Original Title: Development of an uncertainty analysis framework for model-based consequential life cycle assessment: Application to activity-based modelling and life cycle assessment of multimodal mobility.
Source: www.tue.nl
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការអភិវឌ្ឍក្របខ័ណ្ឌវិភាគភាពមិនប្រាកដប្រជាសម្រាប់ការវាយតម្លៃវដ្តជីវិតបន្តបន្ទាប់ដោយផ្អែកលើគំរូ៖ ការអនុវត្តចំពោះគំរូផ្អែកលើសកម្មភាព និងការវាយតម្លៃវដ្តជីវិតនៃចល័តភាពពហុមធ្យោបាយ

ចំណងជើងដើម៖ Development of an uncertainty analysis framework for model-based consequential life cycle assessment: Application to activity-based modelling and life cycle assessment of multimodal mobility.

អ្នកនិពន្ធ៖ Paul Martin Baustert (Eindhoven University of Technology)

ឆ្នាំបោះពុម្ព៖ 2021 Eindhoven University of Technology

វិស័យសិក្សា៖ Environmental Engineering / Transportation Planning

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ អ្នកបង្កើតគោលនយោបាយត្រូវការព័ត៌មានវិទ្យាសាស្ត្រដែលអាចទុកចិត្តបានអំពីផលប៉ះពាល់បរិស្ថាននៃជម្រើសគោលនយោបាយដឹកជញ្ជូន ប៉ុន្តែគំរូស្មុគ្រស្មាញដែលរួមបញ្ចូលគ្នានូវគំរូផ្អែកលើសកម្មភាព (ABM) និងការវាយតម្លៃវដ្តជីវិត (LCA) នៅខ្វះក្របខ័ណ្ឌវិភាគភាពមិនប្រាកដប្រជា (Uncertainty Analysis) ជាប្រព័ន្ធដើម្បីផ្ទៀងផ្ទាត់ និងធានាភាពជឿជាក់នៃលទ្ធផលរបស់វា។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានបង្កើតក្របខ័ណ្ឌផ្សព្វផ្សាយភាពមិនប្រាកដប្រជាថ្មីមួយដោយប្រើប្រាស់ការធ្វើគំរូស្តូកាសទិក (Stochastic modeling) និងអនុវត្តវាទៅលើករណីសិក្សានៃអ្នកធ្វើដំណើរឆ្លងកាត់ព្រំដែនជនជាតិបារាំងដែលធ្វើការនៅប្រទេសលុចសំបួ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Conventional Trip-Based Model (Four-step model)
គំរូផ្អែកលើការធ្វើដំណើរធម្មតា (Four-step model)
ងាយស្រួលក្នុងការគណនា ទាមទារកម្រិតទិន្នន័យទាប និងជាវិធីសាស្ត្រស្តង់ដារដែលធ្លាប់ត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយក្នុងការធ្វើផែនការ។ មិនបានឆ្លុះបញ្ចាំងពីភាពប្រាកដប្រជានៃអាកប្បកិរិយាជាក់ស្តែង មិនរាប់បញ្ចូលការធ្វើដំណើរជាខ្សែ (trip chaining) និងមើលរំលងបរិបទនៃពេលវេលា និងលំហ។ ត្រូវបានចាត់ទុកថាមិនមានលក្ខណៈគ្រប់គ្រាន់ និងមិនស័ក្តិសមសម្រាប់ការវាស់វែងគោលនយោបាយស្មុគ្រស្មាញនៅក្នុងការសិក្សានេះឡើយ។
