارشناس. نفوذ، می تواند راهروی بهتری را در طول مراحل برنامه ریزی و طراحی ساخت HSR تشخیص دهد.

این تحلیل LCP دارای چهار محدودیت اصلی است:

1) این تمرین اثبات در مفهوم AHP شامل متخصصان یا ذینفعانی برای کمک به تعیین وزن معیارها نمی شد. برای اینکه معیارهای تأثیرگذار بر LCP دامنه کامل چنین پروژه‌ای را در بر بگیرد، باید با کارشناسان و ذینفعان مرتبط با HSR مشورت شود.

2) علیرغم عدم وجود آنها، با معیارهای انتخاب شده برای تأثیرگذاری بر LCP از طریق وزن معیارهای تعیین‌شده با AHP، این مطالعه یک نسبت سازگاری 23.7 درصد را بر اساس رتبه‌بندی‌های مقایسه زوجی آنها محاسبه کرد که طبق استانداردها [ 4 ] و برگ‌ها قابل قبول نیست. فضایی برای بهبود در مدل AHP.

3) ابزار استخراج با ماسک نشان می دهد که راهرو LCP از روی سلول های شیب بالاتری نسبت به راهرو برنامه ریزی شده VT عبور می کند ( شکل 5 ). این نشان دهنده ضعف عمده در LCP است زیرا مناطق با شیب زیاد برای ساخت HSR مطلوب نیستند. داده های ارتفاع از نقشه ملی USGS و با وضوح 1/3 قوس ثانیه است، بنابراین این ضعف باید به وزن معیارهای AHP نسبت داده شود.

4) با نگاهی دقیق تر به سطوح هزینه باقی مانده که به سطح هزینه انباشته کمک می کنند، ابزار استخراج با ماسک نشان می دهد که دسته های نزدیکی به زیرساخت و پارک ملی با معیارهای LCP مناسب تر هستند. دو معیار دیگر در مورد انواع جاده و طبقه بندی پوشش زمین NLCD نشان می دهد که LCP تا حدودی بهتر است اما هنوز جای بهبود دارد. در نهایت، تجزیه و تحلیل LCP فقط به اندازه کیفیت داده های تهیه شده برای آن خوب است. در حالی که داده های مورد استفاده در تجزیه و تحلیل LCP دقیق و قابل اعتماد هستند، جمع آوری بیشتر داده ها و کنترل کیفیت مطمئناً تجزیه و تحلیل و نتایج را افزایش می دهد.

نتایج تجزیه و تحلیل SFA به صورت نقشه های choropleth در شکل های 6-9 نمایش داده شده است. مشخص شده است که هیچ تعریف رسمی یا اندازه گیری دسترسی در ادبیات ارائه شده در این مطالعه وجود ندارد. اگرچه، می‌توان از این مطالعه فهمید که چگونه استفاده از مجموعه داده‌های شبکه و اطلاعات SFA می‌تواند برای ارزیابی سطح SFA یک مکان در مکان دیگر با هم ترکیب شود. شکل 6 وضعیت فعلی SFA را نشان می‌دهد که بر اساس میزان تلاشی که برای رانندگی به لاس وگاس از هر یک از مناطق سرشماری شهرستان لس آنجلس لازم است تعیین می‌شود (سناریوی اول، جدول 2 ). الگوی شکل 6حاکی از آن است که بخش شمالی و شرقی لس‌آنجلس به دلیل نزدیک‌تر بودن سرشماری‌ها به لاس‌وگاس، دسترسی بیشتری به لاس‌وگاس نسبت به بخش مرکزی، جنوبی و غربی این شهرستان دارد. شکل 7 و شکل 8 به ترتیب وضعیت آینده SFA را با ساخت پیش بینی شده LCP مشتق شده و کریدور HSR برنامه ریزی شده VT بین ویکتورویل و لاس وگاس نشان می دهند (دوم و

