آمار

تعداد نشریات11
تعداد شماره‌ها228
تعداد مقالات2,317
تعداد مشاهده مقاله3,623,805
تعداد دریافت فایل اصل مقاله2,663,793
توتونچیان, محمد امین. (1402). استفاده از تجزیه و تحلیل مکانی و ‏سیستم های پشتیبانی تصمیم‌گیری برای طراحی و توسعه راه‌های شهری. فناوری آموزش, 1(2), 135-142. doi: 10.22061/jrsgr.2023.2007
محمد امین توتونچیان. "استفاده از تجزیه و تحلیل مکانی و ‏سیستم های پشتیبانی تصمیم‌گیری برای طراحی و توسعه راه‌های شهری". فناوری آموزش, 1, 2, 1402, 135-142. doi: 10.22061/jrsgr.2023.2007
توتونچیان, محمد امین. (1402). 'استفاده از تجزیه و تحلیل مکانی و ‏سیستم های پشتیبانی تصمیم‌گیری برای طراحی و توسعه راه‌های شهری', فناوری آموزش, 1(2), pp. 135-142. doi: 10.22061/jrsgr.2023.2007
توتونچیان, محمد امین. استفاده از تجزیه و تحلیل مکانی و ‏سیستم های پشتیبانی تصمیم‌گیری برای طراحی و توسعه راه‌های شهری. فناوری آموزش, 1402; 1(2): 135-142. doi: 10.22061/jrsgr.2023.2007

استفاده از تجزیه و تحلیل مکانی و ‏سیستم های پشتیبانی تصمیم‌گیری برای طراحی و توسعه راه‌های شهری

پژوهش های سنجش از دور و اطلاعات مکانی
دوره 1، شماره 2، تیر 1402، صفحه 135-142    اصل مقاله (808.39 K)
نوع مقاله: مقاله مروری
شناسه دیجیتال (DOI): 10.22061/jrsgr.2023.2007
نویسنده
محمد امین توتونچیان*
گروه مهندسی عمران، دانشگاه پیام نور، تهران، ایران
تاریخ دریافت: 01 مرداد 1402،  تاریخ بازنگری: 22 شهریور 1402،  تاریخ پذیرش: 09 آبان 1402 
چکیده
پیشینه و اهداف: رشد سریع شهرها یک پدیده جهانی است که در کشور ما هم این مسأله به یک چالش تبدیل شده است. عدم توسعه زیرساخت­های شهری همزمان با گسترش شهرها به‌ویژه در بخش حمل و نقل مشکلات عدیده­ای از جمله ترافیک­های سنگین و آلودگی هوا برای کلان شهرها ایجاد کرده است. هدف این تحقیق، ارائه راه‌حلی برای مقابله با چالش‌های پیش روی شهر تهران در حوزه توسعه راه­های شهری با استفاده از تجزیه و تحلیل مبتنی بر سامانه اطلاعات مکانی (GIS) و سامانه­های پشتیبانی تصمیم‌گیری است تا بتوان با بهبود برنامه‌ریزی در ساخت و توسعه راه­های شهری به یک توسعه پایدار در بخش حمل و نقل دست یافت. به همین منظور، شناخت وضعیت فعلی در برنامه‌ریزی برای توسعه راه در شهر تهران، شناسایی زمینه‌های بهبود و ارائه راه‌حل‌های مبتنی بر GIS بسیار حائز اهمیت است. این راه‌حل‌ها به بهینه‌سازی انتخاب مسیر، انجام ارزیابی‌های اثرات زیست محیطی، مدیریت هزینه‌های پروژه به صورت کارآمد و مدیریت مؤثر ریسک منجر می­شوند.
روش‌ها: برای دستیابی به اهداف تحقیق، یک روش چند وجهی اتخاذ گردید. در ابتدا، جمع‌آوری داده‌های مکانی مرتبط با شبکه راه­های شهری از جمله شبکه‌های حمل و نقل، پارامترهای محیطی و زیرساخت‌های راه‌های موجود انجام گرفت. سپس از فناوری GIS برای انجام تجزیه و تحلیل مکانی، بهینه‌سازی مسیر با استفاده از الگوریتم کوتاه­ترین مسیر دیکسترا (SPA) و ارزیابی‌های اثرات زیست‌محیطی استفاده شد. سامانه­های پشتیبانی تصمیم‌گیری برای تسهیل اتخاذ تصمیم مبتنی بر داده در هر سناریو در تحلیل پروژه ساخت راه توسعه داده شدند. در نهایت، سناریوهای به‌دست آمده از تجزیه و تحلیل مکانی با پروژه­های عملیاتی ساخت راه مقایسه گردید.
یافته­ها: نتایج این تحقیق، ظرفیت قابل توجه تجزیه و تحلیل اطلاعات مکانی مبتنی بر GIS و سامانه­های پشتیبانی تصمیم‌گیری در اصلاح برنامه‌ریزی برای توسعه ساخت راه در شهری تهران را نشان داد. این فناوری­ها از طریق انتخاب بهینه مسیر موجب می­شوند تا ترافیک شهری تا 20% کاهش یافته و بهره­وری حمل و نقل شهری را بهبود بخشند. ارزیابی‌های اثرات زیست‌محیطی هم نشان داد که استفاده از این روش­ها می­تواند منجر به کاهش 36% اثرات مخرب از جمله آلودگی هوا شود. همچنین، ادغام ابزارهای مدیریت هزینه مبتنی بر GIS منجر به کاهش هزینه ساخت راه شد. شناسایی استراتژی‌های کاهش ریسک نیز از طریق تجزیه و تحلیل مکانی موفقیت پروژه را از لحاظ زمان‌بندی و هزینه کرد تضمین می‌کند و در نهایت، به رضایت شهروندان منجر می­گردد.
پیشینه و اهداف: رشد سریع شهرها یک پدیده جهانی است که در کشور ما هم این مسأله به یک چالش تبدیل شده است. عدم توسعه زیرساخت­های شهری همزمان با گسترش شهرها به‌ویژه در بخش حمل و نقل مشکلات عدیده­ای از جمله ترافیک­های سنگین و آلودگی هوا برای کلان شهرها ایجاد کرده است. هدف این تحقیق، ارائه راه‌حلی برای مقابله با چالش‌های پیش روی شهر تهران در حوزه توسعه راه­های شهری با استفاده از تجزیه و تحلیل مبتنی بر سامانه اطلاعات مکانی (GIS) و سامانه­های پشتیبانی تصمیم‌گیری است تا بتوان با بهبود برنامه‌ریزی در ساخت و توسعه راه­های شهری به یک توسعه پایدار در بخش حمل و نقل دست یافت. به همین منظور، شناخت وضعیت فعلی در برنامه‌ریزی برای توسعه راه در شهر تهران، شناسایی زمینه‌های بهبود و ارائه راه‌حل‌های مبتنی بر GIS بسیار حائز اهمیت است. این راه‌حل‌ها به بهینه‌سازی انتخاب مسیر، انجام ارزیابی‌های اثرات زیست محیطی، مدیریت هزینه‌های پروژه به صورت کارآمد و مدیریت مؤثر ریسک منجر می­شوند.
روش‌ها: برای دستیابی به اهداف تحقیق، یک روش چند وجهی اتخاذ گردید. در ابتدا، جمع‌آوری داده‌های مکانی مرتبط با شبکه راه­های شهری از جمله شبکه‌های حمل و نقل، پارامترهای محیطی و زیرساخت‌های راه‌های موجود انجام گرفت. سپس از فناوری GIS برای انجام تجزیه و تحلیل مکانی، بهینه‌سازی مسیر با استفاده از الگوریتم کوتاه­ترین مسیر دیکسترا (SPA) و ارزیابی‌های اثرات زیست‌محیطی استفاده شد. سامانه­های پشتیبانی تصمیم‌گیری برای تسهیل اتخاذ تصمیم مبتنی بر داده در هر سناریو در تحلیل پروژه ساخت راه توسعه داده شدند. در نهایت، سناریوهای به‌دست آمده از تجزیه و تحلیل مکانی با پروژه­های عملیاتی ساخت راه مقایسه گردید.
یافته ­ها: نتایج این تحقیق، ظرفیت قابل توجه تجزیه و تحلیل اطلاعات مکانی مبتنی بر GIS و سامانه­های پشتیبانی تصمیم‌گیری در اصلاح برنامه‌ریزی برای توسعه ساخت راه در شهری تهران را نشان داد. این فناوری­ها از طریق انتخاب بهینه مسیر موجب می­شوند تا ترافیک شهری تا 20% کاهش یافته و بهره­وری حمل و نقل شهری را بهبود بخشند. ارزیابی‌های اثرات زیست‌محیطی هم نشان داد که استفاده از این روش­ها می­تواند منجر به کاهش 36% اثرات مخرب از جمله آلودگی هوا شود. همچنین، ادغام ابزارهای مدیریت هزینه مبتنی بر GIS منجر به کاهش هزینه ساخت راه شد. شناسایی استراتژی‌های کاهش ریسک نیز از طریق تجزیه و تحلیل مکانی موفقیت پروژه را از لحاظ زمان‌بندی و هزینه کرد تضمین می‌کند و در نهایت، به رضایت شهروندان منجر می­گردد.