Activity-Based Model (ABM)
គំរូផ្អែកលើសកម្មភាពនៃការធ្វើដំណើរ (ABM)
អាចក្លែងធ្វើអាកប្បកិរិយាធ្វើដំណើរជាក់ស្តែងរបស់បុគ្គល (Micro-simulation) និងឆ្លើយតបយ៉ាងល្អទៅនឹងបម្រែបម្រួលគោលនយោបាយដឹកជញ្ជូន។ ទាមទារទិន្នន័យស្ទង់មតិលម្អិតខ្លាំង និងមានបន្ទុកក្នុងការគណនាខ្ពស់ (High computational burden) សម្រាប់ការធ្វើសាកល្បង។ អាចព្យាករណ៍តម្រូវការធ្វើដំណើររបស់បុគ្គល (DAPs) បានយ៉ាងជាក់លាក់ ដើម្បីបញ្ជូនបន្តទៅកាន់គំរូ LCA។
Combined ABM/LCA Uncertainty Scheme (Scheme 3)
គ្រោងការណ៍វិភាគភាពមិនប្រាកដប្រជារួមបញ្ចូលគ្នា (ABM + LCA)
ផ្តល់រូបភាពពេញលេញនៃហានិភ័យនៃលទ្ធផល ដោយរួមបញ្ចូលគ្នានូវកំហុសនៃការក្លែងធ្វើ (Simulation error) និងកំហុសប៉ារ៉ាម៉ែត្រ (Parameter error) ក្នុងពេលតែមួយ។ ទាមទារការគណនាស្មុគ្រស្មាញជាទីបំផុតដោយប្រើបច្ចេកទេស Bootstrapping និងការចងក្រង Random Seeds ឲ្យស៊ីចង្វាក់គ្នា។ បង្ហាញថា ការរួមបញ្ចូលគ្នានៃភាពមិនប្រាកដប្រជាទាំងពីរផ្នែកនេះផ្តល់នូវតម្លៃ Coefficient of Variation (CV) កាន់តែច្បាស់ ដែលជួយឱ្យការសម្រេចចិត្តប្រកបដោយភាពជឿជាក់ខ្ពស់។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តក្របខ័ណ្ឌស្រាវជ្រាវនេះទាមទារធនធានគណនាកម្រិតខ្ពស់ ទិន្នន័យស្ទង់មតិលម្អិត និងចំណេះដឹងផ្នែកសរសេរកូដយ៉ាងស្ទាត់ជំនាញ ដើម្បីដំណើរការម៉ូដែលរួមបញ្ចូលគ្នាដ៏ស្មុគ្រស្មាញនេះ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងបរិបទប្រទេសអឺរ៉ុប (រវាងលុចសំបួ និងបារាំង) ដោយផ្តោតលើអ្នកធ្វើដំណើរឆ្លងកាត់ព្រំដែនដែលមានប្រាក់ចំណូលខ្ពស់ និងហេដ្ឋារចនាសម្ព័ន្ធដឹកជញ្ជូនសាធារណៈដ៏សម្បូរបែប។ សម្រាប់ប្រទេសកម្ពុជា ទិន្នន័យ និងប៉ារ៉ាម៉ែត្របែបនេះអាចនឹងមិនឆ្លុះបញ្ចាំងពីស្ថានភាពជាក់ស្តែងនោះទេ ដោយសារការធ្វើដំណើរភាគច្រើនពឹងផ្អែកលើម៉ូតូ ការដឹកជញ្ជូនសាធារណៈនៅមានកម្រិត និងការខ្វះខាតទិន្នន័យស្ទង់មតិផ្លូវការ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាមានភាពខុសគ្នានៃបរិបទក្តី វិធីសាស្ត្រវាយតម្លៃផលប៉ះពាល់វដ្តជីវិតបន្តបន្ទាប់ (C-LCA) ដែលរួមបញ្ចូលជាមួយគំរូ ABM នេះ គឺមានសារៈសំខាន់ខ្លាំងសម្រាប់ការអភិវឌ្ឍប្រព័ន្ធដឹកជញ្ជូននៅកម្ពុជា។

សរុបមក ការអនុវត្តក្របខ័ណ្ឌនេះនៅកម្ពុជានឹងតម្រូវឱ្យមានការប្រមូលទិន្នន័យផ្ទាល់ខ្លួនឡើងវិញ ប៉ុន្តែវានឹងផ្តល់ជាមូលដ្ឋានវិទ្យាសាស្ត្រដ៏រឹងមាំសម្រាប់ជួយអ្នកបង្កើតគោលនយោបាយសម្រេចចិត្តវិនិយោគប្រកបដោយចីរភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាអំពីគំរូផ្អែកលើសកម្មភាព (Activity-Based Modeling): ចាប់ផ្តើមរៀនអំពីទ្រឹស្តីនៃការគណនាតម្រូវការធ្វើដំណើរ និងអនុវត្តការបង្កើតទិន្នន័យប្រជាជនក្លែងក្លាយ (Synthetic Population) ដោយប្រើប្រាស់កញ្ចប់កូដ synthpop នៅក្នុងកម្មវិធី R
