پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 152 |
| تعداد شماره‌ها | 5,771 |
| تعداد مقالات | 63,254 |
| تعداد مشاهده مقاله | 104,863,498 |
| تعداد دریافت فایل اصل مقاله | 81,971,234 |
مکان‌یابی جایگاه‌های اسکان موقت پس از زلزله با استفاده از رگرسیون وزن‌دار جغرافیایی توسعه یافته (منطقه 22 شهر تهران) | ||
| مجله علمی " آمایش سرزمین " | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 02 مرداد 1401 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jtcp.2022.345226.670331 | ||
| نویسندگان | ||
پرهام پهلوانی  1؛ علی ربانی2؛ بهناز بیگدلی3؛ سید احمد اسلامی نژاد4
| ||
| 1گروه GIS، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی دانشگاه تهران | ||
| 2دانش آموخته کارشناسی ارشد سیستم های اطلاعات مکانی (GIS)،دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران، | ||
| 3دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود | ||
| 4دانش اموخته کارشناسی ارشد مهندسی سیستم های اطلاعات مکانی (GIS)، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| پژوهش حاضر به منظور مکان‌یابی مراکز اسکان موقت پس از بحران بحران زلزله در راستای تأمین نیازمندی‌های حادثه‌دیدگان می‌باشد. لذا در این تحقیق سعی شد جایگاه‌های اسکان موقت در منطقه 22 شهر تهران به کمک معیارهای مؤثر شناسایی شوند. داده‌های موردنیاز از طریق سازمان پیشگیری و مدیریت بحران شهر تهران و نتایج سرشماری عمومی نفوس و مسکن سال 1397 اخذ گردیده است. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای مؤثر برای مکان‌یابی جایگاه‌های اسکان موقت می‌باشد. در این راستا از ترکیب رگرسیون وزن‌دار جغرافیایی (هسته‌های گوسین و مکعبی سه‌گانه) و الگوریتم بهینه‌سازی ازدحام ذرات گسسته استفاده گردید. روش ترکیبی پیشنهادی مناسب برای مسائل رگرسیون مکانی است، زیرا این روش با دو خواص منحصر به فرد داده‌های مکانی یعنی خودهمبستگی مکانی و ناایستایی مکانی سازگار است. بهترین مقدار تابع برازش (1-R2) برای هسته‌های گوسین و مکعبی سه‌گانه به ترتیب 04616/0 و 0097/0 به دست آمد که نشان‌دهنده سازگاری بالای هسته مکعبی سه‌گانه با معیارهای مؤثر است. بر اساس نقشه‌های حاصل شده، پارک چیتگر و مجموعه ورزشی آزادی یکی از وسیع‌ترین و مناسب‌ترین پهنه‌ها برای احداث جایگاه‌های اسکان موقت پس از بروز بحران زلزله در منطقه مورد مطالعه می‌باشند. با شناسایی جایگاه‌های اسکان موقت، سازمان‌های مربوطه می‌توانند زیرساخت‌های اولیه و مناسب را برای این مراکز منتخب فراهم کنند تا در صورت وقوع زلزله نیاز به صرف وقت برای تأمین این خدمات نباشد. | ||
| کلیدواژه‌ها | ||
| زلزله؛ اسکان موقت؛ رگرسیون وزن‌دار جغرافیایی؛ الگوریتم بهینه‌سازی ازدحام ذرات گسسته | ||
| عنوان مقاله [English] | ||
| Locating temporary shelter sites after the earthquake using developed geographically weighted regression (District 22 of Tehran city) | ||
| نویسندگان [English] | ||
| Parham Pahlavani1؛ Ali Rabani2؛ Behnaz Bigdeli3؛ Seyed Ahmad Eslaminezhad4 | ||
| 1Department of GIS, School of Surveying and Geospatial Information, College of Engineering, University of Tehran, Tehran, Iran | ||
| 2GIS Graduate, School of Surveying and Geospatial Information, College of Engineering, University of Tehran | ||
| 3School of Civil Engineering, Shahrood University of Technology, Shahrood, Iran. | ||
| 4Department of surveying and Geomatics Engineering, College of Engineering, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| The purpose of this research is site selection of temporary accommodation centers after the earthquake crisis to meet the needs of the victims. Therefore, in this research, it has been tried to identify temporary accommodation sites in District 22 of Tehran with the help of effective criteria. The required data has been obtained from the Tehran Disaster Mitigation and Management Organization and the results of the general population and housing census of 2017. The novelty of this research is to present a new combination approach to determine the effective criteria for locating temporary shelter sites. In this regard, the combination of geographically weighted regression (Gaussian and tri-cube kernels) with binary particle swarm optimization algorithm was used. The recommended combination method is suitable for spatial regression problems because it is compatible with two unique properties of spatial data, i.e. spatial autocorrelation and spatial non-stationarity. The best value of the fitness function (1-R2) for Gaussian and tri-cube kernels was obtained 0.04616 and 0.0097, respectively, which indicates the high compatibility of the tri-cube kernel with effective criteria. According to the obtained maps, Chitgar Park and Azadi Sports Complex are one of the widest and most suitable areas for the construction of temporary shelter sites after the earthquake crisis in the case study. By identifying temporary shelters, relevant organizations can provide the appropriate infrastructure for these selected centers so that there is no need to spend time to provide these services in the event of an earthquake. | ||
| کلیدواژه‌ها [English] | ||
| Earthquake, Temporary shelter, geographically weighted regression, Binary particle swarm optimization algorithm | ||
|
آمار تعداد مشاهده مقاله: 179 |
||
