ایمنی کیفیت مهم فضای خیابان است که به طرق مختلف بر وضعیت روانی و رفتار افراد تأثیر می گذارد. ارزیابی مقیاس بزرگ قبلی از ایمنی خیابان بیشتر بر عوامل اجتماعی و فیزیکی تمرکز دارد و همبستگی کمتری با طراحی فضایی، به ویژه طراحی میکروسکوپی دارد. با محدود کردن داده ها و روش ها، ارزیابی ایمنی خیابان مربوط به طراحی میکروسکوپی عمدتاً در مقیاس کوچک انجام می شود. بر اساس داده‌های بزرگ چند منبعی، این مطالعه یک رویکرد مبتنی بر داده را برای ارزیابی ایمنی طراحی میکروسکوپ خیابانی در مقیاس بزرگ از دیدگاه ادراک فردی انجام می‌دهد. یک سیستم ارزیابی شامل چهار بعد پیاده‌روی، محفظه فضایی، نفوذپذیری بصری و سرزندگی ساخته شده است که ادراکات فردی از فضای خیابان را منعکس می‌کند. داده های ضریب همبستگی درون کلاسی (ICC) و سرویس مبتنی بر مکان (LBS) برای تأیید اثربخشی روش ارزیابی استفاده می شود. نتایج نشان می‌دهد که داده‌های بزرگ چند منبعی می‌توانند به طور موثر عناصر فیزیکی و ویژگی‌های طراحی خیابان‌ها را اندازه‌گیری کنند، که منعکس‌کننده ادراک کاربران خیابانی از دید، عملکرد، معماری، و شکل خیابان و همچنین گزینش فضایی بر اساس قضاوت آنها در مورد ایمنی است. اندازه گیری مفاهیم چند بعدی و ادغام فناوری های داده کاوی چندگانه باعث افزایش دقت و اثربخشی روش ارزیابی می شود. ایمنی خیابان توزیع فضایی تجمع با ارزش بالا و پراکندگی کم ارزش را ارائه می دهد. ایمنی خیابان در مناطقی با مقیاس بزرگ، عدم واسط خیابان، حجم زیاد ترافیک حمل و نقل و پوشش گیاهی با تراکم بالا نسبتاً پایین است.

کلید واژه ها:

ایمنی خیابان ؛ داده های بزرگ چند منبعی ؛ ارزیابی ; طراحی میکروسکوپی ؛ ادراک فردی

1. مقدمه

ایمنی به‌عنوان یکی از ویژگی‌های مهم فضای خیابان [ 1 ]، از طرق مختلف بر وضعیت روانی و فعالیت‌های رفتاری افراد تأثیر می‌گذارد. احساس منفی ایمنی، تمایل افراد را برای شرکت در فعالیت‌های فیزیکی کاهش می‌دهد [ 2 ]، در حالی که احساس ایمنی مثبت، وقوع تعاملات اجتماعی [ 3 ] را ترویج می‌کند و رضایت ساکنان [ 4 ]، احساس تعلق [ 5 ]، شادی را افزایش می‌دهد. 6 ، و انسجام [ 7 ]، که به نوبه خود سلامت جسمی و روانی آنها را ارتقا می دهد [ 8 ]. خیابان‌های ایمن قابلیت پیاده‌روی بیشتری دارند [ 9 ]، در حالی که خیابان‌های ناایمن کیفیت پیاده‌روی را کاهش می‌دهند [ 10 ]و باعث سفر بیشتر وسایل نقلیه موتوری شود [ 11 ، 12 ]. در چین، جایی که سالانه بیش از 200000 تصادف رانندگی رخ می دهد، وسایل نقلیه موتوری باعث 89.8 درصد آنها می شوند. ارگان های امنیت عمومی بیش از 4.5 میلیون پرونده جنایی را تشکیل دادند که 70 درصد آنها در خیابان ها اتفاق افتاد [ 13 ]. علاوه بر این، در سال های اخیر، اتحادیه اروپا (EU) اهمیت زیادی به ایمنی کاربران جاده (واقعی و درک شده) داده است، زیرا تأثیر قابل توجهی هم در عملکرد سیستم های حمل و نقل و هم بر کیفیت زندگی شهروندان دارد [ 14 ، 15 ].]. مشکل ایمنی خیابان ها به طور فزاینده ای جدی می شود. برای طراحی ایمنی خیابان و تدوین خط مشی عمومی، ارزیابی صحیح ایمنی خیابان و درک اینکه چگونه ویژگی های فضایی بر ادراک ایمنی فردی تأثیر می گذارد، از اهمیت زیادی برخوردار است.
اگرچه برخی از مطالعات ارزیابی ایمنی خیابان ها را مورد بررسی قرار داده اند، کاستی های متعددی هنوز وجود دارد. اول، ارزیابی در مقیاس بزرگ ایمنی خیابان بیشتر بر عوامل اجتماعی و فیزیکی متمرکز است و همبستگی کمتری با طراحی فضایی دارد [ 16 ، 17 ]. در مقیاس کلان، ایمنی خیابان، ادراک ذهنی و توانایی فرد برای احساس امنیت از محیط خیابان است [ 18 ]. معمولاً به ترس از جرم و سایر عوامل ناامن از جمله جرم، ترافیک، فرهنگ، ویژگی های فردی و غیره مربوط می شود [ 19 ]. بنابراین، مطالعات ارزیابی در مقیاس بزرگ عمدتاً ایمنی خیابان را از طریق داده های حوادث ایمنی مانند تصادفات ترافیکی [ 15 ، 20 ]، میزان جرم و جنایت [15، 20] اندازه گیری می کنند.21 ] و نرخ سرقت [ 22 ] که بیشتر با مدیریت شهری، امنیت اجتماعی و توسعه اقتصادی مرتبط است. ارزیابی دقیق سطح طراحی ایمنی خیابان دشوار است. علاوه بر این، برخی از محققان دقت اندازه گیری ایمنی خیابان را از طریق حوادث جنایی زیر سوال می برند، زیرا درک ایمنی خیابان تجربی است و این یک قضاوت منطقی از میزان ترس ساکنان ناشی از محیط خیابان است [ 19 ]. این بیشتر به هرج و مرج محیطی، خطرات پنهان بالقوه و ترس های ناشناخته مربوط می شود، اما به شدت به حوادث جنایی واقعی مربوط نمی شود [ 18 ].
دوم، محدود به داده ها و روش ها، ارزیابی ایمنی خیابان مربوط به طراحی میکروسکوپی عمدتا در مقیاس کوچک انجام می شود. ایمنی خیابان در سطح خرد، ادراک بصری و شناخت ایمنی فرد از محیط فیزیکی است که بر مفاهیم سازمان فضایی، تصاویر شهری، احساس وابستگی به محیط زیست و سرزندگی اجتماعی تأکید دارد [ 23 ، 24 ، 25 ].]. درک کاربران خیابان از ویژگی‌های فضایی، از جمله قابلیت پیاده‌روی محدود شده توسط شرایط ترافیک، محفظه ایجاد شده توسط مقیاس و رابط، نفوذپذیری منعکس‌شده توسط فضای سبز و ساختمان‌ها، و همچنین سرزندگی مرتبط با عملکرد و تراکم، می‌تواند تأثیر طراحی ایمنی بر عابران پیاده را بهتر توضیح دهد. سلامت روان و فعالیت های رفتاری [ 24 ، 26 ، 27 ، 28 ]. اگرچه مطالعات قبلی عمدتاً از نظرسنجی‌های پرسشنامه و روش‌های حسابرسی در محل برای به دست آوردن داده‌های پایه استفاده می‌کنند، هزینه‌های زمان و نیروی کار بالاتر، انجام ارزیابی در مقیاس بزرگ را دشوار می‌کند [ 17 ، 29 ، 30 ]]. علاوه بر این، نظرسنجی پرسشنامه اغلب حامل تمایلات ذهنی پاسخ دهندگان است که منجر به عدم مقایسه نتایج ارزیابی بین مناطق مختلف می شود. مطالعات دیگری با استفاده از تصاویر نمای خیابان برای ارزیابی مقیاس بزرگ طراحی میکروسکوپ وجود دارد [ 18 ، 19 ]. از آنجایی که تصاویر نمای خیابان فقط نمایش های بصری انسان هستند، نتایج اهمیت هدایت مستقیم محدودی برای طراحی خیابان دارند [ 31 ، 32 ].
سوم، مطالعات ارزیابی ایمنی قبلی فاقد در نظر گرفتن مقادیر بهینه شاخص های ارزیابی است. آنها معتقدند که یک رابطه خطی ساده بین نتیجه ارزیابی (به عنوان مثال، سطح ایمنی) و مقدار شاخص [ 31 ] وجود دارد.] و اثرات غیرخطی احتمالی این شاخص ها را نادیده بگیرید. نسبت فاصله به ارتفاع ساختمان ها در طول خیابان (نسبت D/H)، طول خیابان و سایر شاخص ها دارای مقادیر بهینه هستند. تنها با کنترل آنها در محدوده معقول می توان ایمنی خیابان را به طور موثر بهبود بخشید. علاوه بر این، روش‌های موجود بیشتر بر اساس نظریه‌های کلاسیک و اشتقاق‌های منطقی ساخته شده‌اند که فاقد آزمون‌های مؤثر مبتنی بر موقعیت‌های واقعی هستند. این نیز دلیل مهمی برای ناهماهنگی روش های ارزیابی ایمنی خیابان است. مردم معمولاً در فضاهای امن تردد می کنند و انتخاب فضایی کاربران خیابان بازتاب مهمی از تفاوت در ایمنی خیابان است. در سطح کلان،
تصاویر نمای خیابان، نقاط مورد علاقه (POI)، داده‌های برداری ساختمان، داده‌های سرویس مبتنی بر مکان (LBS) و سایر داده‌های بزرگ چند منبعی امکان درک دقیق فضای خیابان را در مقیاس ماکروسکوپی فراهم می‌کنند. برای مثال، تصاویر نمای خیابان بر اساس عکس‌های واقعی خیابان‌ها گرفته شده از دید عابر پیاده است. می توان آن را به سرعت در یک منطقه بزرگ با هزینه کم به دست آورد، که برای درک فضای خرد از مقیاس کلان مفید است. داده های LBS نقاط مکانی هستند که توسط افرادی که از برنامه های تلفن همراه استفاده می کنند باقی می مانند و نشان می دهد که افراد در حالت راه رفتن آهسته یا ساکن هستند. مردم فقط زمانی سرعت خود را کاهش می دهند یا متوقف می شوند که احساس کنند فضای بیرونی خیابان امن است، بنابراین LBS می تواند درک روانشناختی مردم از ایمنی خیابان را تا حدی منعکس کند. با این درک روانشناختی به عنوان راهنما، روش ارزیابی ایمنی خیابان را می توان تأیید و کالیبره کرد. داده‌های بزرگ چند منبعی فوق، پایه داده مهمی را برای ارزیابی ایمنی خیابان مبتنی بر ادراک فردی در مقیاس بزرگ‌تر فراهم می‌کند.
با استفاده از داده های بزرگ چند منبعی، این مطالعه یک رویکرد مبتنی بر داده را برای ارزیابی ایمنی خیابان مربوط به طراحی میکروسکوپی ایجاد می کند. سیستم ارزیابی شامل چهار بعد است: قابلیت راه رفتن، محفظه فضایی، نفوذپذیری بصری و سرزندگی. وزن 14 شاخص ثانویه با روش وزن دهی عینی محاسبه می شود. پس از آن، استقلال ابعاد ارزیابی توسط ضریب همبستگی درون طبقاتی (ICC) تایید می شود. انتخاب خیابان های ایمن توسط کاربران خیابانی توسط داده های LBS ارجاع می شود و سیستم ارزیابی ایمنی خیابان مورد آزمایش قرار می گیرد. بدین ترتیب، مؤثرترین روش ارزیابی طراحی ایمنی خیابان شناسایی می‌شود. در نهایت، این مطالعه جزیره Xiamen، منطقه شهری مرکزی شهر Xiamen، چین را به عنوان مورد، ایمنی خیابان آن را ارزیابی می‌کند.
این مطالعه به شرح زیر ساختار و سازماندهی شده است. بخش 2 مروری بر ادبیات، از جمله ساختار دانش تحقیقات ایمنی خیابان، معنای ایمنی خیابان مربوط به طراحی میکروسکوپی، و مروری بر روش‌های ارزیابی در مطالعات قبلی ارائه می‌کند. بخش 3 داده ها و روش ها را معرفی می کند. جمع آوری و پیش پردازش داده ها شرح داده شده است، و انتخاب ابعاد ارزیابی و شاخص های ثانویه به تفصیل مورد بحث قرار گرفته است. پس از آن، وزن دهی شاخص و تأیید اثربخشی روش ارزیابی انجام می شود. بخش 4مطالعه موردی جزیره Xiamen است. توزیع فضایی ایمنی خیابان مربوط به طراحی میکروسکوپی و چهار بعد مورد تجزیه و تحلیل قرار می گیرد و علل ناهمگونی فضایی بررسی می شود. بخش 5 بحثی در مورد این مطالعه ارائه می‌کند و توضیح می‌دهد که چگونه به سؤالات تحقیق پاسخ داده شده است، مقایسه با مطالعات قبلی، چالش‌ها در طول فرآیند مطالعه، و جهت تعمیق احتمالی در آینده. بخش 6 نتیجه گیری است که از داده ها، روش ها و نتایج خلاصه می شود.