  2. ស្វែងយល់ពីកម្មវិធីវាយតម្លៃវដ្តជីវិត (Life Cycle Assessment): សិក្សាពីវិធីសាស្ត្រនៃការវាយតម្លៃបរិស្ថាន និងអនុវត្តការកសាងម៉ាទ្រីសទិន្នន័យ LCI ដោយប្រើប្រាស់បណ្ណាល័យ brightway2 នៅក្នុង Python ឬចាប់ផ្តើមពីកម្មវិធីងាយស្រួលដូចជា openLCA
  3. ការវិភាគទិន្នន័យបណ្តាញដឹកជញ្ជូន (Network Routing): រៀនពីរបៀបទាញយកទិន្នន័យបណ្តាញផ្លូវថ្នល់ពី OpenStreetMap និងទិន្នន័យខ្សែឡានក្រុង (GTFS) ដើម្បីគណនាចម្ងាយ និងពេលវេលាធ្វើដំណើរតាមរយៈប្រព័ន្ធ OpenTripPlanner
  4. អនុវត្តការវិភាគភាពមិនប្រាកដប្រជា (Uncertainty Analysis): រៀនសរសេរកូដបង្កើត Monte Carlo Simulation ដើម្បីវាយតម្លៃហានិភ័យ ដោយប្រើប្រាស់បច្ចេកទេស Bootstrapping និងអនុវត្តបណ្ណាល័យកូដ presamples ក្នុង Python ដើម្បីគ្រប់គ្រង Random Seeds សម្រាប់ការវិភាគសេណារីយ៉ូ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Consequential Life Cycle Assessment (C-LCA) គឺជាវិធីសាស្ត្រវាយតម្លៃវដ្តជីវិតដែលមិនត្រឹមតែវាស់ស្ទង់ផលប៉ះពាល់បរិស្ថានដោយផ្ទាល់ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងព្យាករណ៍ពីផលវិបាកប្រយោល (Consequences) នៅពេលមានការផ្លាស់ប្តូរតម្រូវការទីផ្សារឬមានគោលនយោបាយថ្មីណាមួយ (ឧទាហរណ៍៖ ការប្រែប្រួលនៃការបញ្ចេញឧស្ម័ននៅពេលមនុស្សប្តូរទៅប្រើឡានអគ្គិសនីព្រមៗគ្នា)។ ដូចជាការគិតមើលរលកទឹកដែលរីកធំឡើងៗរាលដាលដល់មាត់ច្រាំងនៅពេលយើងគប់ដុំថ្មចូលក្នុងបឹង មិនមែនត្រឹមតែមើលតំបន់ដែលថ្មធ្លាក់ចូលបឹងនោះទេ។
Activity-Based Model (ABM) ជាគំរូកុំព្យូទ័រដែលព្យាករណ៍ពីការធ្វើដំណើររបស់មនុស្សដោយផ្អែកលើយន្តការដែលជំរុញឱ្យពួកគេត្រូវធ្វើសកម្មភាពប្រចាំថ្ងៃ (ការងារ ការទិញឥវ៉ាន់ ការលំហែ) ជាជាងគ្រាន់តែរាប់ចំនួនជើងធ្វើដំណើរដោយខ្វះបរិបទនៃតម្រូវការជាក់ស្តែង។ ដូចជាការតាមដានកាលវិភាគប្រចាំថ្ងៃរបស់បុគ្គលម្នាក់ៗ ដើម្បីទាយដឹងថាពេលណាគេនឹងចេញក្រៅ និងប្រើមធ្យោបាយអ្វី ជាជាងការឈរចាំរាប់ចំនួនឡានដែលបើកកាត់តាមផ្លូវ។
Monte Carlo Simulation គឺជាបច្ចេកទេសគណិតវិទ្យាដែលដំណើរការកម្មវិធីកុំព្យូទ័រដោយប្រើប្រាស់ការចាប់យកតម្លៃចៃដន្យ (Random Sampling) រាប់ពាន់ដង ដើម្បីប៉ាន់ស្មានពីកម្រិតនៃភាពមិនប្រាកដប្រជា និងរកមើលប្រូបាប៊ីលីតេនៃលទ្ធផលផ្សេងៗគ្នាដែលអាចកើតមាន។ ដូចជាការចាក់គ្រាប់ឡុកឡាក់រាប់ម៉ឺនដង ដើម្បីរកមើលថាតើលេខមួយណាដែលចេញញឹកញាប់ជាងគេ សម្រាប់យកមកទស្សន៍ទាយហានិភ័យនៃលទ្ធផលនាពេលអនាគត។
