تحلیل زیست پذیری بافت های فرسوده شهری منطقه هفت تهران با استفاده از الگوریتم های یادگیری ماشین (مقاله علمی وزارت علوم)

چکیده

امروزه یکی از چالش های اصلی کلان شهرها، بافت های فرسوده شهری است. زیست پذیری به عنوان یکی از شاخص های مهم در بررسی وضعیت این بافت ها می تواند در شناسایی نیاز آن ها کمک کند. تحقیق حاضر با هدف استفاده از روش های مدل سازی یادگیری ماشین برای تحلیل داده های مربوط به زیست پذیری بافت فرسوده شهری در منطقه 7 تهران، شامل کشف الگوها و ساختارها در پاسخ های پرسشنامه و پیش بینی و ارزیابی آن ها انجام شده است. پژوهش از نظر هدف کاربردی و از حیث ماهیت و روش توصیفی -پیمایشی می باشد. جامعه آماری در این تحقیق، ساکنان محلات بافت فرسود منطقه هفت تهران با تعداد 190228 هزار نفر است و حجم نمونه آماری 383 نفر است که به صورت نمونه گیری احتمالی به روش تصادفی ساده انتخاب شده اند. داده های پژوهش با دو الگوریتم رگرسیون جنگل تصادفی و k-means مورد تحلیل قرار گرفتند. نتایج نشان داد که با استفاده از الگوریتم رگرسیون جنگل تصادفی سطح زیست پذیری هشت محله مورد پیش بینی قرار گرفت که محله گرگان با بالاترین امتیاز و محله شاهد با کمترین امتیاز زیست پذیری شناسایی شدند. و همچنین با استفاده از این الگوریتم ده گویه برتر با توجه به سؤالات پرسشنامه بر اساس اهمیت تشخیص داده شدند که عواملی مانند دسترسی به حمل ونقل عمومی، مراکز بهداشتی در بالاترین رتبه ها قرار داشتند. الگوریتم k-means داده های پرسشنامه را بر اساس شباهت ها در پاسخ ها به پنج خوشه تقسیم کرد تا الگوها و نیازهای متفاوت ساکنان را شناسایی نماید که در این الگوریتم، خوشه یک با 24 درصد از پاسخ دهندگان نارضایتی بالایی از کیفیت محیط زیست شهری و بهداشت عمومی را نشان دادند.