Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Tersedia online diwww.sciencedirect.com

Sains Langsung

Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

Konferensi Internasional Profesional Transportasi COTA ke-13 (CICTP 2013)

Pemodelan Dampak Kendala Emisi Rendah Karbon

Pilihan Moda dan Rute dalam Jaringan Transportasi
Xin ZHANGA,*, Pan LIUA,, Zhibin LIA,, Hao YUA,
ASekolah Transportasi, Universitas Tenggara, Sipailou#2,Nanjing, 210096, PR China;

Abstrak

Tujuan utama dari studi ini adalah untuk memahami dampak dari kendala rendah karbon terhadap pilihan rute
dan moda para pelaku perjalanan, dan dampaknya terhadap kinerja jaringan transportasi yang terdiri dari bus
dan mobil pribadi. Model pembagian moda/penetapan lalu lintas gabungan yang mempertimbangkan kendala
rendah karbon telah diusulkan. Kendala rendah karbon mempertimbangkan sistem CO2batasan pengurangan dan
batasan kapasitas lalu lintas lingkungan CO. Dampak dari kendala rendah karbon diperkirakan menggunakan
solusi kesetimbangan dari model pembagian moda/penugasan lalu lintas gabungan yang diusulkan, yang
diperoleh dengan menggunakan metode solusi pengali lagrangian umum. Model yang diusulkan diuji dalam dua
jaringan uji hipotetis. Ditemukan bahwa dengan mengubah pilihan rute dan moda para pelaku perjalanan, hasil
keseimbangan jaringan dalam batasan rendah karbon dapat dicapai. Baik waktu tempuh sistem maupun emisi
karbon dari jaringan yang padat dapat dikurangi jika digunakan batasan rendah karbon. Namun, untuk jaringan
yang tidak padat, penggunaan batasan rendah karbon akan meningkatkan waktu tempuh sistem.

©22001133TDiaTDiaAuAthkamuHai
rsHai. SH edElBSkamu
oleh
th RPSubPlikamuSHBeliD evE Reh
yaituaku SLaytdyaituOpBen.Vac.proses di bawahLisensi CC BY-NC-ND.
- ulang
YaakuakueeCCtiTHaiioNNsebuahADNPDdan/HaieR- RPeeay
kamu ayRNwr
eyaitu Saya DeewkamuSNPDHaieNRyaRBesakit
kembali ibHSSaya Pkamu
SayaSaya aku FHai
Hai ayeC
Ndia N eFH
kamu C Saya
Srs eN
seHai AeSeSR
HAI THAI
sebuahaySePRHaiSRetaN
ARTSAio
AT N
SNSSHaiPCHaiiaRTTSayaAHaiTHAI ATSAjadi).ciation (COTA).
Nio(C

Kata kunci: lalu lintas perkotaan; angkutan umum; kendala emisi rendah karbon; modus perjalanan

1. Perkenalan

Dengan pesatnya kemajuan urbanisasi di Tiongkok, penggunaan mobil telah meningkat secara dramatis selama dekade
terakhir. Sebagai moda transportasi perkotaan yang penting, mobil memberikan mobilitas yang nyaman, nyaman dan fleksibel
bagi penggunanya. Namun penggunaan mobil juga membawa berbagai dampak negatif pada sistem transportasi perkotaan,
seperti kemacetan lalu lintas, kecelakaan, dan polusi udara. Dalam beberapa tahun terakhir, karbon

* Penulis yang sesuai. Telp: +0-152-9550-7682.

Alamat email:112391@seu.edu.cn .

1877-0428 © 2013 Para Penulis. Diterbitkan oleh Elsevier Ltd.Buka akses di bawahLisensi CC BY-NC-ND.
Seleksi dan tinjauan sejawat di bawah tanggung jawab Asosiasi Transportasi Luar Negeri Tiongkok (COTA).
doi:10.1016/j.sbspro.2013.08.040
330 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

emisi dari mobil telah menjadi masalah kesehatan masyarakat utama di kota-kota besar di Tiongkok. Menurut perkiraan
Badan Energi Internasional (IEA, 2010), emisi karbon dioksida dari sektor transportasi mencapai 6,605 miliar ton di
seluruh dunia, yaitu 1,44 kali lipat dibandingkan emisi di seluruh dunia. . Transportasi jalan raya adalah yang terbesar

sumber GRK yang menyumbang 77% dari total emisi transportasi. Selain itu, karbon dioksida diperkirakan akan mencapai 9,3
miliar ton pada tahun 2030, 41% lebih tinggi dibandingkan tahun 2008. Di Tiongkok, emisi karbon dioksida dari transportasi jalan
raya telah meningkat sebesar 208% dari tahun 1994 hingga 2007, terutama karena meningkatnya penggunaan mobil pribadi.
Para profesional transportasi menghadapi tantangan besar untuk mengurangi karbon dioksida pada kendaraan pribadi. Salah
satu solusi yang mungkin dilakukan adalah dengan meningkatkan proporsi perjalanan dengan bus melalui kebijakan seperti
pembangunan transportasi umum skala besar.
Secara teoritis, penerapan batasan emisi rendah karbon dapat secara signifikan mempengaruhi pilihan rute dan moda
para pelaku perjalanan, sehingga menghasilkan kinerja sistem yang berbeda di seluruh jaringan jalan. Sebelum berbagai
kebijakan diterapkan, dampaknya terhadap kinerja jaringan jalan perkotaan harus dipelajari secara cermat. Model
gabungan pembagian moda/penugasan lalu lintas telah banyak digunakan dalam penelitian sebelumnya untuk
menganalisis pilihan moda dan rute serta kinerja jaringan (Sheffi, 1985). Demikian pula, dampak kendala emisi rendah
karbon dapat diperkirakan dengan menganalisis solusi keseimbangan model gabungan pembagian moda/penetapan lalu
lintas dengan kendala rendah karbon.
2005; Zhao dan Gao, 2006; Zhong et al., 2012). Dalam studi di atas, sebagian besar model
berkonsentrasi pada pembatasan CO dan NOx, namun tidak ada batasan spesifik untuk emisi CO2
yang dipertimbangkan dalam model.

