نوع مقاله : مقاله پژوهشی
نویسندگان
1 دکتری اقتصاد، دانشکده اقتصاد دانشگاه تهران؛
2 استاد دانشکده اقتصاد دانشگاه تهران؛
3 استاد دانشکده اقتصاد دانشگاه تهران (نویسنده مسئول)؛
چکیده
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
One of the possible solutions for the challenges caused by the use of private passenger cars, especially traffic, congestion, and air pollution in Tehran, avoiding huge economic costs and reducing the annual death rate, is to apply the approach of "city center without private passenger cars". The purpose of this study is to measure the stated preferences of Tehrani citizens to identify the non-market influencing components and the economic valuation of these components based on the discrete choice experiment approach and conditional logit models. The findings of the present study revealed that the "additional green and recreational space" is more significant compared to other components. The components of "parking facilities at the border of the area" and "abundance of public transportation" within the area of the city center without a car are the next priorities, and the heterogeneity in the preferences of Tehrani citizens is in addition due to these two components. Noteworthy that the source of this heterogeneity is also the demographic variables "income" and "age" of people. In the analysis and interpretation of the estimated values of "willingness to pay", noteworthy that Tehrani citizens attach relatively less significance to the components of designing a cycling path and reducing the average walking distance to the nearest station. On the other hand, they prefer components of "designing additional green and recreational space within the area", "designing parking facilities at the border of the area" and "more public transportation within the area"; In such a way that the willingness to pay them is 44,375, 30,000 and 28,125 rials, respectively, which is approximately one and a half to two times the current fares. Therefore, it is recommended that in the traffic policy for the city of Tehran, the two components "designing additional green and recreational spaces within the area" and "designing parking facilities on the border of the city center without cars" should be of higher priority than other components.
کلیدواژه‌ها [English]
مقدمه
امروزه ضرورت حل مشکلات مرتبط با حملونقل شهری بیش از پیش اهمیت دارد. شهرهایی که از یک طرف منافع قابل توجهی برای توسعه اقتصادی مناطق پیرامونی دارند و از طرف دیگر همزمان با چالش تراکم بالای جمعیت، ازدحام، ترافیک و آلودگی بیش از حد مواجه هستند (Agatha, 2018). چالش‌هایی که اغلب در استراتژی‌های حملونقل شهری مورد بررسی و تحلیل قرار می‌گیرند مشتمل بر قابلیت دسترسی ضعیف،[1] آثار منفی ترافیک بر توانایی زندگی[2] در بخش مرکزی شهر و امکان این بخش در جذب ساکنان (به ویژه کسانی که به اقتصاد دانش بنیان،[3] آلودگی هوای کمتر، آلودگی صوتی کمتر و خیابان‌های ایمن نیاز دارند) است (Rye and Hrelja, 2020). یکی از مهمترین سیاست‌هایی که در برنامه‌ریزی حملونقل شهری دنبال میشود؛ سیاست آرام‌سازی ترافیک[4] است. لیتمن[5] (1999) معتقد است آرام‌سازی ترافیک می‌تواند با کاهش آثار خارجی[6] وسایل نقلیه موتوری و ایجاد یک سیستم حملونقل متوازن‌تر (که گزینههای مسافرتی را برای افراد محروم افزایش می‌دهد) به افزایش «برابری افقی و عمودی»[7] منجر شود. به‌عبارت‌دیگر می‌توان این‌گونه استدلال کرد که منافع ساکنان محلی باید بر منافع کاربران وسایل نقلیه موتوری اولویت داشته باشد، زیرا آثار منفی بر ساکنان محلی تحمیل میشود. شهرها و جوامع به‌طور فزاینده‌ای نگران مسائل زیست‌محیطی و پایداری هستند. «آلودگی هوا» به مسئله‌ای مهم برای بسیاری از مناطق شهری تبدیل شده است، چرا که آلودگی در کیفیت زندگی و سلامت شهروندان تأثیر منفی دارد (Zavitsas et al., 2010).
ماریو مولینا و لوئیزا مولینا[8] (2004) در بحث «کلانشهرها و آلودگی هوا» بیان می‌کنند که با توجه به رشد انتظاری جمعیت شهری در دهه‌های آینده، رشد مداوم تعداد وسایل نقلیه موتوری، یک چالش بزرگ در مدیریت کلانشهرها به ویژه در کشورهای در حال توسعه ایجاد خواهد کرد. استراتژی‌های مؤثر[9] برای کنترل رشد وسایل نقلیه و شدت ترافیک خودرو در کلانشهرها به ویژه در بخش مرکزی این شهرها باید در دستور کار برنامه‌ریزان شهری قرار گیرد. اگر هدف دستیابی به پایداری در حملونقل است؛ برنامه‌ریزی و مدیریت حملونقل کلانشهرها نیاز به تغییر پارادایم دارد (Igwe, 2006). یکی از راه‌حل‌های ممکن برای مشکلات ناشی از استفاده از خودروی سواری شخصی، ایجاد «مراکز شهر بدون خودرو»[10] است. از دهه 1990 چندین شهر اروپایی اقداماتی را برای محدود کردن استفاده از خودروی سواری شخصی در نظر گرفته‌اند (Borgers et al., 2008).
به دنبال رشد شهرنشینی در ایران در چند دهه گذشته، شهرها با معضلات زیادی از جمله شلوغی، آلودگی و ازدحام به خصوص در نواحی مرکزی مواجه شدند. عدم توازن کاربری‌ها، دوری محل کار از محل سکونت، ارزان بودن نسبی بنزین، سهولت دارا بودن وسیله نقلیه شخصی و نبود سیستم حملونقل همگانی مناسب، باعث شدند تا اکثر مردم از وسیله نقلیه شخصی برای حملونقل و جابه‌جایی در سطح شهرها استفاده کنند (ماشین‌چی عباسی و عربی، 1397). تهران با مساحتی حدود ۷۸۰ کیلومتر مربع، بزرگترین شهر ایران با جمعیتی حدود هشت میلیون نفر است که بالغ بر پانزده میلیون سفر سواره در آن انجام میشود. سهم ترافیک در بروز پیامدهای آلودگی هوای شهر تهران حدود ۶/۵۵ درصد برآورد میشود (معصوم‌زاده و رحمانی، 1396). تحقیقات نشان می‌دهد سالیانه کمی بیش از چهار هزار نفر در اثر آلودگی هوای ناشی از ذرات معلق 5/2 میکرون ( ) در تهران دچار مرگ زودرس می‌شوند. بیشترین منبع ذرات معلق 5/2 میکرون از منابع متحرک (به عنوان مثال حملونقل) نشئت می‌گیرد. میزان اجتناب از هزینه‌های اقتصادی مرتبط با آلودگی هوا در تهران 6/2 میلیارد دلار در سال برآورد میشود. این برآورد فقط اثرات سلامتی انسان‌ها را در نظر می‌گیرد. بنابراین هزینه اقتصادی کل در اثر آلودگی هوا بسیار بیشتر خواهد بود (Heger and Sarraf, 2018). در چند دهه اخیر سیاست‌های ترافیکی مختلفی در سطح شهر تهران پیاده شده است. مرحله اول طرح ترافیک تهران از ابتدای شهریور 1358 شکل گرفت. طرح زوج و فرد یا حلقه دوم طرح ترافیک، از آذرماه 1384 به دلیل آلودگی غیرمنتظره هوای تهران سال به اجرا درآمد. از تیرماه 1398 طرح «زوج و فرد» بعد از چهارده سال از سیاست ترافیکی تهران حذف شد و طرح «کاهش آلودگی هوا» جایگزین آن شد که مهمترین دلیل آن، ناکارآمدی این طرح بود. بنابراین یکی از راه‌حل‌های ممکن برای مشکلات استفاده از خودروی سواری شخصی به خصوص ترافیک (عبور و مرور)، آلودگی هوای تهران و اجتناب از هزینه اقتصادی سنگین و کاهش میزان مرگ‌و‌میر سالیانه، ایجاد «مراکز شهر بدون خودرو»[11] است که نیازمند سیاستگذاری و اجرای هدفمند آن مطابق با خواسته‌های جامعه هدف است. هدف این مطالعه، شناسایی و ارزشگذاری مؤلفه‌های مؤثر غیربازاری بر ترجیحات یا مطلوبیت شهروندان تهرانی در انتخاب مرکز شهر بدون خودرو است. نتایج مطالعه حاضر می‌تواند به‌طور مستقیم توسط سیاستگذاران محلی و برنامه‌ریزان ترافیک شهری و زیست‌محیطی مورد استفاده قرار گیرد.
مقاله حاضر به پنج قسمت تقسیم شده است. پس از مقدمه، مبانی نظری و سپس پیشینه تحقیق ارائه میشود. در ادامه متدولوژی تحقیق تبیین شده و سپس تخمین مدل و تفسیر نتایج ارائه میشود. در نهایت نتیجه‌گیری و پیشنهادها بیان خواهد شد.