2. کارهای مرتبط

2.1. ساختار دانش تحقیق ایمنی خیابان

این مطالعه زمان انتشار را از 2000 تا 2022 تنظیم کرد، کلمات موضوعی “ایمنی در خیابان”، “راه رفتن ایمن”، “ایمنی عابر پیاده” و “ایمنی جاده” را وارد کرد و از عملگر منطقی “OR” برای جستجوی متون در پایگاه داده اصلی Web of Science Web of Science شامل مجلات معتبر دانشگاهی جهان، تک نگاری ها و کنفرانس ها است که علوم طبیعی، فناوری مهندسی، علوم اجتماعی و هنر و غیره را پوشش می دهد. پایگاه داده اصلی آن شامل تحقیقات دانشگاهی در سطح جهانی است و شبکه استنادی کامل را مرور می کند. بررسی کتاب، چکیده کنفرانس، فصل‌های کتاب و ادبیاتی که با زمینه تحقیقات حرفه‌ای مطابقت نداشتند حذف شدند. در مجموع 4076 مقاله به دست آمد. برای تحلیل کتابسنجی از نرم افزار BiblioShiny بر اساس زبان R استفاده شد.

2.1.1. تمرکز تحقیق

برای روشن شدن تمرکز تحقیق فعلی، فراوانی کلمات کلیدی چکیده‌ها را برای تحلیل کتاب‌سنجی تحلیل می‌کنیم. واژه‌های پیش‌زمینه مانند خیابان و جاده، عبارات جستجو و برخی از کلیدواژه‌های جامعه‌شناسی و ترافیک از جمله «حادثه جاده‌ای»، «حادثه رانندگی»، «جنایت» و غیره برای جلوگیری از انحراف حذف می‌شوند. از نتایج تجزیه و تحلیل در میان 50 کلمه برتر، “کاربران جاده” در رتبه اول قرار دارد، که نشان می دهد احساس کاربران فضا تمرکز تحقیقاتی است ( شکل 1).). کلمات مرتبط با ارزیابی کمی، مانند “عملکرد ایمنی”، “اقدامات ایمنی”، “از نظر آماری معنی دار”، “تلفن همراه” و “سلامت عمومی” نیز اغلب ظاهر می شوند. ارزیابی کمی ایمنی خیابان بر اساس داده‌های بزرگ که احساسات کاربران خیابان را در نظر می‌گیرد، یک زمینه تحقیقاتی مهم در حال حاضر است.
2.1.2. روند تحقیق
در سالهای اولیه، محققان توجه بیشتری به ترافیک موتوری داشتند ( شکل 2 a). موضوعات تحقیقاتی از سال 2010 از طریق تنوع بیشتر متمرکز شده‌اند. سپس، مضامین انتشارات پس از سال 2016 را تحلیل کردیم ( شکل 2 ب). ربع اول نشان دهنده مضامین مهم و به خوبی توسعه یافته (موتور مضامین) است [ 33]، از جمله ایمنی عابر پیاده، داده های تصادف، و عوامل خطر. ربع دوم مضامین بسیار توسعه یافته و جدا شده (موضوعات طاقچه)، از جمله ایمنی مواد غذایی، غذای خیابانی، عملکرد ایمنی، و جاده های روستایی را نشان می دهد. ربع سوم نشان دهنده موضوعات در حال ظهور یا رو به زوال است که به خوبی توسعه نیافته اند، از جمله بهداشت عمومی، کشورهای در حال توسعه و مطالعه مقطعی. ربع چهارم مضامین پایه و عرضی را نشان می دهد که در حال حاضر محبوب هستند، اما بالغ نیستند، و ممکن است در آینده به یک موضوع مهم یا روند تحقیقاتی تبدیل شوند، از جمله مسائل ایمنی از نظر آماری مهم، کاربران جاده، ایمنی ترافیک، ایمنی عابر پیاده، عوامل خطر، و غیره
به طور خلاصه، ساختار دانش ایمنی خیابان ویژگی‌های زیر را نشان می‌دهد: ① تحقیقات کمی در مورد ایمنی کاربران خیابان یکی از تحقیقات فعلی است. ② جهت تحقیق از ترافیک موتوری به ترافیک غیر موتوری و عابر پیاده، به ویژه ایمنی عابر پیاده تغییر کرده است. ③ ارزیابی ایمنی عابر پیاده بر اساس داده ها و عوامل مختلف نه تنها یک جهت تحقیقاتی مهم بلکه یک جهت اساسی است. بنابراین، توسعه یک رویکرد مبتنی بر داده برای ارزیابی ایمنی کاربران خیابانی با ساختار دانش سازگار است.

2.2. معنی ایمنی خیابان

ایمنی دارای معانی عینی و ذهنی است [ 34 ، 35 ]. به طور عینی، ایمنی به آزادی فرد از تهدیدها و اجتناب از خطرات موجود در محیط اشاره دارد [ 34 ]. از نظر ذهنی، ایمنی قضاوت درک شده فرد از خطرات محیطی است [ 36 ]. ایمنی ذهنی عامل مستقل و مهم تری است زیرا ادراکات روانشناختی افراد از محیط ها به طرق مختلف منجر به تفاوت در رفتار می شود [ 37 ، 38 ، 39 ، 40 ، 41 ، 42 .]. این مطالعه ایمنی مربوط به طراحی میکروسکوپی خیابان ها را بررسی می کند. برای روشن شدن بیشتر تعریف ایمنی خیابان، ما به طور گسترده مطالعاتی را در مورد ایمنی محیط ساخته شده جمع آوری کردیم، تئوری های مربوط به ایمنی خیابان ها را خلاصه کردیم، و آن هایی را انتخاب کردیم که نرخ استناد بالا و اهمیت آموزنده داشتند. تئوری های مرتبط حاکی از آن است که عناصر فیزیکی احساس ایمنی مداوم در خیابان را فراهم می کنند ( جدول 1 ).
اگرچه ایمنی خیابان ها شامل ابعاد بسیاری مانند جامعه، ترافیک و فضا می شود. در این مطالعه، ایمنی خیابان به تشخیص و درک ایمنی از طراحی میکروسکوپی خیابان ها اشاره دارد [ 43 ، 44 ، 45 ، 46 ]. این توانایی افراد برای به دست آوردن آزادی و اعتماد به نفس و حذف ترس و اضطراب از محیط فیزیکی است [ 45 ، 47 ، 48 ]. از آنجایی که ایمنی خیابان قضاوت فرد از محیط فیزیکی خیابان است، ارتباط نزدیکی با عناصر مورفولوژیکی دارد [ 43 ، 45 ، 49 ، 50 ].]. بر مفاهیم سازمان فضایی، تصویر شهری، عملکردها، سرزندگی و احساس وابستگی محیطی تأکید دارد [ 23 ، 24 ، 25 ]. این مفاهیم در قابلیت راه رفتن، محصور شدن، نفوذپذیری بصری و سرزندگی خیابان ها تجسم می یابند [ 26 ، 27 ، 28 ، 37 ، 38 ].

