سرمایه ساختاری

باخ (۲۰۰۱) با مرور تقسیم‌بندی‌های مختلف، ارتباط با سه موضوع را در اکثر آنها مشترک می‌داند:
منابع انسانی (کارکنان)؛
فرایند و ساختار؛
مشتریان.
مجموعه تمام مواردی که در ذیل عنوان سرمایه‌های فکری ذکر شده، به ترتیب زیر است (کافمن و اشنایدر ۲۰۰۴ ،۳۶۶):
منابع انسانی (هویت افراد، شایستگی کارکنان، فعالیت‌های منابع انسانی)؛
دارایی سازمانی؛
ساختار داخلی؛
ارتباطات؛
مالکیت ذهنی؛
مشتری؛
دانش (مدیریت دانش، دانش فنی^[۱۶]، دانش مدیریتی)؛
سرمایه اجتماعی؛
فرایند (فعالیت‌های سازمان)؛
یادگیری و نوآوری؛
تامین­کننده؛
سرمایه‌گذار؛
مکان یا جایگاه؛
تحقیق و توسعه؛
تبلیغات؛
فناوری اطلاعات (IT)؛
شهرت و اعتبار سازمان؛
فرهنگ سازمانی.
دیفن باخ (۲۰۰۶) انواع منابع ناملموس را براساس دارا بودن یا نبودن سه مشخصه اساسی، به شش گروه مجزا تقسیم می‌کند. این مشخصه‌ ها عبارتند از:
این که آیا منبع به یک فرد مرتبط است یا نه؛
این که آیا منبع به دو یا چند نفر مرتبط است یا نه؛
این که آیا منبع قابل انتقال^[۱۷] است یا نه.
بر این اساس، شش دسته‌بندی تعریف شده از منابع یا سرمایه‌های ناملموس به ترتیب زیر خواهند بود:
سرمایه‌های انسانی^[۱۸]؛
سرمایه‌های اجتماعی^[۱۹]؛
سرمایه‌های فرهنگی^[۲۰]؛
سرمایه‌های قانونی^[۲۱]؛
سرمایه‌های اطلاعاتی^[۲۲]؛
سرمایه‌های ساختاری^[۲۳] (دیفن باخ، ۲۰۰۶،۲۰).
استوارت (۱۹۹۷، به نقل از وایت، ۲۰۰۷) سرمایه ­های سازمان را به سه گروه سرمایه ­های مشتری، سرمایه ­های انسانی و سرمایه ­های ساختاری تقسیم می­ کند. استوارت سرمایه ­های گروه اول را مربوط به روابط داخلی و خارجی سازمان می­داند. همچنین بیان می­ کند که روابط داخلی بیشتر مربوط به “خلق^[۲۴]” ارزش هستند و روابط خارجی بیشتر مربوط به “استخراج^[۲۵]” ارزش. برای مثال، روابط خارجی شامل مواردی چون مشتریان فعلی، مشتریان بالقوه، تامین­کنندگان وهمکاران تجاری می­باشد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

راستوگی (۲۰۰۳) عقیده دارد یک تقسیم‌بندی دقیق از سرمایه ­های فکری ممکن نیست. با این حال سرمایه ­های فکری را نتیجه تعامل میان مدیریت دانش، سرمایه‌ اجتماعی و سرمایه انسانی یک سازمان می‌داند. سویبی (۱۹۹۷، به نقل از کافمن و اشنایدر، ۲۰۰۴) که یکی از پیشروان این مبحث محسوب می‌شود، پیشنهاد می‌کند سرمایه‌های ذهنی به سه گروه شایستگی کارکنان، ساختار داخلی و ساختار خارجی تقسیم شود. او همچنین عقیده دارد منشا اصلی سرمایه‌های ناملموس سازمان در کارکنان آن قرار دارد. استوارت (۱۹۹۸، به نقل از کافمن و اشنایدر، ۲۰۰۴) همین تقسیم‌بندی را با تغییر عبارت ساختار خارجی به “سرمایه مشتری” ارائه می‌دهد. سالیوان (۲۰۰۰، به نقل از کافمن و اشنایدر، ۲۰۰۴) ارتباط میان این سه گونه را به این ترتیب بیان می‌کند:
“سازمان سرمایه‌های انسانی را کسب می‌کند. این سرما‌یه‌ها منجر به ایجاد دانش در سازمان می‌گردد (دارایی‌های فکری^[۲۶]). در نهایت این دارایی‌ها (بعضاً) به مالکیت ذهنی تبدیل می‌گردند.”
بروکینگ (۱۹۹۶، به نقل از وایت، ۲۰۰۷) سرمایه ­های ساختاری سازمان را شامل مواردی چون فلسفه مدیریتی سازمان، فرهنگ سازمانی، فرآیندهای مدیریتی، سیستم­های فناوری اطلاعات و سیستم­های شبکه و ارتباطات مالی سازمان می­داند. باخ و دیگران (۲۰۰۵، به نقل از وایت، ۲۰۰۷) تعریف زیر را در خصوص سرمایه ­های ساختاری ارائه می­ دهند:
“دانشی که شب (پس از تعطیلی سازمان) به خانه نمی­رود.”
آنها همچنین دارایی­ های ذهنی را نیز در این زمره قرار می­ دهند، مانند حق مالکیت­ها، مدل‌ها و سیستم­های کامپیوتری.
به‌طورکلی، توافق کمی درباره بهترین روش سنجش سرمایه فکری وجود دارد، اما بیشتر مؤلفین از یک مدل سه بخشی استفاده می‌کنند که شامل سرمایه انسانی^[۲۷]، سرمایه ساختاری^[۲۸] و سرمایه اجتماعی^[۲۹] می‌باشد (اشمالنباخ، کافمن و اشنایدر،۲۰۰۴، ۱۸)(شکل شماره ۲-۳).
سرمایه فکری

۷

سیبری غربی به مورمانسک

–

–

–

۱

۶/۱

خط لوله تیوشت به داشینگ و ناخودکا،۱۵۵۰ مایل طول دارد و شهر آنگارسک را به شهر چینی داکینگ وصل می کند. این خط لوله از سال ۲۰۰۸ به بهره برداری رسیده و ظرفیت آن در مرحله آغازین چهارصد هزار بشکه در روز است. (باقیان: ۱۳۹۱، ۵۵)
ب: خطوط لوله صادرات گاز: حدود دو سوم از کل صادرات گاز روسیه ، که در سال ۲۰۰۸ در حدود۴/۱۸۴ میلیارد متر مکعب بوده است به بازارهای اروپایی صادر می شود. اما در زمینه مصرف ، کشورهای اروپای شرقی و مرکزی به واردات انرژی از روسیه ، وابسته تر می باشند. در این منطقه گاز وارداتی از روسیه به طور متوسط هشتاد و هفت درصد از کل واردات و شصت درصد از کل مصرف را به خود اختصاص می دهد. انتظار می رود به دلایل مختلف از جمله مسائل زیست محیطی میزان واردات گاز اتحادیه اروپا تا سال ۲۰۳۰ به حدود شصت درصد افزایش یابد و حتی به سرعت جایگزین نفت خام گردد. (باقیان: ۱۳۹۱، ۵۶)خطوط لوله گاز موجود بین روسیه و اتحادیه اروپا شامل مسیر های زیر است:
۱-خط لوله یامال-یک(یامال-اروپا):این خط لوله به طول ۴۱۶۹ کیلومتر از طریق بلاروس و لهستان به آلمان کشیده شده است. حداکثر ظرفیت این خط لوله حدود سی و سه میلیارد متر مکعب می باشد. ولی امروزه سالانه تنها حدود هفده میلیارد متر مکعب گاز طبیعی از طریق این خط لوله به اروپا منتقل می شود. هدف این خط لوله برآورده کردن تقاضای آلمان و در نهایت انگلیس می باشد. بعد از اتمام طرح اتصال این خط لوله به خط لوله پیوند دهنده ، کوتاه ترین مسیر انتقال گاز روسیه به انگلستان خواهد بود. (حیدری: ۱۳۹۱، ۵۶)
۲-خط لوله برادری: طول این خط لوله حدود ۲۷۵۰ کیلومتراست و از طریق اوکراین و اسلواکی به اروپای غربی منتهی می شود.این خط لوله در سال ۱۹۷۶ به بهره برداری رسید و ظرفیت سالانه آن حدود سی میلیارد متر مکعب می باشد.گاز صادراتی این خط لوله تقریباً بیست و پنج درصد از مصارف سالیانه گاز طبیعی اروپای غربی وهفتاد در صد از صادرات گار روسیه به اروپای غربی را تشکیل می دهد.
۳-خط لوله نورتون لایت(اورمگوی-اوژگورود):این خط لوله به طول۴۵۰۰ کیلومتر در سال ۱۹۸۳ تکمیل گردید.ظرفیت سالانه این خط لوله حدود بیست وهفت میلیاردمتر مکعب می باشد و از اوکران می گذرد و در آنجا به خط لوله برداری متصل می شود و در مسیر اسلواکی ، اتریش و آلمان قرار می گیرد.این خط لوله حدود یک سوم دیگر از مجموع گار صادراتی به مقصد اروپا را انتقال می دهد.
۴-خط لوله جریان آبی: طول این خط لوله حدود ۱۲۵۰ کیلومتر است و از روسیه از طریق بستر دریای سیاه به ترکیه کشیده شده است.این خط لوله از نوامبر۲۰۰۵ به بهره برداری رسید، به منظور متنوع ساختن مسیر های انتقال گاز به ترکیه و نیز اجتناب ترانزیت از کشور ثالث از قبیل اوکراین ، بلاروس و یا مولداوی احداث گردید. پیش بینی شده استکه تا سال ۲۰۱۰ ظرفیت این خط لوله به شانزده میلیارد متر مکعب گاز برسد.روسیه در نظر داردتا از طریق این خط لوله ، تا سال ۲۰۲۵ حدود سیصدو یازده میلیارد متر مکعب گاز به ترکیه صادر نماید.(باقیان: ۱۳۹۱، ۵۶)
پروژه های جدید روسیه برای بالا بردن تنوع مسیرهای صادراتی به اروپا شامل:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱-نورد استریم(خط لوله گاز شمال اروپا):این پروژه سواحل روسیه را به دریای بالتیک متصل خواهد کرد و ظرفیت آن برای سال ۲۰۱۲ ،پنجاه و پنج میلیارد متر مکعب در نظر گرفته شده است.
۲-بلو استریم(خط لوله گاز جنوب اروپا):گاز روسیه را از طریق دریای سیاه و ترکیه به جنوب و مرکزاروپا منتقل می کند.گازپروم روسیه وشرکت مول مجارستان سرمایه گذاران این پروژه هستند.
خطوط لوله انتقال گاز طبیعی و ظرفیت هرکدام