نتیجه‌گیری: با استفاده از تجزیه و تحلیل مکانی مبتنی بر GIS و الگوریتم SPA، مسیرهایی با حداقل زمان سفر شناسایی شد که ترافیک را کاهش می‌دهند و کارایی حمل‌ و نقل را افزایش می‌دهند. کاهش در زمان سفر، می‌تواند به افزایش بهره‌وری و بهبود کیفیت زندگی شهروندان منجر شود. علاوه بر این، مسیریابی بهینه می‌تواند به کاهش مصرف سوخت و آلودگی هوا کمک کند. علاوه بر این، شاخص ارزیابی اثرات زیست محیطی (EIA) نمایانگر بهبود قابل توجه در پایداری زیست‌محیطی سناریوهایی بوده است که مبتنی بر تحلیل مکانی است. بدین ترتیب، کاهش سطوح آلودگی هوا و صدا و حفظ فضاهای سبز می‌توانند به افزایش کیفیت زندگی شهروندان کمک کنند. علاوه بر این، کاهش اثرات مخرب زیست‌محیطی می‌تواند به رشد و توسعه بلندمدت شهر کمک کند. از طرف دیگر، با شناسایی ریسک ظرفیتی در مرحله برنامه‌ریزی، مدیران پروژه می‌توانند منابع را به طور مؤثرتر تخصیص دهند و اقداماتی را برای پیشگیری از تأخیرها و افزایش هزینه‌ها اجرا کنند.
کلیدواژه‌ها
اثرات زیست محیطی؛ توسعه راه شهری؛ برنامه‌ریزی شهری؛ تجزیه و تحلیل مکانی
عنوان مقاله [English]
Using Spatial Analysis and Decision Support Systems for Design and Development of Urban Roads
نویسندگان [English]
M. A. Tootoonchian
Department of Civil Engineering, Payame Noor University, , Iran
چکیده [English]
Background and Objectives: ‎The rapid growth of cities is a global phenomenon that has become a challenge in our country. The lack of development of urban infrastructures at the same time as the expansion of cities, especially in the transportation sector, has created many problems such as heavy traffic and air pollution for big cities. The aim of this research is to provide a solution to deal with the challenges facing the city of Tehran in the field of development of urban roads by using analysis based on geographic information system (GIS) and decision support systems so that it can improve planning in construction. And the development of urban roads achieved a sustainable development in the transportation sector. For this reason, it is very important to know the current situation in planning for road development in Tehran, to identify areas for improvement and to provide solutions based on GIS. These solutions lead to optimization of route selection, environmental impact assessments, efficient project cost management and effective risk management.
Methods: To achieve the research objectives, a multifaceted method was adopted. At first, the collection of spatial data related to the urban road network including transportation networks, environmental parameters and existing road infrastructures was done. Then, GIS technology was used to perform spatial analysis, route optimization using Dijkstra's shortest path algorithm (SPA) and environmental impact assessments. Decision support systems were developed to facilitate data-based decision making in each scenario in road construction project analysis. Finally, the scenarios obtained from the spatial analysis were compared with the road construction operational projects.
Results: The results of this research showed the significant capacity of spatial information analysis based on GIS and decision support systems in modifying planning for the development of road construction in urban Tehran. These technologies reduce urban traffic by 20% through optimal route selection and improve the efficiency of urban transportation. Environmental impact assessments also showed that the use of these methods can lead to a 36% reduction in harmful effects, including air pollution. Also, the integration of GIS-based cost management tools led to the reduction of road construction costs. Identifying risk reduction strategies through spatial analysis ensures the success of the project in terms of timing and cost and ultimately leads to the satisfaction of citizens.
Conclusion: Using GIS-based spatial analysis and SPA algorithm, routes with minimum travel time were identified that reduce traffic and increase transportation efficiency. Reduction in travel time can lead to increase in productivity and improve the quality of life of citizens. In addition, optimized routing can help reduce fuel consumption and air pollution. In addition, the Environmental Impact Assessment (EIA) index has shown a significant improvement in the environmental sustainability of scenarios that are based on spatial analysis. Thus, reducing the levels of air and noise pollution and maintaining green spaces can help to increase the quality of life of citizens. In addition, reducing harmful environmental effects can contribute to the long-term growth and development of the city. On the other hand, by identifying capacity risk in the planning stage, project managers can allocate resources more effectively and implement measures to prevent delays and cost overruns.
Methods: To achieve the research objectives, a multifaceted method was adopted. At first, the collection of spatial data related to the urban road network including transportation networks, environmental parameters and existing road infrastructures was done. Then, GIS technology was used to perform spatial analysis, route optimization using Dijkstra's shortest path algorithm (SPA) and environmental impact assessments. Decision support systems were developed to facilitate data-based decision making in each scenario in road construction project analysis. Finally, the scenarios obtained from the spatial analysis were compared with the road construction operational projects.

