راه حل های مبتنی بر طبیعت برای مناطق شهری با رشد سریع (قسمت سوم)

3 . داده ها و روش ها

3.1 . مدل نظری

شکل 1 ساختار مدل نظری را روشن می کند که شامل سه جنبه کلیدی است: افراد، تولیدکنندگان و زمین. مدل با استفاده از داده های ورودی و پارامترهای کالیبراسیون به دقت کالیبره شده است. پس از آن، شاخص های محوری، مانند توزیع جمعیت، بر اساس نتایج تعادل محاسبه می شوند. بخش خط چین در این نمودار عنصر تازه گنجانده شده در مطالعه ما – ارزش منظر سبزسازی شهری برای عموم را برجسته می کند. این جنبه از طریق کمک هزینه اولیه تامین زمین که توسط سیاست های سبزسازی شهری تعیین شده است، با تغییر فضای سبز در انواع مختلف سبز شهری و تامین فضای کف مسکونی، بر امکانات سبز و اجاره فضای کف مسکونی تاثیر می گذارد، گنجانده شده است. این به نوبه خود بر انتخاب مکان مسکونی جمعیت تأثیر می گذارد و در نهایت بر نتایج تعادل مانند اجاره فضای طبقه مسکونی تأثیر می گذارد.

جدول 1 معنای نماد را برای زیرنویس ها و بالانویس هایی که در مدل تعادل به کار رفته اند نشان می دهد. در همین حال، جدول 2 نمادها و توضیحات مربوطه را برای پارامترهای تعیین شده برون زا در مدل تعادل فضایی نشان می دهد.

میز 1 . نمادها و توضیحات برای Subscripts و Superscripts.

سمبل	شرح
اشتراک ها
$i$ ، $i \in N$	موقعیت مسکونی
$j$ ، $j \in N$	محل کار
$s$ ، $s \in S$	گروه های منطقه سلسله مراتبی مختلف
$k$ ، $k \in N$	مکان های تولید کالا
$θ$ ، $θ \in [0, 1]$ $w h e r e, θ^{T} \in [0, 1)$	درصد ساعات کار در محل
$θ$ ، $θ \in [0, 1]$ $w h e r e, θ^{T} \in [0, 1)$	نوع کار را ارائه می دهد – از راه دور ( $θ = θ^{T}$ ) یا در محل ( $θ = 1$ )
$g$ ، $g \in N$	محل سبزی ها
$R$ ، $R \in G 1, G 2, G 3, G 4, G 5$	انواع فضای سبز
بالا نوشته ها
$f$ ، $f \in F$	گروه های اقتصادی اجتماعی (یعنی سطوح مختلف مهارت)

جدول 2 . نمادها و توضیحات برای پارامترهای برون زا.

سمبل	شرح
$ψ$	نسبت کارگران از راه دور
$θ$	نسبت ساعات کار در محل در هفته
$γ$	سهم مخارج مسکن
$ϵ$	پارامترهای شکل Fréchet
$α$ & $α_{T}$	مشارکت در نیروهای کار در محل و از راه دور در تولید
$ν$	شکاف بهره وری بین نیروی کار در محل و نیروی کار از راه دور
از راه دور: $k_{i}$ & در سایت: $k_{j}$	واریانس تولید بین گروه های مختلف اقتصادی اجتماعی
در سایت: $μ$ & از راه دور: $μ^{T}$	تابع تولید فرعی CES نیروی کار در محل و کار از راه دور
$δ$	کشش تراکم بر بهره وری
$φ$	مزیت اضافی برای کارگران دورکار
$ϑ_{R}$	واریانس عدم استفاده از مسافت رفت و آمد در فضاهای سبز مختلف
$K$	پارامترهای عدم استفاده در رفت و آمد
$t_{d}$	روزهای کاری در سال
$t_{h}$	ساعات کار در روز

3.1.1 . مصرف کنندگان

شکل 2 چارچوب رفتار مصرف کننده را نشان می دهد. در ابتدا، مصرف کنندگان دستمزد خود را از کارفرمای خود دریافت می کنند و متعاقباً محل سکونت خود را انتخاب می کنند. این انتخاب ها تحت تأثیر عوامل متعددی قرار می گیرند: امکانات سبز محلی، سطوح اجاره محلی، سطح قیمت عمومی محلی، و بار رفت و آمد روزانه. این مقاله اجرای سیاست‌های سبز شهری را نشان می‌دهد که در استفاده از زمین بین اهداف مسکونی و فضاهای سبز شهری وجود دارد. این مبادله بر اجاره مسکن محلی و کیفیت امکانات سبز تأثیر می گذارد، که به نوبه خود بر ترجیحات عمومی تأثیر می گذارد، همانطور که با تغییر در انتخاب مکان مسکونی مشهود است.