Synthetic Population គឺជាការបង្កើតទិន្នន័យប្រជាជនក្លែងក្លាយនៅក្នុងប្រព័ន្ធកុំព្យូទ័រ ដែលមានលក្ខណៈប្រជាសាស្ត្រ (អាយុ ភេទ ប្រាក់ចំណូល) ដូចគ្នាបេះបិទទៅនឹងប្រជាជនពិតប្រាកដក្នុងតំបន់ណាមួយ សម្រាប់ប្រើប្រាស់ក្នុងការសាកល្បងមើលឥរិយាបថរបស់ពួកគេ។ ដូចជាការសាងសង់តួអង្គ (Avatars) ជាច្រើននៅក្នុងហ្គេម ដែលមានអត្តចរិតនិងជីវភាពដូចអ្នកស្រុកពិតៗ ដើម្បីយកមកសាកល្បងមើលពីការសម្រេចចិត្តធ្វើដំណើររបស់ពួកគេ។
Pedigree Matrix គឺជាប្រព័ន្ធសម្រាប់វាយតម្លៃគុណភាពទិន្នន័យ (Data Quality) នៅក្នុងការវាយតម្លៃវដ្តជីវិត (LCA) ដោយផ្អែកលើសូចនាករវិនិច្ឆ័យដូចជា ភាពជឿជាក់បាន ពេលវេលា ទីកន្លែង និងបច្ចេកវិទ្យា ដើម្បីបំប្លែងវាទៅជាកម្រិតនៃភាពមិនប្រាកដប្រជា (Uncertainty Factors)។ ដូចជាតារាងដាក់ពិន្ទុវាយតម្លៃប្រវត្តិរូបរបស់ទិន្នន័យនីមួយៗ ដើម្បីដឹងថាទិន្នន័យនោះជាព័ត៌មានថ្មីឬចាស់ ប្រមូលបានពីកន្លែងណា និងអាចជឿទុកចិត្តបានកម្រិតណា។
Bootstrapping គឺជាបច្ចេកទេសស្ថិតិក្នុងការទាញយកសំណាកទិន្នន័យចៃដន្យ (Sampling with replacement) ចេញពីទិន្នន័យដើម ដើម្បីបង្កើតជាសំណាកថ្មីៗជាច្រើនទៀត សម្រាប់យកទៅប៉ាន់ស្មានទំហំនៃការប្រែប្រួលនៃលទ្ធផលក្នុងគំរូ។ ដូចជាពេលអ្នកមានបៀបោះពុម្ពចំនួន១០០សន្លឹក អ្នកទាញមួយសន្លឹកមកកត់ត្រាទុក រួចដាក់វាចូលវិញ សាប់វា ហើយទាញម្តងទៀតធ្វើបែបនេះច្រំដែលៗរាប់ពាន់ដង។
Technosphere Matrix ជាតារាងម៉ាទ្រីសធំមួយនៅក្នុងប្រព័ន្ធវាយតម្លៃ LCA ដែលកត់ត្រារាល់ទំនាក់ទំនងនៃការផ្លាស់ប្តូរវត្ថុធាតុដើម ផលិតផល ឬថាមពល រវាងចង្វាក់ផលិតកម្មនានានៅក្នុងប្រព័ន្ធសេដ្ឋកិច្ចមនុស្ស (ឧទាហរណ៍៖ ការប្រើប្រាស់អគ្គិសនីសម្រាប់ផលិតរថយន្ត)។ ដូចជាសៀវភៅបញ្ជីកត់ត្រាការជួញដូរទំនិញរវាងរោងចក្រទាំងអស់នៅក្នុងប្រទេសមួយ ដែលបង្ហាញយ៉ាងច្បាស់ថាអ្នកណាផ្គត់ផ្គង់អ្វីឱ្យអ្នកណា។
Functional Unit គឺជាខ្នាតរង្វាស់គោលដែលត្រូវតែកំណត់ឱ្យបានច្បាស់លាស់ជាមុន មុននឹងធ្វើការប្រៀបធៀបផលប៉ះពាល់បរិស្ថាននៃផលិតផល ឬសេវាកម្មក្នុងដំណើរការវិភាគ LCA ដើម្បីធានាថាការប្រៀបធៀបនោះមានភាពយុត្តិធម៌។ បើយើងចង់ប្រៀបធៀបឡានសាំងនិងឡានអគ្គិសនី យើងត្រូវយកខ្នាត "ការជិះចម្ងាយ១០០គីឡូម៉ែត្រ" ធ្វើជាកញ្ចក់ឆ្លុះសម្រាប់វាស់វែង ដែលខ្នាតនោះហៅថា Functional Unit។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