Results: The results of this research showed the significant capacity of spatial information analysis based on GIS and decision support systems in modifying planning for the development of road construction in urban Tehran. These technologies reduce urban traffic by 20% through optimal route selection and improve the efficiency of urban transportation. Environmental impact assessments also showed that the use of these methods can lead to a 36% reduction in harmful effects, including air pollution. Also, the integration of GIS-based cost management tools led to the reduction of road construction costs. Identifying risk reduction strategies through spatial analysis ensures the success of the project in terms of timing and cost and ultimately leads to the satisfaction of citizens.

Conclusion: Using GIS-based spatial analysis and SPA algorithm, routes with minimum travel time were identified that reduce traffic and increase transportation efficiency. Reduction in travel time can lead to increase in productivity and improve the quality of life of citizens. In addition, optimized routing can help reduce fuel consumption and air pollution. In addition, the Environmental Impact Assessment (EIA) index has shown a significant improvement in the environmental sustainability of scenarios that are based on spatial analysis. Thus, reducing the levels of air and noise pollution and maintaining green spaces can help to increase the quality of life of citizens. In addition, reducing harmful environmental effects can contribute to the long-term growth and development of the city. On the other hand, by identifying capacity risk in the planning stage, project managers can allocate resources more effectively and implement measures to prevent delays and cost overruns.
کلیدواژه‌ها [English]
Environmental Impacts, Urban Road Development, Spatial Analysis, Urban Planning
مراجع
[1] Firozjaei MK, Nematollahi O, Mijani N, Shorabeh SN, Firozjaei HK, Toomanian A. An integrated GIS-based Ordered Weighted Averaging analysis for solar energy evaluation in Iran: Current conditions and future planning. Renew Energy 2019;136:1130–46.

[2] Shorabeh SN, Firozjaei HK, Firozjaei MK, Jelokhani-Niaraki M, Homaee M, Nematollahi O. The site selection of wind energy power plant using GIS-multi-criteria evaluation from economic perspectives. Renewable and Sustainable Energy Reviews 2022;168.

[3] Bosisio A, Moncecchi M, Morotti A, Merlo M. Machine learning and GIS approach for electrical load assessment to increase distribution networks resilience. Energies (Basel) 2021;14.

[4] Giovinazzi S, Marchili C, Di Pietro A, Giordano L, Costanzo A, Porta L La, et al. Assessing earthquake impacts and monitoring resilience of historic areas: Methods for gis tools. ISPRS Int J Geoinf 2021;10.

[5] Duan C, Zhang J, Chen Y, Lang Q, Zhang Y, Wu C, et al. Comprehensive Risk Assessment of Urban Waterlogging Disaster Based on MCDA-GIS Integration: The Case Study of Changchun, China. Remote Sens (Basel) 2022;14.

[6] Mayouf Z, Nouibat B. Spatial Modeling for Urban Resilience Assessment: Using AHP and GIS (Case Study of Bou-Saâda City, Algeria). Technium Social Sciences Journal 2022;36:607–18.

[7] Doorga JRS, Magerl L, Bunwaree P, Zhao J, Watkins S, Staub CG, et al. GIS-based multi-criteria modelling of flood risk susceptibility in Port Louis, Mauritius: Towards resilient flood management. International Journal of Disaster Risk Reduction 2022;67. h

[8] Bruneau M, Chang SE, Eguchi RT, Lee GC, O’Rourke TD, Reinhorn AM, et al. A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities. Earthquake Spectra 2003;19:733–52.

[9] Chun H, Chi S, Hwang BG. A spatial disaster assessment model of social resilience based on geographically weighted regression. Sustainability (Switzerland) 2017;9.

[10] Knaapen AM, Seiler F, Schilderman PAEL, Nehls P, Bruch J, Schins RPF, et al. Neutrophils cause oxidative DNA damage in alveolar epithelial cells. Free Radic Biol Med 1999;27:234–40.

[11] Afsari R, Shorabeh SN, Kouhnavard M, Homaee M, Arsanjani JJ. A Spatial Decision Support Approach for Flood Vulnerability Analysis in Urban Areas: A Case Study of Tehran. ISPRS Int J Geoinf 2022;11.

[12] Hadidi A, Holzbecher E, Molenaar RE. Flood mapping in face of rapid urbanization: a case study of Wadi Majraf-Manumah, Muscat, Sultanate of Oman. Urban Water J 2020;17:407–15.

[13] Benke KK, Lowell KE, Hamilton AJ. Parameter uncertainty, sensitivity analysis and prediction error in a water-balance hydrological model. Math Comput Model 2008;47:1134–49.

[14] Şalcıoğlu E, Başoğlu M. Psychological effects of earthquakes in children: Prospects for brief behavioral treatment. World Journal of Pediatrics 2008;4:165–72.

[15] Nadizadeh Shorabeh S, Hamzeh S, Zanganeh Shahraki S, Firozjaei MK, Jokar Arsanjani J. Modelling the intensity of surface urban heat island and predicting the emerging patterns: Landsat multi-temporal images and Tehran as case study. Int J Remote Sens 2020; 41: 7400-7426.