در ادبیات اقتصادی، ارزش اقتصادی کل را مشتمل بر سه جزء کلی در نظر می‌گیرند. ارزش استفاده‌ای،[12] ارزش غیر‌استفاده‌ای[13] و ارزش انتخاب.[14] فریمن (1999) بر این عقیده بود که باید بین آنهایی که از خدمات منابع طبیعی استفاده می‌کنند و آنهایی که از این خدمات استفاده نمی‌کنند، تمایز قائل شد؛ بنابراین او ارزش‌های مورد نظر گروه اول را ارزش استفاده‌ای و ارزش‌های مورد نظر گروه دوم را ارزش‌های غیر‌استفاده‌ای نامید. منظور از ارزش‌های غیر‌استفاده‌ای، ارزش‌هایی هستند که هیچ‌گونه رفتار قابل مشاهده‌ای را در‌بر‌نمی‌گیرند و تنها نتیجه یک تجربه ذهنی هستند. بنابراین ارزش‌های غیر‌استفاده‌ای نمی‌توانند در خریدهای بازار مشاهده شوند و یا براساس کارکردها ارزشگذاری شوند. ارزش انتخاب، ارزشی است که مردم برای داشتن فرصت مصرف کالا در آینده در نظر می‌گیرند. به‌عبارت‌دیگر ارزش انتخاب عبارت است از منافع حاصل از حفظ گزینه‌ها برای استفاده از یک منبع خاص، زمانی که افراد درباره استفاده آینده از آن منبع عدم حتمیت دارند و یا با عدم حتمیت درباره وجود آن منبع در آینده مواجه هستند (عبادی و همکاران، 1393).
به‌طورکلی ارزشگذاری پیامدهای هر سیاست یا برنامه براساس ترجیحات را می‌توان با دو رویکرد کلی انجام داد: روش ترجیحات آشکار شده[15] و روش ترجیحات اظهار شده.[16] هر کدام از این رویکردها روش‌های مختلفی دارند که در جدول ذیل آمده است.
جدول 1. روش‌های عمده ارزشگذاری غیربازاری
|
ترجیحات آشکار شده (رفتار مشاهده شده) |
ترجیحات اظهار شده (رفتار فرضی) |
|
هزینه سفر (Travel Cost) |
ارزشگذاری مشروط (Contingent Valuation) |
|
قیمت‌گذاری هدانیک (Hedonics Pricing) |
روش ویژگی‌محور (Attributed-based Methods) یا آزمایش انتخاب گسسته (Discrete Choice Experiment) |
|
رفتار دفاعی (Defensive Behavior) |
|
|
روش‌های جانشینی (Substitution Methods) |
|
Source: Segerson, 2017.
روش ترجیحات آشکار شده به داده‌های مشاهده شده متکی هستند که ممکن است شامل داده‌های جمع‌آوری شده از طریق نظرسنجی‌های مربوط به رفتار یا نتایج بازار باشد (Segerson, 2017). به‌عبارت‌دیگر پیش‌نیاز رویکرد ترجیحات آشکار شده، وجود منحنی تقاضای بازار برای کالای مورد نظر است اما در بسیاری از موارد یا بازار برای کالا وجود ندارد یا بازار ناقص است. در این موارد ترجیحات آشکار شده به تحلیل ساختار ترجیحات افراد برای یک کالای مشخص مبتنی‌بر ترجیحات افراد نسبت به کالای بسیار نزدیک (مکمل) موجود در بازار می‌پردازد. از‌این‌روست که به این روش ارزیابی غیرمستقیم ترجیحات آشکار شده گفته میشود (عبادی و همکاران، 1393). نظریه اقتصادی رفتار مصرف‌کننده بر این اساس بنا شده‌اند که یک فرد از بین مجموعه‌ای از گزینه‌ها، گزینه‌ای را انتخاب میکند که با توجه به ترجیحات خودش و قیمت کالاهای در دسترس (یا تحت بودجه در دسترس) مطلوبیت خودش را حداکثر کند. لنکستر[17] (۱۹۶۶) با تغییراتی در این چارچوب پیشنهاد داد که ترجیحات مصرف‌کننده برای کالاها به خود کالا بستگی ندارد، بلکه به ویژگی‌های آن کالا بستگی دارد. «آزمایش انتخاب گسسته» براساس مدل لنکستر انجام میشود و معمولاً در تحقیقات حملونقل مورد استفاده قرار می‌گیرد (بورگز و همکاران،[18] ۲۰۰۸؛ هنشر،[19] ۲۰۰۱)، اقتصاد سلامت (رایان و جرارد،[20] ۲۰۰۳؛ اسکات،[21] ۲۰۰۲)، اقتصاد زیست‌محیطی (بایرول و همکاران،[22] ۲۰۰۷؛ کارلسون و مارتینسون،[23] ۲۰۰۱؛ هانلی و رابرتز،[24] ۲۰۰۲) و تحقیقات انرژی (گوت و همکاران،[25] ۲۰۰۰؛ ساژبیل و همکاران،[26] ۲۰۱۴) (Gundlach et al., 2018).
مزیت اصلی آزمایش انتخاب گسسته، سازگاری آن با نظریه رفتار مصرف‌کننده است و تعیین تمایل به پرداخت مقادیر برای هر ویژگی را امکان‌پذیر میکند. بنابراین آزمایش‌های گسسته به ویژه برای ارزشگذاری کالاهای پیچیده غیربازاری و طراحی سیاست‌هایی با هدف تهیه چنین کالاهایی بسیار مفید است. در این مطالعه فرض می‌کنیم که معرفی یک کالا به عنوان «مرکز شهر بدون خودرو» بر میزان مطلوبیت (u) مردم تأثیر دارد. علاوه‌بر این، ویژگی‌های مربوط به تحرک‌پذیری یا جابه‌جایی در مرکز شهر، بر u تأثیر می‌گذارد. از‌آنجا‌که ترجیحات بین افراد مختلف متفاوت است، متغیرهای اجتماعی - جمعیتی[27] را می‌توان در تابع مطلوبیت به عنوان مقادیر اثرات متقابل[28] گنجاند تا تفاوت در ترجیحات (ناهمسانی ترجیحات مشاهده شده) [29] را توضیح دهد Ibid.)). در تحقیقات بازاریابی و حملونقل، مدل‌سازی به روش رایج برای اندازه‌گیری ترجیحات افراد تبدیل شده است. براساس رویکرد انتخاب اظهار شده، گزینههای فرضی ایجاد می‌شوند. گزینه‌ها[30] به وسیله متغیرها یا ویژگی‌ها تعریف می‌شوند. هر متغیر یا ویژگی[31] می‌تواند مقادیر یا سطوح[32]مختلفی داشته باشد. با تغییر نظام‌مند سطوح ویژگی‌ها، گزینههای مختلف تولید خواهند شد. از پاسخ‌دهندگان درخواست میشود که یک گزینه از مجموعه انتخاب[33] را انتخاب کند. براساس انتخاب پاسخ‌دهندگان، ارزشگذاری برای سطوح ویژگی‌ها می‌تواند به لحاظ آماری به دست آید. مطلوبیت کل یک گزینه برابر با مجموع مطلوبیت یا ارزشگذاری از سطوح ویژگی‌هاست. با توجه به مطلوبیت کل هر گزینه، احتمال انتخاب یک گزینه از مجموعه‌ای از گزینه‌ها می‌تواند محاسبه شود (Borges et al., 2008).
آزمایش انتخاب گسسته، سازگار با تئوری اقتصادی ارزش لانکستر[34] و بر پایه تئوری مطلوبیت تصادفی[35] بنا شده است. کارکرد تئوری مطلوبیت تصادفی آن است که امکان استخراج ترجیحات برای کالاهای چند بُعدی و پیچیده[36] را برای محقق فراهم میکند. مطالعات گوناگون در مدل‌سازی انتخاب گسسته، قدرت و دقت پیش‌بینی مدل‌های انتخاب گسسته را مورد تأیید قرار داده است. مدل‌سازی انتخاب گسسته با بررسی انتخاب‌ها، به محقق اجازه می‌دهد مطلوبیت یک کالا یا خدمت را مدل‌سازی و اندازه‌گیری کند. مدل‌سازی ترجیحات مبتنی‌بر ترجیحات آشکار شده براساس مشاهده انتخاب‌های انجام شده به وسیله مصرف‌کننده در بازار واقعی انجام می‌گیرد اما در مدل‌سازی انتخاب گسسته، فرض میشود انتخاب‌های اظهار شده، ترجیحات (مطلوبیت‌های) افراد را آشکار میکند (سبحانیان، مهرآرا و عبادی، ۱۳۹۵). دیشازو و فرمو[37] (۲۰۰۲) بیان می‌کنند اقتصاددانان قادر به اندازه‌گیری تفاوت‌ها در ساختار انتخاب نیستند. خوشبختانه روش‌های ترجیحات اظهار شده، به صراحت مجموعه انتخاب داده شده را برای مصرف‌کنندگان می‌سازند که این امر به اقتصاددانان اجازه می‌دهد تا فرضیات درباره رابطه علّی بین طراحی مجموعه انتخاب و سازگاری انتخاب را آزمون کنند. لنکستر (۱۹۶۶) در رویکردی جدید به تئوری مصرف‌کننده معتقد است عمده نوآوری فنی در ترک رویکرد سنتی، که کالاها را هدف مستقیم مطلوبیت می‌دانست، ویژگی یا خصوصیت کالاهاست که از آن تابع مطلوبیت مشتق میشود. کالا (خدمت) به‌خودی‌خود برای مصرف‌کننده مطلوبیت ندارد. کالاها (یا خدمت) ویژگی‌هایی دارند و این ویژگی‌هاست که مطلوبیت فرد را افزایش می‌دهد. همچنین وی بیان میکند که در تئوری رفتار مصرف‌کننده، خصوصیات یا ویژگی‌های ذاتی کالاها، همان خصوصیاتی است که الماس را از نان متفاوت میکند به‌طوری‌که مصرف‌کننده‌ای که فقط الماس مصرف میکند، همان‌قدر عقلایی است که مصرف‌کننده‌ای فقط نان مصرف میکند اما مصرف‌کننده‌ای که گاهی نان و گاهی الماس مصرف میکند، غیرعقلایی عمل میکند. بنابراین تنها خصوصیتی که تئوری می‌تواند بر آن بنا شود، خصوصیت کالا بودن است. بنیان نظریه آزمون انتخاب گسسته، نسبتاً پیچیده است زیرا چندین تئوری اقتصادی مختلف را با هم ترکیب میکند. آزمون انتخاب گسسته مبتنی‌بر تئوری انتخاب احتمالی و تئوری مطلوبیت تصادفی نامیده میشود و با تئوری اقتصادی ارزش لنکستر و اقتصاد نئوکلاسیک سازگار است (Lancaster, 1966; Manski, 1977).