این $f$ نوع مصرف کننده ای که نیروی کار را تامین می کند درون زا است و مجموعه ای از انتخاب های گسسته و پیوسته را انجام می دهد – ابتدا یک مصرف کننده منطقه ای را برای سکونت از بین مصرف کنندگان انتخاب می کند. $i$ = 1، …، N منطقه. دوم، آنها تصمیم می گیرند که کجا کار کنند $j$ = 1، …، N. ثالثاً، کارگر نیز به نوع کار خود واکنش نشان می دهد. $θ$ .بنابراین، برای $f$ نوع مصرف کننده، انتخاب های گسسته ترکیبی هستند ( $i, j, f, θ$ ).

با توجه به انتخاب مکان مکانی محل سکونت و محل کار، خانوارها و در نتیجه مصرف کنندگان باید در مورد موارد زیر تصمیم بگیرند: (1) تعداد کالاهای خرده فروشی خریداری شده و (2) مقدار فضای طبقه در منطقه. $i$ برای به حداکثر رساندن مطلوبیت به دست آمده توسط مصرف کنندگان. به دنبال هبلیچ و همکاران، 2020a ، هبلیچ و همکاران، 2020b ، شکل تابع مطلوبیت مستقیم کاب-داگلاس است که ترجیحات مصرف کننده بر مسکن و کالاهای خرده فروشی تعریف می شود. سودمندی از امکانات سبز توسط اسیر شده است $G_{i}$ در مدل مدل مطلوبیت مستقیم به صورت معادله (1) نشان داده شده است. نشان داده شده است :(1) $v_{i j | θ}^{f} = \frac{Z_{i j}^{f} G_{i}}{d_{i j | θ}^{f}} {(\frac{C_{i j | θ}^{f}}{1 - γ^{f}})}^{1 - γ^{f}} {(\frac{h_{i j | θ}^{f}}{γ^{f}})}^{γ^{f}}$

$C_{ⅈ | θ}^{f}$ به مصرف فردی اشاره دارد که در آن $C_{ⅈ | θ}^{f} = \sum_{k = 1}^{N} c_{ⅈ k | θ}^{f}$ ، واحدهای کالای نهایی تولید شده از محل $k$ و $h$ واحدهای فضای مسکونی $γ^{f}$ سهم مسکن در مخارج را نشان می دهد. انتخاب های مصرف به محدودیت بودجه بستگی دارد $P_{i} C_{ⅈ j | θ}^{f} + Q_{i} h_{ⅈ j | θ}^{f} = {W_{d i s p}}_{i j | θ}^{f}$ ، جایی که $Q_{i}$ قیمت زیربنای مسکونی است. $P_{i}$ قیمت کالاهای کامپوزیت است و کالاها بین همه مکان ها قابل معامله است. از این رو، $P_{i}$ تخمین زده شده با میانگین موزون قیمت تمام مناطق: $P_{i} = \prod_{k = 1}^{N} {(\frac{p_{k} ⅆ_{k i}}{{σ i}_{k}})}^{{σ i}_{k}}$ ; جایی که $σ_{i k}$ شاخص میانگین موزون برای سطح کل قیمت و $\sum_{i = 1}^{N} \sum_{k = 1}^{N} σ_{i k} = 1$ . $σ_{i k}$ به ترجیح وزنی محصول از منطقه اشاره دارد $k$ برای افرادی که در منطقه زندگی می کنند $i$ . $d_{k i}$ به مازاد قیمت اشاره دارد که به هزینه تجارت متغیر کوه یخ برای کالاهای سایر مناطق بستگی دارد، بنابراین، $d_{k i} > 1$ (جایی که $d_{i i} = 1$ ).(2) $d_{k i} = 1 + {t_{h r l y}}_{i k}^{f = 2}$ جایی که ${t_{h r l y}}_{i k}^{f = 2} = \frac{t_{i k}^{f = 2}}{60}$ و ${A v r W}_{h r l y} = ψ^{f} {W_{h r l y}}_{j | θ = θ^{T}}^{f} + (1 - ψ^{f}) {W_{h r l y}}_{j | θ = 1}^{f}$ .