Dalam rangka mendukung pembangunan sistem transportasi ramah lingkungan dan rendah karbon, para peneliti mulai
memperhatikan model keseimbangan jaringan dengan batasan emisi rendah karbon. Sharma dan Mishra (2011) mengusulkan
dua-
kendala tertentu dengan menerapkan harga emisi. Sharma dan Mishra (2012) mengusulkan model bi-level untuk memahami
pengurangan emisi GRK dan peralihan perjalanan kendaraan pribadi ke transit dengan menerapkan penetapan harga emisi
optimal berbasis ITS untuk mengurangi emisi GRK sebesar persentase tertentu dalam jaringan transportasi gabungan.

Tujuan utama dari studi ini adalah untuk memahami dampak dari kendala rendah karbon terhadap pilihan rute dan
moda para pelaku perjalanan, dan dampaknya terhadap kinerja jaringan transportasi gabungan yang terdiri dari bus dan
mobil pribadi. Perlu diperhatikan bahwa kendala rendah karbon yang dibahas dalam makalah ini berfokus pada karbon
dioksida dan karbon monoksida. Lebih khusus lagi, kendala rendah karbon berfokus pada pengendalian jumlah total CO2
dan hubungan konsentrasi emisi CO.

2. Perumusan Model dan Algoritma Solusi

Masalah keseimbangan yang melibatkan kedua moda transportasi disebut sebagai masalah gabungan pembagian moda/penugasan
lalu lintas. Model gabungan merupakan pendekatan yang efektif untuk memodelkan rute dan pilihan model wisatawan secara bersamaan.
Dalam studi ini, kami menggunakan model pembagian moda/penetapan lalu lintas gabungan standar sebagai kasus dasar dan kemudian
memasukkan batasan emisi karbon ke dalam model kasus dasar untuk mengembangkan model pembagian moda/penetapan lalu lintas
gabungan dengan batasan emisi karbon. Dengan membandingkan
Dampak dari kendala rendah karbon terhadap rute dan pilihan rute
 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338 331

pelaku perjalanan, serta dampaknya terhadap kinerja jaringan jalan perkotaan dapat diperkirakan dengan
membandingkan model kasus dasar dan model kendala rendah karbon.

2.1. Model Kasus Dasar

Dalam tulisan ini, kami berasumsi bahwa kinerja bus tidak tergantung pada arus mobil pribadi pada jaringan
dimana jalur bus tersebut digunakan. Asumsi ini menjadikan model ini realistis dan dapat diterapkan mengingat
fakta bahwa jalur bus khusus sebagai ukuran prioritas bus banyak diadopsi di banyak kota besar di Tiongkok.
Dalam hal penetapan lalu lintas gabungan pada jaringan komposit, model logit digunakan sebagai fungsi kinerja
terpisah yang efektif untuk mencerminkan pilihan wisatawan antara bus dan mobil pribadi. Model logit bisa

pilihan modal. Fungsi pemisahan mode klasik diberikan oleh (Sheffi, 1985)
1
Qrs Qrs1e(TrsTrs rs)
(1)

Di mana adalah parameter positif (dikenal sebagai parameter logit), adalah perjalanan di bus antara pasangan OD r-
s(orang/hari), adalah total permintaan perjalanan antara pasangan OD rs(orang/hari),Trsadalah waktu tempuh minimum dengan
kendaraan pribadi antar pasangan ODR-Spada jaringan jalan raya dan merupakan waktu tempuh minimum dengan moda bus.rsadalah

lebih besar dari nol menunjukkan bahwa wisatawan cenderung memilih mobil dibandingkan bus.
Fungsi impedansi link mobil pribadi dan bus ditentukan menggunakan fungsi Biro Jalan Umum (BPR). Pada kondisi
setimbang, pilihan moda pada jaringan komposit akan memenuhi persamaan (1) dan pada jaringan bus dan mobil
pribadi, kondisi User Equilibrium (UE) akan tercapai, yaitu waktu tempuh pada semua rute yang digunakan akan sama.
Berdasarkan pendekatan pemodelan di atas, maka model pemrograman Base-Case (M1) ini dapat dituliskan sebagai
masalah minimalisasi sebagai berikut
T
XA1 XA2 T 1 w
menitZx( 1,X2, Q) w) dw w) dw dw
Qrs

A1( A2 ( ( ln rs ) (2)
A
0
A
0
rs
0 Qrs w
Frs1,k Qrs Qrs R,S
k

Frs2,k Qrs R,S

k

S.T.FSayars,k 0 R,S,k,Saya 1, 2
XA1 F 1
1,k A,k
rs A,R,S
R S k

XA2 Frs2,k 2
A,k A,R,S
R S k

Di manarsadalah pasangan OD antara asalRdan tujuannyaS; Qrs,Qrs DanQrs Qrs adalah perjalanan dengan bus

(orang/hari), perjalanan dengan mobil (orang/hari) dan total permintaan perjalanan (orang/hari), masing-masing, antara
pasangan ODrs;FSayars(i=1,2) adalah aliran modalSayadi jalurkantara pasangan ODrs;A,k(SayaSaya
=1,2)adalah jalur-link
variabel kebetulan: 1 jika tautan a menggunakan jalur k dari modal i dan 0 sebaliknya;Xaiadalah aliran modalSayadi tautanA.
Model Kasus Dasar, sebagai model pembagian mode gabungan/penugasan lalu lintas, dengan fungsi tujuan
cembung dan batasan kesetaraan linier dapat diselesaikan dengan algoritma kombinasi cembung, seperti
algoritma FW.
332 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

2.2. Model Kendala Rendah Karbon

Dengan memasukkan batasan rendah karbon ke dalam model Kasus Dasar, kami merumuskan model gabungan pembagian
moda/penetapan lalu lintas dengan batasan rendah karbon. Kendala karbon dioksida dan karbon monoksida keduanya
dipertimbangkan dalam formulasi model. Pembatasan karbon dioksida bertujuan untuk mengurangi total CO2
emisi jaringan di bawah batas atas. Sementara kendala karbon monoksida difokuskan pada kendaraan yang berada di jalur tersebut,
memastikan bahwa kendaraan tersebut tidak melampaui kapasitas lalu lintas lingkungan CO.
Menurut statistik dari laporan Bank Dunia, emisi karbon dioksida per kapita tahunan di daerah perkotaan
Beijing, Tianjin dan Shanghai mencapai hingga 7.07t, 7.77t dan 8.19t pada tahun 2010. Karbon dioksida yang
dihasilkan dari sektor transportasi sebesar 10% dari total emisi karbon dioksida dan emisi karbon dioksida dari
angkutan penumpang perkotaan menyumbang 50% dari total emisi karbon dioksida transportasi (Lu, 2004).
Untuk mencapai pembangunan transportasi rendah karbon, perencana lalu lintas ingin menjadikan CO2rasio
pengurangan emisi.
Dalam penelitian ini, seperti yang ditunjukkan pada Persamaan. (4) kami menghitung batas atas emisi karbon
dioksida transportasi penumpang per kapita per tahun. Misalnya, dalam kasus Beijing, batas atas karbon dioksida
angkutan penumpang yang diharapkan sama dengan emisi karbon dioksida angkutan penumpang per kapita tahunan
(0,3535t=7,07t×0,5×0,1) dikalikan (1-rasio reduksi) (seperti sebagai 80%).Faktor emisi karbon dioksida statis dapat
digunakan untuk menganalisis emisi per kilometer ketika wisatawan memilih mode perjalanan yang berbeda. Xu (2010)
serta Pedoman Faktor Konversi GRK Defra tahun 2010 memberikan emisi karbon dioksida

dioksida diformulasikan sebagai (QrsQrs)

Federasi Rusia1 QrsFederasi Rusia2

(3)
Federasi Rusiamaks Qrs,R,S

Federasi Rusiatahunan ab(1 )

Federasi Rusiamaks
365D (4)
Di manahalSaya(Saya=1,2) adalah karbon dioksida yang dibuang per kilometer oleh satu moda kendaraanSaya. hal1
=133g/(orang·km) danhal2=23g/(orang·km);halmaksadalah perkiraan batas atas harian karbon dioksida transportasi
penumpang perkotaan per orang per kilometer;haltahunanadalah emisi karbon dioksida per kapita tahunan di
wilayah perkotaan;ADanBadalah masing-masing proporsi karbon dioksida transportasi dan proporsi karbon
dioksida transportasi dan proporsi karbon dioksida transportasi penumpang perkotaan (A=0,5 danB=0,1); adalah
rasio reduksi karbon dioksida;halmaks(1- ) adalah batas atas emisi karbon dioksida per kapita per tahun; 365 adalah
konstanta penyesuaian satuan yang mewakili satu tahun termasuk 365 hari.Dadalah jarak perjalanan rata-rata.

Kendala untuk CO2terutama difokuskan pada jumlah Karbon dioksida yang dihasilkan oleh jumlah total
kendaraan. Berbeda dengan Karbon dioksida, Karbon monoksida merupakan gas beracun yang
konsentrasinya mencapai satu per sejuta akan menyebabkan gejala hipoksia yang serius. Ketika CO di tepi
jalan yang dihasilkan oleh volume sambungan lebih tinggi dari kualitas udara Tingkat 2, maka kesehatan
pengguna jalan dan penduduk di sekitar akan terpengaruh. Oleh karena itu kapasitas lalu lintas lingkungan
CO diperkenalkan untuk memastikan emisi CO dari link kurang dari standar kualitas udara. Kapasitas
lingkungan didefinisikan sebagai jumlah maksimum kendaraan yang dapat ditanggung oleh lingkungan
yang setara dengan kapasitas lalu lintas. Wang dan Chen (2009) memberikan model perhitungan kapasitas
lalu lintas lingkungan yang dinyatakan dalam satuan mobil penumpang.

