جاده

جاده

تحلیل تاب‌آوری شبکه حمل‌ونقل هوایی (مطالعه موردی: پروازهای مسافری داخل ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی دکتری، دانشکده مدیریت، دانشگاه آزاد واحد علوم و تحقیقات‌، تهران‌، ایران
2 استاد، دانشکده مدیریت دانشگاه تهران‌، ایران
3 استاد، دانشکده مهندسی صنایع، دانشگاه علم و صنعت تهران، ایران
4 استادیار دانشکده مدیریت، دانشگاه آزاد واحد مرکزی تهران، ایران
چکیده
حمل‌ونقل هوایی به عنوان یکی از شیوه‌های رایج حمل‌ونقل مسافر و کالا محسوب می‌شود که به دلیل ویژگی‌های مثبتی همچون سرعت بالا، ایمنی و ظرفیت زیاد همواره مورد توجه مدیران و برنامه‌ریزان کشوری بوده است. تحدید‌های مختلفی کارایی این سیستم را تحت تاثیر قرار ‌می‌دهد. از این‌رو، در پژوهش حاضر به بررسی تاب‌آوری شبکه حمل‌ونقل هوایی پرداخته می‌شود. به طور کلی تحدیدها در دو سته حوادث طبیعی (رخداد تصادفی) و حوادث خرابکارانه (رویداد برنامه‌ریزی شده و هدفمند) تقسیم می‌شوند. در این مطالعه از داده‌های پروازهای داخلی ایران به منظور تحلیل تاب‌آوری شبکه حمل‌ونقل هوایی استفاده می‌گردد و با توجه به اطلاعات موجود و در دسترس، تعداد پروازهای سرویس‌داده شده به عنوان شاخص کارایی شبکه پیشنهاد و برای تحلیل تاب‌آوری آن از روش نمودار شکست آبشاری استفاده می‌شود. نتایج بیان می‌کند در بدبینانه‌ترین حالت، کارایی شبکه با حذف سه فرودگاه به زیر 10 درصد می‌رسد و نمودار شکست آبشاری افت کارایی آن از یک تابع هموگرافیت (R2 برابر با 4/99 درصد) پیروی می‌نماید. همچنین در این پژوهش، حالت ایده‌آل افت کارایی شبکه نیز بررسی می‌گردد که نتایج بیانگر آن است در این حالت نمودار افت کارایی از یک تابع نمایی (R2 برابر با 8/99 درصد) پیروی می‌نماید که در صورت حذف 90 درصد فرودگاه‌ها کارایی شبکه بالای 45 درصد می‌ماند. با توجه به تحلیل‌های صورت گرفته مشخص می‌گردد بزرگترین مشکل شبکه هوایی ایران، تمرکز بیش از حد پروازها در چند فرودگاه خاص و پرتقاضا است که در صورت بروز مشکل برای آن‌ها تاب‌آوری شبکه به شدت تحت تاثیر قرار می‌گیرد.
کلیدواژه‌ها

- Bombelli, A., Santos, B. F., & Tavasszy, L. (2020). Analysis of the air cargo transport network using a complex network theory perspective. Transportation Research Part E: Logistics and Transportation Review, 138, 101959.
-­Cai, Q., Alam, S., & Duong, V. (2020). On robustness paradox in air traffic networks. IEEE Transactions on Network Science and Engineering, 7(4), 3087-3099.
 -Chan, H., & Akoglu, L. (2016). Optimizing network robustness by edge rewiring: a general framework. Data Mining and Knowledge Discovery, 30(5), 1395-1425.
 - Cumelles, J., Lordan, O., & Sallan, J. M. (2021). Cascading failures in airport networks. Journal of Air Transport Management, 92, 102026.
 - Du, W. B., Zhou, X. L., Lordan, O., Wang, Z., Zhao, C., & Zhu, Y. B. (2016). Analysis of the Chinese Airline Network as multi-layer networks. Transportation Research Part E: Logistics and Transportation Review, 89, 108-116.
 - Faramondi, L., Setola, R., Panzieri, S., Pascucci, F., & Oliva, G. (2018). Finding critical nodes in infrastructure networks. International Journal of Critical Infrastructure Protection, 20, 3-15.
 -­Guo, J., Li, H., & Yang, Z. (2023, a). Robustness Analysis for China’s Airport Network Based on Multi-Layer Temporal Complex Network Model. In International Conference on Transportation and Development, 14-24.
 - Guo, J., Yang, Z., Zhong, Q., Sun, X., & Wang, Y. (2023, b). A novel resilience analysis methodology for airport networks system from the perspective of different epidemic prevention and control policy responses. PLoS One, 18(2), e0281950.
 - Guo, J., Zhu, X., Liu, C., & Ge, S. (2021). Resilience modeling method of airport network affected by global public health events. Mathematical Problems in Engineering, 2021, 1-13.
- Hossain, M., Alam, S., Rees, T., & Abbass, H. (2013). Australian airport network robustness analysis: a complex network approach. In Proceeding of the 36th Australasian Transport Research Forum, Brisbane, Australia.
 - Janić, M. (2022). Analysis and modelling of airport resilience, robustness, and vulnerability: impact of COVID-19 pandemic disease. The Aeronautical Journal, 2022, 1-30.
 - Li, S., Zhou, Y., Kundu, T., & Zhang, F. (2021). Impact of entry restriction policies on international air transport connectivity during COVID-19 pandemic. Transportation Research Part E: Logistics and Transportation Review, 152, 102411.
 - Lordan, O., Sallan, J. M., Escorihuela, N., & Gonzalez-Prieto, D. (2016). Robustness of airline route networks. Physica A: Statistical Mechanics and its Applications, 445, 18-26.
 -­Lordan, O., Sallan, J. M., Simo, P., & Gonzalez-Prieto, D. (2014). Robustness of the air transport network. Transportation Research Part E: Logistics and Transportation Review, 68, 155-163.
 -­Lordan, O., Sallan, J. M., Simo, P., & Gonzalez-Prieto, D. (2015). Robustness of airline alliance route networks. Communications in Nonlinear Science and Numerical Simulation, 22(1-3), 587-595.
 - Louzada, V. H., Daolio, F., Herrmann, H. J., & Tomassini, M. (2013). Smart rewiring for network robustness. Journal of Complex networks, 1(2), 150-159.
 -­Mahdavi, A. R., Mamdoohi, A., & Allahviranloo, M. (2021). Topology evaluation of Tehran subway network utilizing a bi-level mixed index for subway networks ranking. Amirkabir Journal of Civil Engineering, 52(12), 3003-3014.
-­Qian, B., & Zhang, N. (2022). Topology and Robustness of Weighted Air Transport Networks in Multi-Airport Region. Sustainability, 14(11), 6832.
 -­Soria, M., Lordan, O., & SALLAN, J. M. (2017). Heuristics of node selection criteria to assess robustness of world airport network. Chinese Journal of Aeronautics, 30(4), 1473-1480.
-­Sun, X., Gollnick, V., & Wandelt, S. (2017). Robustness analysis metrics for worldwide airport network: A comprehensive study. Chinese Journal of Aeronautics, 30(2), 500-512.
 -­Wang, Y., Zhan, J., Xinhua, X. U., Lishuai, L. I., Ping, C. H. E. N., & Hansen, M. (2019). Measuring the resilience of an airport network. Chinese Journal of Aeronautics, 32(12), 2694-2705.
 -­Ye, J., Ji, P., & Barthelemy, M. (2020). Scenarios for a post-COVID-19 world airline network. arXiv preprint arXiv:2007.02109.