ارزیابی کمی عدالت در حمل و نقل همگانی چندوسیله ای شهری شامل مترو، اتوبوس و BRT (مطالعه موردی: کلان شهر تهران)
Publish place: Transportation Research Journal، Vol: 18، Issue: 2
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 490
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_TRJ-18-2_004
Index date: 11 August 2021
ارزیابی کمی عدالت در حمل و نقل همگانی چندوسیله ای شهری شامل مترو، اتوبوس و BRT (مطالعه موردی: کلان شهر تهران) abstract
هدف اصلی پژوهش حاضر، شناسایی شاخصهای عدالت در حمل ونقل همگانی و ارزیابی کمی آن برای حمل ونقل همگانی شهری در نمونه موردی کلانشهر تهران است. در این پژوهش، شاخصهای میزان اتصال و دسترسی به شبکه حمل ونقل همگانی به عنوان شاخصهای عرضه؛ شاخصهای جمعیت، اشتغال، خانوارهای زیر خط فقر و خانوارهای بدون خودرو به عنوان شاخصهای تقاضا؛ و رویکرد منحنی لورنز و ضریب جینی جهت تحلیل و ارزیابی کمی عدالت است. داده های پژوهش از شرکت کنترل ترافیک تهران، معاونت اجتماعی و امور فرهنگی شهرداری تهران، شرکت بهره برداری راه آهن شهری تهران و حومه، و سازمان فناوری اطلاعات و ارتباطات شهرداری تهران جمع آوری شده است. نتایج نشان می دهد که تعداد زیادی از نواحی شهرداری تهران فاقد دسترسی به شبکه مترو است. شاخص میزان اتصال شبکه شامل سه بخش گره، خط و منطقه ای در شبکه اتوبوسرانی از مترو بیشتر است؛ بدلیل کارایی بهتر شبکه اتوبوسرانی نسبت به مترو. ضرایب جینی در بررسی عدالت افقی از عدالت عمودی کمتر بوده و نشان از بی عدالتی زیاد در توزیع خدمات حمل ونقل همگانی نسبت به نیازهای افراد و گروه های خاص در کلان شهر تهران دارد.
ارزیابی کمی عدالت در حمل و نقل همگانی چندوسیله ای شهری شامل مترو، اتوبوس و BRT (مطالعه موردی: کلان شهر تهران) Keywords:
ارزیابی کمی عدالت در حمل و نقل همگانی چندوسیله ای شهری شامل مترو، اتوبوس و BRT (مطالعه موردی: کلان شهر تهران) authors
حمید زارعی
دانش آموخته کارشناسی ارشد، موسسه عالی آموزش و پژوهش مدیریت و برنامه ریزی، تهران، ایران
امیر رضا ممدوحی
دانشیار، دانشکده عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :