Agent-Based Modelling of Battery Electric Vehicle Adoption in Portugal

तकनीकी सारांश: पुर्तगाल में बैटरी इलेक्ट्रिक वाहन अपनाने का एजेंट-आधारित मॉडलिंग

समस्या विवरण
परिवहन क्षेत्र पुर्तगाल में ग्रीनहाउस गैस उत्सर्जन में एक प्रमुख योगदानकर्ता है, जो राजकोषीय प्रोत्साहन, कर छूट और सब्सिडी के माध्यम से बैटरी इलेक्ट्रिक वाहन (BEV) अपनाने को बढ़ावा देने के लिए सार्वजनिक नीति को प्रेरित करता है। हालांकि, यह संभावना कम है कि अपनाना स्थानिक रूप से समान रूप से होगा। मौजूदा साहित्य प्रोत्साहन, बुनियादी ढांचे और सामाजिक प्रसार की भूमिकाओं पर प्रकाश डालता है, फिर भी पुर्तगाली संदर्भ में राजकोषीय नीति, नगरपालिका विषमता, नेटवर्क प्रभावों और व्यवहारिक तंत्रों के बीच की अंतःक्रिया अभी भी अपर्याप्त रूप से खोजी गई है। यह शोध पत्र इस शोध प्रश्न को संबोधित करता है: राजकोषीय प्रोत्साहन, स्थानीय स्थितियाँ और नेटवर्क अंतःक्रियाएं पुर्तगाली नगर पालिकाओं में BEV अपनाने के स्थानिक संकेंद्रण को कैसे प्रभावित करती हैं?

कार्यप्रणाली
यह अध्ययन पुर्तगाली नगर पालिकाओं में BEV अपनाने की गतिशीलता को सिम्युलेट करने के लिए एक कैलिब्रेटेड, नगरपालिका-स्तरीय एजेंट-आधारित मॉडल (ABM) विकसित करता है। कार्यप्रविधि पांच चरणों में आगे बढ़ती है:

1. डेटा और अवस्था चर (State Variables): मॉडल BEV उपयोग डेटा (ACAP), राजकोषीय प्रोत्साहन संरचना (ISV, IUC, सब्सिडी), पार्किंग प्रोत्साहन, सामाजिक-आर्थिक संकेतक (INE), और चार्जिंग इंफ्रास्ट्रक्चर डेटा (MOBI.E) को संयोजित करते हुए नगरपालिका-स्तरीय पैनल डेटा (2021-2024) का उपयोग करता है। प्रमुख चरों में जनसंख्या, आय, प्रेक्षित BEV शेयर, चार्जिंग घनत्व और चार्जिंग स्टेशन की संख्या शामिल हैं।
2. स्थानिक नेटवर्क निर्माण: नगर पालिकाओं के पूर्ण भारित ग्राफ (complete weighted graph) से प्राप्त न्यूनतम स्पैनिंग ट्री (Minimum Spanning Tree - MST) का उपयोग करके एक स्थानिक नगरपालिका नेटवर्क बनाया गया है। एक कनेक्टिविटी थ्रेशोल्ड ($\delta$) स्थापित किया गया है जो MST में अधिकतम किनारे की दूरी पर आधारित है, यह सुनिश्चित करता है कि सभी नगरपालिकाएं जुड़ी रहें जबकि प्रासंगिक स्थानिक निकटता के लिए फ़िल्टर किया जा सके।
3. सिंथेटिक एजेंट जनसंख्या: 1,000 एजेंटों की एक सिंथेटिक जनसंख्या को उनके आधार-वर्ष की जनसंख्या के अनुपात में नगर पालिकाओं में आवंटित किया गया है। प्रत्येक एजेंट के पास नगरपालिका आय से जुड़ा एक एंडोमेंट (endowment) और एक व्यक्तिगत स्टोकेस्टिक टर्म होता है, जो नगरपालिका के भीतर विषमता की अनुमति देता है।
4. स्टोकेस्टिक इंफ्रास्ट्रक्चर डायनेमिक्स: चार्जिंग इंफ्रास्ट्रक्चर विस्तार को एक स्टोकेस्टिक लॉजिस्टिक डिफ्यूजन प्रक्रिया (Euler–Maruyama विविक्तकरण द्वारा अनुमानित) के रूप रूप में मॉडल किया गया है। यह निवेश के समय और नीति कार्यान्वयन के संबंध में अनिश्चितता पेश करता है, जो इंफ्रास्ट्रक्चर तैनाती की अस्थिरता को पकड़ता है।
5. व्यवहारिक तंत्र और अंशांकन (Calibration): मॉडल विभिन्न तंत्रों के योगदान को अलग करने के लिए पांच वृद्धिशील विशिष्टताओं का परीक्षण करता है:
   • बेसलाइन (Baseline): मुख्य आर्थिक निर्धारक (एंडोमेंट, राजकोषीय प्रोत्साहन, बुनियादी ढांचा)।
   • सामाजिक (Social): स्थानीय पीयर इफेक्ट्स (peer effects) जोड़ता है।
   • स्थानिक (Spatial): जुड़ी हुई नगर पालिकाओं के बीच नेटवर्क स्पिलओवर जोड़ता है।
   • पुनर्वितरण (Redistribution): एक पुनर्वितरण प्रोत्साहन तंत्र पेश करता है जहाँ राजकोषीय प्रोत्साहनों को एक "वंचना सूचकांक" (disadvantage index - आय, पूर्व अपनाना और बुनियादी ढांचा) द्वारा भारित किया जाता है।
   • इनवर्स मैथ्यू प्रभाव (Inverse Matthew Effect): एक प्रतिपूरक तंत्र जहाँ कम पूर्व अपनाना और कम एंडोमेंट वाली नगर पालिकाओं के एजेंटों को अधिक मजबूत अपनाना प्रोत्साहन प्राप्त होता है।
   • पूर्ण मॉडल (Full Model): सभी तंत्रों को जोड़ता है।

मॉडल को 2021-2023 के डेटा पर कैलिब्रेट किया गया है और 2024 के डेटा के विरुद्ध आउट-ऑफ-सैंपल में मान्य किया गया है। प्रदर्शन का मूल्यांकन 500 मोंटे कार्लो पुनरावृत्तियों (Monte Carlo replications) में रूट मीन स्क्वेर्ड एरर (RMSE), मीन एब्सोल्यूट एरर (MAE), सहसंबंध और भविष्यवाणी पूर्वाग्रह का उपयोग करके किया जाता है।