تئوری مطلوبیت تصادفی به محقق امکان استخراج ترجیحات برای کالاهای چند‌بُعدی پیچیده را می‌دهد که مدل‌های ترجیحات می‌توانند از آن تخمین زده شوند. آزمون انتخاب گسسته، یک پیمایش ویژگی‌محور با رویکرد ترجیحات اظهار شده است که طی آن یک کالا یا خدمت و یا یک سیاست با استفاده از دو یا چند مؤلفه یا ویژگی تعریف میشود. هر یک از این مؤلفه‌های ذکر شده شامل سطوحی است که تلفیق هر یک از سطوح مؤلفه‌ها با یکدیگر، نسخه‌های متفاوتی از یک کالا یا خدمت را ارائه می‌دهد.
1-1. چارچوب مفهومی آزمایش انتخاب گسسته
در چارچوب مطلوبیت تصادفی استاندارد، تابع مطلوبیت فردn ام از گزینه iام، از یک بخش مشاهده شده معین[38] ( ) و یک بخش غیر‌قابل مشاهده[39] ( ) تشکیل شده است:
(1)
با تعریف ویژگی‌ها در مؤلفه مشاهده شده، معادله بالا را می‌توان به صورت ذیل نوشت:
(2)
(3)
بردار پارامترها و بردار ویژگی‌ها برای گزینه است.
در مدل‌های لاجیت، پارامتر تصادفی یا جملات اخلال به صورت لجستیکی توزیع شده است و براساس فرض لجستیک بودن توزیع جملات اخلال، مدل لاجیت شرطی یا چند‌جمله‌ای به دست می‌آید. مدل‌های فوق براساس این فرضیات به دست می‌آیند که عبارت‌های خطا، مستقل و به صورت یکسان و با ارزش فرین (مدل گامبل یا لجستیک) توزیع شده‌اند (Kjaer, 2005).
احتمال اینکه فرد nام گزینه i را از میان j گزینه انتخاب کند به صورت معادله (4) خواهد بود.
(4)
1-2. مدل لاجیت با پارامترهای تصادفی
در تحلیل اقتصادسنجی، مدل لاجیت شرطی بر فروضی استوار است. یکی از این فروض، استقلال گزینههای نامرتبط[40] یا فرض IIA است. این فرض به این معناست که حضور یا عدم حضور یک گزینه، نسبت احتمال مرتبط با سایر گزینههای موجود در مجموعه انتخاب را تحت تأثیر قرار ندهد (عبادی و همکاران، ۱۳۹۳). بنابراین در صورت نقض فرض استقلال گزینههای نامرتبط و برای رهایی از تورش برآوردها از مدل لاجیت با پارامترهای تصادفی استفاده میشود. در این تحقیق برای آزمون این فرض از آماره هاسمن استفاده میشود.
در مدل لاجیت با پارامترهای تصادفی، مطلوبیتی که فرد ام از گزینه به دست می‌آورد به صورت زیر است:
(5)
ضریب تصادفی است که برای افراد مختلف در جامعه تغییر میکند. و هر دو بردار متغیرهای گزینه‌محور[41] هستند با این تفاوت که اولی در ضریب قابل تغییر برای هر فرد و دومی در یک ضریب ثابت ضرب شده است، ضریب ثابت، ضرایب ثابت گزینه‌ها، بردار متغیرهای فردمحور[42] و عبارت تصادفی است که دارای توزیع فرین از نوع 1 است.
در مدل لاجیت با پارامترهای تصادفی، احتمال انتخاب گزینه توسط فرد ام به صورت زیر است (Cameron and Trivedi, 2005):
(6)
رویکردهای مطالعات داخلی در حوزه حملونقل و ترافیک (عبور و مرور) شهری، عمدتاً بر مدل‌سازی تقاضای سفر و مؤلفه‌های اثرگذار در استفاده از خودروهای سواری شخصی در ورود به محدوده مرکزی شهرها استوار است و هیچ کدام از مطالعات داخلی به موضوع «مرکز شهر بدون خودرو» و مؤلفه‌های اثرگذار بر آن نپرداخته است. در مطالعات داخلی مرتبط با حوزه حملونقل شهری، گوگردچیان و همکاران (1395) با استفاده از مدل‌های انتخاب گسسته و مدل‌سازی تقاضای سفر در شهر اصفهان نشان دادند که تقاضا برای خودروهای شخصی به آسایش و راحتی خودروی شخصی؛ تقاضا برای تاکسی به زمان، هزینه، درآمد و آسایش و تقاضا برای اتوبوس به زمان و هزینه وابسته است. ماشین‌چی عباسی و عربی (۱۳۹۷) - با مدل‌سازی انتخاب وسیله سفر با مدل لاجیت چندگانه - وابستگی کاری به اتومبیل، تعداد سرنشین، داشتن مجوز ورود به طرح و میزان تردد به محدوده طرح با استفاده از خودروی شخصی را شناسایی کردند. حبیبیان و کرمانشاه (۱۳۹۱) نیز با مدل‌سازی دلایل استفاده از سواری شخصی توسط شهروندان در سفرهای کاری به محدوده مرکزی کلانشهر تهران نشان داد عامل راحتی در استفاده از خودروی سواری شخصی، منطقه محل سکونت، سن افراد و میزان فاصله ایستگاه‌های حملونقل عمومی تا محل اقامت (فراوانی ایستگاه‌ها) با تمایل استفاده از حملونقل عمومی ارتباط دارد.
در مطالعات خارجی نیز روث اف. هانتر و همکاران[43] (2021) در مطالعه‌ای با هدف طراحی مشترک رویکردهای مداخله مبتنی‌بر سیستم‌های پایدار برای کاهش وابستگی خودرو[44] در شهر بلفاست،[45] پایتخت ایرلند شمالی، با استفاده از آزمایش انتخاب گسسته (مدل‌های لاجیت چند‌جمله‌ای و مختلط) و نظرسنجی با پرسشنامه از پانصد نفر کاربر خودروی سواری، به بررسی ناهمگونی ترجیحات و تخمین پیش‌بینی سناریوهای ترجیحی افراد برای محیط حملونقل و برآورد تمایل به پرداخت یا پذیرش تغییرات پرداختند و نتیجه گرفتند یک دیدگاه سیستمی از موضوع وابستگی خودرو در شهر بلفاست، دیدگاهی مشتمل بر سیاست‌ها و رویکردهای مداخله‌ای بالقوه و چارچوبی برای ادغام آنها و برای هماهنگی ذی‌نفعان لازم است. عرفان احمد ممون و همکاران[46] (2021) با مدل‌سازی انتخاب شیوه حمل‌نقل برای انتقال کاربران خودروهای سواری شخصی (تک‌سرنشین) به خدمات حملونقل عمومی در مرکز شهر کراچی با رگرسیون لجستیک، نشان دادند که چگونه عوامل اجتماعی، جمعیتی، محیطی، حملونقل، سفر، کیفیت، نگرش و بی‌اطمینانی بر کاربران خودروهای سواری تک‌سرنشین تأثیر می‌گذارد. متغیر نگرش از طریق سه عامل حریم خصوصی، وضعیت شخصی و خودرو اندازه‌گیری و معنادار شد. گوندلاچ و همکاران[47] (2018) نیز با مدل‌سازی ترجیحات مردم شهر برلین برای مرکز شهر بدون خودرو با مدل‌های لاجیت شرطی و لاجیت با پارامترهای تصادفی نشان دادند بهبود زیرساخت‌های دوچرخه‌سواری، بهبود شبکه‌های حملونقل عمومی (اتوبوس و مترو) و اختصاص خیابان‌های آزاد شده به استفاده‌های تفریحی به استقبال بالاتر مرکز شهر بدون خودرو کمک میکند. کین و همکاران[48] (۲۰۱۳) با استفاده از مدل‌های لاجیت چندگانه برای تحلیل رفتار انتخاب اتوبوس توسط مالکان خودرو در شهرهای متوسط چین، چهار پارامتر زمان سفر، راحتی اتوبوس، هزینه پارکینگ و هزینه سوخت را به عنوان عوامل مهم برای تحلیل تقاضای سفر با وسایل حملونقل عمومی شناسایی کردند. بورگز و همکاران[49] (۲۰۰۸) با مدل‌سازی آزمایش انتخاب گسسته برای چهار شهر هلند نشان دادند که امکانات پارک ایمن[50] و امکانات حملونقل عمومی[51] به‌طور قابل توجهی بر درک آنها از پارکینگ متمرکز تأثیر می‌گذارد. در مطالعه بورگز و گلدنر[52] (۲۰۱۵) نشان داده شد سن، وجود کودک در خانواده و نحوه حملونقل[53] بر تمایل به اقامت در یک منطقه بدون خودرو تأثیر می‌گذارد.
