علی اصغر آل شیخ

مقدمه: سیستم های پاسخ اضطراری هوشمند از فنّاوری های مدرن مانند اینترنت اشیاء (IoT) استفاده می کنند تا بهبود عملکرد واحدهای واکنش اضطراری را فراهم کنند. این سیستم ها به منظور بهبود کیفیت خدمات، کاهش هزینه ها و افزایش نظارت بر فرایند واکنش اضطراری طراحی شده اند. از جمله اهداف اصلی این سیستم ها می توان به بهینه سازی مسیر واکنش اضطراری از طریق ارتباط با اشیا و جمع آوری داده های مکانی اشاره کرد. این سیستم ها با استفاده از مدل های مسیریابی مبتنی بر اینترنت اشیاء، قادر به بهینه سازی مسیر واکنش اضطراری هستند و باعث بهبود تجربه کاربران می شوند. به عبارت دیگر، این سیستم ها از اطلاعات جمع آوری شده توسط اینترنت اشیاء برای بهبود فرایند اضطراری استفاده می کنند. سیستم های پاسخ اضطراری هوشمند نقش مهمی در بهبود کارایی واحدهای واکنش اضطراری و ارتقای سطح خدمات در مواقع اضطراری دارند. این سیستم ها به صورت کامل در دسترس اند و باعث افزایش بهره وری و کارایی در مواقع اضطراری می شوند. مواد و روش ها: یک زیرساخت داده های مکانی برای یکپارچه سازی سیستم و افزایش تلاش های واکنش اضطراری ایجاد شده است که امکانات بسیار مهمی برای بهبود خدمات پزشکی فوری فراهم می کند. این زیرساخت شامل یک پورتال است که مسیر بهینه از محل حادثه تا مرکز پزشکی را به دقت بر روی نقشه نمایش می دهد تا به تیم پزشکی کمک کند با سرعت و کارایی بیشتر به فرد مجروح برسند. علاوه براین، این پورتال امکان انتقال اطلاعات حسگر مانند علائم حیاتی فرد مصدوم را به تلفن همراه پزشک در آمبولانس از طریق بلوتوث فراهم می کند که این اطلاعات به طور هم زمان برای ارزیابی بیشتر به اشتراک گذاشته می شوند تا در صورت اضطرار، به سرعت و با دقت مناسب به فرد مجروح کمک کنند. این سامانه باعث افزایش کارایی و سرعت در واکنش به حوادث اضطراری می شود و امکان دسترسی سریع و بهینه به خدمات پزشکی را فراهم می کند. به طور خلاصه، این زیرساخت داده های مکانی بهبود چشمگیری در عملکرد واکنش به حوادث اضطراری درمانی داشته و امکان ارائه خدمات بهبودیافته و بهینه تر در حوادث اضطراری را فراهم کرده است. نتایج و بحث: مراکز پزشکی اهمیت موضوع بهداشت و درمان را اولویت خود می دانند. برای تعیین این اولویت ها و بهبود فرایند تخصیص منابع، از یک مدل وزن دهی سلسله مراتبی آنلاین استفاده می کنند. این مدل به بهینه سازی تخصیص منابع براساس اطلاعات بهداشتی بی درنگ مصدومان کمک می کند. در یک مورد آزمایشی که برای این مدل انجام شد، یک مصدوم با موفقیت در منطقه 5 تهران تحت درمان قرار گرفت. استفاده کارآمد از اینترنت اشیاء و زیرساخت داده های مکانی، این مرکز پزشکی را قادر به بهبود و بهینه سازی خدمات درمانی خود کرد. این نتایج نشان دهنده اهمیت اطلاعات مکانی در کنار داده های پزشکی و فنّاوری اینترنت اشیاء در بهبود خدمات پزشکی و افزایش کیفیت درمان است.نتیجه گیری: سیستم های واکنش اضطراری سنتی بیشتر براساس مکانیسم های سنتی و فاقد فنّاوری مدرن مانند اینترنت اشیاء و یکپارچه سازی داده های مکانی عمل می کنند. به همین دلیل، این سیستم ها ممکن است با مشکلاتی همچون تأخیر در ارسال کارکنان اورژانس به محل حادثه و کمبود اطلاعات دقیق و سریع از بیمار مواجه شوند. اگر فنّاوری های مدرن مانند هوش مصنوعی، اینترنت اشیاء و سیستم های اطلاعات جغرافیایی به این سیستم ها اضافه شوند، می توانند مشکلاتی را که در سیستم های سنتی واکنش اضطراری وجود دارد، حل کنند. این فنّاوری ها امکان پاسخ سریع تر و کارآمدتر به بحران ها را فراهم می کنند و به سازمان های ذی ربط از جمله سازمان مدیریت بحران کمک می کند تا تصمیمات بهتری برای تخصیص منابع در شرایط اضطراری بگیرند و عملکرد کلی خود را بهبود بخشند. با استفاده از داده های جمع آوری شده توسط این فنّاوری ها، سازمان های اضطراری می توانند بهبودی محسوسی در پاسخ به شرایط اضطراری ایجاد کنند و هزینه های زمانی، مالی و انسانی را کاهش دهند. به طور کلی، این رویکرد جدید به سیستم های واکنش اضطراری امکان پذیری بهتری در مواجهه با بحران های مختلف و بهبود کارایی واکنش به اضطرار را فراهم می آورد.

