مطالب مرتبط با کلیدواژه

حمل ونقل پایدار شهری


۱.

تحلیل سیاست های تغییر پارادایمی حمل ونقل پایدار شهری نمونه پژوهش: کلان شهر تبریز(مقاله علمی وزارت علوم)

کلیدواژه‌ها: حمل ونقل پایدار شهری تغییر پارادایمی راهبرد ASI کلان شهر تبریز

حوزه‌های تخصصی:
تعداد بازدید : ۴۶۱ تعداد دانلود : ۳۸۲
طرح مسئله: تغییرات پارادایمی در حوزه حمل ونقل شهری بر تغییر رویکردها و بنیان های برنامه ریزی، تصمیم گیری و سیاست گذاری از الگوی خودرومحور به الگوی انسان محور مبتنی است؛ از این رو انسان در هسته اصلی گفتمان پارادایم جدید قرار می گیرد. هدف: تحلیل تغییر پارادایمی سیاست های حمل ونقل کلان شهر تبریز به منظور دستیابی به حمل ونقل پایدار شهری، هدف اصلی این پژوهش است. روش پژوهش: پژوهش حاضر به لحاظ مبانی پارادایمی بر رویکرد پراگماتیسم مبتنی است. داده های کمّی با پرسش نامه پژوهشگرساخته از کارشناسان موضوع (360 نفر) گردآوری و برای تجزیه و تحلیل این داده ها از آزمون های تی تک نمونه ای، فریدمن و رگرسیون خطی استفاده شده است. داده های کیفی پژوهش نیز با مصاحبه اکتشافی و نیمه ساختاریافته با 30 نفر از مدیران و کارشناسان گردآوری و با بهره گیری از روش گراندد تئوری تحلیل شده است. نتایج: مدل پارادایمی یافته های کیفی پژوهش نشان می دهد ساختار اقتصادی کشور، سطح توسعه اجتماعی - اقتصادی کشور و فرایند گسترش شهرنشینی به مثابه بستر حاکم موجب شده است سیاست های تغییر پارادایمی حمل ونقل در کلان شهر تبریز به کُندی انجام گیرد و بعد زیرساختی - فنی بر سایر سیاست ها غلبه داشته باشد؛ همچنین یافته های کمّی ضمنتأیید نتایج کیفی نشان می دهد از بین سیاست های متنوع حمل ونقل پایدار، سیاست های «برنامه ریزی برای شیوه های حمل ونقل عمومی»، «اقدامات مدیریت ترافیک» و «محدودیت های سرعت»، تأثیرگذاری معناداری بر حمل ونقل کلان شهر تبریز دارند؛به طوری که ضریب استانداردشده (β)سیاست های یادشده بهترتیب 726/0، 583/0 و 508/0 بوده است که در سطح خطای کمتر از 01/0 معنا دارند. نوآوری: استفاده از چهارچوب تحلیلی مدل (ASI) و روش پژوهش آمیخته، نوآوری پژوهش حاضر به شمار می رود.
۲.

ارزیابی سیاست های توسعه پایدار در بخش حمل و نقل شهری با استفاده از مدل های سیستم پویایی؛ مطالعه موردی: شهر مشهد(مقاله علمی وزارت علوم)

کلیدواژه‌ها: حمل ونقل پایدار شهری مدل های سیستم پویایی سیاست

حوزه‌های تخصصی:
تعداد بازدید : ۹۳ تعداد دانلود : ۱۱۱
گسترش حمل ونقل شهری پیامدهایی از قبیل نرخ فزاینده تصادفات رانندگی، مصرف بی رویه انرژی های فسیلی، تولید آلاینده های مخرب سلامت انسان و محیط زیست و هزینه های کلان ناشی از این موارد را به دنبال دارد. ازاینرو، افزایش نیاز روزافزون به توسعه بخش حمل ونقل به عنوان یکی از ارکان اساسی توسعه یافتگی ضرورت دستیابی به حمل ونقل پایدار را تقویت می نماید. در این راستا، شناسایی و اولویت دهی به سیاست های توسعه پایدار حمل ونقل بسیار حایز اهمیت است. در مقاله حاضر تلاش گردیده با استفاده از مدل های سیستم پویایی وضعیت حمل ونقل شهر مشهد مدلسازی شود. در ادامه، تعداد 20 سناریو در پنج گروه سیاستی جهت ارزیابی توسعه پایدار حمل ونقل شهری برای افق 20 ساله درنظرگرفته شده و بر مبنای نتایج آن، سیاست های موردنظر در سال طرح اولویت دهی شده است. در این ارزیابی مشخص گردیده سیاست های هم پیمایی، کاهش خودروهای فرسوده و افزایش کیفیت وسایل نقلیه همگانی، بیشترین تاثیر را بر روی شاخص های پایداری گذاشته و توانسته معضلات ناشی از حمل ونقل را طی 20 سال آینده کمینه نماید. به نظر می رسد، پیشنهادات ارائه گردیده در این مقاله در تصمیم گیری گردانندگان حمل ونقل شهری جهت دستیابی به حمل ونقل پایدار موثر واقع شود.
۳.

تخمین حالت های سفر به کمک الگوریتم های یادگیری ماشین به منظور حمل ونقل پایدار شهری(مقاله علمی وزارت علوم)

کلیدواژه‌ها: استخراج ویژگی الگوریتم های کلاسه بندی نظارت شده جریان داده های GNSS حالت های سفر حمل ونقل پایدار شهری

حوزه‌های تخصصی:
تعداد بازدید : ۱۴ تعداد دانلود : ۱۳
بخش زیادی از سفرهای روزانه درون شهری با هدف دسترسی به خدمات، سرویس ها، و کالاهایی است که امکان تهیه آن ها در یک منطقه مشخص وجود ندارد. از این رو، آنالیز مسیرهای پرتردد و علت حجم بالای ترافیک در آن ها می تواند به توزیع صحیح تر امکانات، خدمات، و اختصاص کاربری مناسب به زمین ها با هدف کاهش تعداد و مسافت و زمان سفرهای درون شهری منجر شود. با ظهور سنسورهای تعیین موقعیت مبتنی بر سامانه های جهانی ناوبری ماهواره ای بر تلفن های همراه، امکان ثبت آنی مواردی چون موقعیت و سرعت و شتاب افراد به صورت آنی فراهم شده است. بنابراین، در این پژوهش تلاش شده امکان استفاده از داده های GNSS ثبت شده توسط تلفن همراه با هدف شناسایی حالت حمل ونقلی که کاربر از آن استفاده کرده است توسط چهار مدل یادگیری ماشین نظارت شده با نام های RF، GB، XGB، و LightGM مورد بررسی قرار گیرد. بدین منظور، دو مجموعه داده مایکروسافت Geolife و MTL 2017، که از ویژگی های لازم برای این هدف برخوردارند، به عنوان داده ورودی استفاده شد. پس از استخراج ویژگی های هر مسیر از این دو مجموعه داده، با هدف بهبود کارایی مدل ها و کاهش حجم پردازش، از میان ویژگی های موجود ویژگی های مهم تر شناسایی و کلاسه بندی بر اساس آن ها اعمال شد. بین مدل های استفاده شده، مدل LightGM برای مجموعه داده اول با کسب مقدار 57/92 درصد در F1-Score برای داده های تست و مدل XGB برای مجموعه داده دوم با کسب مقدار 67/92 در F1-Score برای داده های تست بین مدل های موجود بهترین عملکرد را داشته اند. از تعداد 1349 سفر موجود، 1250 سفر توسط این الگوریتم به درستی تخمین زده شد که منجر به حمل ونقل پایدار شهری می شود.