تحلیل فضایی گستردگی شبکه ریلی بر استفاده از حمل و نقل عمومی (مطالعه موردی مترو شهر تهران)

محورهای موضوعی : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری

سعید نایب ¹ (استادیار گروه اقتصاد نظری و صنعتی، دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران)
محمد رضا اسکندری عطا ² (دانش آموخته دکتری اقتصاد بخش عمومی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران)

تاریخ دریافت : 1399/08/19 تاریخ پذیرش : 1400/07/04 تاریخ انتشار : 1402/05/01

کلید واژه: مترو, الگوی فضایی, حمل‌ونقل, تعداد مسافران,

چکیده مقاله :

امروزه توسعه خطوط مترو به عنوان یکی از سامانه‌های حمل‌ونقل شهری از عمده‌ترین مسائل کلان‌شهرها محسوب می‌شود. اتلاف زمان و انرژی، ‌افزایش هزینه‌های زندگی و افزایش آلودگی محیط‌زیست در زندگی شهری بخشی از پیامدهای نادیده گرفتن نقش حمل‌ونقل ریلی است. توسعه خطوط و راه‌اندازی خطوط جدید در شبکه مترو تهران از الزامات این کلان‌شهر محسوب می‌شود. در پژوهش حاضر با استفاده از الگوی داده‌های ترکیبی فضایی و رویکردی نوین در استفاده از ماتریس وزنی فضایی، طی بازه زمانی 1397:12-1393:1 عوامل مؤثر بر افزایش تعداد مسافران و اثرات سرریز ایستگاه‌های تقاطعی بر خطوط مترو تهران با هدف بررسی گستردگی شبکه مترو تهران در استفاده از حمل‌ونقل عمومی مورد ارزیابی قرار گرفته است. پس از انجام آزمون‌های مختلف، الگوی وقفه فضایی با اثرات تصادفی مورد تائید قرار گرفت. نتایج حاصل از برآورد الگوی وقفه فضایی (SAR) نشان می‌دهد که همبستگی تعداد مسافران از کانال ایستگاه‌های تقاطعی حدود 19 درصد است و در صورت افزایش تعداد ایستگاه‌های تقاطعی در هر خط، تعداد مسافران سایر خطوط افزایش قابل‌توجهی خواهد داشت. تأثیر مستقیم و غیرمستقیم عامل تعداد ایستگاه‌ها در هر خط نشان می‌دهد که افزایش تعداد ایستگاه‌ها تأثیر 2.6 درصدی بر جذب مسافران خطوط دارد و این اثر در صورت عبور از کانال ایستگاه تقاطعی نیز قابل توجه است. با توجه به پایین بودن قیمت انرژی در کشور، قیمت بنزین تأثیر معناداری بر کاهش یا افزایش تعداد مسافران نداشته است اما تأثیر مستقیم و غیرمستقیم نرخ بلیت که به صورت سقف نرخ ممکن در هر دوره در نظر گرفته شده است، منفی و معنادار برآورد شده است. نتایج پژوهش حاضر لزوم توجه به اثرات سرریز ایستگاه‌های تقاطعی و تعداد ایستگاه‌ها در توسعه خطوط مترو تهران را بیش‌ازپیش نمایان می‌سازد.

چکیده انگلیسی:

Today, the development of metro lines as one of the urban transportation systems is one of the major issues in metropolitan areas. Wasting time and energy, increasing the cost of living, and increasing environmental pollution in urban life are some of the consequences of ignoring the role of rail transportation. The development of lines and the commissioning of new lines in the Tehran metro network are among the requirements of this metropolis. In the present study, using a spatial panel data model and a new approach in the use of spatial weight matrix, during 1397: 12-1393: 1 factors affecting the increase in the number of passengers and the effects of overflow of intersection stations on Tehran metro lines with the aim of investigating the extent of Tehran metro network in the use of public transport are needed. After performing various tests, the spatial lag model with random effects was confirmed. The results of estimating the SAR model show that the correlation between the number of passengers through the interchange stations channel is about 19% and if the number of interchange stations per line increases, the number of passengers on other lines will increase significantly. The direct and indirect effect of the number of stations on each line shows that increasing the number of stations has a 2.6% effect on the number of passengers on the lines, and this effect is also significant if crossing the interchange stations channel. Due to the low price of energy in the country, the price of oil has not had a significant effect on reducing or increasing the number of passengers, but the direct and indirect effect of ticket prices, which is considered as a possible rate ceiling in each period, is negative and significant. . The results of the present study show the need to pay attention to the effects of overflow of interchange stations and the number of stations in the development of Tehran metro lines.