طوفان های گردوغبار بلایایی طبیعی اند که در زندگی انسان و محیط زیست تأثیر چشمگیری گذاشته اند. توسعه مدل هایی، به منظور پیش بینی مسیر حرکت این طوفان ها، در پیشگیری و مدیریت طوفان های گردوغبار نقش بسزایی ایفا می کند زیرا مسیر انتقال آنها را آشکار و مناطق آسیب پذیر بعدی در برابر طوفان را مشخص می کنند. به لطف امکانات روش های یادگیری عمیق در حل مسائل مبتنی بر سری زمانی و یافتن الگوهای پنهان از حجم داده کلان، در این پژوهش، یک مدل ترکیبی شبکه عصبی پیچشی (CNN) به منظور پیش بینی مسیر حرکت طوفان گردوغبار، براساس داده عمق نوری هواویز (AOD) محصول MERRA-2 برای دوازده ساعت آینده، توسعه داده شده است. همچنین چهل رویداد طوفان، شامل 2489 ساعت طوفان در منطقه ای خشک در مرکز و جنوب آسیا، به منظور آموزش مدل به کار رفته است. نتایج نشان می دهد که مدل پیشنهادی پیش بینی دقیقی از مسیر حرکت طوفان به دست می دهد؛ به گونه ای که درمورد گام های زمانی 3، 6، 9 و 12 ساعت آینده، مقادیر دقت کلی به ترتیب برابر با 9806/0، 9810/0، 9813/0 و 9790/0، مقادیر امتیاز F1 به ترتیب برابر با 8490/0، 8524/0، 8530/0 و 8384/0 و مقادیر ضریب کاپا به ترتیب برابر با 8387/0، 8424/0، 8431/0 و 8273/0 است.

حدود ۸۰% از حمل ونقل جهانی در بستر دریا انجام می شود؛ بنابراین، به منظور حفظ ایمنی عبورومرور کشتی ها، پیش بینی دقیق حرکت آنها اهمیت ویژه ای دارد. ازآن جاکه پارامترهای زمینه ای گوناگونی در حرکت کشتی ها تأثیر می گذارد، یکی از چالش های اصلی در حوزه محاسبات زمینه آگاه حرکت کشتی ها شناسایی پارامترهای زمینه ای بهینه مؤثر در حرکت کشتی است که ضرورت تحقیق حاضر را می رساند. در این راستا، با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت و انتخاب پارامتر به شیوه پوشانه (Wrapper)، اقدام به شناسایی پارامترهای زمینه ای بهینه برای پیش بینی حرکت کشتی شد. به این منظور، داده های سیستم شناسایی خودکار کشتی ها، جمع آوری شده در دسامبر سال ۲۰۱۷ از ساحل شرقی آمریکا، به کار رفت. تمامی ترکیبات ممکن از سه پارامتر زمینه ای سرعت، جهت و احتمال حضور کشتی در هر نقطه از دریا، با روش پوشانه، در مدل پیش بینی یادشده ارزیابی شد. در ارزیابی ها، ۷۰% از داده ها برای آموزش و مابقی برای اعتبارسنجی متقابل به کار رفت. طبق نتایج، پارامترهای سرعت و احتمال حضور به منزله پارامترهای زمینه ای بهینه شناسایی شد؛ به صورتی که دقت مدل با ورودی های بهینه 26.98% بهتر از مدلی است که در تمام پارامترهای زمینه ای در دسترس به منزله ورودی به کار رفته و نیز 16.14% بهتر از مدل بدون زمینه است؛ بنابراین، شناسایی پارامترهای زمینه ای بهینه از میان پارامترهای در دسترس و استفاده از آنها می تواند به بهبود دقت کمک کند

آدمی در طول تاریخ همواره برای تأمین نیازهای اصلی خود به محیط زیست خود متکی بوده است اما اثراتی را بر سرزمین به خاطر اعمال مدیریت ها و مداخلات درست یا نادرست وارد می نماید؛ به همین جهت، بررسی توان بوم شناختی برای توسعه آینده سرزمین اهمیت می یابد. از طرفی توسعه پایدار هنگامی محقق می شود که از سرزمین به تناسب ظرفیت های آن استفاده گردد.  این مسئله در حوضه آبخیز طالقان که دارای قابلیت های بالقوه فراوان و تنوع زیست محیطی است، اهمیت دوچندان دارد و شایسته است از این قابلیت ها به شکل بهینه استفاده شود. به همین منظور فرآیند ارزیابی بوم شناختی جهت تعیین مطلوبیت این حوضه برای گسترش کاربری های جنگلداری، اکوتوریسم گسترده و کاربری شهری و روستایی با استفاده از مدل تصمیم گیری چندمعیاره و GIS انجام گردید. فرآیند عملی پژوهش پس از مطالعات کتابخانه ای، جمع آوری و پردازش اطلاعات مورد نیاز آغاز گردید. تمامی معیار ها براساس مدل اکولوژیک دکتر مخدوم استخراج شد، میزان مطلوبیت هر معیار، جداگانه برای هر کاربری و با تشکیل تابع عضویت فازی به دست آمد؛ سپس با استفاده از نظرات کارشناسان و با به کار گیری روش تحلیل سلسله مراتبیAHP، وزن معیار ها تعیین شدند. در مرحله بعد عملیات همپوشانی نقشه های معیار کاربری بهینه انجام گردید و در نهایت محدودیت های حوضه آبخیز از آن خارج شدند. نتیجه نهایی به صورت نقشه هایی است که منطقه مورد مطالعه را برای توسعه انواع کاربری های مورد نظر ارزیابی کرده است. طبق نتایج به دست آمده 9% از مساحت حوضه برای توسعه شهری و روستایی، 5% برای کاربری اکوتوریسم گسترده و 86% برای کاربری جنگلداری مناسب است؛ همچنین 70% از مساحت حوضه برای توسعه شهری، 85% برای کاربری اکوتوریسم گسترده و 12% برای کاربری جنگلداری نامناسب ارزیابی شدند. توجه به نتایج به دست آمده می توان چنین تحلیل کرد که حوضه آبخیز طالقان با داشتن محدودیت به لحاظ دارا بودن شیب بالا، ارتفاع زیاد و پتانسیل  لرزه خیزی نسبتا زیاد، از لحاظ طبیعی قابلیت محدودی جهت توسعه در حوزه شهر و روستا و همچنین صنعت اکوتوریسم دارد.

