پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,239 |
| تعداد مقالات | 67,853 |
| تعداد مشاهده مقاله | 115,382,590 |
| تعداد دریافت فایل اصل مقاله | 90,153,650 |
سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران (مطالعه موردی: شهر ارومیه) | ||
| پژوهش‌های جغرافیای برنامه‌ریزی شهری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 27 فروردین 1403 | ||
| نوع مقاله: پژوهشی - کاربردی | ||
| شناسه دیجیتال (DOI): 10.22059/jurbangeo.2024.366648.1870 | ||
| نویسندگان | ||
| رضا کریمی1؛ اکبر اصغری زمانی* 2؛ محمدرضا پورمحمدی3 | ||
| 1دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، دانشگاه تبریز، تبریز، ایران | ||
| 2دانشیار جغرافیا و برنامه‌ریزی شهری، دانشگاه تبریز، تبریز، ایران | ||
| 3استاد گروه جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران | ||
| چکیده | ||
| هدف: پژوهش حاضر بر آن بوده تا با بهره‌گیری از ترکیب معیارهای کالبدی، اقتصادی- اجتماعی و ترافیکی بتواند پتانسیل ترافیکی در شهر ارومیه را مورد سنجش و تحلیل قرار دهد. روش: نوع تحقیق حاضر کاربردی بوده و روش انجام کار توصیفی- تحلیلی می‌باشد و گردآوری اطلاعات نیز از طریق مطالعات کتابخانه‌ای و میدانی صورت پذیرفته است. برای نیل به هدف تحقیق، 25 شاخص در قالب 3 معیار کالبدی، ترافیکی و اقتصادی- اجتماعی انتخاب گردیده و جهت محاسبه ضریب اهمیت شاخص‌ها از روش BWM استفاده شده که پرسش‌نامه آن بین 50 نفر از نخبگان در دو مرحله (1- انتخاب بهترین و بدترین شاخص 2- مقایسه زوجی ارجحیت بهترین شاخص بر سایر شاخص‌ها و ارجحیت دیگر شاخص‌ها بر بدترین شاخص) توزیع گردیده و نتایج آن در نرم‌افزار GAMS استخراج شده است. یافته‌ها: بیش‌ترین وزن، مربوط به شاخص فاصله از هسته‌های شهری و کم‌ترین مربوط به شاخص متوسط قیمت زمین بوده است. برای اینکه بتوان پتانسیل ترافیکی را در مناطق پنج‌گانه شهر ارومیه به تصویر کشید، مدل SECA در نرم‌افزار Lingo با مقادیر مختلف β اجرا گردیده است. یافته‌های بدست‌آمده گویای آن بوده که 13 درصد محدوده شهر در پهنه پتانسیل ترافیکی خیلی‌کم، 32 درصد در پهنه ترافیکی کم، 21 درصد در پهنه ترافیکی متوسط، 19 درصد در پهنه ترافیکی زیاد و 15 درصد در پهنه پتانسیل ترافیکی خیلی‌زیاد واقع شده است. نتیجه‌گیری: نتایج بدست آمده بیانگر آن بوده که پتانسیل ترافیکی در مناطق شهری ارومیه به ترتیب از بیش‌ترین تا کم‌ترین مربوط به مناطق چهار، پنج، یک، سه و دو بوده است. | ||
| کلیدواژه‌ها | ||
| پتانسیل؛ ترافیک؛ BWM؛ SECA؛ کاربری زمین | ||
| عنوان مقاله [English] | ||
| Analytical Measurement of Traffic Congestion Potentials in Urban Regions of Iran (Case Study: Urmia) | ||
| نویسندگان [English] | ||
| reza karimi1؛ Akbar asghari zamani2؛ Mohammad Reza Pourmohammadi3 | ||
| 1PhD Student of Geography and Urban Planning, Tabriz University, Tabriz, Iran | ||
| 2Associate Professor of Geography and Urban Planning, Tabriz University, Tabriz, Iran | ||
| 3Professor of Geography & Urban Planning Department, Tabriz University, Tabriz, Iran | ||
| چکیده [English] | ||
| Purpose: The present study aims to combine physical, socioeconomic, and traffic criteria to evaluate and analyze the traffic congestion potential of Urmia City. Method: This study is applied descriptive-analytical research, where the required data were collected through library and field studies. To achieve the research goal, 25 indices classified under three physical, socioeconomic, and traffic criteria were selected, and their importance coefficients were calculated using the BWM approach. The BWM questionnaires were distributed among 50 elites in two steps (1. Select the best and worst indices, and 2- Complete the paired comparison questionnaire to determine the priority of the best index over other indices and the priority of other indices over the worst index) and the outputs of the questionnaires were entered into the GAMS software to calculate the indices’ importance coefficients. Results: The “distance from urban cores” and “average land price” indices obtained the highest and lowest weights, respectively. To show the traffic congestion potential of the five districts of Urmia city, the SECA model was implemented in Lingo software with different values of β. The findings divide Urmia City into 5 zones in terms of traffic congestion: very low traffic congestion (13%), low traffic congestion (32%), moderate traffic congestion (21%), high traffic congestion (21%), and very high traffic congestion (15%). Conclusion: The results indicate that District 4 has the highest traffic congestion potential, followed by Districts 5, 1, 3, and 2, respectively. | ||
| کلیدواژه‌ها [English] | ||
| Potential, Traffic Congestion, BWM, SECA, Land Use | ||
|
آمار تعداد مشاهده مقاله: 25 |
||