ظرفیت در سال ۲۰۱۰

ظرفیت در سال۲۰۰۵

مسیر

نام خط لوله

۱۳۰

۱۳۰

روسیه-اوکراین-اروپای مرکزی

برداری/یونیون(شبکه شوروی)

۲۵

۲۵

روسیه-روسیه سفید-اوکراین-اروپای مرکزی

پولارلایتس(شبکه شوروی)

۲۰

۲۰

روسیه-اوکراین-بالکان

بالکان ترانس(شبکه شوروی)

۲۰

• • • • 1. 1. نظریه تأثیر وسایط نقلیه و خطوط ارتباطی در توسعه شهرها

براساس این تئوری عوامل مختلف و متعددی در چگونگی توسعه ی کالبدی شهرها موثر بوده وسیمای آنها را تعیین می کنند، ولی وسایط ارتباطی نقش ویژه ای را ایفا کرده و چه بسا در موارد زیادی تعیین کننده بوده اند. بر اساس این نظریه، گسترش شبکه های حمل و نقل (جاده،بزرگراه و راه آهن) در اطراف شهر از طریق تسهیل در رفت و آمد و نیز افزایش قیمت زمینهای مجاور این شبکه ها، معمولا گسترش بیرونی شهر را در مسیر این خطوط هدایت می کنند. تمایل کارخانه ها به دوری از تراکم و استفاده بهتر و آسانتر از امکانات حمل و نقل، آنها را به مناطق پیرامونی می کشاند و این خود توسعه شهر به پیرامون را تسریع می کند (نجف زاده، ۱۳۸۵: ۴۰).

• • 1. 1. توسعه فیزیکی شهر در کشورهای توسعه یافته

با نگاه به روند توسعه فیزیکی شهرها به ویژه در نیمه دوم قرن بیستم، معلوم می­گردد که یک عنصر محدود به نام زمین (زمین های قابل سکونت)تحت تأثیر عواملی چون ازدیاد جمعیت ، ادغام روستاها در بافت فیزیکی شهرها ، تغییر الگوی مصرف زمین و … با آهنگی سرسام آور کاهش می یابد. با عنایت بر این اصل که هیچ شهری نمی­تواند علت وجودی داشته باشد مگر اینکه منابع بالفعل یا بالقوه­ی محیطی، شرایط توسعه آنرا فراهم سازد، به دنبال رشد فیزیکی شتابان مجتمع های زیستی ، بخش وسیعی از مرغوبترین و مناسبترین اراضی بلافصل شهرها که از دیرباز شرایط زیست محیطی لازم و کافی برای تجمع انسانها در آنها وجود داشته در معرض نابودی قرار می­گیرد (محمدزاده،۱۳۷۶: ۲۲۲). رشد و توسعه شهری از چهره­ های مشخص قرن بیستم است . برخلاف گذشته که عوامل اقتصادی گسترش دهنده شهرنشینی و توسعه فیزیکی شهرها بوده است، اکنون فرایند اجتماعی مهمترین عامل توسعه شهری در قرن حاضر است. زمینه­ این تغییرات اجتماعی ، انقلاب صنعتی قاره­ی اروپا در قرن هجدهم بوده است. به هر حال تحولات پیچیده­ اقتصادی- فنی که بر اساس انقلاب صنعتی شکل گرفته بودند، موجب تغییرات عمیقتری در اندازه شهرها نسبت به جمعیت ساکن در آنها و آهنگ رشد شهرنشینی گردیدند، به گونه ای که امروزه توسعه شهری چه در کشورهای پیشرفته صنعتی و چه کشورهای در حال توسعه بارزترین نوع تکامل جوامع انسانی است(جعفری مهرآبادی، ۱۳۸۸: ۲۴). بعد از جنگ جهانی دوم ، توسعه شهری در کشورهای توسعه یافته با انگیزه های متفاوت شکل گرفت در این کشورها اشکال جدید توسعه شهری اغلب بر اساس استقرار آنها نسبت به شهر مرکزی (مادر شهر) تشخیص داده می­ شود. بنابراین می­توان سه دسته از اشکال توسعه شهری را در آنها بیان کرد:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شکل اول: توسعه شهری که خارج از منطقه شهری استقرار یافته اند. این شکل از توسعه بدون تداوم پیوستگی با شهر اصلی قرار دارد. در این گونه توسعه ، استقلال و خودگردانی جزء خصوصیات لاینفک آنهاست.
شکل دوم: توسعه ­های شهری که داخل یک منطقه شهری استقرار یافته­اند. این شکل از توسعه نیز بدون تداوم و پیوستگی با شهر اصلی می باشد. اینگونه سکونتگاه ها فاقد استقلال و خودگردانی و اغلب دارای گسترش ناموزون در ابعاد کالبدی بوده و در بسیاری موارد وابسته به شهر مرکزی می باشند.
شکل سوم: توسعه ­های شهر در تداوم با شهر اصلی قرار گرفته اند و ادامه پیوسته­ی گسترش کالبدی شهرهای قدیمی و یا شهرهای جدید می باشند.آنچه که در زمینه­­ی توسعه شهری برای کشورهای اروپایی مدنظر بود، توسعه شهری همگام با حفظ نظم شبکه شهری است و در نظر گرفتن فاصله­های نه چندان زیاد بین قطب­های اصلی و ارتباط مناسب بین قطب­ها که در آن تعادل محلی و اشتغال مبنای توسعه قرار می­گیرد. به همین دلیل شهرهای اقماری جدید وابستگی شدیدی را نسبت به شهر اصلی منطقه نشان می­دادند (wu ،۲۰۰۸: ۳۷۴-۳۶۴). در کشورهای توسعه یافته به واسطه­ وجود ضوابط و مقررات در ساخت و سازهای شهری ، انعطاف پذیری طرح های شهری، کنترل مهاجرتها، کنترل مالکیت زمین و … سبب گردیده است تا کالبد شهری به صورت موزون گسترش یابد(رضایی،۱۳۷۴: ۴۱).

• • 1. 1. توسعه فیزیکی شهر در کشورهای در حال توسعه

رشد انفجاری جمعیت در کشورهای در حال توسعه، مسائل و مشکلات متعددی با خود داشته که یکی از آنها توسعه فیزیکی شتابان شهرها بوده است. نتایج مطالعات نشان می­دهد که شهر سائوپائولو سالانه به طور متوسط ۶۰ کیلومتر مربع بر وسعت خود می­افزاید. همچنین شهر قاهره در مصر سالانه ۵۰۰ هکتار از زمین­های حاصلخیز دلتای نیل را به زیر ساخت و سازهای جدید می­برد(شاریه،۱۳۷۳: ۷۸ ). روند توسعه شهری در کشورهای در حال توسعه مانند ساختن خانه ای بدون سقف است، در این کشورها تمام نهادهای شهرنشینی سرجای خود هستند، اما این نهادها، درون جوامعی که هیچگونه اتصال محکمی با آنها ندارند، به صورت معلق باقی می­مانند و نهادهای بومی فاقد چارچوب لازم برای اتصال با جایگزین­های مدرن هستند(مابوگنج،۱۳۸۵: ۶۱). در کشور ما از گذشته بسیار دور ، نسبت جمعیت ساکن در نقاط شهری در مقایسه با جمعیت شهری کشورهای توسعه یافته و منطقه ، همواره بالا بوده است.در حالی که در سال۱۳۶۹ جمعیت شهرنشین کشورهای در حال توسعه کمتر از ۳۵ درصد گزارش شده گردیده ، این نسبت در کشور ما از ۶۰ درصد نیز تجاوز کرده است (زنجانی، ۱۳۷۶: ۵۲). بر اساس آمارهای موجود ، مقدار اراضی مزروعی کشور در سال ۱۳۵۲ بالغ بر ۱۷۴۸۱ میلیون هکتار بوده است. با آنکه بعد از انقلاب اسلامی حدود ۴۵۲ هزار هکتار از اراضی ملی کشور به اراضی زراعی موجود اضافه شده است، لیکن این رقم در سال ۱۳۶۷ حدود۱۷۱۵۰ میلیون هکتار را نشان می دهد. بدین ترتیب مقایسه ارقام یاد شده بیانگر آنست که جمع اراضی مزروعی که طی سالهای ۶۷-۱۳۵۲ به اراضی غیر مزروعی- نظیر احداث و توسعه شهرکها و گسترش شهرها – تبدیل شده اند، حدود ۷۸۴ هزار هکتار می باشد(جعفری مهرآبادی،۱۳۸۸: ۲۸). در حقیقت افزایش سریع جمعیت و نیز مهاجرتهای بی­رویه­ در سطح کشور ، موجب گردیده است که در سه دهه اخیر مجتمع­های زیستی موجود یا جدیدالاحداث بیش از پیش گسترش یابد(محمدزاده،۱۳۷۶: ۷۱). بر حسب پیش بینی کارشناسان ، جمعیت شهری کشور در افق۱۴۰۰ به بیش از ۱۰۰ میلیون نفر یعنی سه برابر جمعیت سال ۱۳۷۰ که۳۲ میلیون نفر بود، خواهد رسید. بنابراین در این فاصله ناگزیر باید حدود ۷۰۰ هزار هکتار خواه به صورت گسترش شهرهای موجود خواه به صورت ایجاد شهرهای جدید ، به امر شهرسازی جدید اختصاص یابد. این رقم مساحت که تقریباً ۲برابر مساحت همه شهرها تا سال ۱۳۷۰ است در خور توجه می باشد(توفیق،۱۳۸۰: ۶۰).