2.3. مروری بر روش های ارزیابی ایمنی خیابان

2.3.1. روش‌های سنتی ارزیابی ایمنی خیابان

پرسشنامه ها و مشاهده سیستماتیک اجتماعی (SSO) معمولاً برای به دست آوردن ادراک افراد از ایمنی خیابان استفاده می شود [ 8 ]. پرسشنامه رایج ترین روش برای ارزیابی ادراکات ایمنی [ 7 ، 51 ، 52 ، 53 ]، ایمنی عابر پیاده [ 25 ، 26 ، 54 ، 55 ، 56 ، 57 ]، ایمنی مرتبط با جرم [ 53 ]، ایمنی درک شده از موارد خاص است. جمعیت [ 7 ، 12 ، 58 ] و عوامل مؤثر بر ادراکات ایمنی [ 24 ، 29 ], 54 , 59 ]. مزیت این است که تجزیه و تحلیل عمیق [ 60 ] را امکان پذیر می کند، که ممکن است بیشتر از داده های عینی قابل تفسیر باشد [ 18 ، 61 ]. محدودیت‌ها هزینه بالای پردازش دستی و زمان‌بر بودن است که اعمال آن را برای مطالعات در مقیاس بزرگ و چند نمونه دشوار می‌کند.
SSO یک روش پیمایش ذهنی محقق محور است. محققان تحقیقات میدانی را در منطقه مورد مطالعه انجام می دهند، ادراکات ذهنی را ثبت می کنند و گزارش های ارزیابی را کامل می کنند [ 4 ، 26 ، 56 ، 62 ]. در مقایسه با روش پرسشنامه، نتایج SSO در سراسر مناطق قابل مقایسه است زیرا آنها از همان محققین می آیند. محققان حرفه ای آموزش دیده می توانند اطلاعات جامع و عمیق تری را کشف کنند. با این حال، این روش همچنین زمان‌بر و پرهزینه است، زیرا به محققین نیاز دارد تا از تمام مناطق مورد مطالعه عبور کنند.
2.3.2. روش‌های ارزیابی ایمنی خیابان بر اساس داده‌های جدید
برای غلبه بر محدودیت‌های فوق، داده‌های جدیدی از جمله تصاویر نمای خیابان، داده‌های جمع‌سپاری و داده‌های برداری ساختمان به کار گرفته شده‌اند. این داده‌های چندمنبعی در مقیاس انسانی و دارای طیف وسیعی از زمان و مکان هستند که برای بسیاری از شهرها رایگان و آسان به دست می‌آیند و از نظر زمانی و مقرون به صرفه‌تر هستند. پلت فرم خدمات نقشه برداری آنلاین دسترسی به تصاویر نمای خیابان [ 8 ، 32 ، 63 ] را باز کرده است، که می توانند با SSO [ 64 ] و یادگیری ماشینی [ 8 ، 19 ، 63 ، 65 ، 66 ، 67 ] ترکیب شوند.] برای پیش بینی ایمنی خیابان و امتیاز دادن به محیط خیابان. توسعه فناوری های جمع سپاری به محققان این امکان را داده است که از پرسشنامه های مبتنی بر وب به عنوان جایگزینی برای تحقیقات در محل استفاده کنند [ 31 ، 61 ، 68 ]. مزیت داده‌های جمع‌سپاری این است که محققان نیازی به سفر به میدان ندارند و کارایی جمع‌سپاری داده‌ها را افزایش می‌دهد. این داده ها امکان ارزیابی برداشت افراد از ایمنی خیابان را در مقیاس وسیع فراهم می کند.

3. داده ها و روش ها

3.1. داده ها

(1) شبکه خیابان
نقشه خیابان باز (OSM) به طور گسترده در مطالعه دسترسی خیابان [ 69 ]، توزیع کاربری زمین [ 70 ] و کیفیت فضایی خیابان ها [ 71 ] استفاده می شود. ما داده های شبکه خیابانی را از OSM با 5637 ورودی به دست آوردیم. داده‌های اصلی از نظر توپولوژیک بررسی و پردازش شدند تا بزرگراه‌ها، جاده‌های مرتفع و تونل‌هایی که فاقد پیاده‌رو بودند حذف شوند. در مجموع 2466 خیابان مسکونی در نهایت رزرو شد. با اشاره به “طرح ساخت و ساز ترانزیت ریلی شهری Xiamen (2011-2020)”، خیابان ها به چهار طبقه تقسیم می شوند: بزرگراه ها، جاده های شریانی، جاده های تنه فرعی و جاده های فرعی.
(2) تصویر نمای خیابان
Baidu Maps پرکاربردترین پلتفرم خدمات نقشه آنلاین در چین است. تصاویر نمای خیابان از رابط API نمای خیابان Baidu در ژوئن 2021 به دست آمد و در فواصل زمانی 40 متر نمونه برداری شد. برای خیابان هایی که طول آنها خیلی کوتاه است، نقطه میانی خط مرکزی انتخاب شد. در مجموع 21486 عکس پانوراما با وضوح 4096 × 1380 خزیده شد. یک سوم پایینی تصویر اصلی توسط وسیله نقلیه ضبط اشغال شده است، بنابراین یک سوم پایینی همه تصاویر به صورت دسته‌ای برش داده شد. عناصر موجود در تصاویر نمای خیابان با استفاده از ابزار تقسیم‌بندی معنایی Deeplap V3+ و مجموعه داده‌های Cityscapes شناسایی شدند. نتایج شناسایی به 5 دسته و 19 برچسب معنایی شامل ساختمان‌ها، آسمان، گیاهان، وسایل نقلیه، جاده‌ها و عناصر دیگر تقسیم شدند.
(3) POI
داده های POI از پلتفرم باز AutoNavi در ژوئن 2021 به دست آمد که شامل 169164 رکورد و در مجموع 21 دسته اصلی و 236 دسته بندی جزئی است. با توجه به تحقیقات قبلی، POI ها در 8 دسته مسکونی (2.86%)، تجاری (14.21%)، سازمان های دولتی و گروه های اجتماعی (1.87%)، تجاری (66.37%)، آموزشی (4.65%)، فضای سبز مجددا طبقه بندی شدند. (0.33٪)، حمل و نقل (5.23٪)، و دیگران (4.47٪).
(4) ساختمان
داده‌های ساختمان از داده‌های منبع باز ارائه‌شده توسط پلتفرم باز نقشه بایدو در سال 2021 به‌دست آمدند. مکان و تعداد طبقات بر اساس نقشه‌های آنلاین QGIS و تصاویر نمای خیابان بررسی شد. این تابع از داده های کاربری فعلی زمین ارائه شده توسط وب سایت دولتی Xiamen به دست آمده و با تصاویر نمای خیابان بررسی شده است. پس از پیش پردازش، 49558 قطعه داده وجود دارد.
(5) قیمت خانه
داده‌های قیمت مسکن از اطلاعات فروش منتشر شده توسط وب‌سایت معاملات ملکی لیانجیا در سال 2021 به‌دست آمده است . در چین با اطلاعات جامع. ما در مجموع 1031 خانه در جزیره Xiamen، با احتساب سن ساخت، به دست آوردیم. بر این اساس، ما به صورت دستی قدمت ساختمان 87 ساختمان عمومی بزرگ و ساختمان های مراکز تجاری را تکمیل کردیم تا داده های نسبتاً کاملی از سن ساختمان به دست آوریم.
(6) داده های LBS
سرویس‌های مکان‌یابی اینترنت تلفن همراه به طور فعال داده‌های LBS را شروع یا به صورت غیرفعال تولید می‌کنند، مکان‌های دقیق GPS (تا 10 متر) و مهرهای زمانی مربوطه را ثبت می‌کنند. دقت بالا داده های LBS را به ویژه برای تحقیقات خیابانی مناسب می کند. یک خط سیر نشان دهنده یک کاربر تلفن همراه است که به آرامی راه می رود یا در آن مکان توقف می کند. داده های LBS داده های جغرافیایی ناشناس ارائه شده توسط Aurora Mobile هستند. Aurora Mobile یک محیط توسعه مکان SDK را برای برنامه های تلفن هوشمند فراهم می کند و تقریباً 1,452,000 پایانه برنامه تلفن همراه را نظارت می کند. مکانیسم های جمع آوری داده ها شامل به روز رسانی های منظم و محرک های رویداد است.
داده‌ها از 17 تا 30 اکتبر 2020، شامل 10 روز هفته و 4 آخر هفته بدون تعطیلات جمع‌آوری شد. در این دوره، تأثیر COVID-19 بر Xiamen کاهش یافت. دما مناسب بود (19.8-26.9 درجه سانتیگراد) و هوا بدون باران بود. داده های اصلی به شرح زیر پردازش شدند: ① همه داده های LBS موجود در Xiamen از 17 تا 30 اکتبر 2020 انتخاب شدند که شامل 130,817,778 رکورد و 6.021 میلیون کاربر بود. حجم داده های روزانه نسبتاً پایدار است. ② اطلاعات موقعیت مکانی کاربران در خیابان ها از ساعت 8:00 تا 22:00 هر روز با یک ساعت جلوتر محاسبه شد. تا 329,800 کاربر در روزهای هفته (19:00 در 19 اکتبر) و حداکثر 309,200 کاربر در تعطیلات آخر هفته (18:00 در 17 اکتبر) شناسایی شدند، در حالی که تقریباً 2.1 میلیون ساکن دائمی در جزیره Xiamen وجود دارد.