${t_{h r l y}}_{i j}^{f = 2}$ ساعت رفت و آمد مردم از $f = 2$ گروه های اقتصادی اجتماعی بین $i$ و $j$ . در رابطه با زمان حمل و نقل کالا و خدمات تحویل، این مدل فرض می‌کند که این زمان با زمان رفت و آمد کارگران از گروه‌های طبقه دوم اقتصادی-اجتماعی قابل مقایسه است. $f = 2$ ‘. این فرض تعادلی بین ضرورت تحویل سریع و محدودیت هزینه های تحویل ایجاد می کند. الگوهای رفت و آمد کارگران در این گروه اجتماعی-اقتصادی به عنوان یک معیار عمل می کند و سرعت تحویل بالاتر از حد متوسط را نشان می دهد – به اندازه کافی سریع برای برآورده کردن بیشتر الزامات به موقع بدون هزینه های گزاف. در اصل، انتخاب “ $f = 2$ در مدل نمادی از ساده‌سازی است که با در نظر گرفتن عوامل سرعت و هزینه، تعادل در پویایی تحویل را نشان می‌دهد. این روش مدل سازی دقیق تری از مبادلات در فرآیند تحویل در گروه های مختلف اجتماعی-اقتصادی ارائه می دهد. ${A v r W}_{h r l y}$ به میانگین دستمزد ساعتی کارگران، در صورت وجود اشاره دارد $ψ^{f}$ نسبتی از کارگران دورکار هستند و برخی دیگر برای مردم در رفت و آمد هستند $f$ گروه اجتماعی اقتصادی ${C_{C o n g}}_{i k}$

تابع سودمندی غیرمستقیم شکل می گیرد $v_{ⅈ j | θ}^{f} =$ $Z_{i j}^{f} u_{ⅈ j | θ}^{f}$ . بر اساس رابطه (1) و محدودیت بودجه، بخش غیر خاص ( $u_{ⅈ j | θ}^{f})$ معادله (3) نشان داده شده است :(3) $u_{i j | θ^{f}}^{f} = \frac{G_{i} {W_{d i s p}}_{i j | θ}^{f}}{d_{i j | θ}^{f} P_{i}^{1 - γ_{i}^{f}} Q_{i}^{γ_{i}^{f}}}$

$γ_{i}^{f}$ سهم مسکن در مخارج را نشان می دهد. $Q_{i}$ قیمت زیربنای مسکونی است. $P_{i}$ قیمت کالاهای کامپوزیت است و کالاها بین همه مکان ها قابل معامله است. ${W_{d i s p}}_{j | θ^{f}}^{f}$ درآمد قابل تصرف است، که در آن ${W_{d i s p}}_{j | θ}^{f} = φ_{j} {W_{O r i_d i s p}}_{j | θ}^{f}$ ، $φ_{j}$ اشاره به تمایل به پرداخت هزینه کار از خانه و ${W_{O r i_d i s p}}_{j | θ}^{f}$ به درآمد قابل تصرف بدون احتساب پاداش کار از راه دور اشاره دارد. $d_{ⅈ j | θ}^{f}$ بی فایده بودن رفت و آمد را نشان می دهد که بین کارگران مختلف و گروه های اقتصادی اجتماعی متفاوت است. $d_{ⅈ j | θ}^{f} = ((1 - θ^{f}) + θ^{f} ⅇ^{K T_{i j}^{f}})$ . $T_{i j}^{f}$ به زمان رفت و آمد دو طرفه اشاره دارد، $T_{i j}^{f} = 2 t_{i j}^{f} .$ جایی که $t_{i j}^{f}$ ، که زمان رفت و آمد است. $K$ پارامترهایی است که عدم استفاده از رفت و آمد را از طریق زمان رفت و آمد در مسافران نشان می دهد. $Z_{i j}^{f}$ نشان‌دهنده یک قرعه‌کشی رفاهی خاص است که شامل تمام عوامل خاص است که بر انتخاب محل سکونت و محل کار برای یک فرد تأثیر می‌گذارد. ترجیح خاص $Z_{i j}^{f}$ از یک توزیع فریشت با cdf به صورت معادله (4) نشان داده شده است :(4) $F_{z} (z) = ⅇ^{- z^{- ϵ}}, ϵ > 1$

