পরিবহনে বিজ্ঞান

পরিবহন প্রকৌশলী এবং পরিকল্পনাবিদরা যানজট এবং বায়ুর গুণমান থেকে শুরু করে সামাজিক ইক্যুইটি উদ্বেগ পর্যন্ত ক্রমবর্ধমান জটিল সমস্যাগুলির একটি বিস্তৃত পরিসরের সমাধান করতে পরিবহন পূর্বাভাস মডেলের উপর নির্ভর করে। গত কয়েক দশক ধরে ভ্রমণের চাহিদার মডেলের দুটি প্রধান স্ট্র্যান্ড আবির্ভূত হয়েছে, ভ্রমণ-ভিত্তিক এবং কার্যকলাপ-ভিত্তিক পদ্ধতি।

ঐতিহ্যগত চার-পদক্ষেপ ভ্রমণ চাহিদা মডেল, প্রায়ই ট্রিপ-ভিত্তিক পদ্ধতি হিসাবে উল্লেখ করা হয়, প্রাথমিক বিষয় হিসাবে পৃথক ট্রিপ নেয় এবং চারটি ধাপে মোট ভ্রমণ পছন্দ বিবেচনা করে: ট্রিপ জেনারেশন, ট্রিপ ডিস্ট্রিবিউশন, মডেল স্প্লিট এবং রুট অ্যাসাইনমেন্ট। এই অনুক্রমিক ভ্রমণ চাহিদা মডেলিং দৃষ্টান্ত, যা ১৯৫০ এর দশকে উদ্ভূত হয়েছিল যখন সীমিত ডেটা, গণনা শক্তি এবং অ্যালগরিদম উপলব্ধ ছিল, ব্যক্তিদের মধ্যে বৈচিত্র্যকে উপেক্ষা করে এবং ভ্রমণ আচরণ তত্ত্বের দৃঢ় ভিত্তি নেই। বিচ্ছিন্ন পছন্দ বিশ্লেষণ, আবাসিক এবং ব্যবসায়িক অবস্থান পছন্দ, ভ্রমণের উত্স, ভ্রমণের গন্তব্য, ভ্রমণের মোড এবং ইত্যাদি সহ একটি বহুমাত্রিক অনুক্রমিক পছন্দ প্রক্রিয়া হিসাবে ভ্রমণের চাহিদাকে বর্ণনা করেযদিও বিচ্ছিন্ন পছন্দের মডেলগুলি বয়স, লিঙ্গ এবং পরিবারের আয়ের মতো নির্দিষ্ট বৈশিষ্ট্য অনুসারে ভ্রমণকারীদের শ্রেণীবদ্ধ করে ভ্রমণের চাহিদার পূর্বাভাস উন্নত করতে পারে, তবুও এটি শেষ পর্যন্ত মোট ভ্রমণ আচরণের উপর দৃষ্টি নিবদ্ধ করে এবং পৃথক সিদ্ধান্ত গ্রহণের প্রক্রিয়াগুলিকে উপেক্ষা করে। চার-পদক্ষেপ মডেলের আরেকটি ত্রুটি এই সত্যের মধ্যে রয়েছে যে এই অনুক্রমিক মডেলিং প্রক্রিয়াটি পদক্ষেপের মধ্যে মিথস্ক্রিয়াকে উপেক্ষা করে এবং নির্দিষ্ট কিছু ঘটনা যেমন প্ররোচিত ভ্রমণ বা চাহিদার পূর্বাভাস দিতে পারে না, যা ট্র্যাফিক অ্যাসাইনমেন্ট থেকে ট্রিপ জেনারেশন, বিতরণ পর্যন্ত প্রতিক্রিয়া হিসাবে ভাবা যেতে পারে। , এবংমোড বিভক্ত।যদিও প্রতিক্রিয়া প্রবর্তন এবং পুনরাবৃত্তিমূলকভাবে চার-পদক্ষেপ পদ্ধতির প্রয়োগ এই সমস্যাটি প্রশমিত করতে পারে, গবেষকরা বিশ্বাস করেন যে একই সাথে চারটি পদক্ষেপের সমাধানের জন্য একটি সুসংগত কাঠামো চালু করা উচিত।

