مکان یابی بهینه کاربری درمانی (بیمارستان) با استفاده از مدل تلفیقی منطق بولین و الگوریتم ژنتیک نمونه مورد مطالعه: منطقه 17 شهرداری تهران

محورهای موضوعی : کالبدی

پویان شهابیان ¹ , شقایق پارسا ²

1 - دانشیار گروه شهرسازی،واحد تهران مرکزی، دانشگاه آزاداسلامی، تهران، ایران
2 - دانشجوی دکتری شهرسازی دانشگاه علامه طباطبایی، تهران، ایران

تاریخ دریافت : 1398/07/14 تاریخ پذیرش : 1401/08/26 تاریخ انتشار : 1401/09/01

کلید واژه: کاربری درمانی, الگوریتم ژنتیک, مکان یابی بهینه, منطق بولین,

چکیده مقاله :

ارزیابی وضعیت برنامه ریزی کاربری زمین در شهر تهران حاکی از عدم موفقیت این نوع برنامه ریزی است. منطقه 17 شهر تهران به دلیل؛ وسعت کم، تراکم جمعیتی بالا و ریزدانگی بافت به منظور تامین سطوح خدماتی مورد نیاز با مشکلات بسیاری مواجه است. کمبود خدماتی عمومی درسطح این منطقه به یکی از عوامل اصلی در کاهش جمعیت پذیری آن تبدیل شده است. نتایج حاصل تجزیه و تحلیل وضعیت کنونی کاربری درمانی منطقه به عنوان یکی از اساسی ترین سطوح خدماتی با سرانه 0.16 مترمربع هم ازسرانه استاندارد وهم سرانه شهر تهران پایین تر است. بر همین اساس هدف از پژوهش حاضر، مکان یابی بهینه کاربری درمانی و به طور خاص بیمارستان ها درمنطقه 17 شهر تهران است. روش تحقیق توصیفی – تحلیلی و در تحلیل داده ها به وسیله الگوریتم ژنتیک، بهینه ترین و بهترین پاسخ به مسأله به وسیله تعریف توابع متعدد و استفاده از نرم افزار متلب صورت گرفته است. در این روش با استخراج معیارها و شاخص های مکان یابی بیمارستان و مناسب سازی این معیارها طبق استانداردهای کاربری زمین، بهترین مکان برای جانمایی بهینه این کاربری شناسایی شده است. نتایج پژوهش حاکی از آن است که؛ به وسیله مدل تبیین شده در این پژوهش با در نظرگرفتن عامل جمعیت، هم جواری ها، ویژگی های زمین و دسترسی درکنار انتخاب بهترین مکان برای کاربری درمانی به حل مشکل کمبود سرانه درمانی در این منطقه پاسخ اساسی و مناسب داده شده است.

منابع و مأخذ:

Aghamohammadi,H.,Mesgari,S.,& Molayi,M.(2012). The development of an innovative method for
optimizing the location and allocation of relief operations to earthquake victims. The Journal of Space
Planning ,Volume 16,57-76 . (In Persian)
Ahadnezhad,M.,Ghaderi,H.,Hadian,M.(2014). Location Allocation of Health Care Centers Using
Geographical Information System: region 11 of Tehran. The Journal of Fasa University of Medical
Sciences,463-474 . (In Persian)
Arifin, S.(2011) .Location Allocation Problem Using Genetic Algorithm and Simulated Annealing: A Case
Study Based on School in Enschede .Master of Science in Geo-information Science and Earth
Observation, University of Twente.
Atayi,B.(2013). A comparative study between the combined model of genetic algorithm-ANN (ANN-GA)
and the modified quadruple function model (sqdf) for identifying stock price manipulation. In
companies admitted to Tehran Stock Exchange.Master's Thesis, Research and Technology - University
of Mazandaran - Faculty of Administrative Sciences and Economics . (In Persian)
Bhat, A., Anupama, Akshatha, Rao, M., & G Pai , D. (2021). Tra􀆥c violation detection in India using
genetic algorithm. Global Transitions Proceedings, 309–314.
Bolouri,S.,Vafayinezhad.A.(2015). Using Genetic Algorithm to Optimize Location-Multi-Allocation
Problem in GIS Environment (Case Study: District 11 Fire Station in Tehran). Regional Studies and
Research of the Seventh, No. 25,183-202
Conceiçao Antonio, C., Brasileiro Monteiro, J., & Felix Afonso, C. (2014). Optimal topology of urban
buildings for maximization of annual solar irradiation availability using a genetic algorithm. Applied
Thermal Engineering, 422435.
Emcoiran,M.(2008). Provide a detailed development plan and a detailed plan for the region 17 of Tehran.
Tehran Urban Research and Planning Center . (In Persian)
Ghzanfari,H.,Hamedi,M.& Hasanzadeh,S.(2014). An Optimal Model of Post-Disaster Emergency
Evacuation in Urban Areas, Using Genetic Algorithm (Case Study District 3 of Kerman).Journal of
Urban Social Geography, Volume1,87-104 . (In Persian)
Li, X., & Lael , P. (2016). An improved Genetic Algorithm for spatial optimization of multi-objective and
multi-site land use allocation. Computers, Environment and Urban Systems, 184–194.
Maesomi,Z.,Mesgari,M.(2015). Spatial Modeling of Urban Change Using NSGA-II Algorithm and
Clustering of Probability Responses in Urban Fluid Plans. Journal of Geomatics Science And
Technology, Volume5,139-157 . (In Persian)
Mikaniki,J.,Sadeghi,H.(2012). Locating health centers (hospitals) in Birjand by integrating the ANP
process and comparing couples in the GIS environment. Environmental Planning, Volume 5 , Issue
19,121-142 . (In Persian)
Mohammadi Sarin Dizaj, M., & Mohammadi, A. (2021). Application of Optimal Multi-Objective Genetic
Algorithms in Locating Temporary Housing after an Earthquake (Case Study: District 5 of Tabriz).
Bulletin of earthquake science and engineering,Volume 8, 83-97 . (In Persian)
Mustafa, A., Bruwier, M., Archambeau, P., Erpicum, S., Pirotton, M., & Dewals, B. (2018). E􀆡ects of
spatial planning on future flood risks in urban environments. Journal of Environmental Management,
193-204.
Porta, J., و Parapar, J. (2013). High performance genetic algorithm for land use planning. Computers,
Environment and Urban Systems, 45-58.
Raichaudhuri, A., & Jain, A. (2010). Genetic Algorithm based Logistics Route Planning. International
Journal of Innovation, Management and Technology, Vol. 1, No. 2,, 205-208.
Rashidi,S.,Talei,M.,&Naeemi,A.(2013). Evaluation and application of genetic algorithm in locating
shopping centers with competitive conditions. Armanshahr journal,305.320 . (In Persian)

Razavian,M.(2002).Urban landuse planning.Tehran:Monshi . (In Persian)
Shokouhi,A.(2004). Locating urban parks in Zanjan using GIS spatial information system and fuzzy logic.Master's Thesis, University of Tehran, College of Fine Arts . (In Persian)
Sadidi J. Introducing a Developed Meta-heuristic Model based on Multi Objectives Genetics Algorithm for Optimal Land Use Change Modeling. MJSP. 2017; 21 (3) :307-327
Saraei , M., Rezaei, M., & Adeli, M. (2019). Spatial Evaluation of Access to Urban Free Spaces during the Post-Earthquake Periods Using Hub and Genetics Optimization Algorithms (Case Study: City of
Gorgan). Geographical Urban Planning Research (GUPR),Volume 7, 311-331 . (In Persian)
Stewarta, T., و Janssen, R. (2004). A genetic algorithm approach to multiobjective landuse planning.
Computers و Operations Research, 2293–2313.
Tehran Urban Observatory.(2016). Monitoring the situation of urban planning in Tehran . (In Persian)
Vahidi borji,G.,Norian,F.Azizi,M.(2017). The Obstacles against the Success of Suggested Functions in
Urban Development Projects in Iran. Honar-Ha-Ye-Ziba: Memary Va Shahrsazi, 22(1), 5-14 . (In
Persian)
Zhou , G., Zhu , Z., & Luo, S. (2022). Location optimization of electric vehicle charging stations: Based
on cost model and genetic algorithm. Energy, 3-11.