الگوی ترافیکی

امروزه با پیشرفت فناوری اطلاعات و تکنولوژی دیجیتال، حجم بالایی از داده ها با عناوین کلان-داده و داده های بهنگام ، در اختیار متخصصان علوم مختلف مهندسی و نیز علوم اجتماعی قرار گرفته است که از طریق آن امکان ارزیابی نظریه های موجود با قابلیت تعمیم پذیری فراهم شده است. یکی از این رویکردها در شهرسازی، توسعه مبتنی بر حمل و نقل عمومی است که بر اساس سفرسازی کاربری ها و ارقام موجود حاصل از مدل های حمل و نقل شهری پیشنهادهای برنامه ریزی کاربری زمین و تغییرات تراکم را مطرح می سازد. در این پژوهش از تفسیر کلان-داده ها برای اعتبارسنجی معیارهای تجربی مربوط به توسعه مبتنی بر حمل و نقل عمومی وبرنامه ریزی حمل و نقل شهری در خصوص سفرسازی کاربری ها استفاده می شود. بدین منظور الگوی ترافیکی کاربری آموزش عالی با روش ارزیابی همبستگی تحلیل می گردد. با بکارگیری نگرش شهرسازی در پالایش کلان-داده های ترافیکی موجود و در دسترس برای دانشگاه ایالتی کالیفرنیا در شهر لس آنجلس، الگوی ترافیکی سفرهای تحصیلی استخراج می شود. نتایج ارزیابی الگوی سفرهای تحصیلی نشان می دهد، تولید سفر بر ارقام سفرسازی کاربری ها استوار نبوده، بلکه این الگو تابعی از ترافیک کل شهر است. این نتایج، طراحی و برنامه ریزی کاربری زمین را که بر اساس مدیریت تقاضا در مدل های حمل و نقل شهری و بخصوص توسعه شهری مبتنی بر حمل و نقل عمومی انجام می شود، با تردید جدی مواجه می سازد. یافته های این پژوهش، مثالی از کاربرد کلان-داده ها به عنوان یکی از دستاوردهای بروز فناوری اطلاعات در مطالعات شهرسازی است.

شاید بتوان گفت که مهمترین هدف اپراتورهای تلفن همراه، بیشینه کردن بهره وریشان است. فارغ از هزینه های عملیاتی و سرمایه گذاری، بهره برداری حداکثری از منابع موجود می تواند آنها را به این هدف نایل کند. بدین منظور، اپراتورها برای پر کردن ظرفیت های خالی شبکه خود در ساعات کم بار بودن آن، بسته های داده با قیمت های مناسب ارائه می دهند تا کاربران را برای استفاده از شبکه در این ساعات، تشویق کنند. آنها این بسته ها را بر اساس میزان متوسط بار ترافیکی کل شبکه خود در ساعات مختلف روز تنظیم می کنند. اما به این نکته مهم توجه نمی کنند که در نواحی مختلف جمعیتی یک شهر، الگوی ترافیکی در ساعات مختلف متفاوت است. در این مقاله، به صورت اتوماتیک، نواحی مختلف جمعیتی تشخیص داده شده اند. این کار به کمک خوشه بندی روی الگوی ترافیکی انجام شده است. با تشخیص نواحی جمعیتی و با توجه به الگوی ترافیکی ناحیه مربوطه، برای کاربران، نسبت به منطقه ای که بیشتر در آن حضور دارند، نحوه تخصیص بسته مناسب بررسی و تحلیل شده است. در ادامه، دیگر کاربردهای قابل استفاده این خوشه بندی برای ارائه سرویس های مختلف بیان شده است و نهایتا نتیجه گیری انجام گشته است.