پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

مدل‌سازی تعداد فعالیت و مدت زمان فعالیت‌ها در تورهای کاربران حمل‌ونقل همگانی

نوع مقاله : مقاله پژوهشی

نویسندگان
اسماعیل نادربیگی 1
سیدابراهیم عبدالمنافی 2
هومن رحیمی 3
1 گروه مهندسی عمران، واحد بین‌الملل کیش، دانشگاه آزاد اسلامی، کیش، ایران
2 گروه حمل‌ونقل، دانشکده عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 گروه مهندسی عمران، دانشگاه شهر قدس، دانشگاه آزاد اسلامی، شهر قدس، تهران، ایران
10.22034/tri.2026.598975.3503
چکیده
امروزه مدل‌سازی فعالیت‌مبنا در مقایسه با مدل‌های سنتی چهار مرحله‌ای به دلیل مزایای فراوان آن، مورد توجه قرار گرفته است. از طرفی به دلیل اهمیت حمل‌ونقل همگانی، استفاده از رویکرد فعالیت‌مبنا برای کاربران حمل‌ونقل همگانی به منظور بررسی دقیق رفتار کاربران دارای جایگاه ویژه‌ای می‌باشد. پژوهش حاضر به دنبال آن است تا رویکرد نوین فعالیت‌مبنا را برای کاربران حمل‌ونقل همگانی بکار گیرد. بنابراین در این پژوهش، بخشی از زیرمدل‌های فعالیت‌مبنا شامل تعداد فعالیت در تور و مدت زمان فعالیت‌ها در تور در الگوی روزانه کاربران حمل‌ونقل همگانی مورد بررسی قرار گرفته است. داده‌های پژوهش از طریق پیمایش میدانی از ۵۰۰ نفر از کاربران حمل‌ونقل همگانی در شهر تهران گردآوری شد. برای مدل‌سازی تعداد فعالیت در تور از مدل لاجیت ترتیبی (با شبه 2R مک فادن 0/362) و برای مدل‌سازی مدت زمان فعالیت‌ها در تور از مدل لاجیت ترتیبی (با شبه 2R مک فادن 0/572) استفاده شده است. نتایج نشان داد که متغیرهای مدت زمان تور (0/301)، تحصیلات (0/211)، فعالیت اجباری (1/34-) و زمان شروع تور (0/208-) اثر معناداری بر تعداد فعالیت‌های درون تور دارند. همچنین، متغیرهای فعالیت اجباری (3/74)، تعداد فعالیت در تور (0/386)، فعالیت اختیاری (0/689) و زمان شروع تور (0/246-) تأثیر معناداری بر مدت زمان فعالیت‌ها در تور دارند. بررسی اثرات حاشیه‌ای نشان داد که مدت زمان تور با ضریب 0/05 بیشترین تأثیر را بر افزایش احتمال انجام سه فعالیت در تور دارد؛ در مقابل، زمان شروع تور با ضریب 0/123 بیشترین تأثیر را بر افزایش احتمال انجام یک فعالیت در تور دارد. همچنین، فعالیت‌های اجباری با ضریب 0/342 بیشترین تأثیر را بر افزایش احتمال مدت زمان فعالیت‌های ۱۰ تا ۱۲ ساعته دارند. این پژوهش نشان می‌دهد که ترکیب متغیرهای فردی، شغلی و زمانی، نقش تعیین‌کننده‌ای در الگوی فعالیت-سفر روزانه کاربران حمل‌ونقل همگانی دارند و می‌تواند به برنامه‌ریزان شهری در تدوین سیاست‌های کارآمدتر کمک نماید.
کلیدواژه‌ها
مدل‌سازی فعالیت‌مبنا
تعداد فعالیت در تور
مدت زمان فعالیت‌ها
حمل‌ونقل همگانی
مدل لاجیت ترتیبی
موضوعات

عنوان مقاله English

Modeling Activity Numbers and Activities Duration in Tours of Public Transportation Users

نویسندگان English

Esmaeil Naderbeigi 1
Seyed Ebrahim Abdolmanafi 2
Homan Rahimi 3
1 Department of Civil Engineering, Ki.C., Islamic Azad University, Kish, Iran.
2 Department of Civil Engineering, SR.C., Islamic Azad University, Tehran, Iran.
3 Department of Civil Engineering, ShQ.C., Islamic Azad University, Shahr-e-Qods, Iran.
چکیده English

Nowadays, activity-based modeling has attracted considerable attention compared with traditional four-step models due to its numerous advantages. Given the importance of public transportation, applying an activity-based approach to public transportation users to accurately examine their behavior has gained particular significance. The present study aims to apply the activity-based approach to public transportation users. Accordingly, selected activity-based sub-models, including the number of activities per tour and the duration of activities within the tour, were examined in the daily activity pattern of public transportation users. Data were collected through a field survey of 500 public transportation users in Tehran. An ordered logit model, with a McFadden pseudo-R² of 0.362, was used to model the number of activities per tour, while another ordered logit model, with a McFadden pseudo-R² of 0.572, was employed to model activity duration within the tour. Results showed that tour duration (0.301), education (0.211), mandatory activity type (-1.34), and tour start time (-0.208) significantly affected the number of activities within the tour. Furthermore, mandatory activity type (3.74), the number of activities per tour (0.386), discretionary activity type (0.689), and tour start time (-0.246) significantly affected activity duration within the tour. Marginal effects analysis showed that tour duration, with a coefficient of 0.05, had the greatest effect on increasing the probability of undertaking three activities within a tour. In contrast, tour start time, with a coefficient of 0.123, had the greatest effect on increasing the probability of undertaking one activity within a tour. Moreover, mandatory activities, with a coefficient of 0.342, had the greatest effect on increasing the probability of activity durations of 10 to 12 hours. The findings demonstrate that individual, occupational, and temporal variables play a determining role in the daily activity-travel pattern of public transportation users and can assist urban planners in developing more effective policies.

کلیدواژه‌ها English

Activity-based Modeling
Numbers of Activities within Tour
Activities Duration
Public Transportation
Ordered Logit Model
-Abebe, T. K., Juremalani, J., Yehualaw, M. D., Minalu, Y., Afework, A., & Sil, G.(2025). Modelling the Influence of Departure Time on Trip Duration and Mode Choice: An Activity-Based Model and Machine Learning Approach. Preprints.org. doi.org/10.20944/preprints202509.2526.v1.
-Delhoum, Y., Belaroussi, R., Dupin, F., & Zargayouna, M. (2020). Activity-based demand modeling for a future urban district. Sustainability, 12(14), 5821. doi.org/10.3390/su12145821.
-Edries, B., Cahill, V., & Caulfield, B. (2025). Activity-based travel demand model: Unveiling the dynamics of modern travel behavior in Dublin.
 In Transport transitions: Advancing sustainable and inclusive mobility, Springer.  24-29. doi.org/10.1007/978-3-031-89444-2_4.
-Hassan, M. M., et al. (2023). A comparative assessment of machine learning algorithms with the Least Absolute Shrinkage and Selection Operator for breast cancer detection and prediction. Decision Analytics Journal, 7, 100245. doi.org/10.1016/j.dajour.2023.100245.
-Ivanovic, S. S., & Balac, M. (2025). Who travels more and longer in Switzerland? Insights into mode choice, daily travel time, and trip frequency from GPS-based data. Transportation. doi.org/10.1007/s11116-025-10578-w
-Katsaitis, D., Rizopoulos, D., & Gkiotsalitis, K. (2025). A Cox Model-Based Workflow for Increased Accuracy in Activity-Travel Patterns Generation. Applied Sciences, 15(11), 6237. doi.org/10.3390/app15116237.
-Khan, A. A., Chaudhari, O., & Chandra, R. (2024). A review of ensemble learning and data augmentation models for class imbalanced problems: Combination, implementation and evaluation. Expert Systems with Applications, 244, 122778.
doi.org/10.1016/j.eswa.2023.122778.
-Kita, H., Komoda, S., & Ozaki, R. (2024). A quantified planning method of local public transport services for expanding residents' activity opportunities. Transport Policy, 159, 284–296. doi.org/10.1016/j.tranpol.2024.06.022
-Lee, S., Ko, E., Jang, K., & Kim, S. (2023). Understanding individual-level travel behavior changes due to COVID-19: trip frequency, trip regularity, and trip distance. Cities, 135, 104223. doi.org/10.1016/j.cities.2023.104223
-Li, W., Guan, H., Han, Y., Zhu, H., & Zhao, P. (2021). Exploring resident's daily activity-travel behavior: Activity pattern, duration and competition. KSCE Journal of Civil Engineering, *25*(8),3121–3135.
doi.org/10.1007/s12205-021-2013-6
-Nguyen, N. A., Schweizer, J., & Rupi, F. (2025). Large-scale activity-based demand generation modeling: A literature review and exploration of potential approaches. Transportation Engineering, 20, 100329. doi.org/10.1016/j.treng.2025.100329
-Tanimoto, K., & Kita, H. (2006). Critical analysis on rural transportation planning based on needs of daily life activities. Infrastructure Planning Review, *23*, 599-607.
 doi.org/10.2208/journalip.23.599
-Wang, D., & Cheng, T. (2001). A spatio-temporal data model for activity-based transport demand modelling. International Journal of Geographical Information Science, 15(6), 561–585. doi.org/10.1080/13658810110046934
-Zhou, Y., Fu, X., Tang, T., Vo, K. D., & Hato, E. (2025). Assessing resilience of transit networks: An activity-based space-time accessibility analysis. Sustainable Cities and Society, *130*, 106676. doi.org/10.1016/j.scs.2025.106676
پژوهشنامه حمل و نقل
دوره 23، شماره 4
زمستان 1405
صفحه 337-354