پیش¬بینی هزينه و درآمد شرکت¬های حمل كالا در ترانزیت جاده¬ای با استفاده از سیستم پویا (مطالعه: شرکت¬های فعال درکریدور بندرعباس-سرخس)
محورهای موضوعی : مدیریت کسب و کار
محمدرضا فرشیدنژاد
1
,
حبیب اله جوانمرد
2
*
,
سیدعلیرضا میرعرب بیگی
3
1 - گروه مدیریت صنعتی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
2 - گروه مدیریت صنعتی، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
3 - گروه مدیریت صنعتی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
کلید واژه: درآمد, هزینه, ترانزیت, سیستم پویا,
چکیده مقاله :
پیشبینی درآمد و هزینههای حمل كالا در ترانزیت باعث برنامهریزی بهتر شرکتهای حمل و توسعه فعالیت آنها برای جذب کالاهای ترانزیتی و به طبع افزایش درآمد خارجی برای کشور میشود. هدف این پژوهش، پیشبینی هزينه و درآمد شرکتهای حمل كالای ترانزیت با استفاده از سیستم پویا است. روش تحقیق توصیفی کاربردی و روش گردآوری دادهها کتابخانهای و میدانی است، جامعه آماری شامل دوگروه است. گروهاول خبرگان در حوزه مالی و حمل و نقل برای تعیین ابعاد و متغیرهای مدل و گروه دوم دادههای مرتبط با متغیرهای مدل بوده که از سه شرکت حمل در کوریدور بندرعباس- سرخس اخذ شدهاست. برای شبیهسازی درآمد و هزینهها بازه زمانی برای تهیه و اعتبارسنجی رفتار سیستم از 1390 تا 1402 بوده و پیشبینی از 1402 تا 1410 با استفاده از نرم افزار ونسیم انجام شدهاست. با معرفی و افزودن متغیر برونزای جدید سرعت بازرگانی به مدل، نتایج نشان داد که درآمدها، هزینههای هر سفر و هزینهکل حمل با شدت بیشتری نسبت به قبل افزایش خواهد داشت ولی شیب افزایش درآمد بیشتر خواهد بود، همچنین با افزایش و کاهش در متغیز برونزای سرعتبازرگانی وضعیت درآمد و هزینهها نیز افزایش و کاهش خواهد داشت. لذا پیشنهاد میشود دولت به بهبود سرعت بازرگانی توجه ویژه نمایند
Predicting the income and costs of transportation in transit, can help shipping companies for better planning to attract transit and increase foreign revenue for the country. The purpose of research is to predict the cost and income of shipping companies in transit using dynamic system. The research method is descriptive and the method of data collection are data base and field study. The samples include two groups, the first group are experts in the field of financial and transportation has been used to determine the dimensions and variables of model and the second group are data for model which composed of three transport companies in the bandar abbas-Sarakhs corridor. To obtain and validate the behavior of the system We considered cost of the time from 2011 to 2024 year, and run VENSIM software for prediction cost and income from 2024 to 2030. By introducing and adding new variable of trade velocity to the model, the results showed that income, cost of each trip and total cost of transportation will increase significantly. Also, by changing in the exogenous variable, income and cost will be changed, therefore, it is suggested that the government pay special attention to improvement of trade speed
1) احدی، حمیدرضا، ضیا تبار احمدی، سیدحسن،. (1392)، تحلیل دینامیکی پارامترهای موثر در مطلوبیت كريدورهاي ترانزيت ریلی بار؛ مطالعه موردی محور سرخس – بندر عباس، مهندسی حمل و نقل ، سال پنجم ، شماره دوم ، ص 153-166.
2) اقبالی، علیرضا، اقبالی، ناصر، نریمی، یحیی(1396) بررسی پتانسیلهای بنادر جنوب کشور به عنوان ترمینال منطقه ای ترانزیت غلات به روش AHP ، نشریه امواج دانش ، 1 (2)، ص 156-136.
امير احمديان بهرام، (1387)، حمل و نقل و ترانزيت در آسياي مركزي، مطالعات اوراسياي مركزي، شماره 2، تابستان و پاييز. ص 56-43.
3) بهشتی سرشت، مصطفی، دهقان¬دهنوی، محمدعلی، مشایخی، علینقی، امیری، میثم، (1399)، واکاوی استراتژی کاهش هزینه و دارایی در احیای مالی بنگاهها با استفاده از نظریه رانت، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره چهل و هفتم، ص 160-137.
4) حقیقت، سارا، جوانمرد، حبیب اله، حری، محمدصادق، (1401)، اندازه‌گیری بلوغ مدیریت هزینه استراتژیک در صنایع مونتاژ (مطالعه: شرکت بزرگ مونتاژ لوازم خانگی در تهران)، مدیریت کسب و کار نوآورانه، 55، (14)، 56-.74
5) ریاحینی، مصطفی، (1403)، نگاهی به کریدورهای ایران در منطقه، گنجینه سما، شماره 52، ص 46 تا 48.
6) سالنامه ي آماري ، (1400)، سازمان راهداري و حمل و نقل جاده¬اي جمهوری اسلامی ایران، فصل دوم: حمل و نقل کالا.
7) کرمی نیا، فاطمه و عباس پور، مجتبی، (1395) ، بررسی نقش بندر امام خمینی (ره) در توسعه ترانزیت از طریق کریدور شمال جنوب، هجدهمین همایش صنایع دریایی، ص 32-27.
8) مشفق، زهرا، (1400)، تحلیل جایگاه ایران در مناسبات اقتصادی آسیای میانه و قفقاز جنوبی (باتاکید بر کریدورهای ترانزیتی)، امنیت اقتصادی، شماره 86 ص 59 تا 74.