3.2. ابعاد و شاخص های ارزیابی

خیابان فضایی مرکب است که زندگی روزمره، فعالیت‌های اجتماعی و کارکردهای حمل و نقل ساکنان را حمل می‌کند [ 16 ، 43 ]. فضای خیابان به فضایی گفته می شود که توسط ساختمان های دو طرف خیابان احاطه شده است. چارچوب ارزیابی ایمنی خیابان شامل چهار بعد است: قابلیت پیاده‌روی، محفظه فضایی، نفوذپذیری بصری و سرزندگی.
(1) راه رفتن
پیاده‌روی ویژگی اساسی ایمنی خیابان است که نشان می‌دهد یک خیابان چقدر برای عابر پیاده مناسب است [ 72 ]. “پیاده روی” به عنوان توانایی تشویق راه رفتن با فراهم کردن یک محیط راحت و ایمن برای پیاده روی برای عابران پیاده تعریف می شود [ 73 ]. مردم بیشتر فکر می کنند که یک محیط خیابانی مناسب برای عابر پیاده امن است [ 57 ]. خطرات ترافیکی بالقوه مانند کمبود امکانات ایمنی ترافیک [ 59 ]، پیاده روهای باریک، و تراکم ترافیک بیشتر، سرعت [ 74 ]]، و تراکم تقاطع می تواند درک عابران پیاده از ایمنی خیابان را کاهش دهد. بنابراین، چهار شاخص برای ارزیابی قابلیت پیاده‌روی انتخاب می‌شوند: شاخص عرض نسبی راه رفتن، شاخص تداخل وسیله نقلیه، شاخص تسهیلات ترافیکی و نسبت ظاهری عابر پیاده.
(2) محوطه فضایی
محفظه فضایی حس محصور شدن است که توسط عناصر فیزیکی که مرز فضا را مشخص می کنند ایجاد می شود. محفظه فضایی به خیابان یک فضای داخلی قابل شناسایی می دهد، و خیابان را نه تنها به وسیله ای برای حمل عملکردهای ترافیکی بلکه مکانی با اهمیت کاربری تبدیل می کند [ 75 ]. احساس محصور شدن می‌تواند شناسایی مردم از قلمرو خود را از طریق مرزهای واضح، ایجاد حس “سرزمینی” در خیابان [ 76 ]، و در نتیجه درک ایمنی را افزایش دهد. عناصر فیزیکی که فضای خیابان را محصور می کنند شامل ساختمان ها [ 43 ، 77 ]، دیوارها [ 78 ]، حصارها [ 79 ]، درختان [ 80 ] است.]، و غیره رابطه متناسب بین عرض خیابان و ارتفاع ساختمان در دو طرف در نظر گرفته می شود که ارتباط نزدیکی با تجربه واقعی عابران پیاده دارد [ 81 ]. بنابراین، این مطالعه سه شاخص را برای ارزیابی محفظه فضایی انتخاب می‌کند: فاصله تا نسبت D/H بهینه، فاصله تا شاخص پیوستگی رابط بهینه، و شاخص محوطه نمای خیابان.
(3) نفوذ پذیری بصری
نفوذپذیری بینایی نشان دهنده میزان انسداد بینایی فرد در فضا است. هیچ تضاد منطقی بین نفوذپذیری بصری و محفظه فضایی وجود ندارد. رابط خیابان با ویترین مغازه های قابل مشاهده و چیدمان منظم چشم انداز نیز می تواند دید شفافی داشته باشد و در عین حال یک محوطه بالا را حفظ کند. مردم به طور خود به خود محیط های باز با دید خوب را انتخاب می کنند، که به شناسایی خطرات احتمالی ایمنی کمک می کند و آگاهی آنها را از محافظت از خود در فضاهای عمومی تحریک می کند [ 45 ، 46 ، 48 ]. درختان عناصر اصلی تأثیرگذار بر نفوذپذیری بصری هستند [ 19 ، 82]. چیدمان تصادفی امکانات می تواند دید عابر پیاده را مسدود کند. با بهبود امکان تعامل بصری بین فضای خیابان و فضای داخلی ساختمان، فرصت‌های رفت و آمد مردم افزایش می‌یابد [ 83 ] که نظارت بالقوه را ایجاد می‌کند. بنابراین، شاخص تاریکی بصری، شاخص شفافیت رابط، و شاخص باز بودن آسمان برای ارزیابی نفوذپذیری بصری خیابان‌ها انتخاب می‌شوند.
(4) سرزندگی
خیابان های امن می توانند فعالیت های روزانه ساکنان بیشتری را نسبت به خیابان های ناامن جذب کنند. این نظریه که سرزندگی خیابان بر ادراک ایمنی خیابان تأثیر می‌گذارد بر اساس نظریه «چشم خیابان» جاکوبز [ 43 ] و نظریه فضای قابل دفاع نیومن [ 46 ] است. ایمنی خیابان از یک شبکه اجتماعی غیررسمی به هم پیوسته ناشی می شود که توسط عابران پیاده و خرده فروشان ایجاد می شود. در نظارت و بازدارندگی رفتار مجرمانه ایفا می کند که به آن “نظارت طبیعی” خیابان گفته می شود. تنوع، تراکم، بخش‌های کوچک خیابان و ساختمان‌های قدیمی‌تر با هم کار می‌کنند تا سرزندگی خیابان را تحریک کنند [ 43 ]. بنابراین، تنوع عملکردی، شدت توسعه، فاصله تا طول خیابان بهینه و سن ساختمان برای ارزیابی سرزندگی خیابان استفاده می‌شود.84 ، 85 ].
شرح و روش های محاسبه شاخص های ارزیابی چهار بعد فوق در جدول 2 نشان داده شده است.

3.3. وزن اندیکاتور

روش آنتروپی می تواند عامل ذهنی انسان در تعیین وزن را حذف کند و به طور گسترده در تحقیقات ارزیابی خیابانی استفاده شده است [ 94 ]. هر چه مقدار آنتروپی کوچکتر باشد، پراکندگی شاخص بالاتر است، که به این معنی است که تأثیر (وزن) شاخص در ارزیابی جامع بیشتر است [ 95 ]. مراحل محاسبه به شرح زیر است:

(1) پردازش بدون بعد. از آنجایی که ابعاد و جهت گیری مثبت و منفی هر شاخص متفاوت است، داده های اصلی باید رسمی شوند. فرمول ها به شرح زیر است:

شاخص مثبت :  ایکس“من ج=ایکسمن ج– دقیقه (ایکسj)حداکثر (ایکسj) −دقیقه (ایکسj)Positive indicator: ���′=���−min(��)max(��)−min(��)
شاخص منفی :  ایکس“من ج=حداکثر (ایکسj) –ایکسمن جحداکثر (ایکسj) −دقیقه (ایکسj)منفی نشانگر: ایکسمن�”=حداکثر(ایکس�)-ایکسمن�حداکثر(ایکس�)-دقیقه(ایکس�)

جایی که ایکس“من ج���′نتیجه پردازش شده بدون بعد نشانگر j- امین خیابان i است،ایکسمن جایکسمن�مقدار نشانگر j -ام خیابان i است وحداکثر (ایکسj)حداکثر(ایکس�)و دقیقه (ایکسj)دقیقه(ایکس�)به ترتیب مقادیر حداکثر و حداقل شاخص j را نشان می دهد.

(2) محاسبه مقدار آنتروپی:

Ej= – k∑مترi = 1(Yمن ج× lnYمن ج)��=-ک∑من=1متر(�من�×لوگاریتم�من�)
k =1ln mک=1لوگاریتممتر
Yij=ایکس“من ج∑مترi = 1ایکس“من ج�ij=ایکسمن�”∑من=1مترایکسمن�”

جایی که Ej��مقدار آنتروپی اطلاعات شاخص j -ام است و مترمترحجم نمونه است.

(3) محاسبه وزن:

دبلیوj=دj∑nj = 1دj��=��∑�=1���
دj= 1 –Ejد�=1-��

جایی که دبلیوjدبلیو�وزن شاخص j -ام است و n�تعداد شاخص ها است.

با تعیین وزن به شاخص های ارزیابی چهار بعد، سیستم ارزیابی ایمنی خیابان ها ساخته می شود. در مرحله بعد، اعتبار سیستم ارزیابی باید مورد آزمایش قرار گیرد.

3.4. آزمون اعتبار سیستم ارزیابی

(1) آزمون استقلال ابعاد ارزیابی

از آنجایی که شاخص ها همه متغیرهای پیوسته هستند، از ضریب همبستگی درون طبقاتی (ICC) برای انجام یک آزمون سازگاری برای بررسی اینکه آیا چهار بعد مستقل از یکدیگر هستند یا خیر استفاده می شود. این یک پایه مهم قبل از تعیین سیستم ارزیابی است. مدل تصادفی دو طرفه برای بهبود کاربرد گسترده نتایج آزمون و نادیده گرفتن خطاهای سیستماتیک احتمالی [ 96 ] انتخاب شده است. معیار ارزیابی ICC که به طور کلی پذیرفته شده است ICC <0.4 است که نشان دهنده سازگاری کم بین داده های مشاهده شده و ICC ≥ 0.75 است که نشان دهنده سازگاری بالا است [ 97 ]. فرمول به شرح زیر است:

ICC =B Mاس– دبلیوماسB Mاس+ ( k − 1 ) WماسICC=بماس-دبلیوماسبماس+(ک-1)دبلیوماس

جایی که ICCICCضریب همبستگی درون طبقاتی است، B Mاسبماسمیانگین واریانس موضوعات است، دبلیوماسدبلیوماسمیانگین واریانس خطاهای تصادفی است و ککتعداد تکرارهای اندازه گیری است.

(2) بررسی اعتبار بر اساس توزیع مکانی ساکنان
توزیع فضایی افراد در خیابان به عنوان معیاری برای آزمون اعتبار روش استفاده می شود. اگر این دو همبستگی معینی داشته باشند، نشان می دهد که روش ارزیابی ایمنی خیابان ساخته شده در این مطالعه معقول است. استفاده از تلفن همراه برای مطالعه، معاشرت، ناوبری، خرید و سایر خدمات اینترنت همراه در زندگی روزمره برای ساکنان شهری بسیار رایج شده است. در خیابان‌ها، مردم معمولاً استفاده از تلفن همراه خود را در فضایی انتخاب می‌کنند که احساس امنیت بیشتری می‌کنند، و تقریباً هیچ‌کس کارکرد برنامه تلفن همراه را در مکانی با ترافیک سنگین یا جریان عابران پیاده متوقف نمی‌کند ( شکل 3 ). بنابراین، داده های LBS می توانند انتخاب های ناخودآگاه افراد را تا حدودی منعکس کنند.