سناریوی سوم، جدول 2 ). الگوهای بصری در شکل 7 و شکل 8 نشان می‌دهند که در مقایسه بخش‌های شمالی، شرقی و مرکزی شهرستان LA با بخش‌های جنوبی و غربی، همان تفاوت دسترسی برای LA County وجود دارد. با این حال، شکل 9 تفاوت SFA را در سطح دستگاه سرشماری هنگام در نظر گرفتن شکل 7 در مقایسه با شکل 8 نشان می دهد. سناریوهای دوم و سوم به طور کلی SFA کانتی LA را به لاس وگاس افزایش می دهد. اما شکل 9نشان می دهد که تنها شش بخش سرشماری شهرستان لس آنجلس یک درصد تغییر منفی در SFA را تجربه کردند. این نشان می‌دهد که در حالی که یک راهرو HSR جدید می‌تواند ساخته شود و تمام SFA شهرستان LA به لاس وگاس را بهبود بخشد، کمتر از 1٪ (مخصوصاً 0.26٪) از مسیرهای سرشماری با راهرو برنامه ریزی شده VT به لاس وگاس قابل دسترسی تر است. 99.74 درصد از شهرستان LA با راهرو پیشنهادی LCP-HSR SFA بهتری را تجربه خواهند کرد. از 99.74 درصد از مناطق سرشماری که به نفع کریدور پیشنهادی LCP-HSR هستند، 99.9 درصد از آنها در محدوده بیش از 0٪ یا کمتر یا برابر با 11.3٪ بهتر از راهرو پیشنهادی VT قرار دارند.

چهار محدودیت اضافی بر روی مجموعه داده شبکه ساخته شده در این مطالعه برای محاسبه SFA تمرکز دارد:

1) در مجموعه داده های شبکه، ویژگی های امپدانس مانند “سرعت” و “کرایه” (هزینه بلیط قطار) را می توان توصیفی تر کرد. مهمتر از همه، فقط این فرض وجود دارد که کرایه HSR VT 10 دلار باشد. هر گونه افزایش یا کاهش در آن مقدار، یا تغییر در ویژگی های هزینه سایر عناصر مجموعه داده شبکه، مطمئناً نتایج این مطالعه را تغییر خواهد داد.

2) هیچ امپدانس هزینه ای برای محدودیت های زمانی وجود ندارد، به عنوان مثال، برنامه های راه آهن، چراغ های توقف در ترافیک، و همچنین خود ترافیک. مجموعه داده‌های شبکه پیچیده‌تر شامل خیابان‌های یک طرفه، داده‌های ترافیک زنده و همچنین جریمه‌های زمان انتظار برای دسترسی زمانی است که کاربر شبکه باید منتظر رسیدن قطار باشد. در این مطالعه، به دلیل عدم وجود اطلاعات عمومی یا عدم تحقیق از طرف نویسندگان، چنین امپدانس یا محدودیت هزینه ای وجود ندارد.

3) مجموعه داده‌های شبکه همچنین فرض می‌کند که کاربر شبکه یک فرد مجرد است نه گروهی از افراد که هزینه‌های کمتری کرایه قطار را می‌توان به روشی با خودرو تقسیم کرد و احتمالاً رانندگی به لاس‌وگاس را برای برخی از دیگران در دسترس‌تر می‌کند. .

4) معادلات مورد استفاده برای تعیین دسترسی تسهیل شده سیستم ساده و عمیق تر از معادلات ارائه شده در [ 37 ] است. این شامل عدم استفاده از هزینه به عنوان معیار امپدانس (به جای زمان) در هنگام حل مسیرها در مجموعه داده شبکه است.

با وجود این محدودیت ها، گام های اصلی بعدی برای بهبود تحلیلی مانند این می تواند باشد:

1) با کارشناسان / ذینفعان پروژه VT HSR مشورت کنید و ورودی آنها را در مدل AHP برای تعریف وزن معیارها درخواست کنید.

2) مکان دقیق تر VT HSR و هزینه بلیط یک طرفه آن را بدست آورید.

3) یک مجموعه داده شبکه دقیق را برای ارائه یک ارزیابی قابل اعتمادتر و دقیق تر از دسترسی تسهیل شده سیستم ترکیب کنید.

4) معادلات مورد استفاده برای تعیین دسترسی تسهیل شده سیستم را که ارزش زمان و ضرایب تعیین را در بر می گیرد که درک فرد از دسترسی را در مقابل واقعیت آن تحت تأثیر قرار می دهد، بهبود بخشید.