• • 1. 1. جمع بندی

در این فصل، تعاریف اصطلاحات، مفاهیم و واژه هایی همچون برنامه ریزی، شهر، حریم و محدوده آن و غیره آمده است. سپس به معیارها و ضوابط توسعه فیزیکی شهر، عوامل موثر در توسعه فیزیکی شهرها، نظریه های توسعه فضایی- کالبدی شهر و همچنین به بررسی توسعه فیزیکی شهری در کشورهای توسعه یافته و در حال توسعه پرداخته شده است.
فصل سوم
مواد و روش های پژوهش

• • 1. 1. مقدمه

مدیروس و کوستا^[۲۴] (۲۰۰۴) در تحقیقی به بررسی چسبندگی هزینه‌های اداری، عمومی، فروش در برزیل پرداختند. این پژوهش بر روی ۱۹۸ شرکت برزیلی موردبررسی قرار گرفته است. نتایج پژوهش بیانگر وجود رفتاری چسبنده برای هزینه‌های اداری، عمومی و فروش بود. نتایج این تحقیق نشان می‌دهد که با هر ۱% افزایش درامد فروش ۵۹% افزایش در هزینه‌های توزیع و فروش و عمومی و اداری جامعه موردتحقیق خواهیم داشت اما با هر ۱% کاهش درامد فروش تنها ۳۲% کاهش در هزینه‌های توزیع و فروش و عمومی و اداری خواهیم داشت. علاوه بر این در این تحقیق تغییرات چسبندگی هزینه‌های توزیع و فروش و عمومی و اداری در ارتباط با شرایط و موقعیت‌ها شرکت‌ها موردبررسی قرار گرفته است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

کالیجا^[۲۵] (۲۰۰۶) چسبندگی هزینه را با بهره گرفتن از داده‌های چهار کشور آمریکا، انگلیس، فرانسه و آلمان آزمون کرد. نتایج پژوهش وی نشان داد با افزایش یک درصد در فروش، هزینه عملیاتی ۹۷/۰% افزایش می‌یابد و با کاهش یک درصد در فروش، هزینه‌های عملیاتی ۹۱/۰% کاهش می‌یابد. همچنین نتایج این پژوهش نشان داده است شدت چسبندگی هزینه در فرانسه و آلمان بیشتر از شدت چسبندگی در آمریکا و انگلیس است.
اندرسون و همکاران^[۲۶] (۲۰۰۷) در پژوهش خود به این نتیجه رسیده است که در دوره‌های کاهش فروش سودهای آتی با نسبت هزینه‌های عملیاتی به فروش، رابطه مثبت دارد و با تشکیل سبد سهام از شرکت‌هایی که نسبت به هزینه‌های عملیاتی به فروش آن‌ها در دوره‌های کاهش فروش، افزایش می‌یابد، می‌توان به بازده غیرعادی مثبت دست‌یافت.
ویس (۲۰۱۰)^[۲۷] در پژوهش خود به بررسی تأثیر رفتار نامتقارن هزینه‌ها بر پیش‌بینی سود تحلیل گران پرداخت و نتایج پژوهش نشان داد که در شرکت‌هایی که هزینه‌های چسبنده‌تری دارند، دقت پیش‌بینی سود توسط تحلیلگران کمتر است و چسبندگی هزینه‌ها بر اولویت‌های پوششی تحلیلگران تأثیر می‌گذارد و سرمایه‌گذاران در ارزیابی ارزش شرکت چسبندگی هزینه‌ها را لحاظ می‌کنند.
پورپوراتو و وربین (۲۰۱۰)^[۲۸] در پژوهشی به بررسی چسبندگی هزینه‌ها در بین بانک‌های آرژانتینی، برزیلی و کانادایی پرداختند. نتایج نشان داد که با افزایش یک‌درصدی در درآمد، هزینه‌های بانک‌ها به ترتیب در کشورهای آرژانتین، برزیل و کانادا ۶/۰ و ۸۲/۰ و ۹۲/۰ درصد افزایش می‌یابد، درحالی‌که با کاهش یک‌درصدی در درآمد بانک‌های مزبور، کاهش ۳۸/۰ و ۴۸/۰ و ۵۵/۰ درصد در هزینه‌ها را در مشاهده کردند. آن‌ها دریافتند بانک‌هایی که بیشترین افزایش را در هزینه‌ها در شرایط بهبود فروش دارد، در زمان کاهش فروش نیز بیشترین کاهش را خواهد داشت.
هامبورگ و ناسو (۲۰۱۰)^[۲۹] تأثیر چسبندگی هزینه بر تقارن زمانی سود با تأکید بر ارتباط میان چسبندگی هزینه و محافظه‌کاری شرطی را بررسی کردند. نتایج پژوهش آنان نشان می‌دهد چسبندگی هزینه، عدم تقارن زمانی سود را به‌وسیله تضعیف در به‌موقع بودن سود برای شرکت‌ها با اخبار مثبت افزایش داده و از سوی دیگر به‌موقع بودن سود برای شرکت‌ها با اخبار منفی را تشدید می‌کند. همچنین نتایج آنان تأیید کرد که عدم تقارن زمانی سود برای شرکت‌های دارای چسبندگی هزینه از طریق فاکتورهای حسابداری منعکس‌شده در اقلام تعهدی نسبت به فاکتورهای غیر حسابداری منعکس در جریان‌های نقدی، به‌صورت قوی‌تری تقویت می‌شود.
هی، ترویا و شیمیزو (۲۰۱۰)^[۳۰] به سنجش شدت چسبندگی هزینه‌ها در بین شرکت‌های ژاپنی در خلال سال‌های ۱۹۷۵ تا ۲۰۰۰ پرداختند. آن‌ها دریافتند که چسبندگی هزینه‌ها با تغییرات موقت در فروش تغییر نمی‌کند و این ویژگی را به ارزیابی و پیش‌بینی مدیریت از شرایط اقتصادی در آینده نسبت دادند. آن‌ها برای سنجش شرایط اقتصادی بر چسبندگی هزینه‌ها، داده‌های خود را به دو بخش سال‌های قبل و بعد از سال ۱۹۹۰ (سال سقوط بازار سهام) تقسیم کردند و دریافتند که در شرایط رونق اقتصادی، چسبندگی هزینه‌ها، بسیار شدیدتر از شرایط رکود اقتصادی است.
پژوهش دیگری از بالکریشان و لابرو و سادستروم (۲۰۱۱) با عنوان ساختار هزینه و چسبندگی هزینه‌ها شواهدی ارائه می‌کند که در درازمدت هزینه تصمیم‌گیری ساختار هزینه تحت تأثیر توانایی ما برای شناسایی تصمیمات کوتاه‌مدت مدیریت هزینه است و تصمیمات گذشته در ساختار هزینه، قدم بزرگی برای کنترل هزینه‌ها در کوتاه‌مدت است.
در این تحقیق مدلABJبه‌عنوان یک‌راه حل مناسب برای به‌کارگیری داده‌های یک نمونه بزرگ برای درک بهتر تصمیم‌گیری‌های کوتاه‌مدت مدیریت هزینه پیشنهاد می‌شود.
در این مقاله ۳ روش برای کاهش تأثیر ساختار سرمایه در مطالعات چسبندگی هزینه عنوان‌شده:
۱- محدود کردن صنایع، چون صنایع ازلحاظ ساختار هزینه شبیه هستند
۲- استفاده از متغیرهای مستقل از قبیل حجم سرمایه، رشد تولید ناخالص داخلی برای کنترل هزینه‌های ثابت و شرایط اقتصادی
۳- استفاده از روش درصد تغییرات و رگرسیون فاما و مبحث بجای استفاده از log،ln (بالکریشان و لابرو، ۲۰۱۱)
کنون^[۳۱] (۲۰۱۱) در تحقیقی دیگر عوامل تعیین‌کننده چسبندگی هزینه‌ها در شرکت‌های حمل‌ونقل هوایی آمریکا موردبررسی قرار گرفت و نتیجه چنین شد که اگر هزینه نهایی افزایش ظرفیت به هنگام افزایش تقاضا، بیشتر از منفعت نهایی کاهش ظرفیت به هنگام کاهش تقاضا باشد، چسبندگی هزینه‌ها افزایش می‌یابد و ازآنجاکه کاهش قیمت محصول به هنگام کاهش تقاضا، بیشتر از افزایش قیمت محصول به هنگام افزایش تقاضا است، چسبندگی هزینه‌ها در حالت کاهش تقاضا بیشتر است (کنون^[۳۲]، ۲۰۱۱)
در پژوهشی دیگر از چن^[۳۳]، لو^[۳۴] و سوگیانیس^[۳۵] (۲۰۱۲)به بررسی حاکمیت شرکتی و مشکلات شرکت و رفتار چسبندگی هزینه‌های اداری و عمومی و فروش می‌پردازد. با توجه به نتایج این تحقیق هزینه‌های نمایندگی اداری، عمومی و فروش بخش قابل‌توجهی از عملیات کسب‌وکار است به‌طوری‌که نسبت هزینه‌ها اداری و عمومی و فروش نسبت به کل دارایی به‌طور متوسط ۲۷% است درحالی‌که این نسبت برای هزینه‌های تحقیق و توسعه ۳% است. با توجه به اهمیت هزینه‌های اداری عمومی و فروش و توجه به کنترل این هزینه‌ها و درک رفتار آن‌ها و نقش مدیران در تنظیم هزینه‌ها این موضوع موردتوجه محققان می‌باشد. تحقیقات تجربی نشان می‌دهد که رفتار هزینه‌های اداری عمومی و فروش نامتقارن (چسبنده) است و هنگام افزایش تقاضا با سرعت بیشتری افزایش می‌یابد نسبت به کاهش این نوع هزینه در هنگام کاهش تقاضا. این پدیده (همچنین برچسب ” چسبندگی هزینه‌ها”) توجه زیادی را در ادبیات دهه اخیر حسابداری به خود جلب کرده است. مطالعات قبل عمدتاً چسبندگی هزینه با عوامل اقتصادی سنجیده شده‌اند از جمله شدت دارایی‌ها، عدم اطمینان از تقاضا در آینده و تأثیر مشوق‌های مدیریتی بر رفتار هزینه و تئوری نمایندگی نادیده گرفته شد است که در این پژوهش بدان پرداخته می‌شود. (چن و همکاران،۲۲۰۱)
سورس و همکاران^[۳۶] (۲۰۱۳) به بررسی ویژگی‌های مؤثر بر چسبندگی نظیر نظارت مدیریتی، شرایط اقتصادی خارجی و ویژگی‌های شرکت پرداختند، به‌عنوان‌مثال به تأثیری که تصمیمات یک مدیر در نوسان تقاضا دارد بر چسبندگی هزینه با در نظر گرفتن سیستم حاکمیت شرکتی و نظارت مدیریتی و برای مناطق جغرافیایی مختلف پرداختند. در این مقاله مهم‌ترین عوامل مؤثر بر هزینه‌های چسبنده و پیاده‌سازی‌های مختلف تصمیم‌گیری‌های واقعی مدیریتی است.
دالا ویا و همکاران^[۳۷] (۲۰۱۴) در پژوهش خود به بررسی اینکه آیا هزینه چسبندگی در شرکت‌های کوچک و متوسط رخ می‌دهد یا نه، با بهره گرفتن از یک نمونه از شرکت فعال در بازار سرمایه ایتالیا در طول دوره ۱۹۹۹-۲۰۰۸ پرداختند، یافته‌های آن‌ها نشان می‌دهد که هزینه چسبندگی پدیدار تنها برای کل هزینه نیروی کار و نه‌فقط برای هزینه‌های فروش، عمومی و اداری، هزینه کالاهای فروخته‌شده و هزینه‌های عملیاتی. رخ می‌دهد، در این پژوهش بیشتر به ادبیات بر رفتار هزینه چسبنده و بحث در مورد مسائل مهم مرتبط با رویکرد موجود از تجزیه‌وتحلیل تجربی و تفسیر رفتار هزینه چسبنده پرداخته ‌شده است.
فاسارانی و همکاران^[۳۸] (۲۰۱۵) در پژوهش خود به بررسی ارتباط بین چسبندگی هزینه و محافظه‌کاری پرداختند؛ هدف از این مطالعه آنان پر کردن شکاف موجود در ادبیات با بررسی پاسخ به این پرسش که چه رابطه بین محافظه‌کاری حسابداری و چسبندگی هزینه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است، بدین منظور اطلاعات شرکت‌های فهرست شده در بورس اوراق بهادار تهران، که در طی یک دوره شش سال است، از سال ۲۰۰۷ به ۲۰۱۲، جمع‌ آوری شد ؛ که در نهایت تعداد ۱۰۶ شرکت از ۱۹ صنایع داده‌های موردنیاز صورت‌های مالی آن‌ها جمع‌ آوری گردید. یافته‌ها نشان می‌دهد که بین رفتار چسبندگی هزینه و حسابداری محافظه‌کاری، ارتباط مستقیم وجود دارد.

خلاصه پیشینه تحقیقات انجام شده

در این قسمت پیشینه مربوط به تحقیقات مرتبط و مشابه به صورت جدول شماره۲-۱خلاصه گردیده و طی آن به ازای این تحقیقات محققین، متغیرها، مدل و نتایج آن ها مطرح شده است.

جدول(۲-۱): خلاصه تحقیقات صورت گرفته در زمینه تحقیق حاضر

تاریخ
محقق
متغیرها
مدل
نتایج

۱۳۸۷

خالقی مقدم و کرمی

پیش‌بینی سود با بهره گرفتن از مدل مبتنی بر تغییرپذیری و چسبندگی هزینه

رگرسیون حداقل مربعات معمولی

نتایج تحقیق حاکی از آن است که دخالت دادن رفتار نامتقارن هزینه در پیش‌بینی سود، باعث افزایش قدرت پیش‌بینی به‌صورت معناداری نسبت به سایر مدل‌ها می‌شود.

۱۳۸۹

نمازی و دوانی پور

هزینه‌های اداری، عمومی و فروش

رگرسیون خطی

نتایج پژوهش مذکور نشان داده است درازای ۱% افزایش فروش، هزینه‌های اداری، عمومی و فروش ۶۵% افزایش می‌یابد درحالی‌که درازای ۱% کاهش فروش، هزینه‌های اداری، عمومی و فروش ۴۱% کاهش می‌یابد، نتایج این تحقیق همچنین نشان‌دهنده آن است که شدت چسبندگی هزینه‌ها در دوره‌هایی که قبل از آن کاهش درآمد رخ‌داده کمتر و شدت چسبندگی برای شرکت‌هایی که نسبت جمع دارایی‌ها به فروش بزرگ‌تری دارند بیشتر است.

۱۳۹۰

شکل ‏۴‑۱۴: رابطه‌ی جریان- اشغال به مدت دو روز ۶۶

شکل ‏۴‑۱۵ : نمودار هیستوگرام و نمودار Q-Q نرمال در محدوده‌ی اشغال ۰~۱۵% ۶۹

شکل ‏۴‑۱۶: نمودار هیستوگرام و نمودار Q-Q نرمال در محدوده‌ی اشغال ۴۰~۳۰% ۶۹

شکل ‏۴‑۱۷: احتمال تجمعی ظرفیت (محدوده اشغال: ۰~۱۵%) ۷۱

شکل ‏۴‑۱۸: ظرفیت بر حسب درصد در دو گلوگاه با بهره گرفتن از روش کنترل Zone اصلی ۷۷

شکل ‏۴‑۱۹: تصویری از AIMSUN هنگام تحلیل ۷۹

فصل اول

کلیات تحقیق

۱-۱ مقدمه

رشد جمعیت و اشتغال، با اتکای بر خودرو و سیستم‌های بزرگراهی به عنوان ابزار اصلی تحرک شهری همراه شده است، این موضوع مسئولیت عظیمی در بخش زیرساخت های حمل و نقل وارد کرده است. با توجه به توسعه شهری، عدم دسترسی راه‌ها و محدودیت‌های زیست محیطی، اضافه کردن خطوط بیشتر و یا ساخت بزرگراه اضافی راه حل‌هایی بلند مدت نیستند. در عوض، استراتژی‌های مدیریت موثر در بزرگراه در حال توسعه برای به حداکثر رساندن استفاده از زیرساخت‌های موجود ترجیح داده می‌شود.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

رمپ می‌تواند به عنوان اتصال بین دو تسهیلات بزرگراه تعریف شود که شامل مقطعی از راه با طول کافی است تا ایمنی پیوستن وسایل نقلیه از رمپ ورودی به مسیر اصلی را تضمین نماید. با افزایش تقاضای وسایل نقلیه در رمپ ورودی، موقعیت‌های نامعینی برای پیوستن به بزرگراه شلوغ بوجود می‌آید. برای کنترل تقاضای اضافه شده به رمپ ورودی، چندین استراتژی کنترل رمپ^[۲] با محدود کردن تعداد وسایل وارد شده به جریان اصلی توسعه یافته‌اند. کنترل رمپ، یکی از موثرترین استراتژی های مدیریت بزرگراه، به مدت طولانی بوده که قادر به تولید مزایای زیادی برای عموم خواهد بود. مواردی از قبیل افزایش میزان خروجی^[۳] در گلوگاه‌^[۴]ها، کاهش زمان سفر، بهبود قابلیت اطمینان زمان سفر و کاهش تعداد تصادفات و همچنین انتشار آلودگی وسایل نقلیه )۲۰۰۱ (Cambridge Systmatics,. در این روش کنتورهای رمپ به صورت علائم ترافیکی کنترل کننده که بر روی رمپ‌های ورودی آزادراه‌ها و بزرگراه‌ها نصب می‌شوند، میزان خودروهایی که به خط اصلی وارد می‌شوند را کنترل می‌نمایند. به طوری که میزان جریان پایین دست افزایش نیابد. بدین وسیله انتقال حداکثر جریان ترافیک با سرعت یکنواخت امکان پذیر است.کنترل رمپ‌ها در تخلیه ترافیک در یک نرخ اندازه‌گیری شده بر اساس شرایط لحظه‌ای^[۵] ترافیک نقش دارند، در نتیجه به خاطر اجتناب از نقض توازن حساس تقاضا- ظرفیت^[۶] در مسیر راه اصلی^[۷] جریان ترافیک آرام ادامه می‌یابد. از سوی دیگر، کنترل رمپ‌ها ترافیک رمپ را با بهره گرفتن از شکستن دسته^[۸]‌های ورودی وسایل نقلیه به منظور کاهش اغتشاش در نواحی همگرا تنظیم می‌کنند. در نتیجه تصادفات برخورد از پهلو و عقب که ناشی از محدودیت دسترسی رمپ هستند کاهش می‌یابند. با این حال، کنترل رمپ‌ها پتانسیل ایجاد صف‌های طولانی را دارند که ممکن است موجب انسداد^[۹] جریان از رمپ بالادست و اغتشاش در عملکرد سطح خیابان شود.

۱-۲ شرح مسئله

یک استراتژی کنترل رمپ موثر و موفق به طور کلی روابط بین جریان خط اصلی و زمان انتظار وسیله نقلیه و صف در ورودی رمپ‌ها را بهبود بخشیده و متعادل می‌سازد. بنابراین، دو محدودیت در تعارض کنترل رمپ عبارتند از: ظرفیت بزرگراه و صف رمپ. یک نمونه استراتژی اجرا شده کنونی، کنترل ناحیه طبقه بندی شده یا (SZM) می‌باشد. در این استراتژی، محدودیت‌ ظرفیت بررسی شده است. در نظر گرفتن این محدودیت‌، از یک سو، تعادل بین ظرفیت تقاضا را در بزرگراه حفظ می‌کند؛ از سوی دیگر، تاخیر حداکثر رمپ تحت شرایط مرزی از پیش تعیین شده را در بیشترین حد ممکن نگه می‌دارد.

با این حال، پیاده سازی و ارزیابی استراتژی‌های کنترل رمپ نشان می‌دهد که این محدودیت به دلایل زیر نمی‌تواند رضایت بخش عمل کند. اول اینکه، فرض بر اینست ظرفیت بزرگراه ثابت و مقداری از پیش تعیین شده است. ظرفیت ثابت برای برخی از برنامه‌های کاربردی مانند طراحی و برنامه‌ریزی بزرگراه کافی است، اما برای عملکرد لحظه‌ای بزرگراه مانند کنترل رمپ مناسب نیست. مقدار ظرفیت ثابت اغلب بزرگتر از مقدار ظرفیت موجود در شرایط حاکم است. این موضوع منجر به تراکم^[۱۰] بالا در بزرگراه‌ها خواهد شد که به دلیل آزاد سازی بیش از حد وسایل نقلیه از رمپ ها به وجود خواهد آمد. از طرفی دیگر، مقدار ظرفیت ثابت کمتر از مقدار واقعی منجر به ایجاد صف‌های طولانی در رمپ خواهد شد. دوم اینکه، روش دقیق برای تخمین طول صف در رمپ وجود ندارد. معمولا یک معادله رگرسیون واحد که از پیش کالیبره شده به منظور برآورد طول صف در تمام رمپ ها استفاده می‌شود. این یک مورد برای استراتژی SZM فعلی است. ارزیابی دقیق (Liu و همکاران، ۲۰۰۷) نشان می‌دهد که گاهی اوقات مدل برآورد طول صف مقداری کم‌تر از مقدار واقعی را نشان می‌دهد که این موضوع منجر به افزایش زمان انتظار^[۱۱] خواهد شد. در رمپ‌های دیگر نیز که طول صف بالاتر از واقعیت در نظر گرفته میشود، نتیجه آن آزاد سازی^[۱۲] بیشتر وسایل نقلیه در راه اصلی و تسریع در شروع تراکم خواهد بود.