فراوانی آهسته راه رفتن یا توقف افراد در فضای خیابان که به معنای شدت فعالیت است، به عنوان معیار آزمون استفاده می شود. روش محاسبه به شرح زیر است:

منn t e n s i tyمن= (∑1تیL B S_ دآyمن ، تیA r eآمن× 5 +∑1تیL B S_ e nدمن ، تیA r eآمن× 2 ) / 7����������=(∑1����_����,������×5+∑1����_����,������×2)/7

جایی که منn t e n s i tyمنمن�تیه�سمنتی�منشدت فعالیت خیابان i ام (نفر/متر مربع ) است. L B S_ دآyمن ، تی�باس_دآ�من،تیتعداد رکوردهای فعال LBS در خیابان i در روز در روز هفته است.L B S_ e nدمن ، تی�باس_ه�دمن،تیتعداد رکوردهای فعال LBS در خیابان i در روز در تعطیلات آخر هفته است و هر دو میانگین چند روزه هستند. A r eآمنآ�هآمنمساحت خیابان است؛ و t = 8 ، 9 ، …22تی=8،9،…22.

همبستگی بین شدت فعالیت افرادی که به آرامی حرکت می کنند و توقف در خیابان و نتایج ارزیابی ایمنی خیابان محاسبه می شود، بنابراین اعتبار روش ارزیابی ایمنی خیابان مورد آزمایش قرار می گیرد. شکل 4 گردش کار را خلاصه می کند.

4. نتایج

4.1. منطقه مطالعه

این مطالعه یک ارزیابی کمی از ایمنی خیابان در جزیره Xiamen ارائه می‌کند. Xiamen شهر مرکزی منطقه ساحلی جنوب شرقی چین و شهر مرکزی تراکم شهری تنگه غربی است. آب و هوای نیمه گرمسیری و مناظر منحصر به فرد جزیره ای آن را به یکی از قابل زندگی ترین شهرهای چین تبدیل کرده است. این شهر در طول تاریخ اجاره‌نشینی، دفاع از دریا و ایجاد مناطق ویژه اقتصادی تکامل یافته است که در نتیجه یک سیستم خیابانی متنوع و فرم‌های فضای خیابانی منحصربه‌فرد ایجاد شده است ( شکل 5 ). جزیره Xiamen منطقه شهری مرکزی Xiamen، خاستگاه شهر، و یک مرکز مهم سیاسی، فرهنگی، آموزشی و تجاری است. جزیره Xiamen شامل دو منطقه اداری است. در سال 2021، این شهر تقریباً 2.1 میلیون ساکن دائمی و 132.2 کیلومتر داشت2 منطقه ساخته شده شهری، با تراکم جمعیت بالا، شدت توسعه، تراکم شبکه خیابانی و امکانات خدماتی مناسب. انواع فرم‌های فضای خیابان و فرم‌های بلوک وجود دارد که آن را به یک نمونه معمولی برای انجام مطالعات ایمنی خیابان تبدیل می‌کند.

4.2. نتایج آزمون اعتبار

نتایج محاسبه وزن روش آنتروپی در شکل 6 نشان داده شده است. قابلیت راه رفتن بیشترین وزن را در بین چهار بعد دارد و بیشترین سهم را در نتایج ارزیابی دارد. وزن محفظه فضایی، نفوذپذیری بصری و سرزندگی مشابه هستند. بر اساس نتایج محاسبه وزن، استقلال چهار بعد مورد آزمایش قرار گرفت. هیچ ارتباط قوی بین آنها وجود ندارد ( شکل 7). مقدار ICC 0.018 است و چهار بعد استقلال بالایی از یکدیگر دارند. در نهایت، همبستگی بین شدت فعالیت و ایمنی خیابان محاسبه شد. ضریب همبستگی 0.542 است که در سطح 0.001 معنی دار است که نشان می دهد روش ارزیابی ایمنی خیابان ساخته شده در این مطالعه از عقلانیت و اعتبار قوی برخوردار است.

4.3. توزیع فضایی ایمنی خیابان

توزیع فضایی ایمنی خیابان در جزیره Xiamen، خوشه‌بندی با ارزش بالا و پراکندگی کم ارزش است. به طور کلی، مقادیر ارزیابی در ناحیه جنوب غربی بیشتر، در ناحیه شمال شرقی کمتر، در ناحیه هسته جزیره بالاتر و در نواحی لبه کمتر است ( شکل 8 ).
خیابان‌های با درک ایمنی بالاتر عمدتاً در جاده Amoi YatSen، در جنوب دریاچه Yundang و در امتداد جاده Xiahe قرار دارند و تعداد کمی در منطقه شمال پارک Xianyue و مرکز تجاری Guanyinshan قرار دارند. خیابان‌های با درک ایمنی پایین‌تر عمدتاً در جامعه Gaoqi، منطقه فرودگاه و جنوب خلیج Wuyuan توزیع شده‌اند. خیابان‌های معمولی در منطقه برای تجزیه و تحلیل بیشتر انتخاب شده‌اند، و ما دریافتیم که در مقایسه با خیابان‌های با ایمنی پایین‌تر، خیابان‌های با ایمنی بالاتر عموماً ویژگی‌های زیر را دارند: مرزهای فضایی واضح، رابط منظم و پیوسته، مغازه‌های خیابانی فراوان، خیابان‌های کوچک. فضای مقیاس و فضای خیابانی منظم، در حالی که خیابان هایی با ایمنی کمتر عموماً از نظر اجتماعی و اقتصادی عقب مانده اند و امنیت عمومی در منطقه پایین است.

4.4. ویژگی های ابعادی ایمنی خیابان

(1) راه رفتن
نتیجه ارزیابی پیاده‌روی در جزیره Xiamen تفاوت‌های منطقه‌ای قابل توجهی را نشان نمی‌دهد ( شکل 9الف)، اما به طور معنی داری با سطح جاده همبستگی دارد. پیاده‌روی با افزایش سطح جاده کاهش می‌یابد (استفاده از میانه برای انعکاس سطح عمومی پیاده‌روی در سطوح مختلف، 0.0627 برای جاده‌های فرعی، 0.0481 برای جاده‌های تنه ثانویه، و 0.0335 برای جاده‌های شریانی و بزرگراه‌ها). دلیل اصلی این است که سطح خیابان در شهرهای چین به طور کلی بر اساس حجم وسایل نقلیه موتوری طبقه‌بندی می‌شود و خیابان‌های درجه بالا اغلب دارای ترافیک سنگین هستند. خطرات ایمنی و سر و صدا و اگزوز وسایل نقلیه موتوری باعث کاهش راه رفتن می شود. عملکرد خیابان های کم درجه عمدتاً برای خدمات زندگی است. فضای خیابان برای کاهش سرعت ترافیک طراحی شده است و فضای عابر پیاده بیشتر است که تداخل وسایل نقلیه موتوری با راحتی راه رفتن را کاهش می دهد و راه رفتن را بهبود می بخشد.
(2) محوطه فضایی
نتایج ارزیابی محفظه‌های فضایی در جزیره Xiamen، مشخصه توزیع فضایی را در جنوب غربی بالا و پایین در شمال شرقی نشان می‌دهد، و مقادیر بالا غلظت تک هسته‌ای و پراکندگی چند نقطه‌ای را نشان می‌دهد ( شکل 9).ب). ارزش های بالا در منطقه شهری قدیمی در جنوب غربی که محله های تاریخی هستند متمرکز شده است. ساختمان ها عمدتاً کم ارتفاع و متوسط ​​با 3-4 طبقه هستند و عرض خیابان 10-15 متر است که مقیاسی مناسب برای فعالیت های مختلف را تشکیل می دهد. ساختمان‌های سبک سواره‌روی در امتداد خیابان یک رابط منظم و پیوسته را تشکیل می‌دهند که فضای بسیار منظمی را تشکیل می‌دهند و تداوم بصری عابران پیاده را افزایش می‌دهند. نسبت D/H بالا مرزهای فضایی خیابان ها را تقویت می کند و حس محصور شدن فضایی را افزایش می دهد. مقادیر کم در نواحی بیرونی در شمال شرقی، جایی که شدت توسعه کم است و خیابان‌ها خالی و پراکنده از دو طرف ساخته شده‌اند، پراکنده شده‌اند و در نتیجه محدودیت فضایی وجود ندارد. مشخص شده است که ساختمان ها عنصر اصلی موثر بر محصور فضایی خیابان ها هستند.شکل 10 و شکل 11 ).
(3) نفوذ پذیری بصری
نتایج ارزیابی نفوذپذیری بصری یک توزیع فضایی توخالی با مقادیر بالا در نواحی مرکزی و مقادیر کم در مناطق حاشیه ای را نشان می دهد ( شکل 9).ج). خیابان‌های با نفوذپذیری بصری بالا عمدتاً خیابان‌های منظری هستند که در مناطق شهری جدید در حاشیه جزیره Xiamen واقع شده‌اند که عموماً دارای کیفیت فضایی بالا و چیدمان منظمی از امکانات خیابان هستند. خیابان ها به صورت شبکه جاده ای مربعی عریض و مستقیم هستند و فضای خیابان دارای تداوم بصری بالا و تداخل بصری کم است. علاوه بر این، چنین مناطقی از نظر تجاری توسعه یافته اند، با مغازه های خیابانی متعدد و رابط های خیابانی قابل نفوذ. نفوذپذیری بصری خیابان‌ها در منطقه مرکزی جزیره Xiamen کمتر است، زیرا تعداد زیادی اجتماع قدیمی و بسته، با مقیاس محدود و مدیریت امنیتی ضعیف وجود دارد. این امر منجر به تراکم بالای پوشش گیاهی خیابان ها، چیدمان بی نظم امکانات، پارک تصادفی وسایل نقلیه موتوری و ساخت و ساز غیرقانونی مغازه ها در کنار خیابان می شود.
(4) سرزندگی
نتایج ارزیابی سرزندگی خیابان در جزیره Xiamen توزیع فضایی بالا در جنوب غربی و کم در شمال شرقی را نشان می‌دهد ( شکل 9).د). درجه باز شدن ساختاری کلی کافی نیست، و نتیجه ارزیابی ویژگی‌های خوشه‌بندی کوچک و پراکندگی بزرگ را نشان می‌دهد. مناطق جنوب غربی اولین مناطق توسعه یافته و بالغ ترین مناطق هسته ای در Xiamen هستند، با مکان های برتر و مناظر خوب. منابع انباشته، شدت توسعه بالا، و ساختمان های قدیمی به خوبی حفظ شده، جریان عابر پیاده پیوسته و متراکم را به خیابان ها می آورد. مقیاس خیابان مناسب است و متوسط ​​طول خیابان 100 تا 200 متر است که برای سفرهای کوتاه مردم مناسب است. علاوه بر این، بلوک های باز تعامل بین مردم و فضا را افزایش می دهد و مغازه های خیابانی متنوعی را ایجاد می کند که باعث نشاط می شود. سرزندگی خیابان در حاشیه شمال شرقی جزیره Xiamen به طور کلی کم است. دلیل اصلی این است که بسیاری از مناطق بزرگ با یک عملکرد واحد وجود دارد، مانند فرودگاه ها و صنایع. خیابان‌ها در مقیاس بزرگ هستند و فاقد مغازه‌های خیابانی و رابط‌های بسته هستند، که منجر به تمایل کم عابران پیاده و کاهش مداوم سرزندگی خیابان‌ها می‌شود.