روش‌شناسی این تحقیق، پیمایشی - توصیفی و از نوع کاربردی با رویکرد مورد استفاده «آزمایش انتخاب گسسته»[54] و تکنیک مدل‌های لاجیت شرطی به منظور استخراج ترجیحات اظهار شده و شناسایی مؤلفه‌های اثرگذار غیربازاری بر ترجیحات مردم تهران در انتخاب یک مرکز شهر بدون خودروی سواری شخصی است.
1-3. جامعه و نمونه آماری
جامعه آماری یا جمعیت مورد مطالعه[55] شامل شهروندان تهرانی ساکن در مناطق 22گانه است که به دلایل مختلفی از قبیل کار، تحصیل، تفریح، خرید، انجام امور اداری و ... تحت تأثیر سیاست «مرکز شهر بدون خودروی سواری شخصی» قرار می‌گیرند. براساس محل سکونت یا محل کار از هر منطقه، چهار نفر شناسایی شدند که هر یک از این افراد با معرفی 10 نفر امکان تعیین نمونه چهل‌تایی از هر منطقه را فراهم کردند. ساده‌‌ترین تکنیک نمونه‌گیری احتمالی، نمونه‌گیری تصادفی است که یکی از روش‌های آن نمونه‌گیری خوشه‌ای[56] است (Champ, 2017). با توجه به پراکندگی جمعیت شهر تهران در سطح مناطق مختلف از نمونه‌گیری تصادفی خوشه‌ای در این مطالعه استفاده شده است. متدولوژی مطالعه حاضر استفاده از نظرسنجی مختلط و ترکیبی از مصاحبه حضوری، ارسال پستی، ایمیل، واتساپ، تلگرام و دیگر فضا‌های مجازی است.
قاعده کلی پیشنهادی پیرمین و همکاران[57] (1991) نشان می‌دهد برای طراحی آزمایش انتخاب گسسته، نمونه با اندازه بیش از صد می‌تواند امکان مدل‌سازی داده‌های ترجیحات را فراهم کند؛ در‌حالی‌که لنسار و لوویر[58] (2008) بیان می‌کنند آزمون تجربی ما نشان می‌دهد برای تخمین مدل‌های قابل اعتماد، باید هر پرسشنامه حداقل به بیست نفر ارائه شود و جهت شناسایی و برآورد آثار متقابل به نمونه‌های بزرگ‌تر نیاز است (De Bekker-Grob et al., 2015). مک‌فادن[59](1984) پیشنهاد میکند: «به عنوان یک قاعده کلی، اندازه نمونه‌هایی که کمتر از سی پاسخ در هر گزینه را شامل شود، برآوردهای انجام شده با روش مجانبی قابل اعتماد نیست».
2-3. شناسایی مؤلفه‌ها و سطوح آنها
اولین مرحله طراحی آزمون شامل تعریف ویژگی‌های مورد نظر است. هیچ اجماعی در مورد چگونگی تعریف ویژگی‌ها وجود ندارد اما در یک مطالعه دو مسئله خاص باید لحاظ شود؛ اول اینکه ویژگی‌ها باید متناسب با الزامات سیاستگذاران باشد. دوم اینکه ویژگی‌ها برای پاسخ‌دهندگان مهم و معنادار باشند. بنت و بلامی (۲۰۰۱) بیان می‌کنند که قاعده کلی برای تعداد ویژگی‌هایی که باید انتخاب شوند، وجود ندارد، اگرچه به نظر می‌رسد که یک توافق با حداکثر هشت ویژگی وجود دارد (Kjaer, 2005). کارلسون و مارتین سون (2003)[60] در ارتباط با طراحی آماری آزمون‌های انتخاب بیان می‌کنند هدف از طراحی آماری بهینه، استخراج حداکثر مقدار اطلاعات از پاسخ‌دهندگان با قید تعداد ویژگی‌ها، سطوح ویژگی و سایر ویژگی‌ها مانند هزینه و طول دوره بررسی است. در مرحله اول مؤلفه‌ها یا ویژگی‌های «مرکز شهر بدون خودرو» با روش‌شناسی اسنادی و نشست خبرگانی احصا و 6 مؤلفه اثرگذار بر ترجیحات شهروندان تهرانی انتخاب شد. در مرحله دوم نیز سطوح این ویژگی‌ها تعیین شدند که در جدول 2 ارائه شده است.
جدول 2. مؤلفه‌ها و سطوح هر یک از مؤلفه‌ها
|
مؤلفه‌ها |
مسیر دوچرخه و موتورسیکلت برقی |
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی |
فراوانی حملونقل عمومی |
امکانات پارکینگ در مرز محدوده |
فضای سبز و تفریحی اضافی |
کرایه حملونقل عمومی |
|
سطوح |
وضعیت فعلی |
3 دقیقه |
وضعیت فعلی |
وضعیت فعلی |
وضعیت فعلی |
رایگان |
|
مسیر دوچرخه و موتورسیکلت برقی در کنار هر خیابان |
6 دقیقه (وضعیت فعلی) |
30 درصد بیشتر از وضعیت فعلی |
پارکینگ بدون نگهبان و رایگان |
30 درصد بیشتر از وضعیت فعلی |
50 درصد کمتر از کرایه فعلی |
|
|
مسیر اختصاصی برای دوچرخه یا موتورسیکلت برقی |
9 دقیقه |
60 درصد بیشتر از وضعیت فعلی |
پارکینگ با نگهبان و هزینه |
60 درصد بیشتر از وضعیت فعلی |
کرایه فعلی |
|
|
- |
- |
- |
- |
- |
50 درصد بیشتر از کرایه فعلی |
مأخذ: یافته‌های تحقیق.
3-3. طراحی مجموعه‌های انتخاب
گام بعدی، تعیین مجموعه‌های انتخاب و گزینه‌ها یا آلترناتیوهای آن است. با توجه به تعداد مؤلفه‌ها و سطوح آنها، 972 ترکیب ممکن (3×3×3×3×3×4) برای انتخاب وجود خواهد داشت. این نوع طرح، کامل‌ترین نوع طرح آزمون است که به آن طراحی فاکتوریل کامل[61] گفته میشود. در این طراحی آثار تک‌تک ویژگی‌ها و نیز اثرات متقابل دو‌جانبه یا چند‌جانبه ویژگی‌های مختلف مورد بررسی و آزمون قرار می‌گیرد. در طراحی فاکتوریل کامل تمام گزینههای ممکن ارائه می‌شوند و با توجه به اینکه امکان گنجاندن تمام این گزینه‌ها در مجموعه‌های انتخاب امکان‌پذیر نیست بنابراین اندازه طراحی باید کاهش یابد که این کار با استفاده از فاکتوریل کسری[62] انجام میشود (Louviere, Hensher and Swait, 2000). برای انتخاب سؤالات بهینه، روشی که عمدتاً مورد استفاده قرار گرفته و در سال‌های اخیر توسعه داده شد، روش D-optimal است. این روش، این امکان را فراهم میکند که ترکیب‌های بهینه‌ای از سؤالات انتخاب شوند که بیشترین اطلاعات آماری را در خصوص ترجیحات افراد در اختیار قرار می‌دهد.
با استفاده از معیار مذکور و به کمک نرم‌افزار Minitab16 و Design-Expert12 تعداد سؤالات نهایی پرسشنامه در قالب بیست مجموعه انتخاب سه‌گزینه‌ای انتخاب شدند. یک نمونه از مجموعه انتخاب که به عنوان سؤال در پرسشنامه گنجانده شد در جدول ذیل ارائه شده است.
جدول 3. یک مجموعه انتخاب در پرسشنامه «مرکز شهر بدون خودروی سواری شخصی»
|
انتخاب |
کرایه حملونقل عمومی |
فضای سبز و تفریحی اضافی |
امکانات پارکینگ در مرز محدوده |
فراوانی حملونقل عمومی |
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی |
مسیر دوچرخه و موتورسیکلت برقی |
گزینه‌ها |
|
|
۵۰ درصد بیشتر از کرایه فعلی |
وضعیت فعلی |
پارکینگ بدون نگهبان و رایگان |
وضعیت فعلی |
۹ دقیقه |
ایجاد مسیر دوچرخه و موتور در کنار هر خیابان |
گزینه 1 (موافق مرکز شهر بدون خودرو) |
|
|
۵۰ درصد بیشتر از کرایه فعلی |
۶0 درصد بیشتر از وضعیت فعلی |
پارکینگ با نگهبان و هزینه |
وضعیت فعلی |
۳ دقیقه |
وضعیت فعلی |
گزینه 2 (موافق مرکز شهر بدون خودرو) |
|
|
وضعیت فعلی |
وضعیت فعلی |
وضعیت فعلی |
وضعیت فعلی |
وضعیت فعلی |
وضعیت فعلی |
گزینه ۳ (مخالف مرکز شهر بدون خودرو) |
مأخذ: همان.