در این پایان نامه، دو پتانسیل ارتقا دهنده برای مقابله با مشکلات مطرح شده پیشنهاد شده است. پیشنهادها بر اساس طراحی بهبود یافته برای روش برآورد ظرفیت بزرگراه است که ظرفیت را به صورت متغیر بر اساس شرایط حاکم بزرگراه محاسبه می‌کند، به ویژه هنگامی که یک مقطع متراکم می‌شود. در روش اول، یک روش ساده برای برآورد ظرفیت لحظه‌ای ارائه شده که به طور کلی برای کنترل لحظه‌ای و برنامه‌های مربوط به رسیدگی به کاستی‌های متداول به دلیل ثابت فرض شدن ظرفیت مناسب است. در روش دوم، بر اساس این یافته‌ها که ظرفیت لحظه‌ای برای یک طیف گسترده از سطح اشغال^[۱۳] و تراکم از توزیع نرمال^[۱۴] تبعیت می‌کند، یک استراتژی کنترل رمپ جدید با محدودیت احتمال^[۱۵] پیشنهاد شده است، که در آن مقدار ظرفیت بسته به شرایط ترافیک لحظه‌ای به صورت پویا تغییر می‌کند و در نهایت احتمال قابل قبول از سطح ریسک تعیین شده^[۱۶] ارائه شده است. یک راه حل برای این نوع از برنامه‌های محدودیت احتمال به طور کلی است و باید برای برنامه‌های کنترل مختلف نیز قابل اجرا باشد. این روش‌ها در استراتژی منطقه (ZONE) و SZM اجرا و از طریق شبیه‌سازی میکروسکوپیک ارزیابی شده است.

۱-۳ اهداف پژوهش

پژوهش شرح داده شده در این پایان نامه اهداف زیر را دنبال می‌کند:

تعریف روشنی از ظرفیت عملی^[۱۷] تحت شرایط جریان ترافیکی متغیر و توسعه روش‌های برآورد بهبود یافته ظرفیت بزرگراه که بر اساس ظرفیت متغیر محاسبه شده است و همچنین افت ناگهانی^[۱۸] ظرفیت وقتی که تراکم شروع می‌شود.

برای بررسی رفتار تصادفی^[۱۹] ظرفیت عملی بزرگراه

تنظیم استراتژی کنترل رمپ با شرایط محدودیت احتمال

نمایش کاربرد روش‌های پیشنهادی از طریق پیاده‌سازی با یک استراتژی خاص، و ارزیابی اثربخشی با بهره گرفتن از شبیه سازی ترافیکی میکروسکوپیک.

۱-۴ سابقه تحقیق و اهمیت پژوهش

بررسی رفتار تصادفی ظرفیت عملی بزرگراه و تاثیرآن در کنترل رمپ موضوعی نسبتاً جدید است. استراتژی مورد استفاده در اینجا به صورت به هنگام و بر اساس داده های زمان واقعی ترافیک در بزرگراه به منظور تعیین سیاست کنترل تعیین می شود.

– استفاده از روش کنترل رمپ به عنوان یکی از راهکارهای مدیریت ترافیک در بزرگراه ها یا آزادراه ها از سال ۱۹۶۰ در شهرهای دیترویت، شیکاگو و لس آنجلس شروع گردید.

– مطالعات پیشین شامل مطالعات میدانی و مطالعات شبیه سازی می باشد.

– ایده استفاده از الگوریتم ZONE و اعمال محدودیت ظرفیت در تحقیقات بسیاری مانند (Lau ، ۱۹۹۶) به کار برده شده است.

– در HCM 2000 به رفتار تصادفی ظرفیت اشاره شده است.

– Brilon W. در سال ۲۰۰۵ مفهومی تصادفی از ظرفیت ارائه داد.

– Uchidaو Munehiroدر سال ۲۰۱۰ به بررسی تاثیر رفتار تصادفی ظرفیت بر روی زمان سفر در شبکه شهری پرداختند.

بررسی رفتار تصادفی ظرفیت عملی بزرگراه و تاثیرآن در کنترل رمپ موضوعی نسبتاً جدید است و در نظر گرفتن اثر آن در کنترل رمپ باعث بهینه سازی جریان ترافیک در شرایط متراکم می‌شود.

۱-۵ فرضیه‌های پژوهش

ممکن است در بررسی هر پدیده، پارامترهای متعددی تاثیرگذار باشد ولی نکته قابل توجه در مورد این پارامترها این است که تعداد زیادی از این پارامترها روی نتیجه نهایی تاثیر چندانی نخواهد داشت. در نتیجه مناسب است در یک بررسی علمی برای کاهش حجم محاسبات و جلوگیری از رخداد خطاهای احتمالی، هم‌چنین به دلیل ساده‌سازی فرایند محاسبات و افزایش سرعت، پارامترهایی که اثر چندانی در نتیجه نهایی ندارند را با فرض ثابت بودن، از فرایند محاسبات حذف گردند.در این تحقیق سعی شد به جهت رفع مشکلات فرض‌های زیر در نظر گرفته شود:

– مسیر فاقد قوس‌های افقی و شیب‌های طولی تاثیرگذار بر عملکرد ترافیک است.

– مدل شبیه سازی به صورت میکروسکوپیک در نظر گرفته شده است.

– اثرگذاری جریان پایین دست روی ظرفیت عملی بزرگراه

۱-۶ روش انجام پژوهش

– مطالعه و گردآوری اطلاعات از طریق مرور و بررسی مقالات معتبر موجود و استفاده از آیین نامه ها

– شبکه مورد مطالعه شامل بزرگراه و رمپ ورودی برای بررسی رفتار تصادفی ظرفیت عملی بزرگراه انتخاب و سپس داده های واقعی حجم با بهره گرفتن از فیلم برداری و سپس مشاهده و شمارش جمع آوری شد.

– برداشت حجم جریان و تخصیص آن به نرم افزار با بهره گرفتن از نرم افزار ترافیکی AIMSUN

– تعریف گزینه ها و تعیین پارامترهای الگوریتم های کنترل رمپ

– تحلیل شبکه و برداشت خروجی نرم افزار شامل زمان تأخیر بزگراه و …

– ارائه نتایج شامل ترسیم نمودارهای ارزیابی و مدل رگرسیون مربوط به آن

– تعیین گزینه برتر شامل الگوریتم و پارامتر ورودی آن.

۱-۷ مراحل پژوهش

این پایان نامه در پنج فصل سازماندهی شده است. فصل ۲ مروری بر تحقیقات گذشته است که اکثر حالات استراتژی‌های کنترل رمپ را بررسی می‌کند و شامل الگوریتم ZONE و جایگزین این روش، استراتژی Stratified Zone Metering (SZM) می‌باشد. در فصل ۳ مبانی و کلیات روش‌های استفاده شده بیان شده است و فصل ۴ دو روش برای بهبود برآورد ظرفیت بزرگراه ارائه می‌دهد. همچنین در فصل ۴ نتایج با بهره گرفتن از شبیه سازی میکروسکوپیک ارزیابی شده است. در نهایت، فصل ۵ خلاصه‌ای از یافته‌ها همراه با جمع بندی، ملاحظات و پژوهش‌های آینده را ارائه می‌دهد.

۱-۸ دامنه کاربرد

در این پژوهش بر لزوم استفاده از سیستم کنترل رمپ در ورودی بزرگراه‌های کشور و بهبود عملکرد شبکه حمل و نقل با در نظر گرفتن محدودیت رفتار تصادفی ظرفیت عملی بزرگراه ها تاکید شده است.

– محققین و موسسات پژوهشی که در مورد کنترل رمپ و ظرفیت عملی بزرگراه ها تحقیق و بررسی می‌کنند، می‌توانند از نتایج استفاده کنند.

– از نتایج حاصله می‌توان در طراحی و اجرای سیستمهای مدیریت ترافیک آزادراهی و بزرگراهی استفاده نمود.

فصل دوم

پیش زمینه و مروری بر تحقیقات گذشته

۲-۱ مقدمه

در طول ۴۰ سال گذشته، انواع مختلفی از کنترل رمپ به صورت تجربی در بسیاری از مناطق جهان مورد استفاده قرار گرفته است. در آمریکا، از اوایل سال ۱۹۶۳، شیکاگو اولین کنترل رمپ موثر را در اتوبان آیزنهاور پیاده کرد. در سال ۱۹۷۱، بیش از ۳۰ کنترل رمپ با موفقیت در بزرگراه مرکزی شمالی در دالاس فعالیت می‌کردند. در حال حاضر، در حدود ۴۳۰ کنترل رمپ در مینیاپولیس، سنت پل نصب شده و استفاده می‌شود. اولین کنترل رمپ‌ها در این منطقه از سال ۱۹۷۰ در جنوب I-35E مرکز شهر سنت پل اجرا شد. در سال ۲۰۰۲، ۲۹ منطقه شهری در ایالات متحده آمریکا مجهز به سیستم کنترل رمپ شدند (U.S. Department of Transportation ، ۲۰۰۹ ).

۲-۲ بهبود در برآورد ظرفیت بزرگراه

محدودیت ظرفیت بزرگراه عنصر مرکزی برای کنترل رمپ است که از تعادل حساس بین ظرفیت و تقاضا حمایت می‌کند. به طور سنتی، ظرفیت بزرگراه ثابت فرض شده و مقداری از پیش تعیین شده است. که برای برخی از کاربردها مانند طراحی و برنامه‌ریزی بزرگراه مناسب است. با این حال، برای کاربردهای لحظه‌ای مانند کنترل رمپ مناسب نیست. زیرا همانطور که در مطالعه اولیه اشاره شد ظرفیت طبیعتی تصادفی^[۲۰] دارد. (Elefteriadou و همکاران، ۱۹۹۵؛ Evans و همکاران، ۲۰۰۱؛ Polus و Pollatschek، ۲۰۰۲؛ Brilon و همکاران، ۲۰۰۵). ثانیا، این موضوع به خوبی شناخته شده که معمولا وقتی تراکم شروع می‌شود، ظرفیت کاهش می‌یابد، با این حال از این موضوع در کنترل بزرگراه و کاربردهای شبیه سازی چشم پوشی می‌شود. در بسیاری از استراتژی‌های پیشرفته هماهنگ شده، مانند ZONE در Minnesota (Lau ، ۱۹۹۶) و Stratified Zone Metering در Minnesota (Lau ، ۲۰۰۱)، ظرفیت مقداری ثابت و اغلب بزرگتر از مقدار دیکته شده توسط شرایط حاکم است و منجر به تراکم بالاتر در بزرگراه به خاطر آزادسازی بیش از حد وسایل نقلیه از رمپ می‌شود. از جهتی دیگر، اگر مقدار ظرفیت ثابت انتخاب شده، کمتر از مقدار واقعی باشد منجر به تولید صف‌های طولانی در رمپ خواهد شد.

