برآورد ایجاد بار گروه‌های بار توسط مدل روندگرای خطی در نواحی ترافیکی ایران

در این پژوهش برای اولین بار مدل‌های رگرسیون ایجاد بار در سطح شهرستان‌ و به تفکیک ده گروه‌ کالایی پرداخت شده است که می‌تواند در برنامه‌ریزی‌های کلان حمل‌ و نقلی کشور راهگشا باشد. متغیر وابسته تناژ این مدل‌ها بار زمینی ایجاد شده برای 430 شهرستان (418 ناحیه) است. در این مدل‌ها از متغیرهای اشتغال، جمعیت کل، و متغیرهای دوتایی شهرستان‌ها استفاده شد. ﻣﻌﻨﯽﺩﺍﺭﯼ ﺑﺎﻻﯼ ﺿﺮاﯾﺐ، ﻭﺟﻮﺩ ﺭﺍﺑﻄﻪﯼ ﻣﻨﻄﻘﯽ ﺑﯿﻦ ﻣﺘﻐﯿﺮ ﻭﺍﺑﺴﺘﻪ ﻭ ﺗﻮﺻﯿﻔﯽ دلایل ﻗﺮﺍﺭﮔﯿﺮﯼ ﻣﺘﻐﯿﺮها ﺩﺭ ﺳﺎﺧﺘﺎﺭ ﻣﺪﻝ است. ضریب برازش مدل‌ها بین 0/85 و 0/98 به دست آمده که مناسب ارزیابی می‌شود. متغیر جمعیت در اکثر گروه‌های کالایی به خصوص کالاهای مصرفی نهایی به خوبی قادر به توصیف بار جذب شده به شهرستان شناسایی شد. به دلیل نقش کلیدی تجارت خارجی در بنادر و نقاط مرزی، متغیر اشتغال به تنهایی و بدون در نظرگیری این عوامل سهم اندکی در توصیف تولید بار دارد. متغیرهای جمعیت شهری و روستایی با رشد هرم سنی جمعیت سال پایه و استفاده از سه عامل نرخ تولد، مرگ‌ومیر و مهاجرت پیش‌بینی شده است. تعداد شاغلین و سهم جمعیت فعال اقتصادی با چهار سناریوی نرخ بیکاری برآورد شده است. طبق نتایج به دست آمده، مقدار تولید و جذب بار کشور با نرخ بیکاری (حفظ وضع موجود) 12/5 درصد به ترتیب برابر 545 و 551 میلیون تن در سال 1400 و 668 و 660 میلیون تن در سال 1420 پیش‌بینی می‌شود. با نرخ بیکاری 25 درصدی، مقادیر یاد شده به ترتیب 8/6 و 2/2 درصد در سال 1400 و 9/4 و2/4 درصد در سال 1420 کاهش یابد.

forecasting generation of freight groups with regression models for traffic analysis zones in iran

in this research, for the first time, linear regression models are developed for iran’s inland freight production attraction classified by commodity types which provide an insight into long-term transportation planning. the dependent variables of these models are the total road and railway freight shipped to/from 418 counties across the country. in these models, general population and employment variables are implemented together with the binary variable of significant industrial and borderland counties to explain variations in the response variable. validation of models involved considering a causal relationship between independent and response variables and measuring the statistical significance of regressors. the r-square statistic of the calibrated models stands between 0.85 and 0.98 which is appropriate considering the limited variables employed. to predict independent variables over the study horizon, the age profile of the base year is developed in a 25-year timeline starting from 2016, using time-varying birth rates and constant mortality and migration rates. then assuming four unemployment scenarios, employment in each county is projected using the last predicted populations. according to the models’ estimation, the total freight produced/attracted is expected to reach 545/551 million tons in 2021 and 668/660 million tons in 2041 with a 12.5 percent unemployment rate. furthermore, with the unemployment rate rising to 25 percent, the total produced/attracted freight is expected to fall 8.6/2.2 percent in 2021 and 9.4/2.4 percent in 2041. the results indicate the inadequacy of employment as the only explanatory variable of the production models while the population appropriately explains the bulk of the freight demand variations.