EFbersama,bis
(5)
EFbersama,mobil
 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338 333

Di manaEFbersama,bis,EFbersama,mobiladalah faktor emisi CO statis untuk bus dan mobil (g/km).

Untuk memasukkan batasan rendah karbon di atas untuk CO2dan CO ke dalam model Base-Case, model gabungan
pembagian moda/penetapan lalu lintas dengan batasan rendah karbon (M2) dirumuskan sebagai berikut untuk menganalisis
pilihan wisatawan.
X A1 1 T( XA 2 1 w
w)dw TA2( w)dw dw
Qrs
menitZ( X1,X2,Q) A ( ln rs )
A
0
A
0
rs
0 Qrs w (6)

Frs1,k Qrs Qrs R,S,k ( kamu

rs) 1

Frs2,k Qrs rsk

,, (2kamu rs)

FSaya
rs,k 0 R,S,k,Saya 1, 2
(7)
S.T. XA1 Frs1,k 1
A,k A,k,R,S
R S k

XA2 Frs2,k 2
A,k A,k,R,S
R S k

(Qrs Qrs) Federasi Rusia1 Qrs Federasi RusiaFederasi

2
Qrs, R,S
Rusiamaks ( rs)
VBERSAMA

XA1 XA2 A
, A ( A)

Di manakamuSayars(Saya 1, 2), rs DanAmenunjukkan pengganda Lagrange yang terkait dengan batasan permintaan OD dan CO2
kendala dan kendala CO, masing-masing.VBERSAMA A adalah kapasitas lalu lintas lingkungan CO link per jam; adalah puncaknya
rasio aliran jam konstan dalam kisaran 6% ~ 7% yang mewakili; didefinisikan dalam persamaan (5) mewakili
faktor konversi kapasitas lingkungan untuk bus;halSaya(Saya=1,2) danhalmaksdidefinisikan dalam persamaan (3) dan (4);
Variabel lain didefinisikan dalam persamaan (2).
Variabel keputusannya adalahXA1, XA2DanQrs.Kondisi orde pertama (Kuhn-Tucker) diterapkan pada Lagrangian dari
Persamaan (6) dan kondisi KKT adalah sebagai berikut
[ (TA1 )
1
A rs,k
1
F
rs] rs,k
kamu1 0
A
A,R,S,k (8)
(TA1 1
)
A rs,k kamu1
rs 0
A

[ (TA2 A ) 2
rs,k kamu2
2
F
rs] rs,k 0
A
A,R,S,k (9)
(TA2 A ) 2
rs,k kamu2
rs 0
A

Qrs
Qrs R,S (10)
1 e[ rs rs(
rs
Federasi Rusia1 Federasi Rusiakamu
2) 2
rs]
kamu1

Dapat dilihat bahwa kondisi di atas Persamaan. (8) dan (9) menentukan pola aliran keseimbangan pengguna. Lebih lanjut, kondisi
keseimbangan menunjukkan bahwa pengguna jalan tidak hanya mempertimbangkan waktu tempuh tetapi juga biaya pengolahan CO bila
melebihi kapasitas lingkungan Persamaan. (10) adalah model logit untuk pembagian moda dalam model pembagian moda gabungan/
penugasan lalu lintas dengan batasan emisi rendah karbon. Dibandingkan dengan Persamaan. (1), item tambahan
- rs(Federasi Rusia1+ Federasi Rusia2) menunjukkan penurunan daya tarik mobil ketika batasan emisi karbon dioksida dipertimbangkan.
Untuk mencapai CO yang rendah2Karena kendala emisi, langkah-langkah pengelolaan lalu lintas seperti penetapan harga emisi jalan raya,
dll. dapat diterapkan untuk mengurangi daya tarik penggunaan mobil.
334 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

3. Solusi Pengganda Lagrangian Umum

Algoritma Frank Wolfe yang umum digunakan tidak dapat langsung digunakan untuk menyelesaikan model dengan batasan. Solusi
Generalized Lagrangian Multiplier berguna untuk optimasi di tengah adanya kendala. Pada penelitian sebelumnya, beberapa penelitian
telah menggunakan Generalized Lagrangian Multiplier untuk menyelesaikan model dengan kapasitas lingkungan
kendala dalam sistem transportasi tunggal (Cheng dan Wang, 2006; Yang et al., 2010; Feng dan Cheng 2012). Dalam studi
tersebut, dengan menggunakan transformasi keseimbangan jaringan, kami mendapatkan jaringan super sistem bus dan
mobil, lalu solusi Pengganda Lagrangian Umum diadopsi untuk menyelesaikan model pembagian mode/penetapan lalu
lintas gabungan dengan batasan rendah karbon. Dalam penelitian ini, fungsi pengali lagrangian umum didefinisikan
sebagai berikut
1
M(x 1, x ,2Q, , , , )Z(X
1 ,X,2Q) 1 2 {[maks(0, A (Federasi Rusia
maks Qrs (Qrs Qrs) Federasi Rusia1 QrsFederasi Rusia
2 ) )2 A2]}
2 2
2