سیستم حمل ونقل ریلی از تعامل مجموعه ای از تجهیزات و عملیات تشکیل شده است که توانایی و ظرفیت یک سیستم ریلی در حمل ونقل بار و مسافر را تعیین می کند. بدین منظور، محاسبه ظرفیت و پیش بینی نحوه تغییرات آن مهم است و شناخت آن کمک شایانی به ارتقای سطح بهره برداری شبکه ریلی می کند. روش های گوناگونی برای محاسبه ظرفیت وجود دارد که با توجه به نوع شبکه و شیوه استفاده از این روش ها، می توان از آنها بهره گرفت. برای محاسبه ظرفیت، از توانمندی های سیستم های اطلاعات مکانی استفاده می شود و با کمک یک سیستم اطلاعات مکانی تحت وب، وضعیت ظرفیتی عملیاتی شبکه ریلی به صورتی نوین و با کارآیی بیشتر از روش های متداول تعیین می شود. برای این کار، از محیطی GISمبنا استفاده شده که به پایگاه داده های گوناگون شرکت راه آهن جمهوری اسلامی ایران، ازجمله پایگاه سیر و حرکت، متصل شده است و ضمن مشاهده وضعیت فعلی ظرفیتی شبکه، ازطریق رگرسیون خطی چندمتغیره، ظرفیت شبکه ریلی را در آینده تعیین می کند. تحقیق حاضر با استفاده از رگرسیون خطی، ظرفیت راه آهن را طی مطالعه ای موردی در ایران، برای سه مسیر انتخاب شده پیش بینی می کند و بلاک های مهم را برای بررسی تأثیر پارامترهای مکانی در تعیین ظرفیت شبکه راه آهن، مشخص می کند. با استفاده از داده های سال 96 (استخراج شده از وب سرویس مکانی راه آهن)، پیش بینی ظرفیت در سال 97 در محیط GIS انجام شد. نتایج نشان داد که استفاده از ظرفیت مسیرهای انتخابی برای مسیر قطارهای باری 82%، مسیرهای مسافری 56% رفت و 62% بازگشت و برای مسیرهای ترکیبی نیز 79% بود. همچنین، دقت پیش بینی مدل برای قطارهای باری 35% بهتر از قطارهای مسافری است که این به دلیل تفاوت در تغییر سرعت و حداکثر سرعت مجاز درمورد این دو نوع قطار است. دقت مدل سازی با نوع قطعه ارتباط مستقیم دارد؛ بنابراین، در مسیر مسافری، ظرفیت مدل سازی قطارهای مسافری تقریباً 45% دقیق تر بوده است. به همین ترتیب، در مسیر باری، دقت تخمین ظرفیت این قطارها بیشتر از قطارهای مسافری و تقریباً 45% بوده است.

انتخاب مکان به منظور احداث یک فروشگاه جدید برای خرده فروشی تصمیمی بسیار مهم است زیرا هزینه های زیادی را دربر دارد و فردی که فروشگاه جدیدی را احداث می کند، خود را در معرض خطر مالی قرار می دهد . موقعیت مکانی به خریدکردن اولیه ی مصرف کننده از یک فروشگاه و وفاداری نسبت به آن تأثیر می گذارد . از این رو تجزیه و تحلیل موقعیت مکانی برای فروشگاه های خرده فروشی بسیار اهمیت دارد . با این که انتخاب مکان برای یک خرده فروشی همیشه دشوار بوده است، وضعیت رقابتی کنونی هم این تصمیم گیری را دشوارتر کرده است، زیرا فروشگاه ها به طور گسترده ای، با رقابت زیاد مواجه هستند . بنابراین تصمیم گیری برای یافتن محل یک فروشگاه جدید نیازمند یک راهبرد مکانی است . بسترهای خدمات دهی برخط تابع یک سری قیود هستند: به عنوان مثال، فقط به بخشی از شهر خدمات ارائه می کنند و این امر باعث می شود مدل های تعامل مکانی را نتوان بر روی کل شهر اجرا کرد. لذا در این مقاله با تکیه بر مدل تعامل رقابتی ضربی از نظریه مکان خرده فروشی، یک مدل بازاریابی مبتنی بر مکان برای خرده فروشی ها توسعه داده شده است که به راهبردهای مکانیابی برای احداث یک شیرینی فروشی جدید کمک می کند. ابتدا ویژگی هایی که در جذب مصرف کننده به شیرینی فروشی ها تأثیر دارد، تعیین می شود. سپس با استفاده از ابزارهای سیستم اطلاعات مکانی داده ها مورد تجزیه و تحلیل قرار گرفته و مدل پیاده سازی می گردد. نتایج تحقیق نشان می دهد که مدل پیشنهادی توانسته است با میانگین خطای 17.07 درصد به پیش بینی رفتار مصرف کننده بپردازد و به افراد در مکانیابی فروشگاه جدید با توجه به ویژگی های فروشگاه، رقبا و محیط کمک کند . مدل پیشنهادی این تحقیق می تواند برای افزایش دقت در مکانیابی مراکز خرید دیگر هم استفاده شود .

