پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,120,192 |
| تعداد دریافت فایل اصل مقاله | 89,888,758 |
شناسایی اولویت‌های توسعه، به منظور توسعۀ متوازن منطقه، با به‌کارگیری شاخص‌های مرکزیت شبکه | ||
| مجله علمی " آمایش سرزمین " | ||
| دوره 12، شماره 2، مهر 1399، صفحه 275-298 اصل مقاله (1.01 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jtcp.2020.301857.670107 | ||
| نویسندگان | ||
| فاطمه آقایی* 1؛ علی سلطانی2؛ محمد حسین پور3 | ||
| 1دانشجوی کارشناسی‌ارشد، دانشکدة هنر و معماری، دانشگاه شیراز، شیراز، ایران | ||
| 2استاد، دانشکدة هنر و معماری، دانشگاه شیراز، شیراز، ایران | ||
| 3استادیار، دانشکدة هنر و معماری، دانشگاه شیراز، شیراز، ایران | ||
| چکیده | ||
| توزیع عادلانة خدمات در مقیاس منطقه و نیل به یک ساختار فضایی متوازن در منطقه یکی از اهداف مهم برنامه‌ریزی پایدار منطقه‌ای، به‌خصوص در کشورهای در حال توسعه، همچون ایران، محسوب می‌شود. در این زمینه، یکی از راهبردهای مهم در مطالعات آمایش فضایی منطقه تمرکززدایی توسعه است. هدف از این پژوهش شناسایی مهم‌ترین نقاط شهری استان فارس، به منظور تعیین اولویت‌های توسعه و تمرکززدایی از توسعة تک‌قطبی استان، بود که بدین منظور، با مدل‌سازی شبکة منطقه‌ای مبتنی بر نظریة گراف و استفاده از مفاهیم و الگوریتم‌های تحلیل شبکة اجتماعی، به تحلیل فضایی استان فارس پرداخته شد. داده‌های استفاده‌شده در این تحقیق شبکة جاده‌ای استان فارس، مستخرج از سامانة متن باز (OSM)، و اطلاعات مکانی نقاط شهری و روستایی استان فارس بود که از سایت مرکز آمار استخراج شدند. در خصوص روش تحقیق از کتابخانة پانداس و کتابخانة نتورک ایکس در محیط برنامه‌نویسی پایتون برای تشکیل گراف شبکه و تحلیل شاخص‌های مرکزیت و از نرم‌افزار آرک جی ای اس به منظور پیش‌پردازش و بصری‌سازی نهایی نتایج استفاده شد. نتایج این تحقیق نشان داد بر اساس تحلیل شاخص‌های مرکزیت شبکه و همچنین بر اساس موقعیت قرارگیری شهرها، با در نظر نگرفتن شیراز، به منزلة قطب اصلی توسعه در استان، شهرهای زرقان، صدرا، کوار، لپویی، خانه‌زنیان، و نورآباد در اولویت‌های توسعه قرار دارند. مهم‌ترین محورهای مواصلاتی و کریدورهای ارتباطی نیز محور شیراز‌ـ مرودشت و شیراز‌ـ خانه‌زنیان تعیین شدند. نتایج و یافته‌های این پژوهش نشان داد مدل‌سازی مبتنی بر شبکه و استفاده از تحلیل‌های مبتنی بر گراف و به طور خاص تکنیک‌های تحلیل شبکة اجتماعی می‌توانند به مثابة روش‌های تحلیلی جدید در مطالعات و برنامه‌ریزی منطقه‌ای مفید و مؤثر واقع شوند. | ||
| کلیدواژه‌ها | ||
| تحلیل شبکه؛ تحلیل گراف؛ توسعه متوازن؛ توسعة منطقه‌ای؛ مرکزیت شبکه؛ SNA | ||
| عنوان مقاله [English] | ||
| Identifying Development Priorities for Balanced Regional Development Using Network Centrality Indicators | ||
| نویسندگان [English] | ||
| Fatemeh Aghaei1؛ Ali Soltani2؛ Mohammad Hosseinpoor3 | ||
| 1MSc. Student, Faculty of Art and Architecture, Shiraz University, Shiraz, Iran | ||
| 2Professor, Faculty of Art and Architecture, Shiraz University, Shiraz, Iran | ||
| 3Assistant Professor, Faculty of Art and Architecture, Shiraz University, Shiraz, Iran | ||
| چکیده [English] | ||
| Equitable distribution of services at the regional scale and achieving a balanced spatial structure in the region are among the most important goals of sustainable regional planning, especially in developing countries such as Iran. In this regard, one of the most important strategies and policies in regional spatial planning is the decentralization of development. The purpose of this study is to identify the most important urban areas of Fars province in order to determine the priorities of development and decentralization of the unipolar development of the province. To this end, the regional network modelling based on graph theory and the concepts of social network analysis are used to conduct the spatial analysis of Fars province. The data used in this study includes the Fars province road network extracted from the OSM open source system, as well as the spatial information of the urban and rural areas of Fars province extracted from the website of the Statistics Center of Iran. Regarding research methods, Pandas Library and NetworkX Library were used in the Python programming platform to form the network graph and analyze the centrality indicators, while ARC GIS software was for final processing and visualization of data and information. According to thenetwork centrality indices and the location of the province cities, notwithstanding Shiraz as the main hub of development in the province, Zarghan, Sadra, Kavar, Lepui, Khane Zenian and Noorabad are the main development priorities. In addition, the Shiraz-Marvdasht and Shiraz-Khaneh Zenian roads were determined to be the most important transportation paths and communication corridors. The results and findings of this study showed that network-based modeling and the use of graph-based analytics (in particular, social network analysis techniques) can be useful and effective as new analytical methods in regional studies and planning. | ||
| کلیدواژه‌ها [English] | ||
| Regional development, Balanced development, Network analysis, Network Centrality, Graph analysis, SNA | ||
| مراجع | ||
|
زیاری، کرامت‌الله (1394). اصول و روش‌های برنامه‌ریزی منطقه‌ای، تهران، مؤسسة چاپ و انتشارات دانشگاه تهران. شریف‌زادگان، محمدحسین؛ اصغر خوانین‌زاده؛ حمید فتحی؛ بهزاد ملک‌پور اصل (1392). «به‌کارگیری رویکرد شبکة همپیوندی در سطح‌بندی فضاهای سکونتگاهی استان قم برای بهبود برنامه‌ریزی و آمایش منطقه‌ای»، آمایش سرزمین، د 5، ش 2، صص 211 ـ 240. مشفقی، وحید؛ یحیی جعفری؛ هادی علی‌زاده (1398). «تحلیل ریخت‌شناسی شبکة شهری با رویکرد تعادل‌بخشی به فضا (مطالعة موردی: شبکة شهری استان هرمزگان)»، آمایش سرزمین، د 11، ش 2، صص 311 ـ 336. یاسوری، مجید؛ مریم سجودی (1396). «استراتژی توسعة منطقه‌ای (RDS) راهکاری نوین جهت توسعة متوازن منطقه‌ای (مطالعة موردی شهرستان رشت)»، برنامه‌ریزی منطقه‌ای، د 8، ش 29، صص 93 ـ 106. References Abdullah, N. S. (2014). Formulate Theoretical Model to Measure the Centrality of Cities (Case Study: Cities of Erbil Governorate/Iraq). Brandes, U. (2008). On variants of shortest-path betweenness centrality and their generic computation. Social Networks, 30(2), 136-145. Crucitti, P., Latora, V., & Porta, S. (2006). Centrality in networks of urban streets. Chaos: an interdisciplinary journal of nonlinear science, 16(1), 015113. Estrada, E., & Bodin, Ö. (2008). Using network centrality measures to manage landscape connectivity. Ecological Applications, 18(7), 1810-1825. Freeman, L. (1979). Centrality in Networks: I. Conceptual Clarifications. Social Networks. Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social networks, 1(3), 215-239. Grabher, G., & Ibert, O. (2005). Bad company? The ambiguity of personal knowledge networks. Journal of Economic Geography, 6(3), 251-271. Higgins, B. (2017). Regional development theories and their application: Routledge. Jayaweera, I., Perera, K., & Munasinghe, J. (2017). Centrality measures to identify traffic congestion on road networks: A case study of sri lanka. IOSR Journal of Mathematics (IOSRJM). Jovovic, R., Draskovic, M., Delibasic, M., & Jovovic, M. (2017). The concept of sustainable regional development–institutional aspects, policies and prospects. Journal of International Studies, 10(1), 255-266. Kondratiuk-Nierodzińska, M. (2016). New knowledge generation capabilities and economic performance of Polish regions. Equilibrium. Quarterly Journal of Economics and Economic Policy, 11(3), 451-471. Koschützki, D., Lehmann, K. A., Peeters, L., Richter, S., Tenfelde-Podehl, D., & Zlotowski, O. (2005). Centrality indices. In Network analysis (pp. 16-61): Springer. Malik, K., & Ciesielska, M. (2011). Sustainability within the region: the role of institutional governance. Economic and Environmental Studies, 11(2), 167-187. Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social networks, 32(3), 245-251. Pike, A., Rodríguez-Pose, A., & Tomaney, J. (2016). Local and regional development: Routledge. Raszkowski, A. (2014). Place marketing in the process of territorial identity creation and strengthening. Journal of European Economy(13,№ 2), 193-204. Reggiani, A., Bucci, P., & Russo, G. (2011). Accessibility and network structures in the German commuting. Networks and spatial economics, 11(4), 621-641. Rubulotta, E., Ignaccolo, M., Inturri, G., & Rofè, Y. (2012). Accessibility and centrality for sustainable mobility: Regional planning case study. Journal of Urban Planning and Development, 139(2), 115-132. Scott, J., & Carrington, P. J. (2011). The SAGE handbook of social network analysis: SAGE publications. Sevtsuk, A., & Mekonnen, M. (2012). Urban network analysis: a new toolbox for measuring city form in ArcGIS. Paper presented at the Proceedings of the 2012 Symposium on Simulation for Architecture and Urban Design. Stimson, R. J., Stough, R. R., & Roberts, B. H. (2006). Regional economic development: analysis and planning strategy: Springer Science & Business Media. Streimikiene, D. (2014). Comparative assessment of environmental indicators of quality of life in Romania and Lithuania. Economics & Sociology, 7(1), 11. Štreimikienė, D., Strielkowski, W., Bilan, Y., & Mikalauskas, I. (2016). Energy dependency and sustainable regional development in the Baltic states: A review. Geographica Pannonica, 20(2), 79-87. Ter Wal, A. L., & Boschma, R. A. (2009). Applying social network analysis in economic geography: framing some key analytic issues. The Annals of Regional Science, 43(3), 739-756. Zhong, C., Schläpfer, M., Müller Arisona, S., Batty, M., Ratti, C., & Schmitt, G. (2017). Revealing centrality in the spatial structure of cities from human activity patterns. Urban Studies, 54(2), 437-455. Živanović, V. (2017). The Role of Nodal Centers in Achieving Balanced Regional Development. Зборник радова Географског института" Јован Цвијић" САНУ, 67(1), 69-84.
| ||
|
آمار تعداد مشاهده مقاله: 505 تعداد دریافت فایل اصل مقاله: 546 |
||