rs

1 VBERSAMA

+ {[maks(0, A 1 (A XA1 XA2 ) )2 2

A ]} (11)
21A A

Rumusan (11) yang digunakan sebagai keberatan dan batasannya sama dengan model pemrograman Base-Case.
Maka masalahnya diselesaikan sebagai berikut
Langkah 1: Nilai variabel awalX1,X2dan variabel pengali lagrangian Parameter diberikan.
yang diberikan1 2keduanya lebih besar dari 0. Konstanta (0,1). Kondisi konvergensinya adalah
> 0. Dan buat parameter iteratifk=1
1 X1k, Xk2 1,Qk1sebagai nilai awal dan selesaikan program pemrograman optimasi sebagai
Langkah 2: Konfirmasi ke
berikut (12) menggunakan algoritma kombinasi cembung, seperti algoritma dua tahap, dapatkanXk 1 , Xk2,Qk .
menitM(X1, X2,Q,k,k,1,2)
(12)
S.T. h(x1,X2,q)=0
VBERSAMA
1 VBERSAMA

Step3: jika dua kondisi terminasi diperoleh, || A XAk1 XAk2 maks(0, 1 ( A

XAk1 XAk2) Ak) ||
Dan
1

1
||Federasi Rusiamaks Q((QS
rs R QRSk) Federasi Rusia
QkFederasi
RS1 Rusia2) maks(0, 2(Federasi Rusiamaks QRS (QRS Qk)Federasi Rusia1
RS Qk
rsFederasi Rusia)
2
k
) ||
A lalu akhiri, jika tidak lanjutkan ke langkah 4
2

Langkah4: jika

1
Qrs (Qrs Qkrs) k
maks(0, (Qrs k k k
A) ||
2= 2, lalu beralih ke
||Federasi Rusiamaks Federasi Rusia1 QrsFederasi Rusia2 2(Federasi Rusiamaks Qrs Qrs)Federasi Rusia1 QrsFederasi Rusia2)
membiarkan
2
,
Qk)1 1 Qk1 Qk1
||Federasi Rusia Qrs ((Qrs
maks
rs
k
Federasi Rusia1 Qrs )
Federasi Rusia2 maks(0, 2
(
Federasi Rusia
Qrs ( Qrs
maks rs) Federasi Rusia
rs
1 )
Federasi Rusia2
k 1
A ) ||
2

langkah 5; jika tidak, lanjutkan ke langkah 5.

Langkah5:Qrsk1 dapat dihitung sebagai berikut,Qk1 rs maks(0,
k
A 2(Federasi Rusiamaks QSR ( QSR QkRS) Qrsk
Federasi Rusia1 Federasi Rusia2)), membiarkank=k+1.

VA BERSAMA

Sesuai dengan permintaan perjalananQkrs

1 , X1k 1, X2k 1 dapat dihitung. JikaXk11 k1
, X2dapat bertemu XA1 XA2 , Kemudian

beralih ke langkah 2.
VBERSAMA
1 VABERSAMA

||A XAk1 XkA2 maks(0, 1 ( XkA1 XAk2) A

k
) ||
jika 1 , lalu biarkan1= 1, lalu lanjutkan ke langkah 6; jika tidak, putar
VBERSAMA
Xk1 Xk1 1 VBERSAMA
Xk1 X k1
||A A1 A2 maks(0, (
1 A A1 A2) A
k1
) ||

ke langkah 6.

1
Langkah 6:Xk1 1 , Xk2 dapat dihitung sebagai berikut, misalkank=k+1, lalu lanjutkan ke langkah 2.
VBERSAMA
V BERSAMA

A
XAk1 1 XAk21 maks(0,
k
A 1 A( XAk1 XkA2))
 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338 335

. Contoh Numerik

Dua contoh numerik disajikan untuk mengilustrasikan bagaimana menggunakan model yang diusulkan untuk memperoleh
pembagian moda dan penetapan lalu lintas dalam batasan emisi karbon rendah. Contoh-contoh ini dirancang untuk dua tujuan,
yang tepat (1) untuk menunjukkan keefektifan model yang diusulkan dalam menganalisis moda dan pilihan rute para penumpang ketika
mempertimbangkan kendala karbon rendah, dan (2) untuk memberikan dukungan teoritis kepada para perencana untuk mendapatkan proporsi
permintaan lalu lintas yang masuk akal secara lebih baik. dengan bus dan mobil pribadi ketika mengambil langkah-langkah untuk mendorong
pembangunan lalu lintas rendah karbon.
Contoh pertama jaringan jalan pada Gambar 1 terdiri dari dua simpul dan enam jalur (lima jalur mobil dan satu jalur
bus terpisah). Jalur 6, jalur bus terpisah, merupakan jalur buatan yang merepresentasikan jalur bus melalui jalur 3 dan
link 4. Fungsi waktu perjalanan link BPR (Biro Jalan Umum, 1964) untuk mobil dan bus digunakan dengan data input
terkait yang diberikan pada Tabel 1. Kapasitas lalu lintas lingkungan CO harian dihitung dengan HAI
juga
bahkan pada Tabel 1. Kapasitas dan volume jalur mobil dan jalur bus ditentukan berdasarkan jumlah kendaraan.
Total permintaan dari node asal r ke node tujuan s adalahS=200.

