ЕКОНОМІЧНА КРИЗА ЯК ФАКТОР ЗМІНИ СТРУКТУРИ МАРШРУТІВ МУЛЬТИМОДАЛЬНИХ ПЕРЕВЕЗЕНЬ
Article Sidebar
Надіслано: 23-09-2021
Опубліковано: 10-01-2022
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Анотація. Присвячено проблемі оцінки впливу економічної кризи як чинника необхідності системної зміни структури маршрутів мультимодальних перевезень. Вплив економічної кризи з погляду теорії криз і кризи як онтичної категорії розглядається як рушійний фактор зміни парадигми системи мультимодальних перевезень. Тому завдання кількісної оцінки впливу економічної кризи для внутрісистемного оцінювання необхідності якісної зміни структури маршрутів транспортування вантажів, передусім найбільш вразливого їхнього виду — мультимодальних перевезень, набуває особливого значення. Протиставлено існуючій методології оптимізації перевезень математичну формалізацію, яка базується на теорії кризи і теорії графів. Це дозволило математично коректним чином провадити аналіз у реальному часі наявних викликів і, відповідно, пропонувати зміни у структурі маршрутів мультимодальних перевезень таким чином, щоб за вказаних змін було мінімізовано вплив наявних ризиків. Вказаний підхід завадить утворенню на транспортних шляхах та у вузлах транспортної системи traffic jams і, відповідно, колапсу перевезень вантажів. Уникнення колапсу перевезень, у свою чергу, завадить його вкрай негативним соціальним, політичним, економічним наслідкам для країни. Проведеним аналізом підтверджено факт стихійного формування альтернативних наявних транспортних потоків у разі зростання рівня загроз. Стихійний характер формування нової структури перевезень поки що не призвів до колапсу транспортної системи у зв’язку з наявністю ресурсів пропускної здатності транспортної мережі та значного резерву проєктної потужності транзитних транспортних вузлів — морських портів. Але за збільшення рівня загроз для більшої кількості транспортних шляхів імовірність настання колапсу збільшиться. Тому автори дійшли висновку, що: 1) потрібний перманентний прогноз рівня ризиків; 2) необхідна оцінка впливу кризи на транспортну систему; 3) лише централізоване керування зміною структури маршрутів перевезень, зокрема мультимодальних, дозволить мінімізувати вплив кризи, уникнути ризику колапсу транспортної системи.
Ключові слова: економічна криза, ризики, мультимодальні перевезення, математичне моделювання, зміна системи маршрутів.
Формул: 1; рис.: 1; табл.: 2; бібл.: 20.
Article Details
Посилання
Agamez-Arias, A. M., & Moyano-Fuentes, J. (2017). Intermodal transport in freight distribution: A literature review. Transport Reviews, 37, 782—807. https://doi.org/10.1080/01441647.2017.1297868.
Chen, J., Zhang, R., & Wu, D. (2018). Equipment maintenance business model innovation for sustainable competitive advantage in the digitalization context: Connotation, types, and measuring. Sustainability, 10, 3970. https://doi.org/10.3390/su10113970.
Boichenko, M. (2020). Intermarium as One of the Future European Image of Ukraine. Future Human Image, 13, 6—13. https://doi.org/10.29202/fhi/13/1.
Ciesla, M., Mrowczynska, B., & Opasiak, T. (2017). Multimodal transport risk assessment with risk mapping. Zeszyty Naukowe Politechniki Ślaskie, 105, 32—39. https://doi.org/10.29119/1641-3466.2017.105.2.
Nitsenko, V., Kotenko, S., Hanzhurenko, I., Mardani, A., Stashkevych, I., & Karakai, M. (2020). Mathematical Modeling of Multimodal Transportation Risks (pp. 439—447). Ghazali R., Nawi N., Deris M., Abawajy J. (Eds.). Recent Advances on Soft Computing and Data Mining. SCDM 2020. Advances in Intelligent Systems and Computing, 978. Cham: Springer. https://doi.org/10.1007/978-3-030-36056-6_41.
