بهنام علیزاده اشرفی

هدف این پژوهش، ارزیابی ارزش های زیبایی شناختی جاذبه های گردشگری محور توریستی صور- توتاخانه در دو بعد عینی و ذهنی بوده است. بدین منظور، هشت مؤلفه شناسایی گردید. برای تعیین زیبایی شناختی عینی از شبکه عصبی مصنوعی و برای تعیین زیبایی شناختی ذهنی از آزمون های اسپیرمن و رگرسیون چندگانه استفاده شد. جامعه آماری پژوهش، 3324 گردشگر وارد شده به روستا است که با استفاده از فرمول کوکران، 275 نفر به روش تصادفی ساده به عنوان نمونه انتخاب شد. پایایی پرسش نامه با استفاده از فرمول آلفای کرونباخ 898/0 به دست آمد. نتایج یافته های پژوهش با استفاده از روش شبکه عصبی مصنوعی نشان داد که قابلیت دید قلل مرتفع پیرامون دارای بیشترین ارزش و قابلیت دید رودخانه های جاری دارای کمترین ارزش است. نتایج رگرسیون چندگانه در زمینه زیبایی شناختی ذهنی نشان داد که 8 مؤلفه، توانایی تبیین 9/68 درصد از تغییرات واریانس را دارد. همچنین نتایج هردو روش حاکی از ارزش بالای جاذبه های گردشگری این محور است.

تابع پالس پویا (DPF) (Dynamic Pulse Function) نسخه بهبودیافته ای از PF (Pulse Function) است. این تابع تصویر نهایی را بر اساس هندسه واقعی و متناسب با عرض و ارتفاع نما تولید می نماید. الگوریتم DPF در زمان نگاشت آن بر روی مدل سه بعدی، از اعوجاج تصویر جلوگیری می کند. با توجه به اینکه هر دو الگوریتم تابع پالس و تابع پالس پویا نوعی از روش های بافت سازی رویه ای محسوب می شوند، در این مقاله هدف ایجاد مدل هایی با سطح جزییات رده 3 (LoD3) است. در روش های برگرفته از الگوریتم DPF که با جزئیات LoD2 ایجاد می شوند، هندسه پنجره ها و درها در یک فایل شمای XML (Extensible Markup Language) که هیچ اتصالی با مدل سه بعدی برای مثال در فرمت CityGML (فرمت تبدیل داده-Data exchange format) ندارد، ذخیره می گردد و بافت تصویری به شکل دوبعدی و با واقع گرایی بالایی بدون مشکل خوابیدگی هندسه های فرورفته یا برآمده، ایجاد می گردد. در این تحقیق، پارامترهای مربوط به DPF با به کارگیری زبان برنامه نویسی Ruby در نرم افزار SketchUp Trimble، به منظور تولید خودکار موقعیت دقیق و عمق پنجره ها و درها با جزئیات LoD3 و بر اساس الگوریتم DPF به دست آمده است. مزیت استفاده از این روش، تولید خودکار تعداد انبوهی از هندسی های مشابه و بافت های تصادفی از نمای واقعی ساختمان است. پنجره ها و درها و سایر المان های نما با استفاده از پارامترهای الهام گرفته از DPF همراه با تعریف موجودیت ها و لایه های پنجره ها و عمق دقیق آن ها، به طور خودکار ایجاد می گردند. این الگوریتم می تواند کاربرد بسیاری در مدل سازی بناهای تاریخی داشته باشد که علاوه بر کیفیت بالا و حجم پایین، در آن می توان پایگاه داده مکان محور توصیفی برای همه المان ها ایجاد کرد.