بر مبنای این مشاهدات، طراحی یک روش برای بهبود برآورد ظرفیت بزرگراه مطلوب است. در این روش، ظرفیت متغیر بزرگراه بر اساس شرایط حاکم به ویژه هنگامی که تراکم در یک مقطع آغاز می‌شود، محاسبه می‌شود. در اینجا دو روش برای حل این مشکل پیشنهاد شده است. اولین روش پیشنهادی، یک روش ساده به منظور برآورد ظرفیت لحظه‌ای به جای مقداری ثابت در بزرگراه با ظرفیت محدود شده است. وقتی تراکم شروع می‌شود، استفاده از ظرفیت عملی متغیر در زمان توصیه می‌شود. در اینجا، ظرفیت عملی توسط روش میانگین متحرک بر اساس شمارش ترافیک لحظه‌ای برآورد می‌شود. روش ترکیبی در استراتژی SZM از طریق میکرو شبیه ساز^[۲۱] آزمایش شده است.

دومین استراتژی کنترل رمپ یک روش توسعه یافته با محدود کردن احتمال برای از بین بردن کاستی‌های مقدار ظرفیت ثابت فرض شده در روش سنتی است. مطالعه تابع چگالی احتمال ظرفیت در شرایط متفاوت جریان با بهره گرفتن از داده‌های ۵ دقیقه‌ای در طول دوره‌ی آزمایش در ۲ گلوگاه از مقطع بزرگراه انجام شده است. در ادامه تشخیص داده شد که داده‌ها به صورت نرمال توزیع یافته‌اند. برای این نوع مشکل رفتار تصادفی، برنامه‌ریزی احتمال محدود شده^[۲۲] (CCP)، اهدافی قوی برای مدل کردن سیستم تصمیم گیری با رفتار تصادفی پیشنهاد می‌کند (Charnes و Cooper، ۱۹۶۳؛ Liu ، ۲۰۰۲). از این رو، یک برنامه خطی تصادفی^[۲۳] برای کنترل رمپ با محدودیت احتمال تنظیم شده است. در نهایت، الگوریتم ZONE پیشرفته با محدودیت احتمال تصادفی لحظه‌ای توسعه داده و با شبیه سازی میکروسکوپیک آزمایش شد.

۲-۲-۱ برآورد ظرفیت لحظه‌ای

ظرفیت بزرگراه یک متغیر اساسی در طراحی و برنامه ریزی مهندسی ترافیک است. تحقیقات در مورد این موضوع از چند دهه گذشته تاکنون ادامه داشته است و مدل‌های بسیاری برای برآورد ظرفیت بر اساس نوع داده‌های ترافیک در دسترس ارائه شده است. روش‌های سنتی برای برآورد ظرفیت در آیین نامه ظرفیت بزرگراه ارائه شده است (HCM، ۲۰۰۰). هر چند این روش برای مطالعات اولیه کافی است اما اشاره می‌کند که در واقعیت رفتار ظرفیت تصادفی است (Elefteriadou و همکاران، ۱۹۹۵؛ Evans و همکاران، ۲۰۰۱؛ Polus و Pollatschek، ۲۰۰۲؛ Brilon و همکاران، ۲۰۰۵). بر مبنای رابطه بین فاصله بین وسایل نقلیه یا سر فاصله^[۲۴] و ظرفیت، دو مدل برای فاصله بین وسایل نقلیه شناخته شده است، مدل تعمیم یافته صف Branston (Branston، ۱۹۷۶) و مدل نیمه پواسون^[۲۵] Buckley (Buckley، ۱۹۶۸)، با جمع آوری داده‌های زمانی فاصله بین وسایل نقلیه توسعه داده شد. این دو مدل بر مبنای نظریه‌ایست که تمام عناصر راننده و خودرو در سطح ظرفیت محدود شده اند. با این حال، روش فاصله بین خودرو یا روش سرفاصله ممکن است بهترین راه برای تخمین یک مقدار قابل اعتماد برای ظرفیت نباشد، چون با بررسی‌های مختلف معلوم می‌شود مقدار ظرفیت بالاتر از ظرفیت جاده در واقعیت تخمین زده شده است. (Hoogendoorn و Botma، ۱۹۹۶؛ Botma و Westland، ۱۹۸۰).

روش‌های مختلفی برای برآورد ظرفیت زمانی که حجم ترافیک می‌تواند مشاهده شود وجود دارد. به عنوان مثال، ظرفیت می‌تواند به سادگی با انتخاب نرخ جریان حداکثر اندازه گیری شده در طول مدت مشاهده یا مقدار حداکثر مورد انتظار با بهره گرفتن از روش توسعه یافته توسط Hyde و Wright (1986) برآورد شود. در این اینجا، دو رویکرد آماری در روش مقدار حداکثر مورد انتظار استفاده شده است: روش احتمال مستقیم و روش تقریبی. اما چون هر دو رویکرد بر اساس فرضیه مشاهده حجم ترافیک که به طور متوسط در تمام فواصل یکسان و از هم مستقل توزیع شده‌اند است، ظرفیت برآورد شده توسط این روش وابستگی بیشتری به مدت فاصله‌ی متوسط دارد. بنابراین، این روش ارزش عملی کمتری برای طراحی و مدل سازی بزرگراه دارد (Minderhoud و همکاران، ۱۹۹۷).

Minderhoud و همکاران (۱۹۹۷) درباره‌ی کاربرد روش محدودیت محصول برای برآورد ظرفیت بر اساس دو داده حجم ترافیک و سرعت بحث می‌کنند. این روش نیاز به مشاهده گروه‌های مختلفی از حالات ترافیکی شامل وضعیت ترافیک جریان آزاد و وضعیت ظرفیت دارد. برای اطمینان از وضعیت ظرفیت مشاهده شده، یک مکان گلوگاهی باید انتخاب شود. سپس روش محدودیت محصول می‌تواند به منظور برآورد توزیع ظرفیت استفاده شود. روشن است که این روش می‌تواند برآورد خوبی از ظرفیت فراهم آورد. زیرا از اطلاعات وضعیت ترافیک بهره می‌گیرد و به جای مقداری واحد یک توزیع را ارائه می‌دهد.

وقتی که دو متغیر از سه متغیر: جریان ترافیک، سرعت و چگالی شناخته می‌شوند، ظرفیت می‌تواند با بهره گرفتن از روشی که به اصطلاح روش نمودار اساسی^[۲۶] نامیده می‌شود برآورد شود. این روش بر اساس رابطه بین این سه متغیر است (May، ۱۹۹۰). در حال حاضر، نمودار اساسی به خاطر استفاده گسترده شناساگرهای حلقه^[۲۷]‌ ای که می‌توانند دو فاکتور حجم ترافیک و اشغال را ثبت کنند، به راحتی می‌تواند رسم شود. با این حال، مقدار ظرفیت تخمین زده شده به مدل انتخاب شده وابسته است. چرا که مدل‌های فراوانی^[۲۸] برای یافتن تناسب بین داده‌ها موجود است.

یک روش آنلاین توسط Arem و Van der Vli (1993) به منظور برآورد ظرفیت فعلی ارائه شده است. این روش بر اساس پردازشی برای به روز رسانی نمودار اساسی که تحت شرایط اولیه و از پیش تعیین شده معین شده است، عمل می‌کند. با بهره گرفتن از کالیبراسیون، این روش نشان می‌دهد که ظرفیت در وضعیت ترافیکی و شرایط آب و هوایی متفاوت، تغییر می‌کند. اما این روش در برآورد ظرفیت در حالی که هنوز ترافیک جریانی آزاد دارد انجام شده است. این موضوع برای برآورد ظرفیت لحظه‌ای وقتی که تراکم شروع می‌شود مناسب نیست.

تا وقتی که روش‌های فوق ظرفیت نظری^[۲۹] را برآورد می‌کنند، برای کاربردهای لحظه‌ای مانند کنترل رمپ کافی نیستند. زیرا به طور کلی هنگامی که ظرفیت کاهش می‌یابد، تراکم شروع می‌شود. در عوض، آنچه نیاز است ظرفیت عملی لحظه‌ای است که در شرایط ترافیکی فعلی بسیار موثر است.

۲-۲-۲ برآورد جریان ترافیک کوتاه مدت

مقالات زیادی در رابطه با برآورد جریان ترافیک در کوتاه مدت وجود دارد. ساده‌ترین آنها استفاده از روش‌های آرام سازی است. به عنوان مثال، Stephanedes و همکاران (۱۹۸۱) از روش ساده‌ی میانگین متحرک به منظور برآورد جریان ترافیک ۵ دقیقه‌ای برای کنترل لحظه‌ای استفاده کرده است. پس از آن، Okutani وStephanedes (1984) اعمال الگوریتم Kalman Filter را به منظور برآورد حجم ترافیک شهری اجرا کردند. روش متداول دیگر میانگین متحرک جامع کاهنده خودکار^[۳۰] (ARIMA)است که برای اولین بار توسط Ahmed و Cook (1979) برای پیش بینی ترافیک تولید شد. پس از آن، Davis و همکاران (۱۹۹۰) یک مدل واحد از ARIMA را برای پیش بینی فرموله کردن گلوگاه یک بزرگراه به کار بردند. Hamed و همکاران (۱۹۹۵) یک مدل برای پیش بینی حجم ترافیک شهری به کار بردند. Williams و همکاران (۱۹۹۸) روش فصلی ARIMA را برای پیش بینی جریان ترافیک شهری پیشنهاد دادند. به تازگی، به روش‌های غیر پارامتریک پرداخته شده است. برای مثال، Smith و Demetsky (1996) عملکرد نزدیکترین همسایگی برای مدل رگرسیون غیر پارامتریک را آزمایش کرد. Clark و همکاران (۱۹۹۳) شبکه عصبی مصنوعی^[۳۱] (ANN) موثری را بررسی کرده‌اند.

روش‌های پیشرفته‌تر مانند ARIMA، ARIMA فصلی ، Kalman Filter و ANN، ممکن است برآورد دقیق‌تری را تولید کنند. با این حال، دو عامل برای محاسبه نیاز است. اول این که آیا روش برای اجرا آسان است. چون روش‌ها در سیستم کنترل رمپ لحظه‌ای نیاز به اجرا شدن دارند، بنابراین بهتر است که روش ساده‌تر باشد. به عنوان مثال، ANN برای اجرا کمی مشکل است. عامل دوم، زمان محاسبه است. علاوه بر این، بهتر است پارامتری که نیاز به کالیبراسیون آفلاین دارد وجود نداشته باشد، انتخاب شود. با توجه به ملاحظات فوق، از روش ساده میانگین متحرک به منظور برآورد جریان ترافیک حداکثر در فاصله زمانی بعدی^[۳۲] استفاده می‌شود. این روش عملکرد برجسته‌ای در ارزیابی آفلاین داشته است.