$ϵ$ پارامتر شکل Fréchet است که پراکندگی امکانات خاص و در نتیجه حساسیت تصمیمات مکان کارگر به متغیرهای اقتصادی را تنظیم می کند. هر چه کوچکتر باشد $ϵ$ ، هر چه ناهمگونی در امکانات خاص بیشتر باشد، انتخاب مکان کارگر کمتر به متغیرهای اقتصادی حساس است. $G_{i}$ به یک امکانات مشترک در بین تمام کارگران اشاره دارد که امکانات فضای سبز را نشان می دهد و با معادله (5) تخمین زده می شود : ${G_v a l u e}_{i} = \sum_{R \in G 1, G 2, G 3} \sum_{g = 1}^{N} (\frac{G_{g R}}{ⅇ^{{{- ϑ}_{R} D i s T r a v e l}_{i g R}}}) + \sum_{g = 1}^{N} (G_{i g | R = (G 4, G 5)})$ (5) $G_{i} = \sum_{g = 1}^{N} (\frac{{G_v a l u e}_{i}}{{W_{d i s p}}_{i j | θ}^{f} N_{R_{i}}^{f} π_{ⅈ j | θ}^{f}})$ جایی که $G_{i}$ به استفاده از فضای سبز اشاره دارد. در این مقاله فضای سبز به پنج نوع تقسیم شده است. $G 1$ به $G 5$ ): (1) $G 1$ = سبز از پارک، (2) $G 2$ = سبز از پارک ملی، (3) $G 3$ = سبز از جنگل، (4) $G 4$ = فضای سبز جامعه، و (5) $G 5$ = سبز از خیابان $g$ محل سبزه هایی است که با افزایش مسافت سفر، مزایای آن از بین می رود. ${D i s T r a v e l}_{i g R}$ فاصله سفر بین محل مسکونی را نشان می دهد $i$ و موقعیت سبز، $g$ . $R$ به انواع مختلف فضاهای سبز اشاره دارد. $ϑ_{R}$ واریانس عدم استفاده از مسافت رفت و آمد در فضاهای سبز مختلف است، $R$ .

ثبت تغییرات در مزایای حاشیه ای فضاهای سبز که مورد استفاده افراد قرار می گیرد. یک تابع مطلوبیت نمایی برای گرفتن روابط غیر خطی اعمال شده است و در رابطه (6) نشان داده شده است :(6) $G_{g R} = a + b {A r e a}_{i R} + c {A r e a}_{i R}^{2}$ $a$ هدف آن به تصویر کشیدن اثرات ثابت مزیت سبز بر روی افراد است. ${A r e a}_{i R}$ به مساحت فضای سبز اشاره دارد، $R$ ، که در موقعیت g قرار دارد. ${A r e a}_{i R}^{2}$ برای ثبت تغییرات در مطلوبیت حاشیه ای به دست آمده با افزودن یک فضای سبز اضافی اعمال شده است، $R$ .

مشروط به تصمیم فردی محل سکونت و محل کار، احتمال انتخاب لوجیت چند جمله ای معروف ( $π_{ⅈ j | θ}^{f}$ ) توسط تابع (7) داده می شود:(7) $π_{ⅈ j | θ^{f}}^{f} = \frac{{(G_{i} {W_{d i s p}}_{i j | θ}^{f} {Z a t t r i}_{i}^{f})}^{ϵ} {(d_{ⅈ j | θ}^{f} P_{i}^{1 - γ^{f}} Q_{i}^{γ^{f}})}^{- ϵ}}{\sum_{i, θ} {(G_{i} {W_{d i s p}}_{i j | θ}^{f} {Z a t t r i}_{j}^{f})}^{ϵ} {(d_{ⅈ j | θ}^{f} P_{i}^{1 - γ^{f}} Q_{i}^{γ^{f}})}^{- ϵ}}, \sum_{\forall (i, j, f, θ^{f})} π_{ⅈ j | θ}^{f} = 1$ ${Z a t t r i}_{i}^{f}$ نشان دهنده ترجیح خاص برای مکان مسکونی است. این برای کالیبره کردن انتخاب مکان مسکونی بر اساس یک مقدار مشخص استفاده می شود. در این مدل تعداد مشاغل در مناطق مختلف به صورت برون زا تعیین می شود. مدل انتخاب مکان فضایی به گونه ای طراحی شده است که انتخاب های محل سکونت کارگران از مناطق مختلف، و همچنین حالت های کار آنها، چه از راه دور و چه در محل را به تصویر بکشد. این به مدل سازی دقیق ساختار شهری و انعکاس الگوهای کاری انعطاف پذیر که پس از همه گیری پدیدار شد کمک می کند. همچنین امکان ثبت دقیق پاسخ های اجتماعی به تغییرات سیاست را فراهم می کند.

3.1.2 . تهیه کنندگان

بنابراین، کل تولید تولید کننده در محل $j$ است $Y_{j | s} = Y_{j | s}^{C} + Y_{j | s}^{T}$ ، جایی که $Y_{j}^{C}$ و $Y_{j}^{T}$ مقادیر تولید شده در محل و از راه دور به ترتیب می باشد. که در آن، تابع تولید در محل معادله (8) زیر است :(8) $Y_{j | s}^{C} = A_{j | s} {(\sum_{f = 1}^{F} k_{j}^{f} {({L_{w}^{C}}_{j}^{f})}^{μ_{f}})}^{\frac{α}{μ_{f}}} {({H_{W}^{C}}_{j})}^{1 - α}$

تابع تولید از راه دور با معادله (9) به دست می آید :(9) $Y_{j | s}^{T} = {v A}_{j | s} \sum_{i = 1}^{N} {(\sum_{f = 1}^{F} k_{i}^{f} {({L^{T}}_{i j}^{f})}^{μ_{f}^{T}})}^{\frac{α_{T}}{μ_{f}^{T}}} {({H^{T}}_{i j})}^{1 - α_{T}}$ $μ$ و $μ^{T}$ ارائه کار در محل و از راه دور تحت الاستیسیته ثابت جایگزینی (CES) تابع تولید فرعی در همه $F$ انواع کارگران، کشش کار جایگزینی $= \frac{1}{1 - μ_{f}}$ برای کارگران در محل و $= \frac{1}{1 - μ_{f}^{T}}$ برای کارگران از راه دور $α$ و $α_{T}$ کشش خروجی کار در محل و از راه دور هستند. $1 - α$ و $1 - α_{T}$ کشش خروجی فضای کار اداری و فضای کار خانگی است. $v$ به تخفیف بهره وری برای نیروی کار از راه دور اشاره دارد. $k_{j}^{f}$ و $k_{i}^{f}$ واریانس بهره وری در محل و از راه دور هستند. $L_{w}^{C}$ و $L^{T}$ مجموع نیروی کار در محل و نیروی کار از راه دور هستند. $H_{W}^{C}$ و $H^{T}$ میزان فضای اداری را هنگام انجام کار در محل و از راه دور ارائه دهید. $p_{j}$ قیمت محصول است.

فرض بر این است که تولیدکننده سود صفر به دست می آورد، به این معنی که هزینه تولید برابر با درآمد تولیدکننده است. علاوه بر این، عرضه و تقاضا برای کالاها برابر است $j$ در تعادل این نشان می دهد که: $Y_{j | s} = \sum_{i = 1}^{N} \sum_{f = 1}^{F} \sum_{θ^{f} = θ^{f T}}^{1} C_{ⅈ | θ}^{f} {N_{R}}_{i | θ}^{f}$ . جایی که ${N_{R}}_{i | θ}^{f}$ تجمیع شده است $f$ نوع جمعیت مسکونی، $N_{R}$ ، در محل $i$ . به طوری که شرط سود صفر برای تولید کننده به صورت زیر نشان داده می شود:

(1) بر اساس معادلات (9) ، (10) ، درآمد کل = هزینه کل، شرط صفر خالص با معادله (10) به دست می آید :(10) $X_{j} = \sum_{S = 1}^{N} p_{j} Y_{j | s} = \sum_{f = 1}^{F} (W_{j}^{f} ({L_{w}^{C}}_{j}^{f} + \sum_{i = 1}^{N} {L^{T}}_{i j}^{f})) + (Q_{j} {H_{W}^{C}}_{j} + \sum_{i = 1}^{N} Q_{i} H_{i j}^{T})$ $X_{j}$ نشان دهنده کل درآمدی است که تولید کننده در آن به دست آورده است $j$ .