منابع و مأخذ:

1. Anselin, L., Le Gallo, J. & Jayet, H. (2008). Spatial Panel Econometrics The Econometrics of Panel Data. Springer.


2. Baltagi, B., Egger, P., & Pfaffermayr, M. (2013). A Generalized Spatial Panel data Model with Random Effects. Econometric Reviews, 32, pp: 650–685.


3. Behbahani, H., Afandi Zadeh, S., & Rahimof, K. (2008). Solving the Waiting Time of Passengers in Metro Stations Using Simulation Technique (Case Study of Tehran Metro). Journal of Transportation Research, 5(1), pp: 15-30. (In Persian).


4. Elhorst, J.P. (2014). Spatial Econometrics; From Cross- Sectional Data to Spatial Panels. Springer Briefs in Regional Sciences.


5. Gan, Z., Feng, T., Yang, M., & et al. (2019). Analysis of Metro Station Ridership Considering Spatial Heterogeneity. Chinese Geographical Science. 29, doi: 10.1007/s11769-019-1065-8.


6. Hadi Zonouz, B. (2009). Metro ticket pricing in Tehran. Urban Economics, 3, pp: 4-19. (In Persian).


7. Kang, L., & Meng, Q. (2017). Two-Phase Decomposition Method for the Last Train Departure time Choice in Subway Networks. Transportation Research Part B: Methodological, 104, pp: 568-582.


8. Kazemian, G.H., Rasouli, Afshin., & Rafie Pour, S. (2015). Advantages of Intercity Rail Transportation Over Roads, Based on the Sustainable Development Approach, a Case Study of Tehran Metro Line 4. Journal of Research and Urban Planning, 23(6), pp: 77-94. (In Persian).


9. Kheirodin, R., Farhood, A., & Eimani, J. (2013). Targeted Development of Metro Stations; From Spatial Polarization to Urban Integration in Tehran Examples: Dr. Shariati and Shohada Square Metro Station. Journal of Bagh-e Nazar, 27(10), PP: 15-26. (In Persian).


10. LeSage, J., & Pace, R.K. (2009). Introduction to Spatial Econometrics, Boca Raton:


11. Li, Z., Zhou, y., Li, Z., & ET AL. (2020). Impact Analysis of New Metro Line Opening on Passenger Flow: A Case Study of Shenzhen, MATEC Web Conf, 308, doi: 10.1051/matecconf/202030801004.


12. Liu, C., & Li, Lei. (2020). How do Subways Affect Urban Passenger Transport Modes? Evidence from China. Economics of Transportation, doi: 10.1016/j.ecotra.2020.100181.


13. Millo, G. (2014). Maximum likelihood Estimation of Spatially and Serially Correlated Panels with Random Effects. Computational Statistics and Data Analysis, 71, pp: 914-933.


14. Mult, J. & Pfaffermayr, M. (2011). The Hausman Test in a Cliff and Ord Panel Model. The Econometrics Journal, 14(1), pp: 48-76.


15. Rafieian, M., Asgari Tafreshi, H., & Sedighi, A. (2010). Application of Transportation-Based Development (TOD) Approach in Urban Land Use Planning Sample Study: Sadeghieh Metro Station. The Scientific Research Journals Spatial Planning, 14(3), PP: 295-312. (In Persian).


16. Ramezan Zadeh, H., Molaei, A., & Mohammad Molaei, A. (2015). Urban Transport, its Effects and Environmental Solutions. Journal of Applied Arts, 4(6), PP: 55-62. (In Persian).


17. Razavi Hajiagha, S.H., Mohamadi, Y., & Shideh, S.H. (2020). Optimizing the Waiting Time of Passengers in Tehran Metro Intersection Stations Case study: Line 4 of Tehran Metro. Production and Operations Management, 11(1), pp: 24-43. (In Persian).


18. Shakeri, A., Mar, F., & Modaberi, S. (2011). Environmental Impacts of Shiraz Large Industrial Town on Release of Heavy Metals into Qarabagh Drainage. The Second National Conference on Applied Research in Iranian Water Resources, https://civilica.com/doc/115965. (In Persian).


19. Xiao, F., & Yu, G. (2018). Impact of a New Metro Line: Analysis of Metro Passenger Flow and Travel Time Based on Smart Card data. Journal of Advanced Transportation, doi: 10.1155/2018/9247102.


20. Xu, X., Li, K., & Li, X. (2016). A Multi-Objective Subway Timetable Optimization Approach with Minimum Passenger Time and Energy Consumption. Journal of Advanced Transportation. 50(1), pp: 69-95.


21. Zabihi, H., Abdollah, B., & Abdollah, B. (2015). Evaluate and Determine the Role of the Government Gate Station Complex with a Development Approach Based on Public Transportation (TOD). Urban Management Studies. 8(26), PP: 19-30. (In Persian).