प्रमुख परिणाम

• अपनाने के निर्धारक: आय को BEV अपनाने के सबसे मजबूत निर्धारक के रूप में पहचाना गया है। स्थानीय आर्थिक स्थितियों से जुड़े चर सभी शीर्ष प्रदर्शन करने वाली विशिष्टताओं में दिखाई देते हैं।
• मॉडल सरलता (Parsimony): इस धारणा के विपरीत कि जटिलता सटीकता में सुधार करती है, सबसे जटिल "पूर्ण मॉडल" सरल विशिष्टताओं से बेहतर प्रदर्शन नहीं करता है। उच्चतम सत्यापन स्कोर आय, स्थानिक अंतःक्रियाओं और इनवर्स मैथ्यू तंत्र को जोड़ने वाले सरलीकृत मॉडलों द्वारा प्राप्त किए जाते हैं।
• स्थानिक गतिशीलता: स्थानिक अंतःक्रियाएं स्थानीय प्रसार पैटर्न के प्रतिनिधित्व में महत्वपूर्ण सुधार करती हैं। अपनाने के निर्णय न केवल स्थानीय विशेषताओं से बल्कि पड़ोसी नगर पालिकाओं की स्थितियों से भी प्रभावित होते हैं।
• इंफ्रास्ट्रक्चर अनिश्चितता: संवेदनशीलता विश्लेषण से पता चलता है कि व्यवहारिक तंत्रों का सापेक्ष महत्व इंफ्रास्ट्रक्चर की अस्थिरता पर निर्भर करता है। नियत (deterministic) गतिशीलता के तहत, आय हावी रहती है। मध्यम अस्थिरता के तहत, आय, स्थानिक प्रभावों और इनवर्स मैथ्यू तंत्र का संयोजन सबसे अच्छा प्रदर्शन करता है। उच्च अस्थिरता के तहत, स्थानिक प्रभाव महत्वपूर्ण बने रहते हैं, जबकि इनवर्स मैथ्यू प्रभाव कमजोर हो जाता है।
• नीतिगत सिमुलेशन:
  • इंफ्रास्ट्रक्चर विस्तार: चार्जिंग इंफ्रास्ट्रक्चर के त्वरित विस्तार का अनुकरण करने से कुल BEV अपनाना लगभग 3.9% बढ़ जाता है और स्थानिक संकेंद्रण (हर्फिंडल-हर्शमैन इंडेक्स को कम करना) कम हो जाता है।
  • राजकोषीय प्रोत्साहन: वर्तमान ढांचे के तहत मजबूत राजकोषीय प्रोत्साहन का अनुकरण करने से लगभग कोई अतिरिक्त अपनाना उत्पन्न नहीं होता है और यह संकेंद्रण गतिशीलता को बदलने में विफल रहता है, जो एक निश्चित सीमा तक पहुँचने के बाद प्रोत्साहनों पर घटते प्रतिफल (diminishing returns) का सुझाव देता है।

महत्व और योगदान
पत्र तीन प्राथमिक योगदानों का दावा करता है:

1. पद्धतिगत: यह पुर्तगाल के लिए एक नगरपालिका-स्तरीय ABM विकसित करता है जो विषम एजेंटों, स्थानिक नेटवर्क और स्टोकेस्टिक इंफ्रास्ट्रक्चर डायनेमिक्स को एकीकृत करता है।
2. सैद्धांतिक: यह MST कनेक्टिविटी पर आधारित एक फ़िल्टर्ड स्थानिक नेटवर्क को शामिल करता है और यह मूल्यांकन करने के लिए एक 'इनवर्स मैथ्यू प्रभाव' तंत्र पेश करता है कि क्या राजकोषीय प्रोत्साहन स्थानिक असमानताओं को कम करते हैं या उन्हें सुदृढ़ करते हैं।
3. नीति प्रासंगिकता: निष्कर्ष बताते हैं कि बुनियादी ढांचे में निवेश, अपनाने और क्षेत्रीय असमानताओं को कम करने के लिए अतिरिक्त राजकोषीय प्रोत्साहन की तुलना में अधिक प्रभावी लीवर है। मॉडल एक नीतिगत सिमुलेशन प्रयोगशाला के रूप में कार्य करता है, जिससे निर्णय लेने वाले वैकल्पिक परिदृश्यों (जैसे, इंफ्रास्ट्रक्चर विस्तार बनाम कर छूट) का मूल्यांकन करने और कार्यान्वयन से पहले अपेक्षित अपनाने के स्तर और संभावित क्षेत्रीय असमानताओं के उद्भव का आकलन करने के लिए उपयोग कर सकते हैं।

अध्ययन निष्कर्ष निकालता है कि BEV प्रसार को उपलब्ध सभी व्यवहारिक तंत्रों के एक साथ समावेश के बजाय स्थानीय आर्थिक संसाधनों, स्थानिक अंतःक्रिया प्रभावों और संचयी अपनाने की गतिशीलता के संयोजन द्वारा सबसे अच्छी तरह समझाया जा सकता है। यह इस बात पर जोर देता है कि इंफ्रास्ट्रक्चर अनिश्चितता उस व्यवहारिक संरचना को निर्धारित करती है जो देखे गए अपनाने के पैटर्न को पुनरुत्पादित करने के लिए आवश्यक है।