كيف يمكن للمدن تصميم مناقصات للتنقل المشترك توازن بين تكاليف المشغل، ووصول الركاب، والانبعاثات البيئية؟

Host: مرحباً بكم في حلقة جديدة من بودكاست A.I.S. Insights — powered by Living Knowledge. أنا آنا آيفي سامرز، ومعي المحلل أليكس إيان ساذرلاند. نناقش اليوم دراسة بعنوان "تحديد الحجم الأمثل للتنقل المشترك: نهج المحاكاة والتحسين لموازنة الأهداف البيئية والاجتماعية والاقتصادية في المناقصات"، والتي أعدها الباحثان Janik Muires و Wolfgang Ketter، ونُشرت في المؤتمر الدولي لنظم المعلومات ICIS لعام 2026. تركز هذه الدراسة على تطوير أداة لنظام دعم القرار تجمع بين المحاكاة متعددة الوكلاء والتحسين متعدد الأهداف لمساعدة الإدارات البلدية في تحديد الحجم الأمثل لأساطيل النقل المشترك متعددة الوسائط. أهلاً بك يا أليكس.
Expert: أهلاً بكِ يا آنا، ومرحباً بجميع المستمعين.
Host: لنبدأ بالقضية الأساسية التي تعالجها الدراسة. نلاحظ في العديد من المدن انتشاراً متزايداً لوسائل التنقل المشترك، فكيف يتعامل المنظمون المحليون مع إدارة هذه الأساطيل عملياً؟
Expert: تشير الدراسة إلى أن المنظمين المحليين يعتمدون في الغالب على قرارات سياسية أو أساليب التجربة والخطأ لتحديد سقوف المركبات، وربما يلجؤون أحياناً إلى الحظر التام أو فرض سقوف عددية صارمة. المشكلة في هذا النهج تكمن في أنه يحجب المقايضات القائمة بين الجدوى المالية للشركات المشغلة، وسهولة وصول المواطنين إلى وسائل النقل، والانبعاثات الكربونية الناتجة طوال دورة حياة المركبات. بالإضافة إلى ذلك، فإن نماذج التخطيط المعتادة تعجز عن التحليل المشترك لتفاعلات وسائل النقل المختلفة والمتفاوتة في الحجم والخصائص.
Host: وكيف صمم الباحثون المنهجية لمعالجة هذا القصور؟
Expert: طور الباحثان نظاماً لدعم القرار يدمج المحاكاة متعددة الوكلاء مع خوارزميات التحسين التطوري متعدد الأهداف. وتم تطبيق هذا النموذج باستخدام بيانات واقعية لحركة وطلب التنقل في مدينة برلين، وشملت الدراسة أربعة أنماط: الدراجات الهوائية، والسكوتر الكهربائي، والدراجات البخارية، وخدمات مشاركة السيارات. يقوم النظام بمقارنة تطبيق سقف عددي ثابت لإجمالي المركبات بسياسة أخرى تعتمد على التوزيع المرجح بالمساحة التي تستهلكها المركبة في الحيز العام، مع توليد تكوينات أسطول مثلى وفق مبدأ باريتو.
Host: وما هي أبرز النتائج التي سجلتها الدراسة عند مقارنة هاتين السياستين؟
Expert: أظهرت النتائج أن سياسة المناقصات المرجحة بالمساحة توفر نطاقاً أوسع من الخيارات التشغيلية المجدية عند مستويات الخدمة المرتفعة مقارنة بفرض سقف ثابت للمركبات. فعند الوصول إلى معدل تلبية للرحلات يتجاوز ستين بالمئة، أسهمت السياسة المرجحة بالمساحة في خفض انبعاثات الحلول الأقل تلويثاً من اثنين وخمسين طناً إلى تسعة عشر طناً من مكافئ ثاني أكسيد الكربون، مع الحفاظ على مستوى تكلفة أدنى مماثل.
Host: وما هو تأثير السقوف الصارمة على كفاءة الخدمة والتكاليف؟
Expert: بينت الدراسة أن السقوف الصارمة لأعداد المركبات تنشئ مسار مقايضة غير مرن؛ حيث تتطلب أي مكاسب إضافية طفيفة في تلبية الرحلات زيادات كبيرة وغير متناسبة في تكاليف التشغيل ومستويات الانبعاثات. ومن جهة أخرى، أوضحت الدراسة أن القواعد المرجحة بالمساحة تنطوي على مخاطرة تتمثل في إمكانية إغراق الشوارع بوسائل تنقل خفيف تشغل حيزاً صغيراً، لتتجاوز حصتها سبعين بالمئة، ما لم يقم المخططون بتحليل تكاليف المشغلين وديناميكيات فائض العرض قبل اعتماد نتائج المناقصة.
Host: أشارت النتائج أيضاً إلى مفهوم "نقاط الركبة" على جبهة باريتو، كيف يفسر ذلك؟
Expert: تحديد نقاط الركبة يتيح تحديد خيارات تسوية ذات كفاءة مرتفعة. عند هذه النقاط، يمكن لصناع القرار تحقيق تحسينات جوهرية في أهداف معينة، مثل خفض الانبعاثات أو تقليل التكلفة، مقابل تقديم تنازلات طفيفة جداً في أهداف أخرى مثل نسبة تلبية الطلب. كما تضع الدراسة مبادئ تصميمية لنظم دعم القرار التي تدمج المحاكاة والتحسين لمواءمة الأهداف الحضرية المتعارضة.
Host: بالانتقال إلى الجانب العملي، ما هي الفائدة المباشرة للشركات والجهات المنظمة من هذه المخرجات؟
Expert: تقدم النتائج أداة عملية لمديري الأعمال والمسؤولين في البلديات عند صياغة وترسية مناقصات التنقل. فبدلاً من وضع حدود تعسفية لعدد المركبات، يمكن استخدام هذه النماذج لمحاكاة التكاليف المالية والأثر البيئي مسبقاً. يساعد ذلك المشغلين على بناء نماذج تسعير واستثمار متوافقة مع المتطلبات الحضرية، ويمنح المدن آلية لاختيار مزيج متوازن بين الجدوى الاقتصادية للقطاع الخاص والأهداف البيئية والاجتماعية العامة.
Host: تتلخص الرسالة الأساسية في أن استخدام النمذجة الرياضية والمحاكاة يتيح تقييم المقايضات المعقدة بدقة قبل اتخاذ قرارات تنظيمية أو استثمارية في قطاع التنقل المشترك. شكراً جزيلاً لك يا أليكس على هذا التحليل الموضوعي.
Expert: شكراً لكِ يا آنا.
Host: وشكراً لمستمعينا الكرام على متابعة هذه الحلقة من A.I.S. Insights — powered by Living Knowledge. نلقاكم في الحلقة القادمة لمناقشة أحدث الأبحاث المؤثرة في قطاع الأعمال والتقنية.