توسعه ناهمگون شهری و عدم پیش بینی صحیح در زمینه توسعه شهرها مشکلات متعددی را در شهرها ایجاد می کندف از جمله این مشکلات، کمبود تسهیلات شهری و نامناسب بودن مکان قرارگیری تسهیلات مانند بیمارستان، ایستگاه آتش نشانی و ... جهت خدمات رسانی به مردم است. در این میان منطقه 22 شهر تهران که بزرگ ترین قطعه پایتخت محسوب می شود، در سال های اخیر شاهد رشدی فزاینده بوده است. این منطقه که دربردارنده برج ها و ساختمان های بلندمرتبه است و جمعیت زیادی را در خود جای داده است، نیازمند توجه بیشتری از لحاظ نحوه خدمات رسانی تسهیلات اورژانسی و از آن جمله ایستگاههای آتش نشانی می باشد. با توجه به این که ایستگاههای آتش نشانی جهت خدمات رسانی بهینه باید در زمانی کمتر از 5 دقیقه به محل حادثه برسند، هدف این پژوهش کمینه کردن زمان رسیدن ماشین های آتش نشانی به محل حادثه و بررسی وضعیت تخصیص یا تعداد مردمی است که می توانند از خدمات بهره مند شوند. جهت حل این مسئله از رویکرد ترکیبی مدل میانه تخصیص برداری که رویکردی کاملا نو در زمینه مکانیابی و تخصیص است در محیط سیستم اطلاعات مکانی استفاده می شود. از آنجایی که مسائل تخصیص در زمره مسائل سخت قرار دارند، از الگوریتم جستجوی ممنوعه جهت حل مسئله استفاده گردید. پس از انجام آنالیز حساسیت و تنظیم بهترین پارامترها برای الگوریتم جستجوی ممنوعه، مدل تخصیص برداری در منطقه 22 اجرا شد. نتایج پژوهش نشان داد که 7 ایستگاه موجود قادر نیستند در کمتر از 5 دقیقه به تمام جمعیت منطقه خدمات رسانی کنند و 28040 نفر بدون دسترسی به خدمات باقی خواهند ماند. در نتیجه لازم است که حداقل 2 ایستگاه دیگر نیز جهت خدمات رسانی بهینه در منطقه ایجاد شود؛ همچنین با وجود دشوار بودن مدل میانه تخصیص برداری مشخص شد که این الگوریتم قادر است در حل مسائل با سایز متوسط جواب های راضی کننده ای را در مدت زمان کوتاهی فراهم کند.

رشد و توسعه شهرها در سال های اخیر و به تبع آن افزایش جمعیت شهرها، مشکلات عدیده ا ی را برای ساکنان به وجود آورده است که از آن جمله معضلات ایجاد شده در حمل و نقل است.حمل و نقل و جابجایی انسان و کالا فعالیتی مهم برای هر جامعه انسانی به شمار می آید و تأثیرات عمده ای بر روی الگوهای زندگی و تعاملات اجتماعی مردم خواهد داشت.  ایستگاه های اتوبوس یکی از اجزای مهم این سیستم به شمار می آید و لازم است ایستگاه ها در محل هایی تعبیه شوند که باعث افزایش پوشش این سیستم در مناطق مختلف شهر شوند.  لذا لازم است ایستگاه های سیستم اتوبوس رانی بر اساس چگونگی توزیع جمعیت و تنوع کاربری ها در مناطق مختلف شهری، طوری مکان یابی گردند که علاوه بر افزایش دسترسی کاربران به این سیستم، زمان سفر را نیز کاهش دهند.بر اینا ساس در پژوهش حاضر به برنامه ریزی مکانی زمانی ارائه خدمات حمل و نقل شهری عمومی با استفاده از مدل های مکان مبنا در منطقه  6  تهران پرداخته شد.  پس از مطالعه و بررسی های لازم بر روی منطقه موردنظر،  17  شاخص در قالب سه معیار دسترسی، معیار جمعیتی و وضعیت تردد تعیین گردید.  به منظور ارزیابی وضعیت ایستگاه های موجود و پیشنهاد ایستگاه های جدید در منطقه مورد مطالعه از نتایج مدل تحلیل شبکه  (ANP) و مدل زمانی آلن[1]، بهره برده شد.  نتایج تحقیق نشان داد که از لحاظ مکانی، از کل مساحت  1557.5 هکتاری منطقه حدود 51 درصد در وضعیت مناسب و نسبتاً مناسب،  30.45 درصد وضع متوسط و حدود  35.1 درصد از کل مساحت منطقه در وضعیت نسبتاً نامناسب و نامناسب قرار دارد؛ و از لحاظ زمانی، از  246 ایستگاه موجود و پیشنهادی،  17  ایستگاه دارای اشتراک زمانی نمی باشند،  229 ایستگاه دارای اشتراک زمانی می باشند، بنابر این از ایستگاه های دارای اشتراک زمانی برای سرویس دهی بیشتر استفاده می شود.  پیشنهاد می شود برای ایستگاه های دارای پنج اشتراک، اتوبوس هر  5  دقیقه یکبار، برای ایستگاه های دارای چهار اشتراک نیز هر  5  دقیقه، برای ایستگاه های دارای سه اشتراک هر  10 دقیقه، برای ایستگاه های دارای دو اشتراک هر 15  دقیقه و برای ایستگاه های دارای یک اشتراک هر  20  دقیقه اتوبوس از ایستگاه عبور کند.

آنالیز مکانیابی و تخصیص یکی از مهمترین آنالیزهای شبکه و در زمره آنالیزهای بسیار کاربردی در GIS می باشد. این آنالیز مدلهای مختلفی را شامل می شود که هر یک برای حل مسائل مختلفی کاربرد دارند. اخیرا یک مدل جدید به نام VAOMP (مدل میانه تخصیص برداری ترتیبی) توسعه داده شده است که می تواند بسیاری از مسائل مختلف را حل کند. با توجه به اینکه مسائل مکانیابی و تخصیص در زمره مسائل بسیار سخت هستند حل آنها به روشهای دقیق تقریبا ناممکن است. بنابراین تحقیق حاضر جهت حل مسئله تخصیص مناسب جمعیت به ایستگاههای آتش نشانی موجود که از جمله تسهیلات اضطراری هستند و بررسی تخصیص بهینه آنها از اهمیت زیادی برخوردار است، از مدل VAOMP و الگوریتم ژنتیک و تبرید با سه هدف کمینه کردن زمان رسیدن خودروهای آتش-نشانی به محل تقاضاها، کمینه کردن فاصله و بیشینه کردن پوشش هر ایستگاه در شعاع 5 دقیقه، در منطقه 21 و 22 شهر تهران استفاده می کند. نتایج تحقیق نشان می دهد که الگوریتم ژنتیک در زمان کوتاهتر، جوابهای با کیفیت تری را تولید می کند ضمن اینکه تعداد 10 ایستگاه موجود در منطقه 21 و 22 تهران جهت سرویسدهی به کل تقاضاهای موجود در منطقه کافی نیست و تعداد 55240 نفر بدون خدمات خواهند ماند و حداقل باید 13 ایستگاه در منطقه ایجاد کرد.

ظرفیت حمل بار و مسافر در یک شبکه ریلی، تابعی از پارامترهای مختلف است. با توجه به هزینه بسیار بالای احداث خطوط ریلی، استفاده بهینه از ظرفیت شبکه ریلی می تواند کمک شایانی به ارتقاء سطح بهره برداری شبکه کند. بنابراین هدف از این پژوهش، محاسبه مکان مند ظرفیت شبکه ریلی کشور، بر مبنای پارامترهای تأثیرگذار است. در این مقاله، با استفاده از داده های سیر و حرکتی قطارها، اقدام به طراحی و تولید نرم افزار مکان مند محاسبه ظرفیت خطوط شد؛ سپس خروجی های حاصل، با داده های روزانه و برخط عملکرد قطارهای باری ارزیابی و مقایسه شد. در ادامه، میزان استفاده از ظرفیت هر مسیر و میزان ظرفیت باقی مانده در هر بلاک و مسیر نیز مشخص شد. بر اساس تحلیل ها، کمیت ظرفیت در مسیرهای منتخب دو خطه مسافری سمنان-شاهرود، تک خطه باری یزد-بافق و تک خطه ترکیبی اراک-دورود به ترتیب 2.6 برای مسیر رفت و 2.9 برای برگشت، 13.6 و 12.7 زوج قطار محاسبه شدند. با توجه به روال فعلی محاسبات، محاسبه برخط، با اتصال به پایگاه داده های مرتبط، انجام محاسبات مکان مند و امکان تبادل وب سرویس مکانی با نرم افزارهای مختلف، می تواند باعث افزایش سرعت و دقت در محاسبه ظرفیت شبکه ریلی شود. از طرفی، در معادله محاسبه ظرفیت (معادله اسکات) که در ایران استفاده می شود، تاکنون مرسوم بوده است ضریب تعدیل قطار مسافری توسط متخصصان سیر و حرکت تعیین شود، در حالی که در این مقاله، از آنجا که اطلاعات هر مسیر، قابل دسترس است، این ضریب از نسبت تعداد قطارهای مسافری به حداکثر تعداد آن در طول دوره مورد نظر محاسبه می شود. ضریب به دست آمده، با ضریب تعیین شده توسط کارشناسان، مقایسه شده و نتیجه قابل قبول بود. در نهایت با دسترسی به خروجی ها در محیط GIS، راهکارهای مدیریتی جهت استفاده بهینه از ظرفیت باقیمانده، ارتقاء ظرفیت بخش هایی از شبکه و رفع گلوگاه های شبکه ریلی پیشنهاد شد.