3.1.3 . تسویه بازار رفت و آمد

تسویه بازار رفت و آمد نشان می دهد که تقاضا برای نیروی کار در محل و از راه دور برابر با عرضه آنها در محل است. $i$ . برآورد عرضه نیروی کار در محل و از راه دور بر اساس انتخاب مکان فضایی عمومی در بخش ترجیح مصرف کننده است. بنابراین، شرایط تسویه بازار به شرح زیر است:

(1)
تقاضای نیروی کار در محل برابر با عرضه در محل است $j$ ، در معادله (11) نشان داده شده است .

(11) ${L_{w}^{C}}_{j}^{f} = (1 - ψ^{f}) {E W}_{j}^{f} + ψ^{f} θ^{f T} {E W}_{j}^{f}$

(2)
تقاضای کار از راه دور برابر با عرضه در محل است $j$ ، در معادله (12) نشان داده شده است .

(12) ${L^{T}}_{i j}^{f} = ψ^{f} {(1 - θ}^{f T}) {E W}_{j}^{f}$ در حالت تعادل، عرضه نیروی کار از مصرف کنندگان برابر با نیروی کار مورد نیاز تولیدکننده است.

(3)
تعداد کل ساکنان شاغل، $N_{R i | θ^{f}}^{f}$ :

${N_{R}}_{i | θ}^{f} = \sum_{j = 1}^{N} {π_{i j | θ}^{f} E W}_{j | θ}^{f}$ ، جایی که ${E W}_{j | θ}^{f}$ برآورد شده توسط معادله (13) :(13) $Onsite worker = ψ^{f} {E W}_{j}^{f} and Remote workers = (1 - ψ^{f}) {E W}_{j}^{f}$ جایی که ${E W}_{j}^{f}$ تعداد کارگران شاغل در محل است $j$ .

3.1.4 . تسویه بازار املاک

$H_{i}$ اشاره به تامین فضای کف مسکونی و $H_{j}$ اشاره به عرضه کف تجاری هر دو داده شده است. بنابراین تعادل در بازار زمین بیانگر برابری تقاضا و عرضه در بازار زمین است. تعادل بازار به صورت معادله (14) نشان داده شده است :(14) $H_{i} = \sum_{f = 1}^{F} \sum_{θ = θ^{T}}^{1} {N_{R}}_{i | θ}^{f} h_{ⅈ | θ}^{f} and H_{j} = H_{W_{j}}^{C} + \sum_{i = 1}^{N} H_{i j}^{T}$ در حالت تعادل، مخارج در بازارهای مسکونی و تجاری به ترتیب برابر با نسبت مسکن درآمد و درآمد حاصل از کارگران و تولیدکنندگان است.

برای بازار املاک مسکونی، نشان داده شده در معادله (15) :(15) ${Q_{i} H}_{i} = \sum_{\forall j, f, θ} (γ^{f} {W_{d i s p}}_{i j | θ}^{f} {N_{R}}_{i | θ}^{f})$

برای بازار املاک تجاری، نشان داده شده در معادله (16) :(16) ${Q_{j} H}_{j} = (\frac{1 - α}{α}) \sum_{f = 1}^{F} ({W_{d i s p}}_{i j | θ = 1}^{f} {L_{w}^{C}}_{j}^{f}) + (\frac{1 - α_{T}}{α_{T}}) \sum_{f = 1}^{F} \sum_{i = 1}^{N} {(W_{d i s p}}_{i j | θ = θ^{T}}^{f} {L^{T}}_{i j}^{f})$

اجاره مسکونی و تجاری $Q_{i}$ و $Q_{j}$ ، به طور درونزا برای مطابقت با تعادل بازار ملک تعیین می شوند.

