سارا حق بیان

امروزه باتوجه به رشد فناوری، دسترسی گوناگون به شبکه­‌های بی‌­سیم، استفاده گسترده از دستگاه‌­های تلفن هوشمند مجهز به GPS و دوربین محیط‌­های اطلاعات مکانی مردم‌­گستر بسیار محبوب شده است. یکی از زمینه‌­های استفاده از محیط‌­های مکانی مردم­‌گستر، املاک است. اطلاعات املاک مسکونی به دو بخش کلی مکانی و توصیفی قابل تقسیم‌­بندی است. در این تحقیق اطلاعات مکانی به سه زیرمجموعه داخلی، میانی و خارجی تقسیم‌­بندی شده است. باتوجه به هدف تحقیق، بیشترین تمرکز به اطلاعات مکانی فضای داخلی املاک اختصاص یافته است. هدف تحقیق حاضر، توصیف املاک مسکونی با استفاده از ابزارهای مکانی در محیط اطلاعات مکانی مردم‌­گستر است. توصیف فضای داخلی در این محیط مستلزم استفاده از ابزارهای ساده و قابل است. ابزارهای مورد استفاده در این تحقیق شامل نقشه‌­­نما، عکس، تورمجازی و متن است. وب به یک بخش ضروری از جامعه تبدیل شده و در حال حاضر ابزار اصلی انتقال اطلاعات است. محیط پیاده­‌سازی شده این تحقیق وب است، لذا پس از مدل­‌سازی وب­‌سایت پیشنهادی در محیط مردم‌­گستر، اطلاعات املاک از سوی مردم وارد وب‌­سایت می­‌شود.مدل­ پیشنهادی در محیط Visual Studio 2012 و در چارچوب ASP.NET و با زبان #C پیاده­‌سازی شد. ذخیره اطلاعات مکانی نیز با استفاده از پایگاه دادهServer2012وSQL انجام شد. منطقه چهارده تهران به عنوان مطالعه موردی انتخاب گردید. نتایچ بیانگر انطباق بهتر از 65 درصدی تصویر ذهنی تولید شده از روش پیشنهادی و واقعیت می‌­باشد. میزان رضایتمندی مردم از مدل­ پیاده‌­سازی شدهبا سه سایت ایرانی پربازدید و یک سایت خارجی مقایسه گردید. همچنین تأثیر ابزارهای بکاررفته در این وب‌­سایت‌­ها نیز مورد بررسی قرار گرفت. نتایج نشان داد که سیستم پیشنهادی با 78/75% بالاترین رضایتمندی را در مقایسه با وب­‌سایت‌­های مورد مقایسه دارد.

آلودگی هوا از جمله پدیده های پیچیده ای است که دارای دینامیک غیرخطی بوده و تأثیر پارامترهای متنوع بر رفتار آن، تجزیه و تحلیل و مدل سازی تغییرات مکانی و زمانی غلظت آلاینده ها را با دشواری های فراوانی مواجه می سازد. هدف از این مطالعه  بهبود دقت مدل سازی آلاینده های هوا به منظور مدیریت مواجهه با استفاده از داده های حاصل از حسگرهای همراه جهت مرتفع ساختن نواقص روش رگرسیون کاربری اراضی [1] است. به منظور بهبود دقت مدل سازی LUR برای تخمین غلظت PM 2.5 از هفت ایستگاه ثابت و چهارده حسگر همراه استفاده گردید. منطقه مورد مطالعه شهر اصفهان است و محل نمونه برداری حسگرهای همراه در مکان هایی با بیشترین پیش بینی عدم قطعیت و بالاترین احتمالی که از یک حد آستانه معین تجاوز می کند، انتخاب شدند؛ سپس از آزمون آماری t برای بررسی معنی دار بودن و یا نبودن بهبود نتایج استفاده گردید. در این تحقیق، چارچوبی برای تأمین دقت مورد نظر با افزودن داده های حاصل از حسگرهای همراه؛ پیشنهاد شده است. نتایج حاصل از این تحقیق نشان داد که خطای جذر میانگین مربعات [2] حاصل از لایه زمین آمار هفت ایستگاه ثابت پایش برابر با  1.802 و RMSE حاصل از ترکیب این ایستگاه ها با چهارده ایستگاه همراه معادل با 0.591 برآورد شد. نتایج  نشان داد که حتی با افزودن یک حسگر همراه به ایستگاه های ثابت میزان RMSE 0.113  میکروگرم بر متر مکعب کاهش می یابد و با افزودن چهارده حسگر همراه به هفت ایستگاه ثابت میزان RMSE حاصل از ساخت مدل LUR حدود سه برابر کاهش می یابد. یافته های حاصل از این تحقیق نشان داد که با استفاده از چارچوب پیشنهادی می توان کیفیت هوا را در هر مکان و زمان  با دقت مورد نظر تخمین زد و قدرت تفکیک بالاتری را برای محیط های ناهمگن شهری فراهم کرد.

بزهکاری مانند دیگر رفتارهای بشر دارای ظرف زمان و مکان است و اعمال مجرمانه می توانند در کانون های جرم خیز در یک مکان و زمان واحد قرار گیرند. هدف این مطالعه، ارائه یک روش سیستماتیک برای شناسایی و نمایش کانون های مکانی و زمانی جرم خیزی است. این روش، اطلاعات مکانی و زمانی را به گونه ای ترکیب می کند تا به طور شهودی پروفایل زمانی کانون های جرم خیز در سطح خرد و کلان (ساعت، سال) قابل ارزیابی باشد. بدین منظور تعداد 5573 فقره سرقت از منازل مسکونی در شهر بوستون آمریکا در بازه زمانی سال 2015 تا 2018 به عنوان جامعه آماری مورد مطالعه قرار گرفت و از قابلیت های GIS برای انجام آزمون های آماری و گرافیکی به منظور شناسایی و نمایش کانون های مکانی و زمانی جرم خیزی استفاده شد. در این تحقیق چهار کانون جرم خیز در خصوص سرقت از منازل مسکونی با استفاده از آزمون تراکم کرنل شناسایی شد. نتایج نشان داد که 78 % سرقت از منازل مسکونی در این چهار کانون مکانی جرم خیزی رخ می دهد که تنها 25 % از کل مساحت منطقه مورد مطالعه را در برمی گیرند. یافته های تحقیق نشان داد که ترکیب کانون مکانی زمانی جرم خیزی با تحلیل زمانی به صورت یکجا و بدون در نظر گرفتن کانون های مکانی جرم خیز در بازه های ماهانه، روزانه و ساعتی تفاوت های قابل ملاحظه دارد؛ اما نتایج تحلیل سالیانه هر چهار کانون در چهار سال مورد بررسی نشان داد که بیشترین میزان وقوع سرقت در سال 2016 و کم ترین میزان سرقت در سال 2018 بوده است. همچنین نتایج نشان داد که بیشترین فراوانی وقوع سرقت از منازل مسکونی در کانونی رخ داده است که کوچک ترین مساحت را در بین کانون ها داشته است.