جنگل های زاگرس بیشترین تأثیر را در تأمین آب، حفظ خاک و تعدیل آب  و هوای کشور دارد. با این وجود بخش قابل توجهی از این جنگل ها دچار پدیده ی زوال درختان بلوط شده است. مشخص نبودن پارامترهای مؤثر در زوال و نحوه ی ارتباط پارامترها، از جمله عواملی هستند که باعث سخت تر شدن شناخت و مدل سازی این پدیده می شود. هدف این پژوهش تعیین پارامترهای تاثیرگذار برای مدل سازی زوال درختان بلوط و مدل سازی این پدیده با استفاده از شبکه های عصبی مصنوعی در استان لرستان است. در ا ین پژوهش، پارامترهای دما، بارش، ارتفاع، شیب، جهت، نوع خاک و میزان ریزگردها به عنوان پارامترهای اولیه انتخاب شدند. همچنین از عملگرهای ضرب، لگاریتم، تبدیلات هذلولی و آنالیز مؤلفه های اصلی برای ترکیب پارامترها استفاده شد. به دلیل معلوم نبودن نحوه ی ارتباط و میزان اثر هر پارامتر، از شبکه های عصبی مصنوعی برای مدل سازی پدیده زوال استفاده شد. در مجموع 385 ترکیب مختلف از پارامترهای اولیه، با استفاده از عملگرهای فوق تولید و در سه معماری پیش خور با سه لایه پنهان، احتمالاتی و معماری ماشین بردار پشتیبان در شبکه های عصبی، (در مجموع تعداد 1155 شبکه ی عصبی) ارزیابی شد. نتایج ارزیابی نشان داد معماری احتمالاتی ( 87 /0= R ) با ورودی های ارتفاع، جهت، شیب، ریز گرد، نوع خاک و مؤلفه ی اصلی (بارش و دما) بهترین عملکرد را در مدل سازی زوال درختان بلوط دارد. با توجه به نتایج، استفاده از شبکه های عصبی مصنوعی احتمالاتی در شرایط عدم قطعیت و وجود دانش جزئی از پدیده، توصیه می شود. همچنین نتایج نشان دادند که استفاده از مؤلفه ی اصلی پارامترهای دما و بارش، استرس ناشی از خشکی را بهتر مدل می کند. استفاده از ترکیب بهینه ی پارامترها، در مدل احتمالاتی نسبت به ترکیب عادی، باعث افزایش 05/0 ضریب همبستگی شد .

   زمین لغزش از انواع مهم مخاطرات طبیعی است که امنیت جانی و مالی را مورد تهدید قرار می دهد و موجب تخریب محیط زیست و منابع طبیعی می شود. تهیه  نقشه های پهنه بندی از جمله اقداماتی است که از طریق آن می توان مناطق حساس به لغزش های آینده را شناسایی و از نتایج آن برای برنامه ریزی کاربری زمین، جلوگیری از فعالیت های عمرانی غیرمجاز، طرح ریزی زیرساخت ها و بهسازی و ترمیم آن ها استفاده کرد. این مطالعه با بهره گیری از سیستم اطلاعات مکانی و مدل های آنتروپی شانون و ارزش اطلاعاتی چارچوبی را برای تهیه نقشه مناطق حساس به زمین لغزش در منطقه رودبار الموت شرقی در استان قزوین که درگیر معضل زمین لغزش و ناپایداری های دامنه است، ارائه می دهد. در این راستا بعد از شناسایی عوامل مؤثر بر وقوع زمین لغزش و تهیه داده های مربوطه، نقشه های معیار شامل لیتولوژی، شیب، فاصله از گسل، کاربری اراضی، بارش، جهت شیب و ارتفاع برای محدوده مورد مطالعه با تفکیک پذیری مکانی سی متر تولید شد. برای تهیه لایه های اطلاعاتی و اجرای مدل از نرم افزار ArcGIS با توجه به قابلیت آن در تحلیل داده های مکانی، بهره گرفته شده است. ارزیابی نتایج با استفاده از شاخص احتمال تجربی نشان داد که هر دو مدل آنتروپی شانون و ارزش اطلاعات در برآورد پهنه های خطر متوسط، زیاد و خیلی زیاد می توانند به خوبی با مقدار شاخص احتمال تجربی 86 % در شناسایی مناطق مستعد زمین لغزش در منطقه مورد مطالعه عملکرد مناسبی داشته باشند. در برآورد پهنه های خطر زیاد و خیلی زیاد، مدل ارزش اطلاعات با مقدار شاخص احتمال تجربی 86 % در مقایسه با مدل آنتروپی شانون با مقدار شاخص احتمال تجربی 72 % از قابلیت بهتری برخوردار است. با توجه به نقشه های پهنه بندی لغزش، پهنه های با خطر زیاد و خیلی زیاد اغلب در باغ ها و مراتع فقیر و امتداد گسل های منطقه قرار دارند، لذا لازم است فعالیت های انسانی با هدف ساخت و ساز و توسعه را در این مناطق محدود کرد.

در تحقیق حاضر، با استفاده هم زمان از داده های ایستگاهی بارندگی و تبخیر تعرقِ واقعیِ حاصل از تصاویر ماهواره ای و روش فازی، کوشش شده است تا مناطق حساس در برابر خشک سالی در دشت نجف آباد واقع در استان اصفهان شناسایی شود. برای دست یابی به این هدف از داده های ایستگاه های هواشناسی و تصاویر ماهواره ای در یک دوره 25ساله استفاده شد. در این پژوهش سال های 1995، 2008، و 2015 به عنوان نمونه انتخاب شد و با اجرای الگوریتم سبال بر روی تصاویر ماهواره ای لندست تبخیر- تعرقِ واقعی محاسبه شد. سپس، با هم پوشانی فازی نقشه های بارندگی و تبخیر تعرق مناطق حساس شناسایی شد. نتایج حاصل گویای آن است که در سال 1995 نواحی جنوب و جنوب شرقی و بخش هایی از شرق دشت نجف آباد حساسیت بیشتری نشان داده اند. این در حالی است که در سال 2008، علاوه بر نواحی فوق الذکر، نواحی شرقی، مرکزی، و غربی نیز درگیر خشک سالی شده اند. در سال 2015 بخش های جنوب و جنوب شرقی به سبب برخورداری از بارش بیشتر از وضعیت خشک سالی خارج و از شرایط مطلوب تری برخوردار شده اند. ویژگی ممتاز این تحقیق کاربرد پارامترهای تکمیلی در سنجش حساسیت به خشک سالی است.