5. بحث

متفاوت از اندازه‌گیری مقیاس بزرگ قبلی عوامل اجتماعی مانند حوادث ترافیکی [ 16 ، 19 ] و ارزیابی مقیاس کوچک طراحی میکرو [ 23 ، 24 ، 25 ]، این مطالعه با هدف توسعه یک رویکرد داده محور برای ارزیابی ایمنی طراحی میکروسکوپ خیابانی در مقیاس بزرگ از دیدگاه ادراکات فردی داده‌های بزرگ و داده‌کاوی چند منبعی برای ساختن یک سیستم ارزیابی شامل چهار بعد پیاده‌روی، محفظه فضایی، نفوذپذیری بصری و حیاتی استفاده می‌شوند که در ادبیات موجود تاکید شده است [ 43 ، 45 ، 46 ، 48 ، 72 ،75 ]. بر اساس این روش ارزیابی، توزیع ناهمگون ایمنی خیابان ها در سطح کلان را می توان به طور دقیق توصیف کرد و مناطق ناایمن را می توان با تجزیه و تحلیل عوامل تأثیرگذار آنها بهینه کرد تا ایمنی فضایی و کارایی کاربری زمین را بهبود بخشد. نتایج نشان می‌دهد که ایمنی خیابان ویژگی‌های تراکم فضایی را نشان می‌دهد و مقیاس بزرگ، کمبود دیوارهای خیابان و پوشش گیاهی با تراکم بالا منجر به سطح پایین ایمنی خیابان می‌شود. نتایج همچنین نشان می‌دهد که رویکرد داده‌محور دارای اثربخشی و دقت قوی در ارزیابی در مقیاس بزرگ است.
ایمنی دارای دو معنای عینی و ذهنی است [ 35 ]. اگرچه تفاوت خاصی بین “ادراکات ایمنی” و ایمنی واقعی وجود دارد، این مطالعه ایمنی مربوط به طراحی میکروسکوپی خیابان ها را بررسی می کند. اگر ایمنی در چهارچوب طراحی خرد خیابان قرار گیرد، ارزیابی ایمنی خیابان بیشتر بر قضاوت کاربران خیابانی در مورد ایمنی فضا متمرکز است [ 37 ، 41 ]. طراحی میکروسکوپی می تواند بر «ادراک ایمنی» افراد تأثیر بیشتری بگذارد. این مطالعه همچنین ایمنی واقعی را در نظر می گیرد. داده های LBS برای اشاره به ایمنی واقعی و تأیید اثربخشی روش ارزیابی ایمنی خیابان استفاده می شود. تا حدودی، کاوش ایمنی خیابان در این مطالعه بیشتر یک تحلیل جامع است.
تعریف ایمنی خیابان در این مطالعه برگرفته از نظریه های کلاسیک [ 43 ، 44 ، 45 ، 46 ، 47 ، 48 ، 49 ، 50 ] است. تفاوت این است که ما از داده ها و روش های جدید برای تحقق اندازه گیری دقیق و گسترده طراحی ایمنی خیابان ها استفاده می کنیم که دستیابی به آن با روش های سنتی دشوار است. ارزیابی ایمنی خیابان و اعتبار رویکرد در این مطالعه همه بر اساس داده‌های ادراک فردی است. این به بهبود تجربه فضایی فرد در خیابان کمک می کند [ 63 ، 64]. علاوه بر این، مقادیر بهینه برای محاسبه شاخص‌ها استفاده می‌شود که فرض ساده یک رابطه خطی بین عناصر محیطی و ایمنی خیابان را می‌شکند.
اگرچه داده‌های LBS می‌توانند قضاوت‌های ناخودآگاه عابران پیاده در مورد ایمنی خیابان را تا حدی منعکس کنند [ 85 ]، داده‌ها فقط می‌توانند برای آزمون‌های اعتبار استفاده شوند و نمی‌توانند مستقیماً برای ارزیابی ایمنی خیابان مورد استفاده قرار گیرند. اولاً، داده‌های LBS مستقیماً با جهت‌گیری طراحی خیابان جمع‌آوری نمی‌شوند، بلکه زمانی تولید می‌شوند که مردم برنامه‌های تلفن همراه را اجرا کنند [ 98 ]. به عنوان یک نوع داده بزرگ، اگرچه داده های LBS حاوی تعداد زیادی نمونه است، اما هنوز تحت تأثیر سوگیری نمونه گیری قرار دارند و نمی توانند به طور کامل و دقیق ادراکات روانشناختی همه کاربران خیابانی را منعکس کنند [ 85 ].]. دوم، داده های LBS نمی توانند منعکس کننده ویژگی های تصفیه شده ایمنی خیابان باشند. به عنوان مثال، شاخص های کمی مانند نسبت D/H و درجه شفافیت رابط را نمی توان در داده های LBS استخراج کرد، که تجزیه و تحلیل علل ناهمگونی فضایی ایمنی خیابان را دشوار می کند. با این وجود، رکوردهای LBS در فضاهای بیرونی هنوز یک قضاوت ارجاعی برای خیابان های ایمن هستند.
اگرچه هم محفظه فضایی و هم نفوذپذیری بصری به رابط مرتبط هستند، هیچ تضاد منطقی بین این دو وجود ندارد. آنها احساسات مختلف افراد را در خیابان توصیف می کنند. نفوذپذیری بصری نمایانگر دید فضایی و توانایی مشاهده محیط است [ 45 ، 48 ]. کوری بینایی ناشی از موانع عامل مهمی است که باعث ایجاد مشکلات ایمنی می شود [ 49 ]. محوطه فضایی بر تأثیر مکان های محصور شده توسط عناصری مانند ساختمان ها، دیوارها، درختان و مقیاس بر درک ایمنی تأکید می کند [ 43 ، 77 ، 78 ، 79 ، 80 ]]. رابط خیابان با ویترین مغازه های قابل مشاهده و یک چشم انداز به خوبی سازماندهی شده نیز دارای نمای شفافی بر اساس حفظ محصوره خوب است [ 43 ، 45 ]. ترکیب نفوذپذیری بصری با محفظه فضایی می تواند ایمنی خیابان را به صورت دیالکتیکی توضیح دهد.
سطح خیابان تأثیر خاصی بر ارزیابی ایمنی خیابان دارد. ما عمدتاً از دو جنبه زیر به این تأثیر می پردازیم. ابتدا شاخص های تداخل وسیله نقلیه و امکانات ترافیکی را تنظیم می کنیم که می تواند اطلاعات را در سطح خیابان منعکس کند. دوم، هنگام محاسبه سایر شاخص‌ها، مانند تنوع عملکردی و شدت توسعه، محدوده‌های بافر مختلفی را با توجه به مفاهیم و الزامات محاسبه آنها تنظیم می‌کنیم. ما فرض می‌کنیم که تفاوت‌ها در سطح خیابان می‌تواند در ویژگی‌های محیط ساخته شده خیابان‌ها منعکس شود، و محدوده بافر احساسات عمومی کاربران خیابان و ویژگی‌های کاربری زمین را منعکس می‌کند [ 98 ].
توسعه سریع فناوری می تواند جهت گیری های عمیق تری را برای تحقیقات مرتبط در آینده فراهم کند. رواج فناوری واقعیت مجازی (VR) امکان مطالعه احساسات غوطه ور در شرایط آزمایشگاهی و همچنین کسب علمی و تجزیه و تحلیل کمی ادراک ذهنی و ایمنی خیابان را فراهم می کند. فن آوری حسگرهای فیزیولوژیکی پوشیدنی، به ویژه ادغام به طور فزاینده سنسورهای EEG و سنسورهای پوست، راه جدیدی را برای اندازه گیری عینی احساسات افراد ارائه می دهد. اگرچه فناوری‌های فوق بیشتر در تحقیقات مقیاس‌های مزو و میکرو در حال حاضر، همراه با مدل‌های سه‌بعدی شهری استفاده می‌شوند، انتظار می‌رود که از محدودیت درک تجربه انتزاعی در مطالعات قبلی عبور کند. علاوه بر این، چگونگی تدوین اقدامات موثر برای بهبود ایمنی در مناطق کم ارزش، جهتی است که در آینده باید بررسی شود. به جای ساخت مدلی برای کشف اینکه کدام عوامل بر ایمنی خیابان ها تأثیر می گذارد و آن را پیش بینی می کند، یک روش ارزیابی توسعه داده می شود. نحوه مداخله در شاخص ها برای ارتقای ایمنی خیابان ها جهت تحقیقات بعدی است. تسهیلات پیاده روی در خیابان را می توان برای ارتقای تعامل فضایی و نظارت خودجوش افزایش داد. از طریق نوسازی تدریجی خیابان، مقیاس فضایی و تنوع عملکردی باید در محدوده‌های معقول کنترل شود و ساختمان‌های قدیمی محافظت و به‌طور منظم مورد استفاده قرار گیرند. مدیران شهری می توانند قوانین دقیقی را برای بهبود ایمنی خیابان تدوین کنند. به جای ساخت مدلی برای کشف اینکه کدام عوامل بر ایمنی خیابان ها تأثیر می گذارد و آن را پیش بینی می کند، یک روش ارزیابی توسعه داده می شود. نحوه مداخله در شاخص ها برای ارتقای ایمنی خیابان ها جهت تحقیقات بعدی است. تسهیلات پیاده روی در خیابان را می توان برای ارتقای تعامل فضایی و نظارت خودجوش افزایش داد. از طریق نوسازی تدریجی خیابان، مقیاس فضایی و تنوع عملکردی باید در محدوده‌های معقول کنترل شود و ساختمان‌های قدیمی محافظت و به‌طور منظم مورد استفاده قرار گیرند. مدیران شهری می توانند قوانین دقیقی را برای بهبود ایمنی خیابان تدوین کنند. به جای ساخت مدلی برای کشف اینکه کدام عوامل بر ایمنی خیابان ها تأثیر می گذارد و آن را پیش بینی می کند، یک روش ارزیابی توسعه داده می شود. نحوه مداخله در شاخص ها برای ارتقای ایمنی خیابان ها جهت تحقیقات بعدی است. تسهیلات پیاده روی در خیابان را می توان برای ارتقای تعامل فضایی و نظارت خودجوش افزایش داد. از طریق نوسازی تدریجی خیابان، مقیاس فضایی و تنوع عملکردی باید در محدوده‌های معقول کنترل شود و ساختمان‌های قدیمی محافظت و به‌طور منظم مورد استفاده قرار گیرند. مدیران شهری می توانند قوانین دقیقی را برای بهبود ایمنی خیابان تدوین کنند. از طریق نوسازی تدریجی خیابان، مقیاس فضایی و تنوع عملکردی باید در محدوده‌های معقول کنترل شود و ساختمان‌های قدیمی محافظت و به‌طور منظم مورد استفاده قرار گیرند. مدیران شهری می توانند قوانین دقیقی را برای بهبود ایمنی خیابان تدوین کنند. از طریق نوسازی تدریجی خیابان، مقیاس فضایی و تنوع عملکردی باید در محدوده‌های معقول کنترل شود و ساختمان‌های قدیمی محافظت و به‌طور منظم مورد استفاده قرار گیرند. مدیران شهری می توانند قوانین دقیقی را برای بهبود ایمنی خیابان تدوین کنند.