Bazaluk, O., Kotenko, S., & Nitsenko, V. (2021). Entropy as an Objective Function of Optimization Multimodal Transportations. Entropy, 23 (8), 946. https://doi.org/10.3390/e23080946.
Kotenko, S., Nitsenko, V., Hanzhurenko, I., & Havrysh, V. (2020). The Mathematical Modeling Stages of Combining the Carriage of Goods for Indefinite, Fuzzy and Stochastic Parameters. International Journal of Integrated Engineering, 12 (7), 173—180. https://doi.org/10.30880/ijie.2020.12.07.019.
Boschian, V., Dotoli, M., Fanti, M. P., Iacobellis, G., & Ukovich, W. (2011). A Metamodelling Approach to the Management of Intermodal Transportation Networks. IEEE Transactions on Automation Science and Engineering, 8 (3), 96—105. https://doi.org/10.1109/TASE.2010.2090870.
Corman, F., Viti, F., & Negenborn, R. (2017). Equilibrium models in multimodal container transport systems. Flexible Services and Manufacturing Journal, 29 (1), 125—153. https://doi.org/10.1007/s10696-015-9224-4.
Fang, X., Ji, Z., Chen, Z., Chen, W., Cao, C., & Gan, J. (2020). Synergy Degree Evaluation of Container Multimodal Transport System. Sustainability, 12, 1487. https://doi.org/10.3390/su12041487.
Ngamvichaikit, A. (2017). The Competency Development of Multimodal Transportation Management for Logistics Professional in Thailand. International Journal of Trade, Economics and Finance, 8 (1), 62—66. https://doi.org/10.18178/ijtef.2017.8.1.540.
Wolfinger, D., Tricoire, F., & Doerner, K. (2019). A matheuristic for a multimodal long haul routing problem. EURO Journal on Transportation and Logistics, 8 (4), 397—433. https://doi.org/10.1007/s13676-018-0131-1.
Büyüközkan, G., & Göçer, F. B. (2018). An extension of ARAS methodology under interval valued intuitionistic fuzzy environment for digital supply chain. Applied Soft Computing, 69, 634—654. http://doi.org/10.1016/j.asoc.2018.04.040.
Dahooie, J. H., Zavadskas, E. K., Abolhasani, M., Vanaki, A., & Turskis, Z. (2018). A novel approach for evaluation of projects using an interval–valued fuzzy additive ratio assessment (ARAS) method: a case study of oil and gas well drilling projects. Symmetry, 10 (2), 45. http://doi.org/10.3390/sym10020045.
Rostamzadeh, R., Esmaeili, A., Sivilevičius, H., & Nobard, H. B. K. (2020). A fuzzy decision-making approach for evaluation and selection of third party reverse logistics provider using fuzzy areas. Transport, 35 (6), 635—657. https://doi.org/10.3846/transport.2020.14226.
Jasiulewicz-Kaczmarek, M., Żywica, P., & Gola, A. (2021). Fuzzy set theory driven maintenance sustainability performance assessment model: a multiple criteria approach. Journal of Intelligent Manufacturing, 32, 1497—1515. https://doi.org/10.1007/s10845-020-01734-3.
Kamal, M., Jali, S. A., Muneeb, S. M., & Ali, I. (2018) A Distance Based Method for Solving Multi-Objective Optimization Problems. Journal of Modern Applied Statistical Methods, 17 (1), 21. https://doi.org/10.22237/jmasm/1532525455.
Salas-Molina, F., Pla-Santamaria, D., Garcia-Bernabeu, A., & Reig-Mullor, J. (2019). Compact Representation of Preferences in Multiple Criteria Optimization Problems. Mathematics, 7 (11), 1092. https://doi.org/10.3390/math7111092.
State Statistics Service of Ukraine Freight turnover and freight volumes. (2021). Retrieved from http://www.ukrstat.gov.ua.
Ukrainian seaport authority. Performance indicators. (2021). Retrieved from http://www.uspa.gov.ua/en.