kamu

Gambar 1. Contoh jaringan jalan raya

Selanjutnya kita membahas parameter dan batasan karbon oksida. Karbon dioksida yang dibuang per
ilometer oleh satu kendaraan bus dan mobil adalahhal1=133g/(orang m) danhal=23g/(orang m)(Xu, 2010).
Faktor emisi CO statis untuk bus dan mobil adalahEFHai bus=108 / kendaraan·km)danEFHai mobil=4.5
kendaraan· km ) Li, 2001; Zhou, 2009). faktor konversi kapasitas lingkungan untuk bus, dapat dihitung dengan Persamaan (5)
dan =2.4. Berdasarkan data statistik di Beijing, perkiraan batas atas harian transportasi karbon dioksida per orang per ilometer s
dihitung dengan memasukkanFederasi Rusiatahunan=7.07t, =0.1, =0.5, =0.2 dan =10 n ke Persamaan(4) laluFederasi Rusiakapak=76g/
(orang m).Dengan menggunakan parameter di atas, hasil penandatanganan model M1
d M2 disajikan pada Tabel 2. Dengan membandingkan hasil M1 dan M2, kita dapat mengetahui dampak hambatan bonision
perang pada kantor kedua dan ketiga pada jaringan dua modal (bus dan mobil pribadi).

Tabel 1. Menghubungkan waktu perjalanan dan data apacit raffic lingkungan CO untuk jaringan pertama
Perjalanan arus bebas kapasitas Kapasitas LingkunganB
Modal Tautan
waktu0H) (smp/hari) (smp/hari)
1 .0 0 0
.0 0 0
ar .5 0 0
3.0 100 0
2.1 0 5
Perjalanan arus bebas kapasitas Kapasitas LingkunganB
Modal Tautan
waktu0H) (kendaraan/hari) (smp/hari)
kita 2 10
336 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

Catatan:Amobil dan bus berada dalam sistem terpisah dan kapasitasnya diberikan secara terpisah untuk setiap sistem moda;
Bkarena kapasitas lalu lintas lingkungan CO link mencakup seluruh emisi dari mobil dan bus, sehingga kapasitas

lalu lintas lingkungan CO pada link 3 dan 4 lebih besar dibandingkan kapasitas sistem mobil.

Melalui perbandingan pada Tabel 2, kita dapat menganalisis pengaruh kendala emisi rendah karbon terhadap pilihan
moda dan rute di dua jaringan lalu lintas moda. Dalam hal pilihan moda, permintaan lalu lintas pribadi menurun sebesar
25,2% di M2 dibandingkan dengan M1 yang menjadikan total CO jaringan2emisi menurun sebesar 18%. Pada M1 batas
atas harian karbon dioksida angkutan penumpang perkotaan per orang per kilometer adalah 81,85

2paksaan.

Dalam hal pilihan rute, pada M1 rasio v/c pada ruas 3 dan ruas 4 lebih besar dibandingkan ruas lain sehingga ketika
mempertimbangkan batasan CO, pengguna mobil pribadi pada ruas 3 dan ruas 4 menyumbang lebih banyak pengguna jalan
yang berpindah ke jalan umum. angkutan. Namun untuk waktu tempuh sistem, M2 1,5% lebih besar dibandingkan M1 karena
sistem mobil di M1 tidak menimbulkan kemacetan dan mengganti pengguna mobil untuk naik bus akan menambah waktu
tempuh ketika mempertimbangkan kendala emisi rendah karbon. Namun jika sistem mobil di M1 mengalami kemacetan, maka
kendala emisi rendah karbon tidak hanya mampu menurunkan CO2emisi tetapi juga melepaskan kemacetan karena dalam sistem
jaringan kemacetan kendala CO mengontrol arus mobil pada link tidak melebihi kapasitas dan CO2Kendala ini mendorong
pengguna mobil untuk menggunakan bus yang mengurangi arus mobil di jalur tersebut.

Meja 2. Hasil penugasan model M1 dan M2 pada jaringan pertama

Arus Lalu Lintas Mobil Arus Lalu Lintas Mobil Bus Tuntutan
Model
(smp) (kendaraan) (orang)
X11 X 1
2 X1
3 X1
4 X51 X32 X2
4 Qrs
M1 47 32 60 75 5 5 9 93
M2 46 32 34 48 6 6 12 120

Sebuah contoh diberikan sebagai berikut untuk menggambarkan bagaimana kendala rendah karbon
mengurangi emisi dan kemacetan dalam jaringan kemacetan. Informasi jaringan uji diberikan pada Tabel 3 dan
parameter lainnya sama dengan contoh sebelumnya. Hasil penugasan disajikan pada Tabel 4. Total permintaan
dari node asal r ke node tujuan adalahQrs=400.

Tabel3. Tautkan waktu perjalanan dan data kapasitas lalu lintas lingkungan CO untuk jaringan pertama
Perjalanan arus bebas KapasitasACA Kapasitas LingkunganB
Modal Tautan
waktuTa0(H) (smp/hari) VA(komputer/hari)

1 6.0 100 95
2 5.0 60 60
Mobil 3 4.5 60 90
4 3.0 100 130
5 4.0 60 50
Perjalanan arus bebas KapasitasACA Kapasitas LingkunganBV A
Modal Tautan
waktuTa0(H) (kendaraan/hari) (smp/hari)
Bis 6 15 15
 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338 337

Tabel4. Hasil penugasan model M1 dan M2 pada jaringan pertama

Arus Lalu Lintas Mobil Arus Lalu Lintas Mobil Bus Tuntutan
Model
(smp) (kendaraan) (orang)
X11 X1
2 X31 X41 X1
5 X32 X2
4 Qrs
M1 110 80 104 134 30 9 9 186
M2 92 60 60 92 32 12 12 248

Dalam model M1 yang tidak mempertimbangkan batasan rendah karbon, arus mobil pada jalur tersebut melebihi kapasitas
lalu lintas lingkungan CO. Dibandingkan dengan model M1, kemacetan dilepaskan di M2. Waktu perjalanan sistem berkurang
sebesar 6,5% di M2 dibandingkan dengan M1 dan emisi sistem berkurang sebesar 20,8% yang lebih tinggi dari contoh pertama.
Hasil dari contoh tersebut membuktikan bahwa kendala rendah karbon dalam jaringan kemacetan dapat mengurangi emisi
sistem dan waktu perjalanan.

5.Ringkasan dan Diskusi

Tujuan utama dari studi ini adalah untuk memahami dampak dari kendala rendah karbon terhadap pilihan rute dan
moda para pelaku perjalanan, dan dampaknya terhadap kinerja jaringan transportasi gabungan yang terdiri dari bus dan
mobil pribadi. Model pembagian moda/penetapan lalu lintas gabungan yang mempertimbangkan kendala rendah
karbon telah diusulkan. Kendala rendah karbon, termasuk sistem CO2batasan pengurangan dan batasan kapasitas lalu
lintas lingkungan CO, dimasukkan dalam model. Dampak dari kendala rendah karbon diperkirakan menggunakan solusi
kesetimbangan dari model pembagian moda/penugasan lalu lintas gabungan yang diusulkan, yang diperoleh dengan
menggunakan metode solusi pengali lagrangian umum. Model yang diusulkan diuji dalam dua jaringan uji hipotetis,
termasuk jaringan yang padat dan tidak padat. Hasil dari model pembagian moda/penetapan lalu lintas gabungan
dengan dan tanpa batasan rendah karbon dibandingkan.
Ditemukan bahwa dengan mengubah pilihan rute dan moda para pelaku perjalanan, hasil keseimbangan jaringan
dalam batasan rendah karbon dapat dicapai. Kendala rendah karbon sangat mempengaruhi pilihan rute dan moda para
pelaku perjalanan. Perubahan dalam pilihan rute dan moda perjalanan lebih signifikan pada jalur dengan rasio v/c yang
relatif lebih tinggi. Baik waktu tempuh sistem maupun emisi karbon dari jaringan yang padat dapat dikurangi jika
digunakan batasan rendah karbon. Namun, untuk jaringan yang tidak padat, penggunaan batasan rendah karbon dapat
meningkatkan waktu tempuh sistem.
Model yang diusulkan dapat langsung digunakan oleh pengambil keputusan transportasi untuk mengevaluasi dampak berbagai
kebijakan yang berfokus pada pembatasan emisi rendah karbon terhadap kinerja jaringan jalan secara keseluruhan. Dengan
menggunakan hasil optimalisasi model tersebut, perencana transportasi dapat dengan mudah memperkirakan perkiraan proporsi
permintaan lalu lintas yang dimiliki oleh bus dan mobil pribadi di bawah pengaruh berbagai kendala rendah karbon.

Pengakuan

Penelitian ini disponsori oleh Program Penelitian dan Pengembangan Teknologi Tinggi Nasional Tiongkok (Hibah No.
2011AA110303).
338 Xin Zhang dkk. / Procedia - Ilmu Sosial dan Perilaku 96 (2013) 329 – 338

Referensi

Benedek, CM, dan Rilett, LR (1998). Pembagian lalu lintas yang adil dengan fungsi biaya lingkungan. Jurnal Teknik Transportasi, 124, 16-22.