3.1.5 . تسویه بازار محصول

مقدار کل سرمایه ای که از مصرف کننده به تولید کننده جریان می یابد باید یکسان باشد. پولی که مصرف کنندگان برای کالاهایی که از محل تولید می شوند خرج می کنند $k$ باید بتواند مجموع هزینه کل تولید و هزینه حمل و نقل کالا را تامین مالی کند:

از طرف بخش مصرف کننده و حمل و نقل، نشان داده شده در معادله (17) :(17) ${T o t a l G o o d s E x p e n d i t u r e}_{i} = \sum_{\forall j, f, θ} ({1 - γ}^{f}) {W_{d i s p}}_{i j | θ}^{f} {N_{R}}_{i | θ}^{f}$ در شانگهای، دولت محلی بخش حمل و نقل عمومی را فراهم می کند، بنابراین ارائه دهندگان حمل و نقل عمومی مجبور نیستند برای اجاره فضای کف بپردازند. فرض بر این است که هزینه های رفت و آمدی که آنها دریافت می کنند به بازار کالا باز می گردند. زمانی که هزینه کل تولید برابر با کل درآمد باشد تولیدکنندگان سود صفر به دست می آورند و در رابطه (18) نشان داده شده است .(18) $\sum_{s = 1}^{S} p_{j} Y_{j | s} = X_{j} = \sum_{i = 1}^{N} σ_{i k} {T o t a l G o o d s E x p e n d i t u r e}_{i}$ ، جایی که $j = k$ .

در تعادل خوب بازار، سرمایه های مخارج کالاهایی که در محل تولید می شوند $k$ از همه $i$ برابر است با هزینه کل تولید در محل $j$ .

3.2 . کالیبراسیون داده ها و مدل ها

3.2.1 . منابع اطلاعات

شانگهای در سال 2022 دارای 24.76 میلیون نفر جمعیت بود که در 6341 کیلومتر مربع شامل شانزده منطقه توزیع شده بود. داده ها عمدتاً از سالنامه آماری شانگهای و داده های سرشماری شانگهای جمع آوری شده اند. زمان رفت و آمد و فاصله رفت و آمد با استفاده از Gaode API بین ساعت 8.30 صبح تا 10 صبح جمع آوری می شود. در این مقاله، رویکرد جمع آوری داده های رفت و آمد از روش های مورد استفاده در مطالعات ( Delventhal et al., 2021a ; Anas, 2020a) متمایز است. ، انس، 2020b ) که در آن داده های زمان رفت و آمد به طور درون زا با استفاده از برنامه محصولات برنامه ریزی حمل و نقل سرشماری (CTPP) کالیبره شدند. از آنجایی که چین فاقد پایگاه داده قابل مقایسه با CTPP است، ما با Gaode Maps همکاری کردیم و از API آنها برای به دست آوردن داده های لازم برای مطالعه خود استفاده کردیم.

در چین، روز کاری معمولی از ساعت 9 صبح شروع می شود و در ساعت 5 بعد از ظهر به پایان می رسد، در نتیجه، ما تصمیم گرفتیم در ساعات اوج صبح، از ساعت 8:30 صبح تا 10 صبح در روزهای هفته، داده ها را جمع آوری کنیم. این بازه زمانی به دو دلیل انتخاب شده است: اول اینکه نشان دهنده دوره اوج رفت و آمد است و دوم اینکه در این مدت اکثر افراد به محل کار خود رفت و آمد می کنند. جمع‌آوری داده‌ها در ساعات شلوغی عصر، به دلیل مقاصد متنوع، چالش‌هایی را ایجاد می‌کرد و ارزیابی دقیق تأثیر تغییرات هزینه رفت‌وآمد روزانه بر انتخاب مکان‌های مسکونی را دشوار می‌کرد. نمای کلی فرآیند جمع آوری داده ها در شکل 3 نشان داده شده است .

این مطالعه از داده‌های API استفاده می‌کند که از مشارکت با یک ارائه‌دهنده خدمات نقشه پیشرو در چین منشأ می‌گیرد. بر اساس این داده ها، این مقاله زمان و مسافت رفت و آمد وسایل نقلیه موتوری را نسبت به مکان های مسکونی ساکنان، همانطور که در جدول 3 نشان داده شده است، محاسبه کرده است .

جدول 3 . میانگین زمان سفر و مسافت سفر براساس موقعیت مکانی مسکونی.