کلیه اسناد املاک قدیمی کشور که کاغذی هستند می بایستی به نقشه های رقومی و زمین مرجع تبدیل گردند. در رقومی سازی قطعات جهت ورود به سامانه حدنگاری، لازم است که فرم رقومی چندضلعی ازنظر مساحت و ابعاد محیطی با سند (قبلی) مطابقت داشته باشد. در فرایند رقومی سازی ویژگی های هندسی عوارض نظیر مساحت پلی گون ها تغییر می یابد. حفظ مطابقت طول ها و مساحت، مانع از بروز مغایرت در اسناد و ایجاد اختلافات ثبتی و معاملاتی می گردد. جهت رفع این مشکل در این تحقیق، در فرایند رقومی سازی با ثابت نگه داشتن طول های اضلاع برای حفظ مساحت پلی گون ها، زوایای رئوس پلی گون ها به عنوان مشاهده در نظر گرفته می شود و روشی مبتنی بر سرشکنی کمترین مربعات با استفاده از معادلات شرط ارائه می گردد. در این فرایند، مختصات جهانی به محل های ثابت نقشه رقومی شده نسبت داده می شود و با حفظ طول اضلاع و با کمترین تغییر موقعیت رئوس، مساحت درج شده در سند جهت مطابقت لازمه تأمین می گردد. برای بررسی این روش، یک نقشه کاغذی حاوی شش قطعه با مساحت های حدود هزار مترمربع در مقیاس 1:1000 اسکن گردید و رقومی سازی با تکیه بر حفظ مساحت و طول های پلی گون ها صورت گرفت. نتایج نشان می دهد که میانگین، حداکثر و حداقل مقدار جابه جایی رئوس توسط روش سرشکنی به طور متوسط به ترتیب برابر 31/19، 96/26 و 50/10 سانتی متر است که با توجه به مقیاس نقشه و قوانین حدنگاری قطعات زراعی و اراضی ملی ازنظر ثبتی قابل قبول بوده و تدقیق صورت گرفته در رقومی سازی با توجه به مطابقت ایجادشده مقبول و مطلوب است.

چگونگی رشد و گسترش شهرها همواره یکی از موضوعات چالش برانگیز در برنامه ریزی شهری بوده و تاکنون مدل های متعددی در خصوص رشد شهری ارائه شده است. هر چند بسیاری از این مدل ها روش تحقیق و یا فرضیات متفاوتی دارند ولی در یک نگاه عام می توان گفت این مدل ها تا به امروز اهداف مشترکی را دنبال کرده اند که همان ارائه درک بهتر از چگونگی تحولات شهری است. شهرها را می توان سیستم پیچیده ای دانست که از تعاملات عوامل گوناگون شکل گرفته اند. امروزه اتوماتای سلولی و روش عامل مبنا برای مدل سازی سیستم های پیچیده در طیف وسیعی از مطالعات بکارگرفته شده اند. روش عامل مبنا با قابلیت ذاتی شبیه سازی تعاملات اجتماعی و محیطی ابزار مناسبی برای مدل سازی سیستم های پیچیده است و اتوماتای سلولی نیز توانایی مناسبی در مدل سازی پدیده های منتشر شونده دارد. لذا در این تحقیق سعی شده است با ترکیب اتوماتای سلولی نامنظم و سیستم چند عامله، مدلی پویا از چگونگی رشد مناطق مسکونی در مقیاس پلاک های شهری ارائه شود. در مدل ارائه شده از اتوماتای سلولی به منظور محاسبه تناسب کلی اراضی برای توسعه استفاده شده است. در این محاسبه از فاکتورهای همسایگی، تناسب فیزیکی، دسترسی و قیود مکانی در قالب 12 معیار مکانی استفاده شده است. پنج عامل شامل عامل برنامه ریز شهری، عامل توسعه دهنده و عامل های خانوار در سه گروه درآمدی بالا، متوسط و پایین به مدل معرفی شدند. مدل پیشنهادی در شهرک مسکونی ناجی آباد کاشان پیاده سازی شد و نتایج ارزیابی نشان داد که مدل ارائه شده با دقت 71 درصد قادر به پیش بینی رشد شهری است. برنامه ریزان شهری می توانند با تغییراتی در این مدل، آن را برای برنامه ریزی و مدیریت رشد شهری استفاده نمایند.

