منطقه 5

مجتمع های تجاری از جمله پدیده های نوین در توسعه شهری دهه های اخیر هستند که در سطح شهر تهران نیز مورد توجه جدی قرار گرفته اند. چنین پدیده هایی در شهر، دارای اثرات قابل توجه بوده و برای شناسایی اثرات و برنامه ریزی برای آنان ضروری است ماهیت پدیده و انواع گونه های آن مورد تحلیل قرار گیرند. پژوهش حاضر درصدد پاسخ به این سوال است که معیارهای دسته بندی مجتمع های تجاری در ادبیات جهانی چیست و معیارهای مطرح شده در خصوص گونه بندی مجتمع های تجاری تا چه اندازه منطبق بر مجتمع های تجاری در شهر تهران بوده است. بدین منظور مجتمع تجاری کوروش واقع در منطقه 5 شهرداری تهران به عنوان نمونه موردی این پژوهش انتخاب گردیده است. این مجتمع تجاری دارای ویژگی هایی نظیر کالای تخصصی، فضای تفریحی و ... است که مجموعه ویژگی های مجتمع های تجاری را همزمان دارد. در قالب فرایند و روش تحقیق این پژوهش، ابتدا معیارهای ریخت شناسی براساس ادبیات موضوع تدوین و تبیین شدند. باتوجه به معیارهای مطرح شده در مبانی نظری و ادبیات موضوع، از طریق پرسشنامه و برداشت محلی اقدام به جمع آوری و تحلیل اطلاعات گردید. تحلیل داده ها نشان داد که ریخت شناسی مجتمع تجاری کوروش، شامل ویژگی های چندگونه از مجتمع های تجاری است. وجود کالای تخصصی، حوزه زمانی موثر 40 دقیقه ، اولویت استفاده از فضای تفریحی به جای خرید و ساختار ترکیب صنوف، متفاوت از نمونه های جهانی است. بر این اساس، آنچه امکان ساخت مجتمع های تجاری با شرایط متفاوت از نمونه های جهانی را ممکن می سازد، ضوابط ساخت و ساز پیش بینی شده در طرح تفصیلی تهران و فقدان قوانین و ضوابط مختص مجتمع های تجاری است. با ارائه چند شاخص محدود، نظیر تراکم ساختمانی و ارتفاع ساختمان، نمی توان نسبت به احداث مجتمع های تجاری اقدام کرد. متغیرهایی نظیر حوزه کشش، تاثیرات و معیارهای فضایی موثر بر پیرامون مجتمع تجاری می توانند در ریخت شناسی مجتمع های تجاری اثرگذار باشند. 

در این پژوهش، تحلیل پراکنش فضایی زمانی قیمت مسکن در منطقه 5 شهرداری تهران و عوامل مؤثر بر آن بررسی شد. در این زمینه از داده های خرید و فروش مسکن در این منطقه در بازه سال های 1397، 1398، و 1399 برای مدل سازی قیمت مسکن استفاده شد. نتایج تحقیقات با استفاده از روش GTWR به دست آمد که در قیاس با روش های GWR و OLS نتایج بهتری را ارائه کرد. میزان ضریب تعیین تعدیل شده در الگوریتم های OLS، GWR، و GTWR به ترتیب برابر با 759/0، 798/0، و 835/0 حاصل شد. روش GTWR از روش هایی است که می تواند ناهمگونی های فضایی زمانی موجود در داده های قیمت مسکن را مدل سازی کند. بر اساس نتایج به دست آمده متغیر نرخ ارز (قیمت دلار) بیشترین تأثیر را در مدل سازی قیمت مسکن دارد. پس از متغیر نرخ ارز، ویژگی های فیزیکی مسکن، همچون مساحت واحد مسکونی و عمر بنا، اهمیت بیشتری در مدل سازی قیمت مسکن دارند. در نهایت، سطح دسترسی به خدمات شهری همچون فاصله از مراکز درمانی، ورزشی، آموزشی، مذهبی، فضای سبز، بزرگراه، و ایستگاه های حمل ونقل شهری می توانند مدل سازی قیمت مسکن را بهبود بخشند. یافته های این پژوهش نشان می دهد در صورت بهره بردن از قیمت دلار به عنوان متغیر مستقل می توان با دقت مناسبی به مدل سازی قیمت مسکن پرداخت.

قیمت مسکن یکی از شاخص هایی است که شناخت عوامل مؤثر بر آن برای افزایش کارایی طرح ها و ارائه راهبردها و سیاست های برنامه ریزی مسکن کمک شایانی می کند. با وجود نوسان های فراوان نرخ ارز در سال های اخیر لزوم استفاده از مدلی که در آن علاوه بر ویژگی های مسکن به عوامل اقتصادی تأثیرگذار بر قیمت مسکن از جمله نرخ ارز توجه شود بیش از پیش احساس می شود. از آنجا که مدل سازی قیمت مسکن از جمله مسائلی است که دارای مؤلفه مکانی است باید در ارائه مدل مربوط به قیمت مسکن به مکان قرارگیری آن نیز توجه شود. از این رو در این پژوهش تحلیل پراکنش فضایی قیمت مسکن در منطقه 5 شهرداری تهران و عوامل مؤثر بر آن بررسی شده است. در این زمینه از داده های خرید و فروش مسکن در این منطقه در بازه سال های 1397 و 1398 و 1399 برای مدل سازی قیمت مسکن استفاده شده است. نتایج تحقیقات با استفاده از روش رگرسیون وزن دار جغرافیایی چندمقیاسه (MGWR: Multiscale Geographically Weighted Regression) به دست آمده است که در قیاس با روش های رگرسیون وزن دار جغرافیایی (GWR: Geographically Weighted Regression) و حداقل مربعات معمولی (OLS: Ordinary Least Squares) نتایج بهتری را ارائه کرد. میزان ضریب تعیین تعدیل شده در الگوریتم های OLS و GWR و MGWR به ترتیب برابر با 762/0 و 821/0 و 853/0 حاصل شد. در این زمینه روش MGWR توانست ناهمگونی های فضایی موجود در داده های قیمت مسکن را مدل سازی کند. بر اساس نتایج به دست آمده متغیر نرخ ارز (قیمت دلار) بیشترین تأثیر را در مدل سازی قیمت مسکن دارد.