تبیین الگوی بهینه شهر هوشمند با تأکید بر بهبود ساختار تجاری با مدل شبکه عصبی در شهر یزد

محورهای موضوعی : GIS

امیر پوررجایی ¹ , سید علی المدرسی ² , محمدحسین سرائی ³ , احمد استقلال ⁴

1 - دانشجوی دکتری گروه جغرافیا و برنامه ریزی شهری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
2 - دانشیار گروه سنجش از دور و GIS، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
3 - دانشیار گروه جغرافیا و برنامه ریزی شهری دانشگاه یزد، یزد، ایران
4 - استادیار گروه شهرسازی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

تاریخ دریافت : 1400/10/28 تاریخ پذیرش : 1401/02/12 تاریخ انتشار : 1402/02/01

کلید واژه: شبکه عصبی, یزد, شهر هوشمند, ساختار تجاری,

چکیده مقاله :

رشد هوشمند به‌عنوان راهبردی جامع برای مقابله با گسترش پراکنده و کم تراکم مناطق پیرامونی شهرها مطرح شد. هدف این تحقیق اولویت‌بندی مناطق مختلف قلمرو پژوهش و شناسایی مناطق دارای استعداد هوشمندسازی به‌منظور اعمال راه‌کارهای مدیریتی بوده است. برای دستیابی به هدف مذکور از 8 متغیر اصلی تراکم جمعیت، سرانه کاربری تجاری، کاربری دفاتر پیشخوان، نوع پوشش اینترنت و شبکه معابر، سرانه کاربری مسکونی،کاربری پارکینگ، کاربری بانک استفاده شد. جهت مدل‌سازی و ارزیابی اعتبار مدل تعداد 151 نقطه GPS، برداشت شد. لایه‌های اطلاعاتی جهت ورود به مدل رستری و با روش شبکه عصبی مناطق مستعد هوشمندسازی شهر یزد مدل‌سازی شد. نتایج تحقیق رگرسیون بالای 70 درصد را در مرحله آموزش و تست نشان داد. در اعتبار سنجی مدل سطح زیر منحنی AUC که درواقع نشان‌دهنده توانایی مدل در پیش‌بینی متغیر وابسته است 0.9769 به دست آمد که بسیار مناسب بوده است. پارامترهای MSE، RMSE و R_Correlation_Test و R2 نیز به ترتیب 0.0389، 0.1972 ، 0.8517 و 0.8912 به دست آمد. در انتها وزن شاخص‌ها متغیرهای وابسته تحقیق پیش‌بینی شد. نتایج پهنه‌بندی نقشه نهایی مساحت قابلیت خیلی کم در هوشمندسازی را 78/4013 نشان داد که گویایی این مطلب است زیرساخت‌ها در این محدوده باید جهت هوشمندسازی تقویت گردد. مناطق با قابلیت خیلی زیاد نیز با مساحت 31/687 قابل‌توجه بوده است. با بررسی نقشه مدل‌سازی و نقاط GPS برداشتی مناطق مستعد هوشمندسازی، انطباق بالایی در مدل‌سازی انجام‌شده و نقاط برداشت میدانی مشاهده شد.

چکیده انگلیسی:

Smart growth as a comprehensive strategy to counter the spread of sporadic and low-density areas around cities was discussed. The purpose of this study was to prioritize different areas of the research area and identify areas with intelligent potential in order to apply management strategies. To achieve this goal, 8 main variables of population density, per capita business use, use of counter offices, type of Internet and road network coverage, per capita residential, parking, bank were used.151 GPS points were taken to model and evaluate the validity of the model. Raster data layers to enter the model and neural network modeling was modeled Yazd smart prone areas. The research results showed regression above 70% in the training and testing phase. The area under the curve AUC validation model actually reflects the ability of the model to predict the dependent variable was 0.9769, which was very convenient. The parameters MSE, RMSE, R_Correlation_Test and R2 were also obtained as 0.0389, 0.1972, 0.8517 and 0.8912, respectively. Finally, the weight of the indicators and the dependent variables of the research were predicted. The results of the final map of area zoning capabilities in smart too low to 4013.78 showed that telling this story for intelligent infrastructure must be strengthened in this area. Areas with very high potential with an area of 687.31 have also been notable. By examining the modeling map and GPS points of Areas prone to smartening, a high compliance in the modeling was performed and the field points were observed.

منابع و مأخذ:

آزادخانی، پاکزاد.، حسین زاده، جعفر.، احمدی، قدرت.،(1398)، تحلیل فضایی شاخص‌های رشد هوشمند شهری در ایلام، فصلنامه جغرافیا و مطالعات محیطی - سال هشتم – شماره بیست و نه، صص59-68.

پوراحمد، احمد.، زیاری، کرامت الله.، حاتمی نژاد، حسین.، پارساپشاه ابادی، شهرام.،(1397)، تبیین مفهوم و ویژگی­های شهر هوشمند، مجله باغ نظر، سال 15، شماره85، ص 5-26.

خدابخشیان، تورج.، نوروزی، اصغر.، دادرس، بیژن.،(1395)، تحلیلی بر پتانسیل­های توسعه شهر الکترونیک شهر ایذه، اولین همایش بین المللی اقتصاد شهری،ویژه نامه بانک شهر، ص855-865.

زیاری، کرامت الله.، قدیری، محمود.، دستا، فرزانه.، (1393)، سنجش و ارزیابی الگوی گسترش فیزیکی شهر یزد، پژوهش‌های جغرافیای انسانی، دورة46، شماره2، صص 255-272.

سرفرازی، مهرزاد.، معمارزاده، غلامرضا.، قربانی، امیر.، (1386)، پارادایم دولت الکترونیک (E-Government ) ضرورتی اساسی در استقرار شهرداری الکترونیک (E-municipality)، چهارمین کنفرانس بین‌المللی مدیریت فناوری اطلاعات و ارتباطات، تهران،https://civilica.com/doc/36943 .

سیف الدینی، فرانک.، پوراحمد، احمد.، زیاری، کرامت اله.، دهقانی الوار، سیدعلی نادر.، (1392)، بررسی بسترها و موانع رشد شهر هوشمند در شهرهای میانی(مطالعة موردی: خرم آباد)، آمایش سرزمین، دورة 5، شماره2، صص 241- 260. سال انتشار1392.

صنایعی، علی.، ترکستانی، محمد علی.، (1386)، آموزش شهروندی الکترونیک، پیش نیاز پیاده‌سازی موفق شهر الکترنیک، اولین کنفرانس شهر الکترنیک. تهران.

عبدالی، ابراهیم.، کلانتری خلیل آباد، حسین.، پیوسته گر.، (1398)، تحلیل فضایی – کالبدی نواحی شهری بر اساس شاخصهای رشد هوشمند شهری (نمونه موردی: شهر یاسوج)، دانش شهرسازی، شاپا،دوره 3، شماره2، صص83-97.

غفاری گیلانده، عطا.،(1386)، ساماندهی نظام تجاری شهر و طراحی الگوی مناسب (کلانشهر تهران)، رساله دوره دکتری جغرافیا و برنامه ریزی شهری، دانشکده علوم انسانی، دانشگاه تربیت مدرس.

کیانی، اکبر.، (۱۳۹۰). شهر هوشمند ضرورت هزاره سوم در تعاملات یکپارچه شهرداری الکترونیک (ارائه مدل مفهومی- اجرایی با تاکید بر شهرهای ایران، فصلنامه جغرافیایی آمایش محیط، شماره 14، صص 39- 64.

ملازاده، مهدی.، روستایی، شهریور.،(1388)، نقش شهرداری الکترونیکی در گستردگی شهری با استفاده از داده‌های سنجش از دور و سیستم اطلاعات جغرافیایی (مورد: مرند)، فصلنامه مدیریت شهری، شماره 33، ص7-16.

ملکی، کیومرث.، شفاعتی، آرزو.، رئوف حیدری فر، محمد.،(1392)، شهر الکترونیک و نقش ICT در مدیریت ترافیک و حمل و نقل شهری، ششمین کنگره انجمن ژئوپلیتیک ایران پدافند غیرعامل، مشهد،https://civilica.com/doc/233999.

میرزایی سروکلایی، رحمت.، الوندی، نغمه.، (1389)، ضرورت بانکداری الکترونیکی در شهر الکترونیک، رسانه جهانی، شماره5، صص1-14.

هادیلی، بهمن.، زینالی عظیم، علی.، (1389)، ضرورت ایجاد شهر الکترونیک در توسع پایدار (مطالع موردی منطق 6 تبریر)، فصلنامه فراسوی مدیریت، شماره 15-ص33-52.

Chin, Jeannette, Callaghan, Vic, Lam, Ivan, 2019, Understanding and Personalising Smart City Services Using Machine Learning, the Internet-of-Things and Big Data. https://ieeexplore.ieee.org/document/8001570?section=abstract.

Cohen, B. (2006) Urbanization in Developing Countries: Current Trends, Future Projections, and Key Challenges for Sustainability, Technology in Society, 28, PP. 63-80.

HABITAT III. (2015). SMART CITIES. United Nations. Conference on Housing and Sustainable Urban Development.

Hashem, I. A. T., Chang, V., Anuar, N. B., Adewole, K., Yaqoob, I., Gani, A., . . . Chiroma, H. (2016). The role of big data in smart city. International Journal of Information Management, 36(5), 748-758. doi:http://dx.doi.org/10.1016/j.ijinfomgt.2016.05.002 http://daneshemrouz.com.

Jin Xing, Renee Sieber & Stéphane Roche (2019): Rethinking Spatial Tessellation in an Era of the Smart City, Annals of the American Association of Geographers, DOI:10.1080/24694452.2019.1662766.

Lv, Ximing, Zhang, Shunkai, Li, Ang, Li, Jianbao, (2017), Research on Smart Growth of sustainable Cities Based on Information Entropy and Super-Efficiency DEA Model, Journal of Applied Mathematics and Physics, 2017, 5, 1198-1214. 

Ozsoy, M. 2010. User preferences on transformations of shopping centers into private urban public spaces: The case of Izmir, Turkey. African Journal of Business Management, 4(10): 1990-2005.

Reddick, D, (2002). Citizen Interaction with E-government: From the Streets to Servers. Government Information Quarterly

Sta, H. B. Quality and the efficiency of data in “Smart-Cities”. Future Generation Computer Systems. doi:http://dx.doi.org/10.1016/j.future.2016.12.021.

Thays A. Oliveira  , Yuri B. Gabrich, Helena Ramalhinho  ,Miquel Oliver  , MiriW. Cohen, Luiz S. Ochi, Serigne Gueye, Fábio Protti, Alysson A. Pinto,Diógenes V.M. Ferreira, IgorM. Coelho and Vitor N. Coelho.,(2020), Mobility, Citizens, Innovation and Technology in Digital and Smart Cities, Future Internet 2020, 12, 22; doi:10.3390/fi12020022.

Y.-W. Li and K. Cao, Establishment and application of intelligent city building information model based on BP neural network model, Computer Communications (2020), doi: https://doi.org/10.1016/j.comcom.2020.02.013.