প্রচলিত চার-পদক্ষেপ মডেলিংয়ের এই অপ্রতুলতাগুলি কাটিয়ে উঠতে, ১৯৭০ সাল থেকে ভ্রমণ চাহিদা বিশ্লেষণে কার্যকলাপ-ভিত্তিক মডেলগুলি প্রয়োগ করা হয়েছে। কার্যকলাপ-ভিত্তিক মডেলগুলি সময় এবং স্থানের সীমাবদ্ধতার পাশাপাশি পৃথক বৈশিষ্ট্যগুলি বিবেচনা করে কার্যকলাপ এবং সম্পর্কিত ভ্রমণ পছন্দগুলির পূর্বাভাস দেয়। ব্যক্তিরা ক্রিয়াকলাপগুলির একটি ক্রম অনুসরণ করবে এবং তাদের ইউটিলিটিগুলি সর্বাধিক করার জন্য সেই ক্রিয়াকলাপগুলিকে সংযুক্ত করে সংশ্লিষ্ট ভ্রমণ করবে। ম্যাক্রোস্কোপিক ভ্রমণের ধরণগুলি পৃথক ভ্রমণ পছন্দের একত্রিতকরণের মাধ্যমে পূর্বাভাস দেওয়া হয়।

যদিও অ্যাক্টিভিটি-ভিত্তিক মডেলগুলিতে পৃথক সিদ্ধান্ত গ্রহণের প্রক্রিয়া এবং ম্যাক্রোস্কোপিক ভ্রমণের চাহিদার মধ্যে ব্যবধান পূরণ করার সম্ভাবনা রয়েছে, এই মডেলগুলির জন্য একই সাথে অনেকগুলি অপ্টিমাইজেশন সমস্যা সমাধান করা প্রয়োজন, যা গণনাগতভাবে কঠিন এবং আচরণগতভাবে অবাস্তব। তাই, কিছু মডেল রুট পছন্দের সমাধানের জন্য ইউজার ইক্যুইলিব্রিয়াম (ডিটারমিনিস্টিক (ডিইউই) বা স্টোকাস্টিক (এসইউই)) এর মতো বাহ্যিক সামগ্রিক পদ্ধতি ব্যবহার করে, যা মাইক্রোস্কোপিক সিদ্ধান্ত নেওয়ার মডেল হিসাবে তাদের দাবিগুলিকে আপস করে।

এজেন্ট-ভিত্তিক ভ্রমণ চাহিদা মডেলগুলি একটি নতুন প্রজন্মের পরিবহন পূর্বাভাস সরঞ্জাম হিসাবে আবির্ভূত হয়েছে এবং ভ্রমণের চাহিদা মডেলিংয়ের বিষয়টিকে সমাধান করার জন্য একটি বিকল্প প্রদান করে। এই মডেলিং পদ্ধতি নমনীয় এবং পৃথক সিদ্ধান্ত নেওয়ার প্রক্রিয়াগুলিকে মডেল করতে সক্ষম। পরিবহনে এজেন্ট-ভিত্তিক মডেলিংয়ের অনেকগুলি অ্যাপ্লিকেশন রয়েছে (পরিবহন গবেষণা অংশ সি (২০০২) এই বিষয়ে একটি বিশেষ সমস্যা উত্সর্গ করেছে)। এই মডেলিং কৌশলটি যদিও ভ্রমণ চাহিদা মডেলিং অনুশীলনে এখনও ব্যাপকভাবে গৃহীত হয়নি।

একটি শিক্ষাগতভাবে উপযুক্ত মডেল তৈরি করার জন্য, এই অধ্যায়টি একটি এজেন্ট-ভিত্তিক চাহিদা এবং অ্যাসাইনমেন্ট মডেল (ADAM) প্রবর্তন করে, যা Zhang and Levinson (২০০৪) প্রসারিত করে, যা যানজটের বিবেচনায় গন্তব্য পছন্দ এবং রুট পছন্দের সমস্যার সমাধান করে। ছাত্রদের বিভিন্ন অনুশীলনের জন্য ADAM মডেলের সাথে কাজ করার সুযোগ রয়েছে।