Cheng, L., dan Wang, W. (2006). Model keseimbangan dan solusi pengganda Lagrange yang ditambah untuk jaringan lalu lintas yang padat. Jurnal
Ilmu Manajemen di Cina. 9(5):18-27 Chen, A., Zhou, Z., & Ryu, S. (2011).Pemodelan kendala sisi fisik dan lingkungan dalam masalah keseimbangan
lalu lintas. Jurnal Internasional Transportasi Berkelanjutan, 5, 172-197.
Feng, T., Zhang, J., Fujiwara, A., dan Timmermans, HJP (2010). Sistem model terpadu dan alat evaluasi kebijakan untuk memaksimalkan mobilitas di
bawah kendala kapasitas lingkungan: Studi kasus di Kota Dalian, Tiongkok. Penelitian Transportasi Bagian D, 15, 263-274.
Feng, W., dan Cheng, Lin.(2012). Kajian Penugasan Lalu Lintas Berbatas Kapasitas Berdasarkan Augmented Lagrange Multiplier. Jurnal Universitas
Chongqing Jiaotong (Ilmu Pengetahuan Alam), 31(z1), 550-554.
Jaber, XQ, dan penyediaan layanan dengan
multikelas heterogen, pengambilan keputusan multikriteria. Jurnal Sistem Transportasi Cerdas, 13, 188-198.
Lu, HP, Wang, JW dan Zhang, P. (2004). Optimalisasi struktur transportasi perkotaan berdasarkan konsumsi energi. Universitas J Tsinghua (Ilmu Pengetahuan &
Teknologi), 44(3), 383-386.
Li, ZC, Lam, WHK, Wong, SC, dan Sumalee, A. (2012). Desain tol yang ramah lingkungan untuk jaringan jalan yang padat dengan permintaan yang
tidak menentu. Jurnal Internasional Transportasi Berkelanjutan, 6, 127-155.
Li, LZ (2001).Studi tentang Teknologi Evaluasi dan Prakiraan Pengaruh Lingkungan Atmosfer Lalu Lintas Perkotaan (Tesis PhD, universitas
Tenggara, Nanjing, Cina).
Nasiri, F., Nanuilova, A., dan Huang,GH (2009). Analisis kebijakan lingkungan dalam perencanaan transportasi barang: Pendekatan penilaian
optimalitas. Jurnal Internasional Transportasi Berkelanjutan, 3, 88-109.
Nagurney, A., Dong, J., dan Mokhtarian, PL (2002). Keseimbangan jaringan lalu lintas dan lingkungan: Perspektif pengambilan keputusan
multikriteria. Dalam E. Kontoghiorges, B. Rustem, & S. Siokos (Eds.), Metode komputasi dalam pengambilan keputusan, ekonomi dan keuangan (hlm.
501 523). Dordrecht: Penerbit Akademik Kluwer.
Rilett, LR, dan Benedek, CM (1994). Penugasan lalu lintas berdasarkan tujuan lingkungan dan keadilan. Catatan Penelitian Transportasi, 1443, 92-99.

Sheffi,Y. (1985). Jaringan Transportasi Perkotaan. Prentice-Hall, Englewood Cliffs, NJ.

Sugawara, S., dan Niemeier, DA (2002). Seberapa besar emisi kendaraan dapat dikurangi? Analisis eksplorasi batas atas menggunakan penugasan
perjalanan yang dioptimalkan emisi. Catatan Penelitian Transportasi, 1815, 29-37.
Sharma, S., dan Mishra, S. (2011). Model penetapan harga emisi yang optimal untuk mengandung jejak karbon akibat polusi kendaraan di jaringan
kota, Prosiding Pertemuan Tahunan ke-90 Dewan Riset Transportasi.
Sharma, S., dan Mishra, S. (2012). ITS Mengaktifkan Model Penetapan Harga Emisi Optimal untuk Mengurangi Jejak Karbon di Jaringan Bi-Modal,
DIO:10.1080/15472450.2012.708618
Tzeng, GH, dan Chen, CH (1993). Pengambilan keputusan multi-tujuan untuk penugasan lalu lintas. Transaksi IEEE tentang Manajemen Rekayasa, 40,
180-187.
Wang, ZB, dan Chen, YY (2009).Model Kapasitas Lalu Lintas Lingkungan Ruas Jalan Raya dan Metode Penyelesaiannya. Jurnal
Teknik dan Informasi Transportasi, 7(4), 52-55.
Xu, X., Chen, A., dan Cheng, L. (2012). Merumuskan kembali keseimbangan lalu lintas yang dibatasi lingkungan melalui fungsi kesenjangan yang mulus. Jurnal
Internasional Transportasi Berkelanjutan, diajukan untuk dipublikasikan.
Xu, JM (2010). - Transportasi karbon. Wawasan Perkotaan, 4, 13-20.
Yang, Z., Jia, P., dan Feng, T. (2005). Memaksimalkan kepemilikan mobil dalam keterbatasan kelestarian lingkungan di suatu kota. Jurnal
Masyarakat Studi Transportasi Asia Timur, 6, 3077-3089.
Yang, H., Xu,W., He, B., dan Meng, Q.(2010). Penetapan harga jalan untuk pengendalian kemacetan dengan fungsi permintaan dan biaya yang tidak diketahui. Penelitian
Transportasi Bagian C, 18, 157 175.
Zhao, T., dan Gao, Z. (2006). Masalah gabungan dari desain jaringan diskrit komprehensif di bawah batasan lingkungan dan kontrol sinyal
optimal. Tumu Gongcheng Xuebao (Jurnal Teknik Sipil Tiongkok), 39, 102-106.
Zhou, SP (2009). Penelitian Strategi Pengendalian Sinyal Lalu Lintas di Persimpangan Perkotaan Berdasarkan Faktor Emisi (Tesis PhD, Universitas
Teknologi Wuhan, Wuhan, China).
Zhong, RX, Sumalee, A., dan Maruyama, T. (2012). Biaya marjinal dinamis, pengendalian akses, dan biaya polusi: Perbandingan model kemacetan dan
model keseluruhan hubungan. Jurnal Transportasi Tingkat Lanjut. doi:10.1002/atr.195.