6. نتیجه گیری

این مطالعه یک رویکرد مبتنی بر داده را برای ارزیابی ایمنی خیابان در مقیاس بزرگ اجرا کرد. مشخص شده است که داده های بزرگ چندمنبعی، از جمله تصاویر نمای خیابان، POI، داده های برداری ساختمان، داده های LBS، قیمت مسکن و غیره، امکان ارزیابی ادراکات فردی از طراحی خیابان را در سطح کلان فراهم می کنند. در مقایسه با مطالعات قبلی که از یک منبع داده واحد برای ارزیابی ایمنی خیابان استفاده می‌کردند، داده‌های چند منبعی می‌توانند عناصر فیزیکی و ویژگی‌های طراحی را به طور جامع‌تری اندازه‌گیری کنند. مجموعه داده‌ها در این مطالعه، ادراک کاربران خیابانی از دید، عملکرد، معماری، و شکل خیابان و همچنین گزینش فضایی بر اساس قضاوت ایمنی آن‌ها را منعکس می‌کند، اگرچه این ادراکات گاهی اوقات از طریق فناوری شبکه تلفن همراه محقق می‌شوند.
از نظر روش ها، ارزیابی مفاهیم چند بعدی و ادغام فناوری های داده کاوی چندگانه، نتایج را دقیق تر می کند. اول، ادغام یادگیری عمیق، تقسیم بندی معنایی تصویر، و تجزیه و تحلیل فضایی GIS می تواند به طور موثر عناصر طراحی خیابان را از مجموعه داده استخراج کند. مقادیر بهینه شاخص های ارزیابی برای جلوگیری از خطاهای احتمالی در نظر گرفته می شود و ارزیابی را منطقی تر و عملیاتی تر می کند. دوم، چهار بعد پیاده‌روی، محفظه فضایی، نفوذپذیری بصری و سرزندگی می‌تواند به نمایش کمی در مقیاس بزرگ و نشان دادن مسائل ایمنی خیابان کمک کند. سوم، تأیید روش ارزیابی بر اساس داده های ICC و LBS ضروری است که می تواند انحراف نتایج را کاهش دهد.
نتایج نشان می‌دهد که ایمنی خیابان توزیع فضایی تجمع با ارزش و پراکندگی کم ارزش را نشان می‌دهد. ایمنی خیابان در مناطق مرکزی بالاتر و در مناطق حاشیه ای پایین تر است. مناطق شهری قدیمی و نواحی تجاری دارای ایمنی بیشتری در خیابان هستند. ایمنی خیابان در مناطقی با مقیاس بزرگ، عدم واسط خیابان، حجم زیاد ترافیک حمل و نقل و پوشش گیاهی با تراکم بالا پایین است. پیاده‌روی خیابان به طور قابل توجهی با سطح خیابان مرتبط است و با ارتقاء سطح خیابان کاهش می‌یابد. نواحی با ارزش محصور فضایی ویژگی‌های تمرکز تک هسته‌ای و پراکندگی چند نقطه‌ای را نشان می‌دهد و شکل ساختمان عنصر تأثیرگذار هسته است. خیابان‌های با نفوذپذیری بصری بالا عمدتاً در مناطق چشم‌انداز و نواحی شهری جدید توزیع شده‌اند.
رویکرد داده محور پیشنهاد شده در این مطالعه مرجع تصمیم گیری برای طراحی “انسانی” خیابان ها و برنامه ریزی و مدیریت حمل و نقل شهری پایدار است. روش‌ها و تکنیک‌های ارزیابی خودکار سریع مبتنی بر داده‌های بزرگ می‌توانند برای انجام ارزیابی‌های مقیاس بزرگ با هزینه کم استفاده شوند. این رویکرد برای دستیابی به یک ارزیابی دقیق از ادراکات فردی مساعد است و می‌تواند برای مطالعات دیگری که نیاز به ترکیب داده‌ها و کاوی دارند، اعمال شود. این نتایج به اعتبار سنجی رویکردهای بین رشته ای کمک می کند که نقاط قوت علوم کامپیوتر و آمار را با روانشناسی محیطی و علوم اجتماعی ترکیب می کند.