[16] Mohamed SA, El-Raey ME. Vulnerability assessment for flash floods using GIS spatial modeling and remotely sensed data in El-Arish City, North Sinai, Egypt. Natural Hazards 2020;102:707–28.

[17] Boloorani AD, Shorabeh SN, Neysani Samany N, Mousivand A, Kazemi Y, Jaafarzadeh N, et al. Vulnerability mapping and risk analysis of sand and dust storms in Ahvaz, IRAN. Environmental Pollution 2021;279.

[18] Afsari R, Nadizadeh Shorabeh S, Bakhshi Lomer AR, Homaee M, Arsanjani JJ. Using Artificial Neural Networks to Assess Earthquake Vulnerability in Urban Blocks of Tehran. Remote Sens (Basel) 2023;15.

[19] Da Silveira Guimarães JL, Salomon VAP. ANP applied to the evaluation of performance indicators of reverse logistics in footwear industry. Procedia Comput Sci 2015;55:139–48.

[20] Tupenaite L, Lill I, Geipele I, Naimaviciene J. Ranking of sustainability indicators for assessment of the new housing development projects: Case of the Baltic States. Resources 2017;6

[21] Aragonés-Beltrán P, Aznar J, Ferrís-Oñate J, García-Melón M. Valuation of urban industrial land: An analytic network process approach. Eur J Oper Res 2008;185:322–39.

[22] Feizizadeh B, Blaschke T. GIS-multicriteria decision analysis for landslide susceptibility mapping: Comparing three methods for the Urmia lake basin, Iran. Natural Hazards 2013;65:2105–28.

[23] Abedi Gheshlaghi H, Feizizadeh B. An integrated approach of analytical network process and fuzzy based spatial decision making systems applied to landslide risk mapping. Journal of African Earth Sciences 2017;133:15–24.

[24] Malczewski J. GIS-based land-use suitability analysis: A critical overview. Prog Plann 2004;62:3–65.

[25] Gorsevski P V., Donevska KR, Mitrovski CD, Frizado JP. Integrating multi-criteria evaluation techniques with geographic information systems for landfill site selection: A case study using ordered weighted average. Waste Management 2012;32:287–96.

[26] Valmohammadi C, Ghassemi A. Identification and prioritization of the barriers of knowledge management implementation using fuzzy analytical network process: A case study of the Iranian context. VINE Journal of Information and Knowledge Management Systems

[27] RazaviToosi SL, Samani JMV. Evaluating water management strategies in watersheds by new hybrid Fuzzy Analytical Network Process (FANP) methods. J Hydrol (Amst) 2016;534:364–76.

[28] Malmir M, Zarkesh MMK, Monavari SM, Jozi SA, Sharifi E. Analysis of land suitability for urban development in Ahwaz County in southwestern Iran using fuzzy logic and analytic network process (ANP). Environ Monit Assess 2016;188.

[29] Feizizadeh B, Kienberger S. Spatially explicit sensitivity and uncertainty analysis for multicriteria-based vulnerability assessment. Journal of Environmental Planning and Management 2017;60:2013–35.

[30] Feizizadeh B, Shadman Roodposhti M, Jankowski P, Blaschke T. A GIS-based extended fuzzy multi-criteria evaluation for landslide susceptibility mapping. Comput Geosci 2014;73:208–21.

[31] Feizizadeh B, Blaschke T. An uncertainty and sensitivity analysis approach for GIS-based multicriteria landslide susceptibility mapping. International Journal of Geographical Information Science 2014;28:610–38.

[32] Feizizadeh B, Blaschke T. Land suitability analysis for Tabriz County, Iran: A multi-criteria evaluation approach using GIS. Journal of Environmental Planning and Management 2013;56:1–23.

آمار
تعداد مشاهده مقاله: 439
تعداد دریافت فایل اصل مقاله: 375


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب