ارائه مدل تمایل به پرداخت کاربران جهت ورود به محدوده قیمت گذاری شده شهری (مطالعه موردی: محدوده طرح ترافیک تهران)
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,134
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TTC12_275
تاریخ نمایه سازی: 23 خرداد 1392
Abstract:
قیمت گذاری تراکم به عنوان یکی از روشهای مطرح در زمینه مدیریت تقاضا در معابر شهری حائز اهمیت ویژهای است. یکی از مهمترین فاکتورها در موفقیت چنین سیاستی، علم بر نحوه واکنش افراد به قیمت گذاری میباشد که از آن به صورت تمایل به پرداخت افراد یاد میگردد. در این مقاله سعی بر آن بود که نسبت به تعیین تمایل به پرداخت افراد جهت استفاده از وسایل نقلیه شخصی خود اقدام شود. در این ارتباط نسبت به کارگیری روش رجحان بیان شده برای جمع آوری اطلاعات مورد نیاز اقدام گردید. چندین سناریوی قیمت گذاری با استفاده از روشهای طراحی تجربی تعریف و به همراه مشخصات اقتصادی – اجتماعی و زنجیره سفر افراد مورد پرسش قرار گرفت. بیش از 4000 مصاحبه انجام شد و نتایج بدست آمده در قالب یک بانک اطلاعاتی تدوین یافت. با توجه به اینکه هدف از این پژوهش تعیین عکس العمل افراد در ارتباط با استفاده از وسایل نقلیه شخصی خود در قبال قیمت- گذاری یک محدوده بود از یک مدل لوجیت دوتایی استفاده گردید و با استفاده از متغیرهای تعریف شده نسبت به پرداخت آن اقدام شد. در نهایت با استفاده از مدل بدست آمده و قیمتهای تعیین شده در سناریوها نسبت به ترسیم منحنی تمایل به پرداخت افراد اقدام گردید. نتایج نشان داد که برای محدوده طرح ترافیک شهر تهران، وضع عوارض 50000 ریال به ازای هر ورود، موجب تمایل تنها 27 درصد افراد به پرداخت و استفاده از وسیله شخصی خود میگردد. این کمیت برای عوارض 200000 ریال معادل 7 درصد خواهد بود.
Keywords:
Authors
بابک میربهاء
دانشجوی دکتری راه و ترابری دانشگاه تربیت مدرس و معاون پژوهشی پژوهشکده
سعید شرافتی پور
کارشناس ارشد دانشگاه صنعتی شریف و کارشناس ارشد پژوهشکده حمل و نقل طرا
سید احسان سید ابریشمی
دکترای برنامه ریزی و حمل و نقل، استادیار عمران و محیط زیست، دانشگاه تر
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 :