پرسشنامه در تحقیق حاضر دارای دو بخش سؤالات جمعیت‌شناختی شامل سن، جنسیت، سطح تحصیلات، منطقه محل سکونت، درآمد ماهیانه، مالکیت خودرو و... و همچنین سؤالات آزمایش انتخاب گسسته شامل مجموعه‌های انتخاب طراحی شده است.
3-4. تخمین مدل و تحلیل یافته‌ها
در مدل لاجیت شرطی، تابع مطلوبیت تصادفی به صورت معادله (7) تبیین شده است.
فرض کنید که p متغیر گزینه‌محور داریم و برای هر فرد ، یک ماتریس داده با ابعاد J.P داریم و همچنین فرض کنید که q متغیر فردمحور و برای هر فرد ، یک بردار داده با ابعاد 1×q نیز داریم.
معادله (7)
در معادله بالا بردار ضرایب رگرسیون گزینه‌محور، j تمام گزینههای ممکن و قابل انتخاب برای همه افراد و ماتریس ضرایب رگرسیون فردمحور است. عناصر بردار مستقل و تصادفی با ارزش فرین[63] و از نوع 1 (گامبل) [64] هستند (Greene, 2018; Cameron and Trivedi, 2005). بردار میزان مطلوبیتی را که فرد nام با انتخاب گزینه J به دست می‌آورد را تعیین میکند. اگر گزینه j در دسترس فرد نباشد، ردیف jام در تابع مطلوبیت حذف میشود. گزینه انتخاب شده توسط فرد تنها گزینه‌ای است که مطلوبیت را حداکثر میکند.
3-4-1. تخمین مدل لاجیت شرطی
مدل لاجیت شرطی[65] به عنوان اولین مرحله در تصریح فرم تبعی برآورد میشود. مدل مطلوبیت تصادفی فرد ام برای انتخاب گزینه jام با وجود آثار متقابل متغیرهای جمعیت‌شناختی به صورت زیر است:
معادله (8)
در معادله فوق Vjn (تابع مطلوبیت غیرمستقیم) متغیر وابسته است که در مدل‌های لاجیت همان متغیر انتخاب است که مقادیر صفر و یک می‌گیرد. به‌عبارت‌دیگر هر فرد در پاسخ به هر سؤال یا مجموعه انتخاب[66] که شامل سه گزینه (j) است باید گزینه‌ای را انتخاب کند که به نظرش مطلوبیت بیشتری برای او ایجاد میکند. ضریب متغیر باینری یا دودویی است. متغیر دارای مقادیر صفر و یک است. اگر مرکز شهر بدون خودرو نیست و اگر مرکز شهر بدون خودرو است. تا به ترتیب ضرایب متغیرهای جمعیت‌شناختی جنسیت، سن، سطح تحصیلات، منطقه سکونت، سطح درآمد و میزان استفاده از حملونقل عمومی است. تا ضرایب مؤلفه‌ها یا متغیرهای توضیحی Road، Dist، Freq، Park، Recre و Price بیانگر مؤلفه‌های گزینه jام هستند.
اولین ویژگی Road است که به مسیر دوچرخه و موتورسیکلت برقی همگانی اشاره دارد. انتظار این است ایجاد امکانات بهتر برای دوچرخه و موتور‌سواران بر ترجیحات افراد در انتخاب یک مرکز شهر بدون خودرو تأثیر مثبت گذارد (β > 0).
Dist متوسط پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی است که با دقیقه اندازه‌گیری میشود. براساس اطلاعات موجود در معاونت ترافیک شهرداری تهران، در حال حاضر میانگین فاصله بین ایستگاه‌ها حدود پانصد متر، معادل 6 دقیقه پیاده‌روی است و به عنوان وضع موجود تعیین شد. انتظار بر این است که افزایش متوسط پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی بر ترجیحات افراد اثر منفی داشته باشد (β < 0).
Freq به عنوان میزان فراوانی حملونقل عمومی تعریف شده و اندازه این ویژگی به درک افراد و میزان دسترسی به خدمات حملونقل عمومی بستگی دارد. این ویژگی دارای سه سطح است. سطح اول، وضع فعلی؛ سطح دوم، 30 درصد بیشتر از وضع فعلی (Freq Higher) و سطح سوم، 60 درصد بیشتر از وضع فعلی (Freq Highest) است. انتظار این است که افزایش فراوانی حملونقل عمومی و امکان دسترسی بیشتر به این خدمات بر ترجیحات افراد اثر مثبت داشته باشد (β > 0).
Parking به امکانات پارک در مرز محدوده ممنوعه اشاره دارد و دارای سه سطح وضع فعلی، امکانات پارکینگ بدون نگهبان و دوربین و رایگان (Unguarded) و امکانات پارکینگ با نگهبان و دوربین و دارای هزینه (Guarded) است. فرض بر این است که مردم نگران خودروهای پارک شده خود هستند و ایجاد امکانات پارکینگ با نگهبان و دوربین حتی با پرداخت هزینه می‌تواند باعث آسایش خاطر و افزایش مطلوبیت شود. بنابراین انتظار می‌رود وجود امکانات پارکینگ بر ترجیحات افراد در انتخاب مرکز شهر بدون خودرو اثر مثبت داشته باشد (β > 0).
Recre به فضای سبز و مناطق تفریحی اضافی اشاره دارد. فرض میشود که با آزادسازی خیابان‌ها به دلیل ممنوعیت تردد خودروهای سواری شخصی، امکان افزایش فضای سبز و مناطق تفریحی در داخل محدوده وجود دارد. انتظار می‌رود افزایش این ویژگی بر ترجیحات افراد و به خصوص افراد ساکن در محدوده اثر مثبت داشته باشد (β > 0).
Price به عنوان قیمت یا کرایه خدمات حملونقل عمومی تعریف میشود. با توجه به مبانی تئوریک رفتار مصرف‌کننده انتظار این است افزایش کرایه‌ها برای مصرف‌کننده مطلوبیت منفی دارد و اثر آن بر ترجیحات افراد در انتخاب یک مرکز شهر بدون خودرو منفی است (β < 0).
در قسمت اول معادله (8)، اثرات متقابل متغیرهای جمعیت‌شناختی ارائه شد. متغیرهای سن و جنسیت به رفتار و سلایق افراد بستگی دارد و علامت خاصی را نمی‌توان انتظار داشت (β ≠ 0)، اما احتمال مخالفت مردان و افراد مسن‌تر با مرکز شهر بدون خودرو بیشتر است. سطح تحصیلات بالاتر که به منزله درآمد و موقعیت اجتماعی بالاتر است و افزایش احتمال مالکیت خودروی شخصی در این افراد افزایش می‌یابد، می‌توان انتظار داشت افراد با تحصیلات بالاتر به دلیل کاهش مطلوبیت شخصی، با مرکز شهر بدون خودرو مخالفت کنند و دارای اثر منفی باشد (β < 0). منطقه محل سکونت اگر خارج محدوده طرح ترافیک باشد، به دلیل محدودیت در رفت‌و‌آمد به داخل طرح، انتظار می‌رود ساکنین این مناطق با مرکز شهر بدون خودرو مخالف باشند. بنابراین افزایش در متغیر منطقه محل سکونت (یعنی حرکت به سمت مناطق خارج طرح براساس کدگذاریهای انجام شده) می‌تواند اثر منفی داشته باشد (β < 0). فرض میشود افراد با درآمد بیشتر تمایل کمتری به پذیرش محدودیت‌ها دارند و به دلیل کاهش مطلوبیت شخصی با مرکز شهر بدون خودرو مخالفت خواهند کرد. بنابراین انتظار می‌رود اثر متغیر درآمد بر ترجیحات افراد منفی باشد (β < 0). همچنین فرض میشود هرچه میزان استفاده افراد از حملونقل عمومی بیشتر باشد، تمایل کمتری به استفاده از خودروهای سواری شخصی دارند و این امر احتمال پذیرش مرکز شهر بدون خودرو را افزایش می‌دهد. بنابراین انتظار می‌رود اثر متغیر میزان استفاده افراد از حملونقل عمومی دارای اثر مثبت باشد (β > 0). گفتنی است که مقادیر ضرایب که از رابطه رگرسیونی بالا تخمین زده می‌شوند، دارای مفهوم و تفسیر خاصی نیستند و آنچه مهم است علامت ضرایب و معناداری آنهاست (Louviere, Hensher and Swait, 2000). بنابراین در ادبیات آزمایش انتخاب گسسته آنچه مهم است معناداری و علائم ضرایب و اهمیت نسبی مؤلفه‌ها‌ست. به‌عبارت‌دیگر افراد پاسخ‌دهنده با انتخاب یک گزینه در هر سؤال، تمایل به مبادله این مؤلفه‌ها را با همدیگر (نرخ نهایی جانشینی) به نمایش می‌گذارند.
نتایج برآورد مدل لاجیت شرطی با اثرات اصلی[67] با استفاده از روش حداکثر راستنمایی در جدول ذیل ارائه شده است.
جدول 4. نتایج تخمین مدل لاجیت شرطی
|
مؤلفه‌ها |
ضرایب |
خطای معیار |
آماره Z |
احتمال (P>|Z|) |
|
متغیر باینری یا دودویی cf |
47/7 |
585/0 |
75/12 |
000/0 |
|
مسیر دوچرخه‌سواری و موتورسیکلت برقی |
09/0 |
043/0 |
21/2 |
027/0 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی |
21/0- |
030/0 |
91/6- |
000/0 |
|
فراوانی حملونقل عمومی |
27/0 |
033/0 |
15/8 |
000/0 |
|
امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو |
26/0 |
043/0 |
18/6 |
000/0 |
|
فضای سبز و تفریحی اضافی |
57/0 |
045/0 |
69/12 |
000/0 |
|
کرایه حملونقل عمومی |
12/0- |
028/0 |
38/4- |
000/0 |
|
Number of Obs= 8397 Log Likelihood= -1290.70 LR Chi2 (7) = 3568.62 Prob>Chi2= 0.000 Pseudo R2= 0.5803
|
||||
مأخذ: همان.