تا زمانی که این پیشرفت ها برآورده نشوند، هنوز چیزهای زیادی برای یادگیری از تجزیه و تحلیل LCP برای انتخاب راهرو وجود دارد. این مطالعه نشان‌دهنده تأثیر ترکیبی از تلاش‌های گذشته برای ایجاد LCP و اندازه‌گیری دسترسی است که در ادبیات حمایتی ارجاع شده است. تلاش های زیادی برای استفاده از GIS به عنوان وسیله ای برای دستیابی به این اهداف با یا بدون مسئولیت ارزیابی کمی نتایج وجود دارد. در حالی که نتایج ممکن است بر روی نقشه جالب یا مطلوب به نظر برسند، تا زمانی که داده ها ارزیابی نشوند نمی توان از نتیجه خیلی مطمئن بود. تجزیه و تحلیل مبتنی بر داده که توسط GIS تسهیل می شود، یک روش رایج تحقیق عملیاتی است، اما در نهایت کار سخت کوش کاربران نرم افزار است که نتایج را توجیه می کند.

5. نتیجه گیری ها

این مطالعه از نقشه قوس ESRI برای ساخت یک LCP و ایجاد یک شاخص SFA برای ارزیابی هر بخش سرشماری شهرستان LA استفاده کرد تا با تغییر در SFA در هر منطقه که یک HSR جدید بین LA و لاس‌وگاس عملیاتی می‌شود، مقایسه شود. بر اساس معیارهای ارائه شده در این مطالعه، تفاوت ترکیبی در هزینه‌های انباشته در طول تجزیه و تحلیل LCP و SFA نشان می‌دهد که کریدور جایگزین LCP پیشنهادی HSR به طور کلی کم‌هزینه‌تر و در دسترس‌تر از کریدور VT HSR برنامه‌ریزی‌شده است. بنابراین، با در نظر گرفتن تأثیرات بر ذینفعان و کاربران پروژه VT HSR، این مطالعه یک کریدور جایگزین LCP-HSR بهینه ارائه کرد و کریدور جایگزین LCP را در برابر کریدور برنامه ریزی شده VT تجزیه و تحلیل کرد تا مشخص کند که کدام یک از کمترین هزینه ها بر اساس معیارها است. در شکل 2 در بالا توضیح داده شده است. علاوه بر این، این مطالعه تجزیه و تحلیل را برای ارزیابی تأثیر اجتماعی بر کاربران توسط یک شاخص SFA گسترش داد. با تکمیل این، LCP تجزیه و تحلیل قوی تری را تجربه کرده و پایه ای برای پیش بینی بازگشت سرمایه (ROI) خوب برای سهامداران پروژه HSR ایجاد کرده است.

یک روش مناسب برای توجیه پروژه های حمل و نقل گران قیمت مانند پروژه HSR VT باید در تحقیقات آینده گنجانده شود. روش های موجود قبل از این مطالعه به اندازه کافی برای توجیه پروژه های حمل و نقل گسترش نمی یابد زیرا آنها کاربران سیستم های حمل و نقل را مورد خطاب قرار نمی دهند. تجزیه و تحلیل LCP اساسی ارائه شده در بخش های ادبیات این مطالعه ممکن است برای سایر پروژه های مهندسی خطی مانند خطوط لوله، خطوط مخابراتی یا سایر پروژه هایی که مستقیماً افراد را جابجا نمی کنند کافی باشد. کار فعلی ارائه شده در این مطالعه را می توان با ترکیب اطلاعات بیشتری که بر تجزیه و تحلیل دسترسی تأثیر می گذارد، یعنی ساخت مجموعه داده شبکه که نتایج دسترسی را تولید کرد، بهبود بخشید. با اينكه،

منابع

 

[ 1 ]	مارتین، بی. (2020) در ترمینال Virgin Trains لاس وگاس در سال 2023 در فضای باز غذا بخورید. غذاخوری: لاس وگاس. https://vegas.eater.com/2020/2/11/21132392/virgin-trains-las-vegas-terminal-opening-2023-dining-restaurants.
[ 2 ]	Martella, M. (2020) Brightline: Rail High Speed ​​Rail به وگاس. سفر GoNOMAD. https://www.gonomad.com/156439-virgin-trains-high-speed-rail-to-vegas.
[ 3 ]	Cathcart, SC, Gomezdelcampo, E., Gorsevski, PV, Jamali, MM, Mirzaei, Golrokh, Steven, C. and Ye, X. (2013) یک سیستم پشتیبانی تصمیم گیری فضایی مبتنی بر گروه برای انتخاب مکان مزرعه بادی در شمال غربی اوهایو. سیاست انرژی، 55، 374-385. https://doi.org/10.1016/j.enpol.2012.12.013
[ 4 ]	Saaty، RW (1987) فرآیند تحلیل سلسله مراتبی – چیست و چگونه استفاده می شود. مدلسازی ریاضی، 9، 161-176. https://doi.org/10.1016/0270-0255(87)90473-8
[ 5 ]	Hofer, T., Madlener, R., Siddique, H. and Sunak, Y. (2016) مکان یابی مزرعه بادی با استفاده از رویکرد فرآیند تحلیل سلسله مراتبی فضایی: مطالعه موردی Stadterregion Aachen. انرژی کاربردی، 163، 222-243. https://doi.org/10.1016/j.apenergy.2015.10.138
[ 6 ]	Júnior، OL، Morgado، AV و پرتغال، L. de Silva. (2011) مکان پایانه های بار در مناطق شهری کشورهای در حال توسعه: مورد برزیل. مجله جغرافیای حمل و نقل، 19، 900-910. https://doi.org/10.1016/j.jtrangeo.2010.11.005
[ 7 ]	Uyan، M. (2013) انتخاب مکان مزارع خورشیدی مبتنی بر GIS با استفاده از فرآیند تحلیل سلسله مراتبی (AHP) در منطقه کاراپینار، قونیه/ترکیه. بررسی های انرژی های تجدیدپذیر و پایدار، 28، 11-17. https://doi.org/10.1016/j.rser.2013.07.042
[ 8 ]	Bediroglu, S. and Yildirim, V. (2019) یک مدل مبتنی بر سیستم اطلاعات جغرافیایی برای تعیین مسیر راه آهن پرسرعت اقتصادی و سازگار با محیط زیست با استفاده از فرآیند تحلیل سلسله مراتبی و تحلیل مسیر کم‌هزینه. سیستم های خبره، 36، شناسه مقاله: e12376. https://doi.org/10.1111/exsy.12376
[ 9 ]	Atkinson, DM, Deadman, P., Dudycha, D. and Traynor, S. (2005) ارزیابی چند معیاره و تحلیل مسیر کمترین هزینه برای مقاله جاده ای با شرایط آب و هوایی. جغرافیای کاربردی، 25، 287-307. https://doi.org/10.1016/j.apgeog.2005.08.001
[ 10 ]	Bagli, S., Geneletti, D. and Orsi, F. (2011) مسیریابی خطوط برق از طریق تحلیل مسیر کم هزینه و ارزیابی چند معیاره برای به حداقل رساندن اثرات زیست محیطی. بررسی ارزیابی اثرات زیست محیطی، 31، 234-239. https://doi.org/10.1016/j.eiar.2010.10.003
[ 11 ]	LaRue، MA و Nielsen، CK (2008) مدل‌سازی راهروهای پراکنده بالقوه برای کوگارها در غرب میانه آمریکای شمالی با استفاده از روش‌های مسیر کم‌هزینه. مدلسازی اکولوژیک، 212، 372-381. https://doi.org/10.1016/j.ecolmodel.2007.10.036
[ 12 ]	Gao, C., Tang, Y. and Wu, X. (2020) ساخت شبکه کریدور زیست محیطی شهری: ادغام مدل مسیر کمترین هزینه و مدل سرمایه گذاری. ISPRS International Journal of Geo-Information، 9، مقاله شماره 33. https://doi.org/10.3390/ijgi9010033
[ 13 ]	کرجسی، جی. (2018) ماتریس های مقایسه زوجی و بسط فازی آنها: تصمیم گیری چند معیاره با رویکرد فازی جدید. جلد 366، انتشارات بین المللی اسپرینگر، چم. https://doi.org/10.1007/978-3-319-77715-3