ارتقاء سطح تربیت در افراد برگزیده و مستعد جامعه، درگرو احداث مراکز تربیتی استعدادهای برتر می باشد که می تواند افرادی را تربیت نماید که در آینده ای نزدیک مسئولیت های مهمی را در سطوح ملی عهده دار شوند. شهر کرج به لحاظ داشتن تراکم جمعیتی زیاد در سال های اخیر و همچنین تنوع در برخورداری از سطوح اجتماعی-اقتصادی متفاوت، ضرورت بیشتری نسبت به سایر شهرهای ایران جهت احداث مراکز تربیتی استعدادهای برتر دارد. در این تحقیق از مدل فرآیند تحلیل شبکه برای رتبه بندی معیارهای دخیل در مکان یابی استفاده شده است. ابتدا معیارهای مؤثر در فرآیند مکان یابی تعیین و در قالب داده های جغرافیایی در نرم افزار ArcGIS آماده سازی شده اند. سپس لایه های اطلاعاتی در فرآیند تحلیل شبکه ای وزن دهی و آنگاه همپوشانی وزن دار لایه های جغرافیایی باارزش های نسبی به دست آمده صورت پذیرفت. در انتها مکان های پیشنهادی مراکز تربیتی بر اساس اهمیت، اولویت بندی شدند. نتایج این تحقیق نشان داد که به ترتیب اولویت، مراکز جمعیتی رجایی شهر، عظیمیه، شاهین ویلا در رتبه اول تا سوم جهت احداث مراکز تربیتی استعدادهای برتر قرار دارند.

طوفان های گردوغبار یکی از مهم ترین چالش های اخیر در منطقه غرب آسیا محسوب می شود. این پدیده به علت خشکسالی شدت بیشتری یافته و آثار منفی فراوانی در زندگی مردم منطقه گذاشته است. ازآنجاکه این منطقه در کمربند خشک و گردوغباری جهان قرار گرفته، ضروری است تا ابعاد گوناگون ریزگردها به خوبی واکاوی شود. پیش بینی و مدلسازی این پدیده می تواند از به خطر افتادن جان میلیون ها انسان جلوگیری کند. بنابراین، ارائه مدلی منطقه ای برای بررسی ابعاد گوناگون این پدیده ضروری است. المان های هواشناسی و اقلیمی مؤثر در پدیده ریزگرد همواره درحال تغییرند بنابراین، باید از مدل های مکانی- زمانی برای مدلسازی و بصری سازی آن بهره برد. بدین منظور، در این مطالعه با استفاده از قابلیت های مدلسازی مکانی- زمانی سیستم اطلاعات مکانی (GIS) و داده های به دست آمده از سنجش از دور (RS) همچون سرعت باد، رطوبت خاک، بافت خاک و مدل ارتفاعی زمین مدلی برای برآورد میزان گردوغبار برخاسته از سطح زمین طراحی و توسعه داده شد. مدل طراحی شده که DustEM (Dust Emission Model) نامیده شده است، میزان انتشار جریان های افقی ریزگرد را محاسبه می کند. در این مطالعه مدلسازی برای بازه زمانی سال 2001 تا 2007 صورت گرفت و نتایج به دست آمده از آن با داده های AOD سنجنده MODIS ارزیابی شد. به منظور شناسایی مناطق با فعالیت ریزگرد بالا، خروجی مدل در سه طبقه مناطق با فعالیت کم، متوسط و زیاد با استفاده از حد آستانه های 3/0 و 6/0 برای شاخص AOD طبقه بندی شد و این مدل به صورت مکانی- زمانی مناطق بحرانی را شناسایی می کند. میانگین شاخص صحت برای دوره مورد مطالعه % 6/73 به دست آمد که بیانگر دقت بالای مدل در شناسایی مناطق بحرانی است.

مقدمه: انسان همواره با زلزله به عنوان مخاطر ه ای طبیعی در طول تاریخ مواجه بوده است و زیان های فیزیکی، اجتماعی، اقتصادی و زیست محیطی فراوانی را بر اثر آن متحمل شده است. بهترین راه مقابله با این تهدید، ایجاد و حفظ آمادگی است که یکی از راهکارهای اساسی، آگاهی از درجه آسیب پذیری شهر در مقابل آن است. روش: معیارهای مختلفی در مدل سازی آسیب پذیری شهر دخیل هستند که اکثر آنها ماهیت مکانی دارند، لذا مدل سازی آسیب پذیری یک مسئله ارزیابی چندمعیاره مکانی می باشد. در این تحقیق 11 شاخص آسیب پذیری توسط کارشناسان و مطالعه تحقیقات گذشته استخراج شد و مدل سازی در شرایط عدم قطعیت با استفاده از منطق فازی و ترکیب خطی وزن دار صورت پذیرفت. نتیجه گیری: با توجه به اینکه نزدیک به 70 درصد ساختمان های شهر بابل از آسیب پذیری متوسط به بالا برخوردارند، می توان شهر بابل را شهری آسیب پذیر در مقابل زلزله دانست که باید اقدامات اساسی مدیریت بحران قبل وقوع زلزله در دستور کار مسئولان مربوطه قرار بگیرد

انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم های مختلف هوش جمعی، دیده می شود. مسئلة فروشنده دوره گرد از مسائلی است که می توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه سازی کلونی مورچه ها، الگوریتم هوش جمعی بهبود می یابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره گرد در مقیاس بزرگ و برمبنای الگوریتم بهبود یافته کلونی مورچه ها و عملگرهای الگوریتم ژنتیک ارائه می شود. به منظور بررسی کیفیت جواب های به دست آمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه سازی کلونی مورچه ها و الگوریتم ژنتیک در مسیریابی بین مراکز استان ها مقایسه می شود. این مقایسه بهبود در جواب ها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیره سازی جواب های به دست آمده در شرایط گوناگون را نشان می دهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبود یافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می شود.