همانگونه که در جدول فوق نشان داده شد، تمامی ضرایب در سطح 1 درصد و 5 درصد معنادار بوده و دارای علائم انتظاری هستند. مقدار آماره نسبت راستنمایی (LR Chi2 (7) = 3568.62) بیانگر معناداری کل رگرسیون و تأیید آن است. فرضیه مبنی‌بر بی‌معنا بودن تمامی ضرایب به شدت رد میشود. آماره Pseudo R2 بیانگر قدرت توضیح‌دهندگی مدل است که میزان 58/0 به دست آمده برای مدل لاجیت شرطی برآورد شده، نشان‌دهنده قدرت توضیح‌دهندگی بسیار خوب مدل است. در مدل‌های لاجیت شرطی مقدار این آماره بین 2/0 تا 3/0 بیانگر مدل با قدرت توضیح‌دهندگی خوب است (Ryan, 1999).
معادله (9)
همانگونه که در معادله (9) نشان داده شد، ضرایب منفی در دو مؤلفه «متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه» و «کرایه حملونقل عمومی» نشان‌دهنده مطلوبیت منفی این دو مؤلفه است که با مبانی نظری مصرف‌کننده کاملاً سازگار است. همچنین با توجه به مقادیر ضرایب به دست آمده می‌توان دریافت که شهروندان تهرانی برای مؤلفه «فضای سبز و تفریحی اضافی» اهمیت نسبی بیشتری قائل هستند و این مؤلفه در سیاست انتخاب مرکز شهر بدون خودرو باید از اولویت بیشتری برخوردار باشد. دو مؤلفه «فراوانی حملونقل عمومی» و «امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو» در اولویت‌های بعدی قرار دارند.
3-4-2. نتایج آزمون هاسمن
هاسمن و مک‌فادن[68] در سال 1984 آزمونی را برای بررسی فرض IIA ارائه کردند. فرضیه بیانگر استقلال گزینههای نامرتبط[69] است که به آزمون هاسمن شهرت پیدا کرد. مهمترین دلالت این آزمون، مشخص کردن استقلال گزینههای نامرتبط یا فرض IIA است که در صورت معناداری آزمون هاسمن، این فرض کلیدی رد میشود. در صورت رد فرض IIA، مدل لاجیت شرطی مناسب نخواهد بود و باید از مدل پیشرفته لاجیت با پارامترهای تصادفی،[70] مدل لاجیت آشیانه‌ای[71] و ... استفاده شود. نتایج آزمون هاسمن برای گزینههای سه‌گانه در این مطالعه در جدول ذیل ارائه شده است.
جدول 5. نتایج آزمون هاسمن برای بررسی فرض IIA
|
گزینه‌ها |
آماره Chi2 (6) |
احتمال (prob>chi2) |
|
گزینه 1 |
77/120 |
000/0 |
|
گزینه 2 |
15/76 |
000/0 |
|
گزینه 3 |
88/64 |
000/0 |
مأخذ: همان.
نتایج آزمون هاسمن در جدول فوق حاکی از آن است که فرضیه آزمون مبنی‌بر فرض IIA برای هر سه گزینه مورد بررسی رد شد. بنابراین برای رهایی از تورش عدم برقراری فرض IIA، از تخمین‌زننده لاجیت با پارامترهای تصادفی استفاده میشود.
3-4-3. تخمین مدل لاجیت با پارامترهای تصادفی
با توجه به اینکه فرض IIA برای گزینههای مورد بررسی رد شد، برای جلوگیری از تورش‌دار شدن نتایج مدل لاجیت شرطی، از مدل لاجیت شرطی با پارامترهای تصادفی با لحاظ اثرات متقابل[72] استفاده میشود. تابع احتمال غیرشرطی شخص qام برای انتخاب گزینه ام با انتگرال تابع احتمال لاجیت انتخاب به صورت زیر به دست می‌آید (Hensher et al., 2014):
معادله (10)
در جدول ذیل نتایج تخمین مدل لاجیت با پارامترهای تصادفی با استفاده از نرم‌افزار STATA 17 به دست آمده است.
جدول 6. نتایج تخمین مدل لاجیت با پارامترهای تصادفی
|
میانگین (Mean) |
ضرایب |
خطای معیار |
آماره Z |
احتمال (P>|Z|) |
|
متغیر باینری یا دودویی cf |
13/10 |
999/0 |
14/10 |
000/0 |
|
کرایه حملونقل عمومی |
16/0- |
044/0 |
61/3- |
000/0 |
|
مسیر دوچرخه و موتورسیکلت برقی |
14/0 |
068/0 |
13/2 |
033/0 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی |
31/0- |
051/0 |
98/5- |
000/0 |
|
فراوانی حملونقل عمومی |
45/0 |
069/0 |
51/6 |
000/0 |
|
امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو |
48/0 |
089/0 |
41/5 |
000/0 |
|
فضای سبز و تفریحی اضافی |
71/0 |
066/0 |
76/10 |
000/0 |
|
انحراف معیار (SD): |
||||
|
مسیر دوچرخه و موتورسیکلت برقی |
045/0 |
271/0 |
17/0 |
868/0 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه |
019/0 |
185/0 |
10/0 |
918/0 |
|
فراوانی حملونقل عمومی |
890/0 |
262/0 |
39/3 |
001/0 |
|
امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو |
912/0 |
292/0 |
12/3 |
002/0 |
|
فضای سبز و تفریحی اضافی |
087/0- |
172/0 |
51/0- |
611/0 |
|
Number of Obs = 8397 Log Simulated-likelihood = -1275.17 LR Chi2 (5) = 31.07 Prob>Chi2 = 0.000 |
||||
مأخذ: همان.
همانگونه که در جدول بالا نشان داده شد، تمامی مؤلفه‌ها یا متغیرهای مستقل به جز مؤلفه «کرایه حملونقل عمومی» به صورت تصادفی تصریح شده‌اند. براساس نتایج به دست آمده، میانگین‌های برآورد شده برای هر یک از مؤلفه‌های اصلی مدل، از نظر آماری در سطح 1 درصد و 5 درصد معنادار و دارای علائم مورد انتظار هستند. مقدار آماره نسبت راستنمایی (LR chi2 (5) = 31.07) بیانگر معناداری کل رگرسیون و رد فرضیه مبنی‌بر بی‌معنا بودن تمام ضرایب است. این امر حاکی از تصریح مناسب مدل و معناداری آثار این مؤلفه‌ها بر ترجیحات شهروندان تهرانی در انتخاب مرکز شهر بدون خودروی سواری شخصی است.
معادله (11)
در معادله بالا همانند مدل لاجیت شرطی، ضرایب همه مؤلفه‌ها دارای علائم انتظاری هستند و علامت ضرایب دو مؤلفه «متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه» و «کرایه حملونقل عمومی» نیز منفی است. همانگونه که قبلاً توضیح داده شد، علامت منفی ضرایب این مؤلفه‌ها بیانگر اثر منفی آنها بر مطلوبیت شهروندان تهرانی است که با مبانی تئوریک تابع مطلوبیت سازگار است. ضریب مؤلفه «فضای سبز و تفریحی اضافی» با مقدار 71/0 به مراتب از ضرایب دیگر مؤلفه‌ها بزرگ‌تر است و به این معناست که موضوع ایجاد فضای سبز و تفریحی در بخش مرکزی شهر، دغدغه اصلی شهروندان تهرانی در انتخاب مرکز شهر بدون خودرو و همراهی با این سیاست است. بنابراین مؤلفه «فضای سبز و تفریحی اضافی» از اهمیت و اولویت بیشتری در مقایسه با دیگر مؤلفه‌ها برخوردار است. براساس نتایج جدول 6، انحراف معیار برآورد شده مؤلفه‌هایی که به صورت تصادفی تصریح شده‌اند، نشان می‌دهد فقط دو مؤلفه «فراوانی حملونقل عمومی» و «امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو» در سطح 1 درصد معنادار شدند و به این معناست که برای این دو مؤلفه، ناهمسانی در ترجیحات افراد نمونه وجود دارد و شهروندان تهرانی در زمینه میزان فراوانی حملونقل عمومی در داخل محدوده و ایجاد امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو ترجیحات متفاوتی دارند. بنابراین برای شناسایی این منبع ناهمسانی ترجیحات از متغیرهای ضربی این دو مؤلفه با متغیرهای جمعیت‌شناختی در قالب برآورد مدل لاجیت تصادفی با اثرات متقابل استفاده شد که نتایج آن در قسمت بعدی ارائه خواهد شد. همچنین متغیرهای ضربی باینری یا دودویی cf با متغیرهای جمعیت‌شناختی، امکان تحلیل اثرات متقابل سطوح متغیرهای جمعیت‌شناختی در انتخاب مرکز شهر بدون خودرو در شهر تهران را فراهم میکند که برای شناخت بیشتر برنامه‌ریزان و سیاستگذاران شهری بسیار حائز اهمیت است.
3-4-5. تخمین مدل‌های لاجیت با پارامتر تصادفی با لحاظ اثرات متقابل[73] متغیرهای جمعیت‌شناختی
در جدول زیر نتایج تخمین مدل با استفاده از متغیرهای جمعیت‌شناختی به صورت ضربی با متغیر باینری یا دودویی cf ارائه شده است.
جدول 7. نتایج تخمین مدل لاجیت با پارامترهای تصادفی با لحاظ اثرات متقابل متغیرهای جمعیت‌شناختی
|
میانگین (Mean) |
ضرایب |
خطای معیار |
آماره Z |
احتمال (P>|Z|) |
|
متغیر باینری یا دودویی cf |
14/16 |
535/5 |
92/2 |
004/0 |
|
مسیر دوچرخه‌سواری و موتورسیکلت برقی |
16/0 |
074/0 |
22/2 |
026/0 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه |
32/0- |
055/0 |
82/5- |
000/0 |
|
فراوانی حملونقل عمومی |
50/0 |
080/0 |
27/6 |
000/0 |
|
امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو |
55/0 |
104/0 |
32/5 |
000/0 |
|
فضای سبز و تفریحی اضافی |
75/0 |
074/0 |
09/10 |
000/0 |
|
کرایه حملونقل عمومی |
16/0- |
047/0 |
47/3- |
001/0 |
|
متغیر باینری cf × جنسیت |
11/3 |
847/1 |
68/1 |
092/0 |
|
متغیر باینری cf × سن |
95/1- |
805/0 |
43/2- |
015/0 |
|
متغیر باینری cf × درآمد |
84/0 |
416/0 |
03/2 |
043/0 |
|
متغیر باینری cf × منطقه محل سکونت |
39/0- |
148/0 |
64/2- |
008/0 |
|
متغیر باینری cf × سطح تحصیلات |
79/1- |
694/0 |
58/2- |
010/0 |
|
متغیر باینری cf × میزان استفاده از وسایل حملونقل عمومی |
46/1 |
947/0 |
54/1 |
124/0 |
|
انحراف معیار (SD): |
||||
|
مسیر دوچرخه‌سواری |
065/0 |
300/0 |
22/0 |
828/0 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه |
022/0 |
222/0 |
10/0 |
921/0 |
|
فراوانی حملونقل عمومی |
010/1 |
302/0 |
34/3 |
001/0 |
|
امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو |
084/1 |
328/0 |
31/3 |
001/0 |
|
فضای سبز و تفریحی اضافی |
119/0- |
206/0 |
58/0- |
562/0 |
|
Number of Obs = 8397 Log Simulated-likelihood = -1266.27 LR Chi2 (5) = 37.75 Prob>Chi2 = 0.000 |
||||
مأخذ: همان.
براساس نتایج به دست آمده و آماره نسبت راستنمایی (LR Chi2 (5) = 37.75) فرض صفر مبنی بر بی‌معنا بودن همه ضرایب قویاً رد میشود. اطلاعات جدول فوق نشان می‌دهد متغیر ضربی محل سکونت (متغیر باینری cf × منطقه محل سکونت) در سطح 1 درصد و متغیرهای ضربی سطح تحصیلات، سن و درآمد در سطح 5 درصد معنادار شدند.
معادله (12)
همانگونه که در معادله بالا نشان داده شد، ضریب متغیر ضربی «متغیر باینری cf × سن» 95/1- است. علامت منفی این ضریب با توجه به کدگذاریهای انجام شده بیانگر این است که هرچه سن افراد بیشتر میشود احتمال موافقت آنها با مرکز شهر بدون خودرو کاهش می‌یابد. بنابراین شهروندان مسن‌تر در تهران با احتمال بیشتری مخالف و افراد جوان‌تر احتمالاً موافق این سیاست خواهند بود. این موضوع با نتایج مطالعات خارجی و انتظارات ما نیز سازگار است. ضریب متغیر ضربی «متغیر باینری cf × درآمد» 84/0+ است و علامت مثبت درآمد حاکی از آن است که در شهر تهران هرچه سطح درآمد افراد افزایش می‌یابد احتمال انتخاب مرکز شهر بدون خودرو افزایش می‌یابد. به‌عبارت‌دیگر درآمد اثر مثبت بر مطلوبیت شهروندان تهرانی دارد و این امر برخلاف انتظار است. فرض بر این بود که با افزایش درآمد و احتمال افزایش مالکیت خودرو، محدودیت در استفاده از خودروی سواری شخصی دارای اثر منفی باشد. ضریب متغیر ضربی «متغیر باینری cf × منطقه محل سکونت» 39/0- است و علامت منفی این متغیر ضربی نشان می‌دهد هرچه از مناطق مرکزی شهر مثلاً مناطق 6 و 12 به سمت مناطق پیرامونی حرکت کنیم، احتمال انتخاب مرکز شهر بدون خودرو کاهش می‌یابد. به‌عبارت‌دیگر شهروندان ساکن در داخل محدوده مرکز شهر بدون خودرو به دلیل کاهش ترافیک (عبور و مرور)، ازدحام و آلودگی هوا احتمالاً با اجرای این سیاست موافق و شهروندان ساکن در خارج محدوده مرکز شهر بدون خودرو به علت محدودیت در استفاده از خودروهای سواری شخصی احتمالاً مخالف خواهند بود. این نوع واکنش شهروندان تهرانی با انتظارات ما سازگار است. همچنین ضریب متغیر ضربی «متغیر باینری cf × سطح تحصیلات» 79/1- است. بنابراین هرچه سطح تحصیلات افراد افزایش می‌یابد، احتمال انتخاب مرکز شهر بدون خودرو کاهش می‌یابد و این امر با انتظارات ما انطباق دارد. شهروندان تهرانی با تحصیلات دانشگاهی بالاتر احتمالاً با این سیاست مخالفت خواهند کرد و برعکس.
نتایج انحراف معیار برآورد شده مؤلفه‌ها در جدول 7 نشان داد، شهروندان تهرانی در دو مؤلفه «فراوانی حملونقل عمومی» در داخل محدوده و «امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو» ترجیحات متفاوتی دارند. بر این اساس برای شناسایی این منبع ناهمسانی ترجیحات از متغیرهای ضربی این دو مؤلفه با متغیرهای جمعیت‌شناختی در قالب برآورد مدل لاجیت تصادفی با لحاظ اثرات متقابل استفاده شد. برای جلوگیری از اطاله کلام فقط به ارائه خلاصه نتایج بسنده میشود. نتایج برآورد مدل با اثرات متقابل با لحاظ متغیرهای ضربی مؤلفه «فراوانی حملونقل عمومی» با متغیرهای جمعیت‌شناختی حاکی از آن است که فقط متغیرهای ضربی «فراوانی حملونقل عمومی × درآمد» در سطح 5 درصد و « فراوانی حملونقل عمومی × سن» در سطح 10 درصد معنادار شدند. به عبارتی دو متغیر «درآمد» و «سن» منبع اصلی ناهمسانی ترجیحات شهروندان تهرانی در خصوص مؤلفه «فراوانی حملونقل عمومی» هستند. علامت مثبت ضریب متغیر ضربی «فراوانی حملونقل عمومی × درآمد» به این معناست که هرچه سطح درآمد افراد بیشتر میشود، احتمال انتخاب مرکز شهر بدون خودرو افزایش می‌یابد. به‌عبارت‌دیگر متغیر درآمد اثر مثبت بر مطلوبیت شهروندان تهرانی دارد و این برخلاف انتظارات است. همچنین منفی بودن علامت متغیر ضربی «فراوانی حملونقل عمومی × سن» به این معناست که در افراد مسن‌تر نسبت به افراد جوان‌تر در شهر تهران، احتمال انتخاب مرکز شهر بدون خودرو کاهش می‌یابد که این امر با انتظارات و نتایج مطالعات انطباق دارد. در نهایت در برآورد مدل با اثرات متقابل با لحاظ متغیر ضربی مؤلفه «امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو» با متغیرهای جمعیت‌شناختی، هیچ‌یک از متغیرهای ضربی در هیچ سطحی معنادار نشدند.
3-4-6. تخمین تمایل به پرداخت نسبت به هر یک از مؤلفه‌های اثرگذار بر مرکز شهر بدون خودرو
مزیت اصلی آزمایش انتخاب گسسته، سازگاری آن با نظریه مصرف‌کننده است که برآورد میزان «تمایل به پرداخت»[74] برای هر مؤلفه یا ویژگی را امکان‌پذیر می‌‌سازد (Alpizar, Carlsson and Martinsson, 2001). با استفاده از نتایج تخمین مدل لاجیت با پارامترهای تصادفی، تمایل به پرداخت مطابق معادله (13) برای تمام ویژگی‌های مجموعه انتخاب به دست می‌آید. در این معادله، ضریب ویژگی قیمت یا مطلوبیت نهایی درآمد و ضریب دیگر ویژگی‌ها در داخل مجموعه‌های انتخاب است (Hanley, Mourato and Wright, 2001).
(13)
با استفاده از نتایج تخمین مدل لاجیت با پارامترهای تصادفی در برآورد اثرات اصلی، تمایل به پرداخت محاسبه شده که نتایج آن در جدول ذیل ارائه شده است.
جدول 8. تخمین تمایل به پرداخت شهروندان تهرانی نسبت به هر یک از مؤلفه‌ها (ارقام به ریال)
|
مؤلفه‌ها |
تمایل به پرداخت |
|
مسیر دوچرخه‌سواری و موتورسیکلت برقی |
8،750 |
|
متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه |
19،375 |
|
فراوانی حملونقل عمومی |
28،125 |
|
امکانات پارکینگ در مرز محدوده |
30،000 |
|
فضای سبز و تفریحی اضافی |
44،375 |
مأخذ: همان.
براساس مقادیر برآورده شده در جدول فوق، شهروندان تهرانی مؤلفه‌های «مسیر دوچرخه‌سواری و موتورسیکلت برقی» و «متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه» را پایین‌تر از مؤلفه‌های دیگر و حتی میانگین کرایه‌های فعلی ارزشگذاری کردند. به‌عبارت‌دیگر شهروندان تهرانی برای ایجاد مسیر دوچرخه‌سواری و کاهش متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی اهمیت نسبی کمتری قائل هستند. بیشترین میزان تمایل به پرداخت شهروندان تهرانی به ترتیب به مؤلفه‌های «ایجاد فضای سبز و تفریحی اضافی در داخل محدوده»، «ایجاد امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو» و مؤلفه «فراوانی حملونقل عمومی» اختصاص دارد. به‌عبارت‌دیگر شهروندان تهرانی برای موضوع ایجاد فضای سبز و تفریحی اضافی در داخل محدوده، ایجاد امکانات پارکینگ در مرز محدوده و فراوانی بیشتر حملونقل عمومی اهمیت بیشتری قائل بوده و تمایل دارند برای ایجاد آنها به ترتیب 44،375 ، 30،000 و 28،125 ریال پرداخت کنند که تقریباً یک‌و‌نیم تا دو‌برابر کرایه‌های فعلی[75] است.
امروزه چالش‌های زیست‌محیطی، اقتصادی و اجتماعی خودروها برای شهرها از جمله انتشار کربن، آلودگی هوا، ازدحام[76] و شلوغی و کم‌تحرکی[77] باعث شد بسیاری خواهان بحث درباره سازگاری خودروها با محیط‌های شهری پایدار باشند و به این واقعیت تأکید دارند که انتشار گازهای گلخانه‌ای از خودروهای شخصی به‌طور قابل توجهی موجب تغییرات آب‌و‌هوایی میشود و همین واقعیت موجب شکل‌گیری دیدگاه‌های انتقادی در زمینه استفاده از خودروهای شخصی شده است. محدودیت جغرافیایی محدوده مرکزی شهر تهران و عدم امکان گسترش ظرفیت‌های ترافیکی امکان «بن‌بست سیاستی ترافیکی» در بخش مرکزی شهر تهران را در آینده‌ای نه چندان دور محتمل کرده است. حل این مسئله توأم با عارضه آلودگی هوا، تلفات جانی و هزینه‌های هنگفت اقتصادی مرتبط با آن نیازمند چاره‌اندیشی و اتخاذ راه‌حل‌های جدید در حوزه حملونقل شهری است که یکی از این راه‌حل‌های مؤثر و کارآمد، به‌کارگیری رویکرد نوین «مرکز شهر بدون خودروی سواری شخصی» است. در این مطالعه با استفاده از روش آزمایش انتخاب گسسته و سنجش ترجیحات اظهار شده شهروندان تهرانی از طریق نظرسنجی مختلط، تلاش شده تا به سیاستگذار در شناخت مؤلفه‌های اثرگذار غیربازاری بر ترجیحات یا مطلوبیت‌های شهروندان تهرانی و ارزشگذاری اقتصادی این مؤلفه‌ها کمک کرد.
نتایج مطالعه حاضر نشان می‌دهد ضرایب تمامی مؤلفه‌های برآورد شده در مدل‌های لاجیت شرطی از نظر آماری در سطح 1 درصد و 5 درصد معنادار و دارای علائم مورد انتظار هستند. مقادیر آماره نسبت راستنمایی (LR) وPeseudo R2 به ترتیب بیانگر معناداری کل رگرسیون برآورد شده و قدرت توضیح‌دهندگی بسیار خوب مدل است. مقادیر ضرایب به دست آمده حاکی از آن است که مؤلفه «فضای سبز و تفریحی اضافی» از اهمیت نسبی بیشتری برخوردار بوده و دارای اثر مثبت بزرگ‌تری بر مطلوبیت شهروندان تهرانی است. مؤلفه‌های امکانات پارکینگ در مرز محدوده و فراوانی حملونقل عمومی در داخل محدوده مرکز شهر بدون خودرو به لحاظ اهمیت در اولویت‌های بعدی قرار می‌گیرند. کوچک بودن ضریب مؤلفه‌های مسیر دوچرخه‌سواری و متوسط پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی نیز دلالت بر این دارد که این دو مؤلفه از اهمیت کمتری برخوردارند و اثر کمی بر ترجیحات اظهار شده شهروندان تهرانی در پذیرش یا احتمال انتخاب مرکز شهر بدون خودرو دارند. نتایج مقادیر انحراف معیار برآورد شده حاکی از ناهمسانی در ترجیحات در مؤلفه‌های فراوانی حملونقل عمومی و امکانات پارکینگ در مرز محدوده مرکز شهر بدون خودرو است. برای شناسایی منبع این ناهمسانی، از مدل اثرات متقابل با لحاظ متغیرهای ضربی جمعیت‌شناختی استفاده شد و نتایج نشان داد متغیرهای «درآمد» و «سن» از نظر آماری در سطح معناداری 5 درصد و 10 درصد منبع اصلی ناهمسانی ترجیحات شهروندان تهرانی محسوب می‌شوند.
همچنین نتایج متغیرهای ضربی متغیر باینری cf با متغیرهای جمعیت‌شناختی نشان می‌دهد که افراد مسن‌تر نسبت به افراد جوان‌تر تمایل کمتری به انتخاب مرکز شهر بدون خودرو دارند. این موضوع با انتظارات و نتایج مطالعات قبلی انطباق دارد. متغیر «درآمد» بر مطلوبیت شهروندان تهرانی اثری مثبت دارد و افراد با سطوح درآمدی بالاتر با احتمال بیشتری با سیاست مرکز شهر بدون خودرو موافق خواهند بود که این موضوع با فرضیه‌های ما سازگار نیست. متغیر منطقه محل سکونت بر مطلوبیت شهروندان تهرانی اثر منفی دارد که با فرضیه نیز سازگار است. این امر به این معناست که افراد ساکن در مناطق مرکزی شهر تهران احتمالاً با این سیاست موافق و افراد ساکن در مناطق پیرامونی طرح مخالف آن خواهند بود. دلیل این مسئله به ترتیب افزایش رفاه مناطق مرکزی از محل کاهش ترافیک، ازدحام و آلودگی هوا و محدودیت‌های تردد با خودروهای سواری شخصی ساکنان مناطق اطراف است. همچنین هرچه سطح تحصیلات افراد افزایش می‌یابد، احتمال انتخاب مرکز شهر بدون خودرو کاهش می‌یابد که این امر با فرضیه ما سازگار است. بنابراین شهروندان تهرانی با تحصیلات دانشگاهی بالاتر احتمالاً با این سیاست مخالفت خواهند کرد که باید در سیاستگذاری چاره‌اندیشی شود. در تفسیر نتایج تمایل به پرداخت هم باید گفت شهروندان تهرانی برای ایجاد مسیر دوچرخه‌سواری و موتورسیکلت برقی و کاهش متوسط مسافت پیاده‌روی تا نزدیک‌ترین ایستگاه حملونقل عمومی، اهمیت نسبی کمتری قائل هستند. همچنین شهروندان تهرانی برای موضوع ایجاد فضای سبز و تفریحی اضافی در داخل محدوده، ایجاد امکانات پارکینگ در مرز محدوده و فراوانی بیشتر حملونقل عمومی اهمیت بیشتری قائل بوده و تمایل دارند برای ایجاد آنها به ترتیب 44،375 ، 30،000 و 28،125 ریال پرداخت کنند که تقریباً یک‌و‌نیم تا دو‌برابر کرایه‌های فعلی است.
بنابراین با توجه به نتایج به دست آمده و تفسیر آن پیشنهاد میشود در سیاستگذاری ترافیکی، اهمیت و اولویت دو مؤلفه «ایجاد فضای سبز و تفریحی اضافی در داخل محدوده مرکزی شهر» و «ایجاد امکانات پارکینگ در مرز محدوده» را مورد تأکید قرار دهند. همچنین لحاظ کردن اثرات متغیرهای جمعیت‌شناختی مانند «سن»، «درآمد»، «منطقه محل سکونت» و «سطح تحصیلات» در برنامه‌ریزی‌ها و سیاستگذاری‌ها بسیار اهمیت دارند به‌گونه‌ای که به جز متغیر «درآمد»، بقیه متغیرهای جمعیت‌شناختی بر ترجیحات شهروندان اثر منفی دارند؛ به‌طوری‌که با افزایش آنها، احتمال انتخاب مرکز شهر بدون خودروی سواری شخصی کاهش می‌یابد. بنابراین برای انطباق بیشتر سیاست با ترجیحات جامعه هدف باید نسبت به تأمین خواسته‌های رفاهی سالمندان، ساکنان مناطق اطراف طرح و افراد با تحصیلات بالاتر چاره‌اندیشی شود.
)