نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

6 اردیبهشت 1403 4:48 ق.ظ

کمک به آژانس های حمل و نقل در رویکرد انتقال به ناوگان اتوبوس های برقی

10 فوریه 2023 -توسط دانشگاه ایالتی پورتلند-اعتبار: دامنه عمومی Pixabay/CC0

صنعت حمل و نقل به دلیل مزایای زیست‌محیطی و مالی که ارائه می‌کنند، به سرعت به سمت ناوگان اتوبوس‌های برقی با باتری حرکت می‌کند. با رواج بیشتر وسایل نقلیه برقی، آژانس های حمل و نقل چند سوال برای بررسی دارند: مقرون به صرفه ترین و مناسب ترین راه برای انتقال به اتوبوس های برقی چیست؟ چگونه می توان نیازهای شارژ اتوبوس ها را در شبکه برق شهری موجود گنجاند؟ اتوبوس های برقی ابتدا باید در کدام نقاط شهر معرفی شوند و همه اینها چه تاثیری بر عملیات ترانزیتی خواهد داشت؟ یک ابزار مدل سازی و تجسم جدید می تواند به آژانس ها در پاسخ به این سؤالات کمک کند.

تیمی از محققان دانشگاه یوتا (UU) به رهبری Xiaoyue Cathy Liu و Jianli Chen مدلی ایجاد کرده اند – یک “چارچوب بهینه سازی دوهدفه” – که هم هزینه و هم برابری زیست محیطی را در نظر می گیرد و به آژانس های حمل و نقل کمک می کند تا به محیط زیست مطلوب خود دست یابند. نتایج مرتبط با سلامت عمومی به مقرون به صرفه ترین راه. چارچوب منعطف ابزاری مفید برای انجام تحلیل هزینه و فایده در طیف وسیعی از اهداف مرتبط با حمل و نقل است. تیم تحقیقاتی همچنین دو محصول را برای کمک به آژانس های حمل و نقل در استفاده از این مدل ایجاد کرد:

  • راهنمای گام به گام پیاده سازی مدل: پیاده سازی مدل بهینه سازی دو هدفه
  • یک ابزار تجسم آنلاین: نمونه اولیه چارچوب بصری BEBExplorer

این ابزارها چه کار می کنند؟

مدل چارچوب بهینه‌سازی دو هدفه به اپراتورها، برنامه‌ریزان و تصمیم‌گیرندگان حمل و نقل اجازه می‌دهد تا وابستگی متقابل سیستم حمل و نقل اتوبوس برقی و زیرساخت انرژی شهر را در هر دو بعد مکانی و زمانی با وضوح بالا بررسی کنند. این به آژانس ها اجازه می دهد تا بر اساس منابع سرمایه گذاری و اهداف استراتژیک خود تصمیمات کوتاه مدت و بلندمدت بگیرند.

بر اساس این چارچوب، تیم تحقیقاتی ابزار تجسم نمونه اولیه خود، BEB Explorer را توسعه دادند. BEB مخفف اتوبوس الکتریکی باتری است و ابزار تجسم به کاربران اجازه می دهد تا سناریوهای مختلف استقرار BEB را با توجه به محدودیت های بودجه، برنامه اتوبوس، مسیریابی، مکان ایستگاه شارژ و سایر عوامل آزمایش، تجسم و کاوش کنند. کاوشگر شامل یک نقشه تعاملی از مسیرها و مکان های شارژ، با جداول داده است که به صورت پویا به روز می شوند. همچنین، کاربران می توانند بزرگنمایی کنند و با وضوح های مختلف نمای کلی ایجاد کنند.

این راهنما دستورالعمل‌های گام به گام را ارائه می‌کند تا کمک کند تا با استفاده از داده‌های سفارشی‌سازی شده خود، مدل را برای شبکه حمل و نقل خود پیاده‌سازی کنند. از جمع‌آوری داده‌ها، اجرای مدل، تفسیر نتایج و تنظیم تجسم‌ها برای ارائه‌ها برای کمک به تصمیم‌گیری، هدف راهنما این است که آژانس‌ها بتوانند بیشترین بهره را از این مدل ببرند.

چرا مهم است؟

سال گذشته، ما از تلاش اولیه تیم پروژه برای راه‌اندازی اتوبوس‌های برقی و در عین حال بهبود کیفیت هوا در مناطق با آلودگی بالا و کم‌درآمد گزارش دادیم. ما در حال سرمایه گذاری بر اساس توصیه های [دکتر لیو]، از مدل و ابزار، برای پنج شارژر پرقدرت دیگر در سیستم خود هستیم… شما می توانید با استفاده از مدل او، فاکتورهای مختلفی را بهینه کنید. هال جانسون، مدیر برنامه ریزی سیستم و توسعه پروژه، اداره حمل و نقل یوتا می گوید: ابزار واقعاً خوبی است که می توانید از آن به روش های مختلف استفاده کنید تا تصمیمات تجاری بهتری هم برای آژانس خود و هم برای جامعه بگیرید.

با تکیه بر این مجموعه کار، لیو و اندی هونگ از دپارتمان برنامه ریزی شهری و شهری UU نیز با اداره حمل و نقل یوتا (UTA) همکاری می کنند تا یک سرویس پویا با وسایل نقلیه ترانزیت بدون آلایندگی طراحی کنند تا عدالت و کارایی خدمات را برای جمعیت های آسیب پذیر افزایش دهند. . این تلاش با هدف ایجاد حمل و نقل بهتر برای ساکنانی است که گزینه های حمل و نقل محدود یا بدون محدودیت دارند.

اعضای تیم پروژه گابریلیوس کودیرکا، شینیوان یان، سارا کونزلر، یرونگ ژو، بی وانگ و شیائویه کتی لیو از UU آخرین کار خود را در مورد این موضوع در نشست سالانه هیئت تحقیقات حمل و نقل (TRB) در سال 2023 در یک جلسه پوستری در مورد مسائل جاری ارائه کردند.

https://techxplore.com/

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *