پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

یک تحلیل کمی از ویژگی‌های افراد حساس به قیمت‌گذاری محدوده و تأثیرات آن بر رفتار سفر

نوع مقاله : مقاله پژوهشی

نویسندگان
الهه کاظم زاده 1
امیر رضا ممدوحی 2
مریم ایران‌منش 3
1 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران و محیط‌زیست، دانشگاه تربیت مدرس، تهران، ایران
2 دانشیار، دانشکده مهندسی عمران و محیط‌زیست، دانشگاه تربیت مدرس، تهران، ایران و استاد وابسته، دانشکده مهندسی عمران، زمین‌شناسی و معدن، دانشگاه فنی مونترال، کانادا
3 دانش‌آموخته دکتری‌، دانشکده مهندسی عمران و محیط‌زیست، دانشگاه تربیت مدرس، تهران، ایران
10.22034/tri.2026.572345.3434
چکیده
تحلیل ویژگی‌های افرادی صورت گرفته است که نسبت به این سیاست حساسیت رفتاری نشان می‌دهند. پژوهش حاضر با تمرکز بر این خلأ، به بررسی کمی رفتار سفر شهروندان و تفکیک گروه‌های حساس و غیر حساس به قیمت‌گذاری محدوده در شهر کرمان، به‌عنوان شهری در حال توسعه می‌پردازد. داده‌های این پژوهش از طریق طراحی و اجرای پرسشنامه‌ای ترکیبی حاصل از روش‌های رجحان آشکارشده و بیان‌شده، در قالب پرسشگری حضوری از ۳۶۴ شهروند در اردیبهشت ۱۴۰۳ گردآوری شده‌اند. تحلیل داده‌ها با استفاده از مدل لوجیت دوتایی و با تمرکز بر این پرسش بنیادین انجام شده است که آیا افراد در مواجهه با اجرای سیاست قیمت‌گذاری تمایل به تغییر الگوی سفر خود دارند یا خیر. یافته‌ها نشان می‌دهد افرادی که سفرهای متعددی به محدوده انجام می‌دهند، از موتورسیکلت استفاده می‌کنند، بالای ۳۵ سال سن دارند، کارمند یا مالک چند خودرو هستند، تمایل کمتری به تعدیل الگوی جابه‌جایی خود دارند. در مقابل، افراد با سطح تحصیلات بالاتر، شاغلان کارگری و کسانی که به‌منظور خرید، تفریح یا انجام امور اداری به محدوده تردد می‌کنند آمادگی بیشتری برای تغییر رفتار از خود نشان می‌دهند. همچنین بر اساس نتایج اثر حاشیه‌ای، کاهش زمان سفر و ارتقای کیفیت حمل‌ونقل همگانی می‌تواند به‌ترتیب احتمال تغییر الگوی سفر را ۰٫۴۶ و ۴٫۰۷ درصد افزایش دهد. یافته‌های این پژوهش نشان می‌دهد که در شرایط خاص شهر کرمان، تنها بخش محدودی از شهروندان نسبت به سطوح متعارف قیمت‌گذاری حساس هستند؛ بااین‌حال، شناسایی ویژگی‌های این گروه محدود می‌تواند مبنای مؤثری برای تدوین سیاست‌های هدفمند و واقع‌بینانه مدیریت تقاضای سفر در شهرهای با وابستگی بالای خودروی شخصی فراهم آورد.
کلیدواژه‌ها
رفتار سفر
قیمت‌گذاری محدوده
مدل انتخاب گسسته
مدیریت ترافیک

عنوان مقاله English

A Quantitative Analysis of the Characteristics of Congestion Pricing-Sensitive Individuals and Their Effects on Travel Behavior

نویسندگان English

Elahe Kazemzadeh 1
Amir Reza Mamdoohi 2
Maryam Iranmanesh 3
1 M.Sc., Graduate, Faculty of Civil & Environmental Eng., Tarbiat Modares University, Tehran, Iran.
2 Associate Professor, Faculty of Civil & Environmental Eng., Tarbiat Modares University, Tehran, Iran; & Adjunct Professor, Department of Civil, Geological & Mining Eng., Polytechnique Montreal, Canada.
3 Ph.D. Graduate, Faculty of Civil & Environmental Eng., Tarbiat Modares University, Tehran, Iran.
چکیده English

Urban traffic management is a fundamental challenge for developing cities, and congestion pricing has emerged as an effective demand-management tool. Despite the expanding body of congestion pricing literature, there has been relatively little focus on identifying and analyzing the characteristics of individuals who exhibit behavioral sensitivity to this policy. This study addresses this gap by quantitatively examining citizens’ travel behavior and by distinguishing between price-sensitive and non-price-sensitive groups in the city of Kerman, a developing city. Data were collected through a mixed-design questionnaire combining revealed and stated preference methods, administered through in-person interviews with 364 citizens in May 2024. Data analysis employed a binary logit model, focusing on the fundamental question: do individuals alter their travel patterns in response to the implementation of congestion pricing. Findings indicate that respondents who undertake frequent trips to the priced area, who use motorcycles, who are over 35 years old, and who are employees or owners of multiple vehicles, show lower propensity to adjust their travel patterns. By contrast, those with higher education levels, workers, and individuals who travel to the priced zone for shopping, recreation, or administrative tasks demonstrate greater willingness to change their behavior. Additionally, based on marginal effects results, reducing travel time and improving public transport quality can increase the probability of travel pattern change by 0.46 and 4.07 percentage points, respectively. The study suggests that, under the specific context of Kerman, only a minority of citizens are sensitive to conventional pricing levels; however, identifying the characteristics of this group can provide a robust basis for designing targeted and realistic travel-demand management policies in cities with strong dependence on private motor vehicles.

کلیدواژه‌ها English

Travel Behavior
Congestion Pricing
Discrete Choice Model
Traffic Management
-Aasness, M. A., & Odeck, J. (2023). Road users’ attitudes towards transforming a flat rate cordon toll to a congestion charging system: The case of Oslo, Norway. Research in Transportation Business and Management, 50(March), 100971.
 doi.org/10.1016/j.rtbm.2023.100971
-Abulibdeh, A. (2022). Planning for Congestion Pricing Policies in the Middle East: Public Acceptability and Revenue Distribution. Transportation Letters, 14(3), 282–297. doi.org/10.1080/19427867.2020.1857908
-Baghestani, A., Shami, S., Mamdoohi, A. R., Habibian, M., & Fowri, H. R. (2024). An Impact Assessment of Cordon Pricing Relaxation on Modal Shift During the COVID-19 Pandemic. Transportation Planning and Technology, 1–18.
 doi.org/10.1080/03081060.2024.2416248
-Gu, Z., Liu, Z., Cheng, Q., & Saberi, M. (2018). Congestion Pricing Practices and Public Acceptance: A Review of Evidence. Case Studies on Transport Policy. doi.org/10.1016/j.cstp.2018.01.004
-Jing, P. (2022). Design and Evaluation of Urban Congestion Pricing Policies with Microsimulation of Passenger and Freight. dspace.mit.edu/handle/1721.1/143415
-Louviere, J., Hensher, D.A., & Swait J.D. (2000). Stated Choice Methods. In Cambridge University Press Virtual.
  http://www.cambridge.org
-KhorramDehnavi, S., MorovatiSharifabadi, A., AghidiKheyrabadi, S., &HosseiniBamakan, S. M. (2024). Evaluating private car users’ preference to congestion pricing: A study on trip cancellation behavior. Case Studies on Transport Policy, 18(March), 101300. doi.org/10.1016/j.cstp.2024.101300
-Kuhfeld, W. F. (2010). Marketing research methods in SAS. Graphical Techniques. Cary, NC, SAS-Institute TS-722, 1–1309.
-Litman, T. (2022). Evaluating Transportation Equity: Guidance for Incorporating Distributional Impacts in Transport Planning. ITE Journal (Institute of Transportation Engineers), 92(4), 44–49.
-Marazi, N. F., Majumdar, B. B., Sahu, P. K., & Potoglou, D. (2022). Congestion pricing acceptability among commuters: An Indian perspective. Research in Transportation Economics, 95(January), 101180. doi.org/10.1016/j.retrec.2022.101180
-Milenković, M., Glavić, D., & Maričić, M. (2019). Determining factors affecting congestion pricing acceptability. Transport Policy, 82(October 2018), 58–74. doi.org/10.1016/j.tranpol.2019.08.004
-Moeinaddini, A., & Habibian, M. (2023). Transportation demand management policy efficiency: An attempt to address the effectiveness and acceptability of policy packages. Transport Policy, 141(July),
317–330. doi.org/10.1016/j.tranpol.2023.07.027
-OECD. (2020). Decarbonising Urban Mobility with Land Use and Transport Policies: The Case of Auckland, New Zealand. In Decarbonising Urban Mobility with Land Use and Transport Policies: The Case of Auckland, New Zealand. doi.org/10.1787/095848a3-en
 
-Ren, X., Ji, Z., & Chow, J. Y. J. (2025). Distributional welfare impacts and compensatory transit strategies under NYC congestion pricing. 1–33.
 doi.org/10.48550/arXiv.2510.06416
-Saleh, S. M., Sugiarto, S., Mutiawati, C., Angraini, R., & Isya, M. (2016). Using psychometric data from the stated preference (SP) experiments to search explanatory power for appropriateness of congestion charging policy. Aceh International Journal of Science and Technology, 5(3), 88–96.
 doi.org/10.13170/aijst.5.3.5741
-Sanko, N. (2001). Guidelines for Stated Preference Experiment Design (Professional Company Project in Association with RAND Europe).
-Schläpfer, F., & Getzner, M. (2020). Beyond Current Guidelines: A Proposal for Bringing Behavioral Economics to the Design and Analysis of Stated Preference Surveys. Ecological Economics, 176(September 2019), 106720. doi.org/10.1016/j.ecolecon.2020.106720
-Spilotros, A. (2019). The Impact of Implementing Different Cordon Size Designs on Land Use Patterns in Portland, OR. doi.org/10.15760/etd.6971
-Tate, C., Longo, A., Boeri, M., Taylor, T., Garcia, L., & Hunter, R. (2025). A Stated Preference Study to Explore Market-Based Instruments to Reduce Car Usage. doi.org/10.1007/s10640-025-01005-w
-Train, K. (2009). Discrete Choice Methods With Simulation 2nd ed. Cambridge: Cambridge University Press.
 doi.org/10.1017/CBO9780511805271
-Turner, M. A. (2019). Local Transportation Policy and Economic Opportunity. January.
-Wang, Q., Jonsson, D., & Karlström, A. (2026). Dynamic scheduling modelling of congestion pricing : Assessing travel behaviour and welfare impacts in Greater Helsinki. Transport Policy, 177(November 2025), 103929.
 doi.org/10.1016/j.tranpol.2025.103929
-Yu, X., Berg, V. A. C. Van Den, & Verhoef, E. T. (2025). Preference heterogeneity in a dynamic flow congestion model. Transportation Research Part B, 195 (April 2024), 103193.
 doi.org/10.1016/j.trb.2025.103193