۲-۳ الگوریتم‌های کنترل رمپ

در طول سال‌های گذشته، تعدادی از استراتژی‌های کنترل رمپ از نوع ساده به استراتژی‌های کنترل پیچیده و بسیار پیچیده‌تر توسعه یافته‌اند. استراتژی‌های کنترل رمپ براساس واکنش^[۳۳] به ترافیک می‌تواند به دو دسته‌ کنترل بهینه استاتیک و کنترل بهینه دینامیک تقسیم شود.

کنترل بهینه استاتیک شامل استراتژی‌های کنترل رمپ ثابت ، پیش زمان بندی شده و زمانی از روز است. این استراتژی‌ها به صورت نا به هنگام و بر پایه تقاضای زمانی (داده‌های ترافیک) تعیین می‌شوند. نرخ‌های کنترل رمپ متفاوت برای زمان‌های متفاوتی از روز مطابق با تقاضا تنظیم خواهد شد. مزیت این استراتژی‌ها این است که اجازه می‌دهند تعداد وسایل نقلیه سرویس داده شده حداقل شود تا مسافت پیموده شده کل، کمینه شده یا صف‌های رمپ بالانس شود. عیب به کارگیری این استراتژی‌ها آن است که تغییر تقاضا در یک روز و یا از یک روز به روز دیگر را که می‌تواند به اضافه بار جریان اصلی در زمان ازدیاد تقاضا یا بهره‌برداری پایین‌تر در زمان کاهش تقاضا در بزرگراه منجر شود درنظر نمی‌گیرند. استراتژی کنترل رمپ زمان ثابت توسط Papageorgiou به استراتژی کنترل پویا توسعه یافته است. (Papagiorgiou M., ۱۹۹۱)

کنترل رمپ‌های واکنشی که کنترل بهینه دینامیک نیز نامیده می‌شود به صورت به هنگام و بر اساس داده‌های زمان واقعی ترافیک در بزرگراه به منظور تعیین سیاست کنترل تعیین می‌شوند. داده‌های ترافیک مانند جریان، سرعت و اشغال شناسایی خواهد شد و نرخ‌های کنترل رمپ‌ در طول زمان تغییر می‌کند. کنترل رمپ‌ واکنشی مزیت‌های مشابهی با کنترل رمپ زمان ثابت دارد. با این وجود این کنترل رمپ‌ها به علت توانایی‌شان برای جلوگیری از ازدحام برجسته‌اند.

با توجه به ساختار کنترل مورد بحث، استراتژی‌های کنترل رمپ‌ واکنشی می‌تواند به دو دسته تقسیم بندی شود:

کنترل رمپ محلی (و یا جدا شده)^[۳۴] که کنترل رمپ جدا شده تنها در شرایط ترافیکی که به صورت محلی اندازه گیری شده، می‌باشد. و بخش‌های بزرگراه را به صورت جدا شده بررسی می‌کند، مانند ورودی بزرگراه، شبکه منطقه‌ای بزرگراه که آنها را در رمپ خاصی محاسبه می‌کند. چون شرایط ترافیکی به صورت محلی اندازه‌گیری می‌شود می‌تواند بر ازدحام محلی در نزدیکی رمپ اثر بگذارد.

و سیستم کنترل رمپ گسترده (و یا هماهنگ شده)^[۳۵] که گروهی از کنترل کننده‌های رمپ‌های ورودی در بزرگراه با در نظر گرفتن شرایط ترافیک در کل بزرگراه هماهنگ خواهند شد. سیستم کنترل گسترده شرایط محاسبه را فراتر از رمپ‌های مجاور و در مقطع طولی بزرگراه انجام می‌دهد. زمانی که نرخ کنترل^[۳۶] برای هر رمپ منحصر به فرد محاسبه شد، اطلاعات به منظور دستیابی به سطح بالای سیستم جمع بندی می‌شود. هدف سیستم هماهنگ شده، دستیابی به شرایط ترافیکی بهینه برای کل سیستم است. این گروه شامل کنترل رمپ اشتراکی، کنترل رمپ رقابتی و کنترل رمپ‌ مکمل است.

الگوریتم‌های ALINEA و الگوریتم Bottleneck در این فصل و الگوریتم ZONE و استراتژی SZMدر این فصل بعد شرح داده شده‌اند. این الگوریتم‌ها نمونه‌هایی از طراحی تجربی هستند که در مقیاس بزرگ با موفقیت پیاده سازی شدند.

۲-۳-۱ الگوریتم ALINEA

ALINEA (Asservissement LINeaire d’Entree Autroutiere) یک الگوریتم کنترل محلی است که به صورت بازخورد ترافیکی عمل می‌کند. این الگوریتم توسط Papageorgiou و همکاران (۱۹۹۱) توسعه یافته است. ALINEA یکی از متداول‌ترین و موثرترین الگوریتم‌هایی است که بسیار استفاده می‌شود. عملکرد این الگوریتم به این صورت است که نرخ کنترل را برای نگه داری درصد اشغال رمپ پایین دست بزرگراه در یک سطح مطلوب تنظیم می‌کند. یک معادله ساده برای محاسبه نرخ کنترل مورد استفاده قرار گرفته است:

(۲-۱)

: ۱، ۲، … . شاخص گسسته زمان؛

: نرخ آزاد شده رمپ در طول اجرای دوره کنترل K؛

: نرخ آزاد شده رمپ در طول اجرای دوره کنترل K-1؛

: درصد اشغال اندازه گیری شده در پایین دست بزرگراه (میانگین روی تمام باند^[۳۷]ها) برای دوره کنترل K-1؛

: پارامتر تنظیم؛

: به طور معمول مقدار مطلوب درصد اشغال برای پایین دست، اما لزوما نیست.

: (درصداشغال بحرانی^[۳۸]، زمانی که نرخ جریان پایین دست بزرگراه به ظرفیت می‌رسد، مشابه درصد اشغال پایین دست بزرگراه است).

نگرانی اصلی از کنترل محلی اینست که در نزدیکی رمپ محلی باید تراکم کاهش و شرایط بهبود یابد. با این حال، مشکلات تراکم ممکن است به محل پایین دست رمپ منتقل و در آنجا آشکار شود. از اینرو، کنترل رمپ محلی توصیه نمی‌شود.

روند رایج نزدیک به الگوریتم‌های هماهنگ شده است که در آن جریان ترافیک در سراسر یک مقطع از بزرگراه و بیشتر از یک رمپ واحد به صورت بهینه طراحی می‌شود. این موضوع به منظور دستیابی به بهره‌وری گسترده در سیستم است. از نمونه‌های معمول می‌توان الگوریتم گلوگاه یا Bottleneck در Seattle، الگوریتم ZONE در Minnesota و استراتژی کنترل ZONE طبقه بندی شده یا SZM اشاره کرد.

۲-۳-۲ الگوریتم Bottleneck

اصل اساسی الگوریتم گلوگاه یا Bottleneck (Jacobsen و همکاران، ۱۹۸۹) توسط وزارت حمل و نقل در واشنگتن^[۳۹] توسعه داده شد و ثابت کرد که جریان در هیچ یک از مناطق گلوگاه از پیش تعیین شده از ظرفیت تجاوز نمی‌کند. محاسبات الگوریتم شامل دو مورد اندازه گیری نرخ کنترل محلی و نرخ کنترل گلوگاه است. محدودترین مورد از این دو به عنوان نرخ کنترل نهایی انتخاب خواهد شد.

نرخ کنترل محلی که از قبل تعیین شده به صورت مجموعه‌ای محدود از نرخ‌های کنترل گسسته، بر مبنای سطح اشغال در مجاورت رمپ انتخاب می‌شود. برای هر کنترل رمپ یک رابطه نرخ سنج / اشغال راه اصلی توسط پنج جفت اشغال- نرخ کنترل معرفی می‌شود. نرخ کنترل با ورود بین هر جفت برای اشغال راه اصلی واقعی تعیین می‌شود.

نرخ گلوگاه زمانی که هر دو شرط زیر با هم مواجه شوند محاسبه می‌شود:

اشغال آستانه ای از حد خود فراتر رود.

وسایل نقلیه همچنان در مقطع ذخیره شوند.

اگر هر دو شرط با هم برقرار شوند، نرخ کنترل برای قطعه^[۴۰] i در مدت زمان t+1 که به صورت زیر تعریف می‌شود، کاهش می‌یابد:

(۲-۲)

کاهش حجم در معادله (۲-۲) محاسبه می‌شود ، فاکتورهای وزنی عوامل معین شده توسط فاصله رمپ از گلوگاه و تقاضای معمول روی رمپ برای محاسبه نرخ کنترل گلوگاه قابل استفاده هستند. بدین ترتیب تعداد وسایل نقلیه ورودی به راه اصلی از این رمپ‌ها به خاطر ذخیره سازی تعدادی وسایل نقلیه در مقطع بزرگراه کاهش می‌یابد. هر رمپ ممکن است چندین نرخ کنترل گلوگاهی داشته باشد که محاسبه می‌شود و در پایان محدودکننده‌ترین آنها به عنوان نرخ کنترل گلوگاه نهایی انتخاب می‌شود.

این الگوریتم نرخ کنترل گلوگاه نهایی را با نرخ کنترل محلی مقایسه می‌کند و مورد محدودکننده‌تر را انتخاب می‌کند. گام نهایی تعدیل نرخ کنترل برای شرایط مختلف رمپ مانند صف بندی^[۴۱] است. الگوریتم گلوگاه از دو مرحله برای فرایند کنترل صف استفاده می‌کند. بخش اول تنظیم صف است. به این صورت که وقتی صف یک رمپ به طول معینی می‌رسد، نرخ کنترل برای آن رمپ به آرامی افزایش می‌یابد. مرحله دوم، قطع کردن پیشروی صف است. به این صورت که وقتی صف به بیشترین طول مجاز می‌رسد، کنترل رمپ متوقف^[۴۲] می‌شود.

الگوریتم گلوگاه در Seattle یکی از بهترین الگوریتم‌های کنترل رمپ ابتکاری و مفهومی است که در این زمینه اجرا شده است. از مزایای آن می‌توان به لحظه ای، هماهنگ ، در عین حال ساده و منطقی (بر مبنای عرضه- تقاضا و حفظ جریان) و انعطاف پذیر (تعداد کمی پارامتر قابل تعدیل) بودن اشاره کرد.