نام منطقه	میانگین زمان سفر (اینچ $M i n u t e s$ )	میانگین مسافت سفر (در $K M$ )
پودونگ شینکو	61	52
هوانگپو	46	32
خوهوی	50	33
در حال تغییر	48	33
جینگان	53	34
پوتو	57	33
هونگکو	58	34
یانگپو	56	36
مینهنگ	51	35
بائوشان	65	40
جیادینگ	60	47
جینشان	78	69
سونگ جیانگ	59	45
کینپو	70	51
فنگ شیان	66	47
چونگمینگ	102	106

نظرسنجی از 200 شرکت‌کننده برای تعیین ارزش انواع فضای سبز در سطح فردی با استفاده از پرسش‌های تمایل به پرداخت. مقدار پارامترها به دنبال ادبیات مربوطه جمع آوری می شود، به پیوست I مراجعه کنید . برای داده‌های کالیبراسیون، این مقاله بر حفظ سازگاری داده‌ها برای کالیبراسیون مدل موثر تمرکز دارد. اطمینان از دقت ورودی های مدل در برابر داده های واقعی از همان دوره حیاتی است. منابع اولیه برای این تحقیق سالنامه آماری شانگهای 2010 و ششمین سرشماری ملی است. سرشماری چین که هر ده سال یک بار با آخرین سرشماری در سال 2020 انجام می شود، انتخابی را بین داده های 2010 و 2020 ارائه می دهد. با این حال، داده های سال 2020 به طور قابل توجهی تحت تأثیر همه گیری است و به طور بالقوه ارزیابی تأثیرات سیاست سبزسازی شهری را مخدوش می کند. علاوه بر این، تفاوت های قابل توجه بین سرشماری ششم و هفتم کشور، مانند حذف نرخ بیکاری در سرشماری دوم، قابل توجه است. این عوامل، همراه با تأثیر همه‌گیری، منجر به انتخاب سال 2010 به عنوان سال پایه برای کالیبراسیون در این تحقیق شد که هم قابلیت اطمینان و هم مرتبط بودن را تضمین کرد.

3.2.2 . کالیبراسیون مدل

سه مقدار باید از کالیبراسیون، که بر اساس داده های سال 2010 است، به دست آید. این مقادیر در اشتقاق مدل تحت تعادل بلندمدت حفظ خواهند شد.

اولا، ${Z a t t r i}_{i}^{f}$ هدف آن کالیبره کردن توزیع تخمینی اشتغال ساکنین بر اساس تعداد کارکنان برای هر منطقه است تا به ارزش واقعی ساکنین اشتغال نزدیک شود. ${E R}_{i}^{f}$ ، از داده های سرشماری شانگهای 2010 . تعادل ساکنان اشتغال برآورد شده و واقعی به صورت معادله (19) نشان داده شده است :(19) $\sum_{j \in N} {E W}_{j}^{f} π_{ⅈ j | θ}^{f} = \sum_{j \in N} \frac{{E W}_{j}^{f} {(B_{i j} {W_{d i s p}}_{i j | θ}^{f} {Z a t t r i}_{i}^{f})}^{ϵ} {(d_{ⅈ j | θ}^{f} P_{i}^{1 - γ^{f}} Q_{i}^{γ^{f}})}^{- ϵ}}{\sum_{i \in N} {(B_{i j} {W_{d i s p}}_{i j | θ}^{f} {Z a t t r i}_{j}^{f})}^{ϵ} {(d_{ⅈ j | θ}^{f} P_{i}^{1 - γ^{f}} Q_{i}^{γ^{f}})}^{- ϵ}} = {E R}_{i}^{f}$

ثانیاً ${Z a t t r b}_{k}$ برای مطابقت با تعادل بازار محصول، که در آن هزینه کل تولید برای تولیدکننده در آن است، استفاده شده است $k$ برابر است با کل هزینه کالا از محل تولید $k$ . ارزش ${Z a t t r b}_{k}$ از کالیبراسیون، که بر اساس داده‌های سال 2010، در تخمین تأثیر سیاست استفاده می‌شود. و شرایط تعادل برای بازار محصول با معادله (20) نشان داده شده است :(20) $\sum_{i = 1}^{N} σ_{i k} {T o t a l e x p e n d i t u r e}_{i} = \sum_{i = 1}^{N} \frac{e^{- (p_{k} ⅆ_{k i}) + {Z a t t r b}_{k}}}{\sum_{k = 1}^{N} e^{- (p_{k} ⅆ_{k i}) + {Z a t t r b}_{k}}} {T o t a l e x p e n d i t u r e}_{i} = X_{k}$