9) مشفق، زهرا، (1401)، تضعیف جایگاه ایران در کریدور¬های بین¬المللی، امنیت اقتصادی، شماره 98 ص 27 تا 48.
10) نجفیان، هادی, جوانمرد, حبیب اله, سرلک, احمد (1403)، ارائه طرح مالیات کربن برای صنعت خودروسازی ایران، مدیریت کسب و کار نوآورانه، 62، (16)، 167-191.
11) Anburuvel, A., Perera, W.U., Randeniya, R.D., (2022), A demand responsive public transport for a spatially scattered population in a developing country. Case Stud. Transp. Pol. 10 (1), 187–197.
12)Araldo, A., Di Maria, A., Di Stefano, A., Morana, G., 2019a. On the Importance of demand Consolidation in Mobility on Demand, IEEE/ACM DS-RT. arXiv: 1907.02933.
13)Badeanlou, A., Araldo, A., Diana, M., (2022), Assessing transportation accessibility equity via open data, 10th symposium of the European Association for Research in Transportation (hEART), Leuven.
14)Badia, H., Jenelius, E., (2020), Feeder transit services in different development stages of automated buses: comparing fixed routes versus door-to-door trips. Transp. Res. Procedia 47, 521–528.
15)Bragin, M.A., Ye, Z., Yu, N., (2024) Toward efficient transportation electrification of heavy-duty trucks: Joint scheduling of truck routing and charging, Transportation Research Part C, 160, 104494.
16)Bürstlein, J., L´opez, D., Farooq, B., 2021. Exploring first-mile on-demand transit solutions for North American suburbia: a case study of Markham, Canada. Transport. Res. A: Pol. Pract. 153(August 2020), 261-283.
17)Calabr`o G, Araldo, A., Oh, S., Seshadri., R., Ben-Akiva., I, R., (2023), Adaptive transit design: Optimizing fixed and demand responsive multi-modal transportation via continuous approximation, Transportation Research Part A, 171, 103643.
18)Calabr`o, G., Correia, G., Giuffrida, N., Ignaccolo, M., Inturri, G., Le Pira, M., 2020b. Comparing the performance of demand responsive and schedule-based feeder services of mass rapid transit: an agent-based simulation approach. Forum on Integrated and Sustainable Transportation Systems (FISTS) (pp. 280-285).
19)Chouaki, T., H¨orl, S., Puchinger, J. (2023), Towards Reproducible Simulations of the Grand Paris Express and On-Demand Feeder Services. 102nd Annual Meeting of the Transportation Research Board (TRB), Jan 2023, Washington D.C, United States.
20)Farshidnejad, M., Javanmard, H., Abutalebpur, A., (2022), Investigation and Identification of Variables of Cost and Time Affecting International Freight Transportation in the International North-South Transit Corridor (INSTC), IJTE, Vol. 10, No. 1, pp. 899-918
21)Fayyaz, S.K., Liu, X.C., Porter, R.J., (2017), Dynamic transit accessibility and transit gap causality analysis. J. Transp. Geogr. 59, 27–39.
22)Guo, Z., Xiao, G., Wang., Y., Li., S., Du., J., Dai., B., Gong., L., Xiao., D., (2023), Dynamic model of respiratory infectious disease transmission in urban public transportation systems, Heliyon, 9, e14500.
23)Ignatov, A., (2024), European highway networks, transportation costs, and regional income, Regional Science and Urban Economics 104, 103969.
24)James, J., Lam, A.Y., (2017), Autonomous vehicle logistic system: Joint routing and charging strategy. Intell. Transp. Syst. 19 (7), 2175–2187.
25)Kaddoura, I., Kröger, L., Nagel, K., (2017), User-specific and dynamic internalization of road traffic noise exposures. Networks Spatial Econ. 17 (1), 153–172.
26)Leffler, D., Burghout, W., Jenelius, E., Cats, O., 2021. Simulation of fixed versus on-demand station-based feeder operations. Transport. Res. C: Emerg. Technol. 132 (September), 103401
27)Li, P. Chen, X. Ma, C. Zhu, C. Lu, W., (2022), Risk assessment of COVID-19 infection for subway commuters integrating dynamic changes in passenger numbers, Environ. Sci. Pollut. Res. Int. 29 74715–74724.
28)Mah´eo, A., Kilby, P., Van Hentenryck, P., (2019), Bender’s decomposition for design of a hub and shuttle public transit system. Transp. Sci. 53 (1), 77–88.
29)Meng.F, Liu.G, Yang.Z, Hao.Y., Ulgiati, S, (2016), Assessment of urban transportation metabolism from life cycle perspective: A multi-method study, Energy Procedia, 123.
30)Oh, S., Seshadri, R., Le, D.T., Zegras, P.C., Ben-Akiva, M.E., 2020b. Evaluating automated demand responsive transit using microsimulation. IEEE Access 8, 82551–82561.
31)Salazar-Cabrera, R., Cruz, A.P., Madrid Molina., J.M, (2023), Sustainable transit vehicle tracking service, using intelligent transportation system services and emerging communication technologies: A review, journal of traffic and transportation engineering; 7 (6): 729 -747.
32)Smith, G., Sochor, J., Karlsson, I.M., (2018), Mobility as a Service: Development scenarios and implications for public transport. Res. Transp. Econ. 69, 592–599.
33)Sorensen, L., Bossert, A., Jokinen, J.P., Schlüter, J., 2021. How much flexibility does rural public transport need? - implications from a fully flexible DRT system. Transp. Policy 100, 5–20.
34)Wang, Y., Szeto W.Y., Han K., Friesz, T.R., (2018), Dynamic traffic assignment: A review of the methodological advances for environmentally sustainable road transportation applications, Transportation Research Part B, 111, 370–394.