[ 14 ]	Lusby، RM، Larsen، J. and Bull، S. (2018) نظرسنجی در مورد استحکام در برنامه ریزی راه آهن. مجله اروپایی تحقیقات عملیاتی، 266، 1-15. https://doi.org/10.1016/j.ejor.2017.07.044
[ 15 ]	Liden, T. (2015) تعمیر و نگهداری زیرساخت راه آهن – بررسی مشکلات برنامه ریزی و تحقیقات انجام شده. پروسه تحقیقات حمل و نقل، 10، 574-583. https://doi.org/10.1016/j.trpro.2015.09.011
[ 16 ]	Kim, J. and Shin, N. (2021) برنامه ریزی برای پایداری شبکه ایستگاه راه آهن بر اساس تجزیه و تحلیل گره-مکان ایستگاه های محلی. پایداری، 13، شماره مقاله 4778. https://doi.org/10.3390/su13094778
[ 17 ]	Canca, D. and Barrena, E. (2018) مشکل گردش انبار و مکان انبار یکپارچه در سیستم های حمل و نقل سریع راه آهن. تحقیق حمل و نقل قسمت E, 109, 115-138. https://doi.org/10.1016/j.tre.2017.10.018
[ 18 ]	Zhang, C., Gao, Y., Yang, L., Kumar, U. and Gao, Z. (2019) بهینه‌سازی یکپارچه زمان‌بندی قطار و برنامه‌ریزی تعمیر و نگهداری در کریدورهای راه‌آهن پرسرعت. امگا، 87، 86-104. https://doi.org/10.1016/j.omega.2018.08.005
[ 19 ]	Jin, G., He, S., Li, J., Li, Y., Guo, X. and Xu, H. (2019) مدلی یکپارچه برای پیش بینی تقاضا و برنامه ریزی توقف قطار برای راه آهن پرسرعت. تقارن، 11، مقاله شماره 720. https://doi.org/10.3390/sym11050720
[ 20 ]	Yue, Y., Wang, S., Zhou, L., Tong, L. and Rapik Saat, M. (2016) بهینه سازی الگوها و برنامه های توقف قطار برای راهروهای ریلی مسافری پرسرعت. تحقیقات حمل و نقل، 63، 126-146. https://doi.org/10.1016/j.trc.2015.12.007
[ 21 ]	وزارت حمل و نقل ایالات متحده و اداره راه آهن فدرال (2009) چشم انداز برای راه آهن پرسرعت در آمریکا. قانون بازیابی و سرمایه گذاری مجدد آمریکا
[ 22 ]	Guirao, B. and Campa, JL (2014) ساخت شبکه HSR با استفاده از روش رتبه‌بندی برای اولویت‌بندی کریدورها. سیاست کاربری زمین، 38، 290-299. https://doi.org/10.1016/j.landusepol.2013.11.017
[ 23 ]	Jurkovic, Z., Hadzima-Nyarko, M. and Lovokovic, D. (2021) کریدورهای راه آهن در شهرهای کرواسی به عنوان عوامل توسعه پایدار فضایی و فرهنگی. پایداری، 13، شماره مقاله 6928. https://doi.org/10.3390/su13126928
[ 24 ]	Xu, W., Long, Y. and Zhang, W. (2019) اولویت دادن به تامین مالی آینده و ساخت کریدورهای ریلی سریع برنامه ریزی شده چین – با توجه به ساختار منطقه ای و شاخص های بالقوه توسعه زمین شهری. سیاست حمل و نقل، 81، 381-395. https://doi.org/10.1016/j.tranpol.2017.08.002
[ 25 ]	Chow, E., Lu, Y. and Medel, M. (2015) شبکه های مواد مخدر مکزیک: مدل سازی مسیرهای قاچاق به سمت ایالات متحده. جغرافیای کاربردی، 60، 240-247. https://doi.org/10.1016/j.apgeog.2014.10.018
[ 26 ]	Aydun، CC، Durmaz، AI و Unal، EO (2019) طراحی خودکار مسیر خط لوله با ارزیابی چند معیاره بر اساس تحلیل مسیر کم‌هزینه و ساده‌سازی نقشه‌برداری مبتنی بر خط: مطالعه موردی پروژه Mus در ترکیه. ISPRS International Journal of Geo-Information، 8، مقاله شماره 173. https://doi.org/10.3390/ijgi8040173
