شناسایی عوامل موثر بر اثربخشی پروژه‌های آزادراهی در ایران با رویکرد مشارکت عمومی-خصوصی (مقایسه روش‌های مدل‌سازی معادلات ساختاری و یادگیری ماشین)

نویسندگان

1 دکتری، گروه مدیریت و اقتصاد، دانشگاه تهران، تهران، ایران

2 دانشجوی دکتری، مهندسی عمران گروه راه و ترابری، دانشگاه علم و صنعت ایران، تهران، ایران

3 دانشیار، بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران

4 دانش آموخته دکتری، گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

doi
10.22034/tri.2025.473353.3268
چکیده

توسعه زیرساخت‌های حمل‌ونقل، به‌ویژه آزادراه‌ها، یکی از اولویت‌های اساسی کشورها در دنیای امروز به شمار می‌رود و ایران نیز با چالش‌های متعددی در این زمینه مواجه است. در این مقاله، ابتدا داده‌های مورد نیاز از طریق تحلیل متنی اسناد علمی گردآوری شد. در این فرآیند، متون مرتبط با پروژه‌های آزادراهی از منابع مختلف، شامل مقالات علمی، گزارش‌ها و اسناد تخصصی بررسی شدند تا عوامل کلیدی تأثیرگذار بر مشارکت بخش خصوصی شناسایی شوند. بر اساس این عوامل، یک پرسشنامه طراحی شد که متخصصان و صاحب‌نظران به آن پاسخ دادند. پس از گردآوری داده‌ها، خروجی‌ها از طریق پرسشنامه از افراد خبره مورد بررسی قرار گرفتند. در این مرحله، از دو روش مدل‌سازی معادلات ساختاری و الگوریتم جنگل تصادفی برای تحلیل داده‌ها استفاده شد. این پژوهش با بهره‌گیری از روش‌های یادگیری ماشین و مدل‌سازی معادلات ساختاری، به بررسی عوامل مؤثر بر مشارکت بخش خصوصی در پروژه‌های آزادراهی پرداخته است. مدل‌سازی معادلات ساختاری، به عنوان ابزاری قدرتمند، با استفاده از فرضیات نظری و معادلات رگرسیون چندگانه، تأثیرات مستقیم و غیرمستقیم متغیرها را در یک مدل پیچیده تحلیل می‌کند. از سوی دیگر، الگوریتم جنگل تصادفی به عنوان یکی از روش‌های پیشرفته یادگیری ماشین، بدون نیاز به فرضیات نظری پیچیده، داده‌ها را تحلیل و نتایج را پیش‌بینی می‌کند. این روش با ایجاد چندین درخت تصمیم‌گیری و ترکیب نتایج آن‌ها، قادر است الگوهای پیچیده و پنهان در داده‌ها را شناسایی کرده و با دقت بیشتری نسبت به مدل‌سازی معادلات ساختاری، عوامل مؤثر را پیش‌بینی کند. نتایج نشان می‌دهد که متغیرهای مرتبط با قوانین و مقررات و همچنین عوامل مالی و مالیاتی بیشترین تأثیر را بر اثربخشی پروژه‌های آزادراهی دارند. بهبود و تقویت این عوامل می‌تواند به طور قابل توجهی موفقیت و کارآمدی این پروژه‌ها را افزایش دهد.