حالت های سفر

امروزه مطالعات گسترده ای با محوریت جغرافیای پزشکی و ارتباط بیماری ها با ویژگی های مکانی و فضایی بروز آن ها انجام می گیرد. در این میان، شیوع اضافه وزن به عنوان بیماری غیرواگیر که منبعث از سبک زندگی است، طی سه دهه گذشته به طرز چشمگیری در سراسر جهان افزایش یافته و سبب توجه ویژه بدان به منظور ارتقای سلامت شهروندان شده است. کم تحرکی به عنوان مسئله ای جهانی یکی از معضلات شهر سالم است که در این پژوهش با هدف شناسایی ارتباط بین بروز اضافه وزن و الگوهای سفر در شهر زنجان بررسی شده است. از نظر روش تحقیق با توجه به محتوی و مؤلفه های موردبررسی در زمره تحقیقات توصیفی تحلیلی و از نظر هدف مطالعه تحقیق کاربردی توسعه ای محسوب می شود. اطلاعات و داده های اولیه پژوهش به دو شکل اسنادی و میدانی جمع آوری شده است. برای پیش بینی و بهنگام کردن داده های نواحی ترافیکی شهر از شبکه عصبی پرسپترون چندلایه استفاده شد. اطلاعات مکانی نه شاخص ترافیکی در رابطه با بردارهای سفر به تفکیک نواحی ترافیکی از طریق نرم افزار تهیه و پس از فازی سازی لایه های اطلاعاتی و تعیین درجه عضویت هریک از مؤلفه ها، درنهایت با استفاده از تلفیق نقشه های فازی سازی شده به کمک عملگرهای فازی، نقشه نهایی و تلفیقی به دست آمد. نقشه نهایی مناطق مستعد اضافه وزن در شهر زنجان را از منظر الگوهای سفر نشان می دهد. نتایج این نوشتار نشانگر آن است که کمتر از 3 درصد از مساحت شهر پهنه های نامستعد برای بروز اضافه وزن است. این مناطق منطبق بر محله هایی مانند اسلام آباد، سرجنگلداری و بخش های محدودی از کوی فرهنگ است. پس از این محله های انصاریه، اعتمادیه، یوخاری قبرستان و وحیدیه از منظر بردارهای سفر شرایط مساعدتری برای انجام فعالیت های بدنی و کاهش بروز اضافه وزن دارند. در مقابل، بیش از 90/69 درصد از مساحت شهر پهنه های بسیار مساعد برای بروز بیماری اضافه وزن در سطح شهر زنجان است.

در سال های اخیر رشد روزافزون جمعیت و افزایش استفاده از حمل ونقل شخصی و سفرهای روزانه، مشکلات فراوانی در حوزه جابه جایی ازجمله مصرف بالای سوخت، آلودگی هوا، سر و صدا، تراکم بالای خیابان ها، کاهش فعالیت بدنی و غیره به وجود آورده است. در بسیاری از کلانشهرها طی دهه های گذشته افزایش ناگهانی وسایل نقلیه موتوری موجب ترافیک های سنگین خیابانی در سفرهای درون شهری شده است و علت اصلی آن را می توان ضعف روابط بین مورفولوژی شهری و حمل ونقل، به عبارت دیگر شکل های شهری پیاده گریز و تشویق کننده سفرهای موتوری دانست. از آنجایی که مورفولوژی شهری اثر قابل توجهی بر حمل ونقل شهری دارد، نحوه ایجاد رابطه ای قوی بین مورفولوژی شهری و حالت های سفر علاقه های بسیاری را به خود جلب کرده است، با در نظر گرفتن این ضرورت، در پژوهش حاضر اثر مورفولوژی شهری بر تقاضای حمل ونقل شهری در شهر اصفهان ارائه خواهد شد. در این پژوهش با استفاده از نرم افزار Eviews و مدل رگرسیون خطی چندمتغیره و روش حداقل مربعات وزنی، اثر متغیرهای مورفولوژی شهری، بر متغیر تقاضای سفر شهری بررسی شد. نتایج پژوهش نشان می دهد که هرچه در نواحی میانگین عرض معابر افزایش می یابد، ساکنان نواحی کمتر از حمل ونقل عمومی و بیشتر از حمل ونقل شخصی جهت سفرهای روزانه خود استفاده خواهند کرد. همچنین یافته های پژوهش نشان می دهد که با افزایش شاخص اتصال سفرهای حمل ونقل شخصی افزایش می یابد و با افزایش تراکم کلی مسکونی و کاهش پراکندگی، ساکنان نواحی ترجیح می دهند از وسایل نقلیه عمومی استفاده کنند.

بخش زیادی از سفرهای روزانه درون شهری با هدف دسترسی به خدمات، سرویس ها، و کالاهایی است که امکان تهیه آن ها در یک منطقه مشخص وجود ندارد. از این رو، آنالیز مسیرهای پرتردد و علت حجم بالای ترافیک در آن ها می تواند به توزیع صحیح تر امکانات، خدمات، و اختصاص کاربری مناسب به زمین ها با هدف کاهش تعداد و مسافت و زمان سفرهای درون شهری منجر شود. با ظهور سنسورهای تعیین موقعیت مبتنی بر سامانه های جهانی ناوبری ماهواره ای بر تلفن های همراه، امکان ثبت آنی مواردی چون موقعیت و سرعت و شتاب افراد به صورت آنی فراهم شده است. بنابراین، در این پژوهش تلاش شده امکان استفاده از داده های GNSS ثبت شده توسط تلفن همراه با هدف شناسایی حالت حمل ونقلی که کاربر از آن استفاده کرده است توسط چهار مدل یادگیری ماشین نظارت شده با نام های RF، GB، XGB، و LightGM مورد بررسی قرار گیرد. بدین منظور، دو مجموعه داده مایکروسافت Geolife و MTL 2017، که از ویژگی های لازم برای این هدف برخوردارند، به عنوان داده ورودی استفاده شد. پس از استخراج ویژگی های هر مسیر از این دو مجموعه داده، با هدف بهبود کارایی مدل ها و کاهش حجم پردازش، از میان ویژگی های موجود ویژگی های مهم تر شناسایی و کلاسه بندی بر اساس آن ها اعمال شد. بین مدل های استفاده شده، مدل LightGM برای مجموعه داده اول با کسب مقدار 57/92 درصد در F1-Score برای داده های تست و مدل XGB برای مجموعه داده دوم با کسب مقدار 67/92 در F1-Score برای داده های تست بین مدل های موجود بهترین عملکرد را داشته اند. از تعداد 1349 سفر موجود، 1250 سفر توسط این الگوریتم به درستی تخمین زده شد که منجر به حمل ونقل پایدار شهری می شود.