[ 27 ]	Cruz-Chavez, MA, Moreno-Bernal, P., Rivera-Lopez, R., Avila-Melgar, EY, Martinez-Bahena, B. and Cruz-Rosales, MH (2020) بهینه سازی فضایی GIS برای تراز کردن راهرو با استفاده از بازپخت شبیه سازی شده . علمی کاربردی 10 مقاله شماره 6190 https://doi.org/10.3390/app10186190
[ 28 ]	Choi, Y., Park, H., Sunwoo, C. and Clarke, KC (2008) ارزیابی چند معیاره و تحلیل مسیر کم هزینه برای مسیریابی حمل و نقل بهینه کامیون های کمپرسی در معادن روباز در مقیاس بزرگ. مجله بین المللی علوم اطلاعات جغرافیایی، 23، 1541-1567. https://doi.org/10.1080/13658810802385245
[ 29 ]	Hong, I. and Murray, AT (2016) ارزیابی تقریب GIS شطرنجی برای مسیریابی کوتاهترین مسیر اقلیدسی. معاملات در GIS, 20, 570-584. https://doi.org/10.1111/tgis.12160
[ 30 ]	Kim, H., Wunneburger, D. and Neuman, M. (2013) مسیر راه آهن پرسرعت و تحرک منطقه ای با سیستم پشتیبانی تصمیم گیری مبتنی بر شطرنجی: مورد مثلث شهری تگزاس. مجله سیستم های اطلاعات جغرافیایی، 5، 559-566. https://doi.org/10.4236/jgis.2013.56053
[ 31 ]	Kumagai, TG and Wachs, M. (1973) دسترسی فیزیکی به عنوان یک شاخص اجتماعی. علوم برنامه ریزی اجتماعی-اقتصادی، 7، 437-456. https://doi.org/10.1016/0038-0121(73)90041-4
[ 32 ]	Cheah، JTS، Heng، BH، Tan، CB و Wong، LY (2012) با استفاده از دسترسی فضایی برای شناسایی شکاف‌های خدمات پلی‌کلینیک و حجم جمعیتی که کمتر از خدمات ارائه شده در سنگاپور با استفاده از سیستم اطلاعات جغرافیایی استفاده می‌کنند. مجله بین المللی برنامه ریزی و مدیریت سلامت، 27، e173-e185. https://doi.org/10.1002/hpm.1063
[ 33 ]	پنچانسکی، آر و توماس، جی دبلیو (1981) مفهوم دسترسی: تعریف و رابطه با رضایت مصرف کننده. مراقبت های پزشکی، 19، 127-140. https://doi.org/10.1097/00005650-198102000-00001
[ 34 ]	Hagerstrand, T. (1970) در مورد افراد در علم منطقه ای چطور؟ مقالات انجمن علمی منطقه ای، 24، 6-21. https://doi.org/10.1007/BF01936872
[ 35 ]	Church, RL and Lei, TL (2010) نقشه‌برداری دسترسی مبتنی بر ترانزیت: یکپارچه‌سازی مسیرها و برنامه‌های GIS. مجله بین المللی علم اطلاعات جغرافیایی، 24، 283-304. https://doi.org/10.1080/13658810902835404
[ 36 ]	Church, RL و Marston, JR (2003) اندازه گیری دسترسی برای افراد دارای معلولیت. تحلیل جغرافیایی، 35، 83-96. https://doi.org/10.1111/j.1538-4632.2003.tb01102.x
[ 37 ]	Barr, SL, Dawson, RJ, Ford, AC and James, P. (2015) تحلیل دسترسی حمل و نقل با استفاده از GIS: ارزیابی حمل و نقل پایدار در لندن. ISPRS International Journal of Geo-Information, 4, 124-149. https://doi.org/10.3390/ijgi4010124
[ 38 ]	McKenzie, B. (2015) چه کسی به سمت کار رانندگی می کند؟ رفت و آمد با خودرو در ایالات متحده: 2013. اداره سرشماری ایالات متحده، Suitland. https://www.census.gov/library/publications/2015/acs/acs-32.html
[ 39 ]	اداره سرشماری ایالات متحده (2019) TIGER/Line Shapefiles. [tl_2019_06037_roads.shp، tl_2019_06071_roads.shp، و tl_2019_32003_roads.shp]. https://www.census.gov/geographies/mapping-files/time-series/geo/tiger-line-file.html
[ 40 ]	Mcdonald, M. (2020) CapstoneRepo [کد منبع]. https://github.com/maxxxswell/capstoneRepo.git