فصل سوم

مبانی و اصول و متدولوژی

۳-۱ استراتژی‌های کنترل رمپ استفاده شده در پژوهش

از استراتژها‌ی کنترل رمپ، الگوریتم ZONE و استراتژی SZM در این پژوهش استفاده شده که شرحی از آنها در این فصل گنجانده شده است.

۳-۱-۱ الگوریتم ZONE

الگوریتم ZONE (1996 (Lau, در Minneapolis، منطقه Paul در امتداد شرق I-35در سال ۱۹۷۰ معرفی شد. در این الگوریتم بزرگراه به چند ناحیه یا زون تقسیم می‌شود. ناحیه یا زون به عنوان یک مقطع یک سویه از بزرگراه با طول ۳ تا ۶ مایل تعریف شده است. مرز بالادست زون معمولا یک منطقه با جریان آزاد است. مرز پایین دست گلوگاهی است که نسبت تقاضا / ظرفیت در آن زون بالاترین مقدار است.

مفهوم اساسی الگوریتم زون ایجاد تعادل بین حجم ورودی و حجم آزاد شده ترافیک در زون است. در هر مدت کنترل ۳۰ ثانیه‌ای، معادله نگهداری زون برای محاسبه مجموعه‌ی حجم‌ها از رمپ‌های کنترل شده استفاده می‌شود. معادله نگهداری زون می‌تواند به صورت زیر بیان شود:

(۳-۱)

یا

(۳-۲)

A : حجم مسیر اصلی بالا دست است، یک متغیر اندازه گیری شده؛

U : مجموع حجم رمپ‌های کنترل نشده است، یک متغیر اندازه‌گیری شده؛

M : مجموع حجم رمپ‌های کنترل نشده با دسترسی محلی است، یک متغیر کنترل^[۴۳]؛

F : مجموع حجم‌های بزرگراه به رمپ های کنترل شده بزرگراه است، یک متغیر کنترل ؛

X : مجموع حجم‌های رمپ خروجی است، یک متغیر اندازه‌گیری شده؛

B : ظرفیت گلوگاه پایین دست است، یک مقدار ثابت؛

S : فضای موجود بین زون برای ترافیک ورودی است، یک متغیر محاسبه شده بر مبنای اشغال از طریق شناساگرهای راه اصلی ؛

نرخ کنترل سیستم- سطح برای هر رمپ با مقایسه M+F که در معادله (۳-۲) به صورت لحظه‌ای اندازه‌گیری شده، در یک مجموعه با حد آستانه‌ای معین شده است. برای هر تغییر بزرگ خارجی بدون از دست دادن شرایط ترافیکی غالب ، مجموع ۵ دقیقه‌ای در معادله (۳-۲) کاربرد دارد. باید به این موضوع توجه کرد که مقدار ۵ دقیقه برای B مجموعه‌ای است که به طور معمول عددی ثابت خواهد بود و معادل ۱۲/۱ بالاترین نرخ جریان ثبت شده در یک ساعت در ۱۵ روز است.

هم چنین یک نرخ کنترل محلی- سطح در الگوریتم ZONE با پذیرش مکانیزم کنترل اشغال محاسبه شده است. هر رمپ کنترل شده به تعداد معینی ایستگاه شناساگر در پایین دست بزرگراه مرتبط شده است. اشغال بر مبنای نرخ کنترل برای هر رمپ بر اساس بزرگترین مقدار اشغال متناظر ایستگاه شناساگر در پایین دست بزرگراه خواهد بود. دلیل این تنظیم حذف تاثیر منفی موقت حوادث است. اگر یک حادثه رخ دهد و یک گلوگاه موقت در پایین دست رمپ کنترل شده تولید کند، محدودکننده ترین نرخ کنترل برای هر رمپ نیاز است تا از ناکارایی بعدی پیشگیری کند.

سرانجام، محدودکننده ترین نرخ کنترل از دو مورد بالا برای اجرای پروژه انتخاب می‌شود.

نتایج ارزیابی)۲۰۰۱ (Cambridge Systmatics, نشان می‌دهد استراتژی کنترل ZONE در بهبود توان خروجی بزرگراه، افزایش سرعت بزرگراه، کاهش تاخیر ناشی از تراکم بزرگراه و همچنین تاخیر بیش از حد در رمپ که منجر به نارضایتی عمومی می‌شود بسیار موثر است. استراتژی کنترل Zone طبقه بندی شده در منطقه Minnesota برای سازگاری با نگرانی‌های عمومی درباره زمان انتظار روی رمپ‌ها توسعه داده شد.

۳-۱-۲ استراتژی کنترل Zone طبقه بندی شده (SZM)

استراتژی کنترل Zone طبقه بندی شده (SZM) یکی از الگوریتم‌های کنترل رمپ است که با دیگر الگوریتم‌ها در رقابت است. این الگوریتم جانشین مفهومی و تابعی از الگوریتم ZONE و کاملا متفاوت از آن است. گذار الگوریتم ZONE به الگوریتم SZMنشانگر تغییر با تاکید از جریان بزرگراه به سبک و سنگین کردن بین ترافیک بزرگراه و وسایل نقلیه رمپ است. شرح مفصلی از استراتژی جدید کنترل رمپ در بخش بعدی ارائه شده است.

فلسفه کنترل

دو هدف از استراتژی کنترل SZM به حداکثر رساندن توان خروجی بزرگراه و تضمین کاهش زمان انتظار رمپ نسبت به حد آستانه ای از پیش تعیین شده برای هر رمپ است. در این الگوریتم دو محدودیت وجود دارد. یکی محدودیت زمان انتظار رمپ است، که زمان انتظار رمپ تحت مقدار از پیش تعیین شده در طول دوره کنترل را محدود می‌کند. دیگری محدودیت ظرفیت زون است که ورودی زون را طوری تنظیم می‌کند که کل حجم ورودی از ظرفیت زون تجاوز نکند. بازتاب این دو محدودیت، دو سطح طراحی در استراتژی SZM خواهد بود: طراحی سطح رمپ^[۴۴] و طراحی سطح زون و لایه^[۴۵].

طراحی سطح رمپ

حداقل نرخ آزاد سازی در هر ۳۰ ثانیه توسط معادله (۳-۳) برای اطمینان از محدودیت اول محاسبه می‌شود.

(۳-۳)

: بیشترین زمان انتظار از پیش تعیین شده

N : طول صف برآورد شده رمپ با بهره گرفتن از معادله تجربی

معمولا برای رمپ محلی به بزرگراه، ۴ دقیقه (۲۴۰ ثانیه) و برای رمپ بزرگراه به بزرگراه، ۲ دقیقه (۱۲۰ ثانیه) انتخاب می‌شود. در الگوریتم رایج SZM، طول صف N توسط معادله (۳-۴) محاسبه شود.

(۳-۴)

: طول ذخیره شده صف بین کنترل رمپ و شناساگر صف (یک پارامتر از پیش کالیبره شده برای هر رمپ)

: چگالی صف برآورد شده با بهره گرفتن از نرخ آزادی کنترل (Ra)

(۳-۵)

Ra : مجموع نرخ آزادی

طراحی سطح زون و لایه

به عنوان یکی از ویژگی‌های منحصر به فرد از استراتژی SZM، بزرگراه به تعدادی زون تقسیم و زون‌ها نیز در چند لایه گروه‌بندی می‌شوند. یک نمایش ترسیمی از این گروه‌بندی را می‌توان در مقاله Xin و همکاران (۲۰۰۶) یافت. بر اساس ساختار زون- لایه نسبت ورودی و خروجی در یک زون معین به صورت زیر توصیف می‌شود:

(۳-۶)

M : جریان رمپ ورودی کنترل شده است (کنترل شده توسط الگوریتم)

A : جریان اندازه گیری شده راه اصلی بالادست

U : کل جریان ورودی اندازه گیری شده در رمپ کنترل نشده

X : کل جریان اندازه گیری شده در رمپ خروجی

B : ظرفیت راه اصلی در پایین دست

S : ظرفیت ذخیره شده در راه اصلی، که بر اساس تفاوت بین تراکم کل زون و تراکم فعلی زون که از پیش کالیبره شده، محاسبه می‌شود.

ظرفیت راه اصلی در پایین دست (B) ظرفیت مورد انتظار راه اصلی در محل است. این ظرفیت بر اساس برآورد ظرفیت در باند اول سمت راست^[۴۶] () و برآورد ظرفیت برای باندهای دیگر () با واحد veh/hour/lane محاسبه می‌شود. و به طور دقیق،

(۳-۷)

حجم کل رمپ (M) در سراسر رمپ‌های کنترل شده در زون متناسب با تقاضایشان توزیع شده است. این قاعده پردازش برای تمام زون‌ها به طور مداوم برای هر لایه بعد از لایه‌های دیگر انجام شده است. چنان چه برخی زون‌ها در رمپ روی هم بیفتند چندین نرخ آزاد سازی تعیین می‌شود. و نرخ آزاد سازی نهایی محدودکننده ترین نرخ تعیین شده است.

۳-۱-۳ ارزیابی مقدماتی

بررسی نزدیک درباره‌ی عملکرد و اجرای کنترل رمپ‌های پیشرفته هماهنگ شده مانند الگوریتم ZONE و استراتژی Stratified Zone Metering معلوم می‌کند که اگرچه کنترل رمپ‌ها در مقایسه با گزینه‌های بدون کنترل بسیار موثر هستند، اما در اجرا به دلیل خارج شدن سیستم از تعادل تقاضا- ظرفیت و همچنین محدودیت صف در رمپ شرایط ممکن است بدتر شود. مسبب این موضوع فرض سنتی درباره‌ی ثابت در نظر گرفتن حجم ظرفیت و به تبع آن تخمین طول صف است. ظرفیت برآورد شده نادرست اغلب بزرگتر از مقدار واقعی در شرایط موجود است. که به احتمال زیاد موجب کاهش آزاد سازی نرخ رمپ و در نتیجه افزایش تاخیر رمپ بیش از حد خواهد شد. یا اینکه مقدار کمتر نسبت به واقعیت نتیجه‌اش حجم بیش از حد و در نهایت تشدید بیشتر تراکم خواهد بود. بنابراین، توسعه برآورد ظرفیت بزرگراه که به صورت ظرفیت متغیر بر مبنای شرایط حاکم است پاسخی به تقاضای واقعی در شرایط بزرگراه خواهد بود.

۳-۲ برآورد ظرفیت لحظه‌ای

استفاده از داده‌های واقعی از ایستگاه‌های مورد نظر