منابع

  1. خو، ال. جیانگ، دبلیو. چن، زی. مطالعه در مورد ایمنی درک شده در فضاهای عمومی: درک نمای خیابان در شانگهای را به عنوان مثال در نظر بگیرید. Landsc. آرشیت. 2018 ، 25 ، 23-29. [ Google Scholar ]
  2. مولنار، BE; Gortmaker، SL; گاو نر، اف سی؛ Buka، SL ناامن برای بازی؟ بی نظمی محله و عدم ایمنی، کاهش فعالیت بدنی را در بین کودکان و نوجوانان شهری پیش بینی می کند. صبح. J. ارتقاء سلامت. 2004 ، 18 ، 378-386. [ Google Scholar ] [ CrossRef ]
  3. باوم، اف. پالمر، سی. “ساختارهای فرصت”: چشم انداز شهری، سرمایه اجتماعی و ارتقای سلامت در استرالیا. ارتقای سلامت. بین المللی 2002 ، 17 ، 351-361. [ Google Scholar ] [ CrossRef ]
  4. هور، م. نسار، JL نگهداری فیزیکی، نگهداری ادراک شده، ترس از جنایت و رضایت محله. جی. محیط زیست. روانی 2014 ، 38 ، 186-194. [ Google Scholar ] [ CrossRef ]
  5. لوند، اچ. محیط های عابر پیاده و حس اجتماع. جی. پلان. آموزش. Res. 2002 ، 21 ، 301-312. [ Google Scholar ] [ CrossRef ]
  6. هارتیگ، تی. میچل، آر. Vries، SD; Frumkin, H. طبیعت و سلامت. آنو. Rev. Public Health 2014 ، 35 ، 207-228. [ Google Scholar ] [ CrossRef ]
  7. دی عیسی، م. پولئو، ای. شلتون، آرسی Emmons، KM ارتباط بین محیط اجتماعی ادراک شده و ایمنی محله: پیامدهای سلامت Health Place 2010 ، 16 ، 1007-1013. [ Google Scholar ] [ CrossRef ]
  8. وانگ، آر. یوان، ی. لیو، ی. ژانگ، جی. لیو، پی. لو، ی. یائو، ی. استفاده از داده‌های نمای خیابان و یادگیری ماشینی برای ارزیابی اینکه چگونه درک ایمنی محله بر سلامت روان ساکنان شهری تأثیر می‌گذارد. Health Place 2019 , 59 , 102186. [ Google Scholar ] [ CrossRef ]
  9. گیلدربلوم، جی. ریگز، WW; Meares, WL آیا راه رفتن اهمیتی دارد؟ بررسی تأثیر پیاده‌روی بر ارزش‌های مسکن، سلب مالکیت و جرم و جنایت. شهرها 2015 ، 42 ، 13-24. [ Google Scholar ] [ CrossRef ]
  10. لی، اف. فیشر، کی جی. براونسون، RC; Bosworth، M. مدل‌سازی چندسطحی ویژگی‌های محیط ساخته شده مرتبط با فعالیت پیاده‌روی محله در افراد مسن. J. Epidemiol. اشتراک. H. 2005 ، 59 ، 558-564. [ Google Scholar ] [ CrossRef ]
  11. اسدی شکاری، ز. معین الدینی، م. شاه، شاخص ایمنی عابر پیاده برای ارزیابی امکانات خیابانی در مناطق شهری. علوم ایمنی 2015 ، 74 ، 1-14. [ Google Scholar ] [ CrossRef ]
  12. پایدار، م. کمانی فرد، ع. امنیت درک شده زنان در رابطه با انتخاب مسیر آنها به سمت محله پایدار در سانتیاگو، شیلی. شهرها 2017 ، 60 ، 289–300. [ Google Scholar ] [ CrossRef ]
  13. اداره ملی آمار جمهوری خلق چین. سالنامه آماری شهر چین ; انتشارات آمار چین: پکن، چین، 2018.
  14. میتیس، اف. ستی، د. Racioppi، F. جلوگیری از خشونت و آسیب های غیرعمد در اروپا: از همکاری بین المللی تا اجرای محلی. نظرسنجی WHO. اپیدمیول. قبلی 2011 ، 34 ، 88. [ Google Scholar ]
  15. تزوراس، پ. تسیگدینوس، اس. کارولماس، سی. Bakogiannis، E. بحث در مورد نقش ایمنی ترافیک در طرح های تحرک شهری پایدار با استفاده از تکنیک های تحلیل فضایی. در پیشرفت در سیستم‌های Mobility-as-a-Service. CSUM 2020. پیشرفت در سیستم های هوشمند و محاسبات . Nathanail, EG, Adamos, G., Karakikes, I., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2021؛ جلد 1278، ص 505–514. [ Google Scholar ]
  16. خیابان های مهتا، وی. جی. پلان. آموزش. Res. 2007 ، 27 ، 165-187. [ Google Scholar ] [ CrossRef ]
  17. فرنچاک، NN; مارشال، ما سفرهای سرکوب شده کودکان با عابر پیاده و دوچرخه را تعیین می کنیم. رفتار سفر. Soc. 2020 ، 20 ، 91-103. [ Google Scholar ] [ CrossRef ]
  18. ژانگ، اف. فن، ز. کانگ، ی. هو، ی. راتی، سی. “سوگیری درک”: رمزگشایی از عدم تطابق بین جرم و جنایت شهری و درک ایمنی. Landsc. طرح شهری. 2021 ، 207 ، 104003. [ Google Scholar ] [ CrossRef ]
  19. لی، ایکس. ژانگ، سی. لی، دبلیو. آیا دید فضای سبز باعث افزایش ایمنی درک شده در مناطق شهری می شود؟ شواهدی از مجموعه داده Place Pulse 1.0. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 1166-1183. [ Google Scholar ] [ CrossRef ]
  20. Yu, C. چگونه تفاوت در جاده ها بر ایمنی سفر مدرسه تأثیر می گذارد. مربا. برنامه ریزی کنید. دانشیار 2015 ، 81 ، 203-220. [ Google Scholar ] [ CrossRef ]
  21. د سالازار، NNG; مارتین، ام سی؛ Chamizo Nieto، FJ; رزا-جیمنز، سی. سیستم شاخص مونوز، JB برای اندازه گیری کیفیت فضای شهری موثر بر ایمنی و همزیستی شهری. IOP Conf. سلسله. ماتر علمی مهندس 2020 , 960 , 42051. [ Google Scholar ] [ CrossRef ]
  22. دونگ، اچ. آیا پیاده‌روی ایمنی محله را تضعیف می‌کند؟ J. Urban Des. 2017 ، 22 ، 59-75. [ Google Scholar ] [ CrossRef ]
  23. اوژانچی، ای. یلماز، ح. یلماز، اس. ادراک ایمنی از طرح‌های مختلف گیاهان در خیابان‌های عابر پیاده و خودرو. شهری دس. بین المللی 2013 ، 19 ، 303-310. [ Google Scholar ] [ CrossRef ]
  24. پارک، ی. گارسیا، ام. درک ایمنی عابر پیاده و تنظیمات خیابان شهری. بین المللی J. Sustain. ترانسپ 2019 ، 14 ، 860–871. [ Google Scholar ] [ CrossRef ]
  25. هونگ، آ. سالیس، جی اف. کینگ، AC; کانوی، تی ال. سایلنز، بی. کاین، KL; فاکس، ای اچ. فرانک، LD پیوند فضای سبز به سرمایه اجتماعی محله در افراد مسن: نقش امنیت درک شده. Soc. علمی پزشکی 2018 ، 207 ، 38-45. [ Google Scholar ] [ CrossRef ]
  26. سوارز-بالکازار، ی. اوایل، AR; گارسیا، سی. بالکازار، دی. آریاس، دی ال. مورالس، ام. ایمنی راه رفتن و مشارکت در راه رفتن: یک نگرانی بهداشتی. آموزش بهداشت. رفتار 2020 ، 47 ، 430-438. [ Google Scholar ] [ CrossRef ]
  27. کوئون، بی. روزنبلات-نادری، ج. الیس، سی دی; شین، WH; Danies، BH اثرات محیط های عابر پیاده بر رفتارهای راه رفتن و درک ایمنی عابر پیاده. Sustainability 2021 , 13 , 8728. [ Google Scholar ] [ CrossRef ]
  28. باران، پی کی; تبریزیان، پ. ژای، ی. اسمیت، جی دبلیو. فلوید، MF مطالعه اکتشافی ایمنی درک شده در یک پارک محله با استفاده از محیط های مجازی فراگیر. شهری برای. درجه شهری. 2018 ، 35 ، 72-81. [ Google Scholar ] [ CrossRef ]
  29. موراتیدیس، ک. شهر فشرده، پراکندگی شهری و رفاه ذهنی. شهرها 2019 ، 92 ، 261–272. [ Google Scholar ] [ CrossRef ]
  30. پنیا-گارسیا، آ. هورتادو، ا. Aguilar-Luzón، MC تأثیر روشنایی عمومی بر درک عابران پیاده از ایمنی و رفاه. علوم ایمنی 2015 ، 78 ، 142-148. [ Google Scholar ] [ CrossRef ]
  31. هاروی، سی. اولتمن هال، ال. هرلی، SE; Troy, A. اثرات طراحی نمای خیابان اسکلتی بر ایمنی درک شده. Landsc. طرح شهری. 2015 ، 142 ، 18-28. [ Google Scholar ] [ CrossRef ]
  32. نایک، ن. فیلیپوم، جی. راسکار، ر. هیدالگو، سی. استریت اسکور-پیش بینی ایمنی درک شده یک میلیون منظره خیابانی. در مجموعه مقالات کنفرانس IEEE در کارگاه های آموزشی بینایی رایانه و تشخیص الگو، کلمبوس، OH، ایالات متحده، 23 تا 28 ژوئن 2014. IEEE: Piscataway، NJ، USA، 2014. [ Google Scholar ]
  33. Rusydiana، AS تجزیه و تحلیل کتاب سنجی مجلات، نویسندگان و موضوعات مرتبط با COVID-19 و امور مالی اسلامی فهرست شده در پایگاه داده ابعاد توسط Biblioshiny. علمی ویرایش کنید. 2021 ، 8 ، 72-78. [ Google Scholar ] [ CrossRef ]
  34. بیلیس، جی. دیسکورد و همکاری 1945-1949 ; Palgrave Macmillan: لندن، بریتانیا، 1981. [ Google Scholar ]
  35. اودوفوا، بی. بادیورا، هوش مصنوعی؛ Olaleye، DO; آکینلوتان، PA; Adebara، TM ایمنی شخصی درک شده در تاسیسات محیط ساخته شده: مطالعه موردی نیجریه از سایت های تفریحی شهری. J. Outdoor Rec. تور. 2019 ، 25 ، 24-35. [ Google Scholar ] [ CrossRef ]
  36. ولفرز، ا. Stoessinger، JG Discord و همکاری: مقالاتی در مورد سیاست بین‌الملل. جی. پولیت. 1962 ، 25 ، 451. [ Google Scholar ]
  37. استرن، روانشناسی کامپیوتر و علم تعاملات انسان و محیط. صبح. روانی 2000 ، 55 ، 523-530. [ Google Scholar ] [ CrossRef ]
  38. درد، R. مکان، روابط اجتماعی و ترس از جرم: بررسی. Prog. هوم جئوگ. 2000 ، 24 ، 365-387. [ Google Scholar ] [ CrossRef ]
  39. مزلو، ق. هیرش، ای. استاین، ام. هانیگمن، آی. یک آزمون مشتق شده بالینی برای سنجش امنیت روانی-ناامنی. جی ژنرال روانی. 1945 ، 33 ، 21-41. [ Google Scholar ] [ CrossRef ]
  40. گاروفالو، جی. ترس از جنایت: علل و پیامدها. جی. جنایت. جرم حقوقی 1981 ، 72 ، 839-857. [ Google Scholar ] [ CrossRef ]
  41. لورنک، تی. کلیتون، اس. نیری، دی. وایتهد، ام. پتیکرو، ام. تامسون، اچ. کامینز، اس. سودن، آ. رنتون، الف. جنایت، ترس از جرم، محیط زیست و سلامت و رفاه روانی: بررسی نقشه‌برداری نظریه‌ها و مسیرهای علّی. Health Place 2012 ، 18 ، 757-765. [ Google Scholar ] [ CrossRef ]
  42. Sreetheran، M. ون دن بوش، CCK یک کاوش اجتماعی-اکولوژیکی ترس از جرم و جنایت در فضاهای سبز شهری: یک بررسی سیستماتیک. شهری برای. درجه شهری. 2014 ، 13 ، 1-18. [ Google Scholar ] [ CrossRef ]
  43. جیکوبز، جی . مرگ و زندگی شهرهای بزرگ آمریکا . Random House: نیویورک، نیویورک، ایالات متحده آمریکا، 1961. [ Google Scholar ]
  44. Gehl, J. زندگی بین ساختمان ها ; انتشارات معماری دانمارکی: کپنهاگ، دانمارک، 2003. [ Google Scholar ]
  45. جفری، CR پیشگیری از جرم از طریق طراحی محیطی . انتشارات سیج: لندن، بریتانیا، 1971. [ Google Scholar ]
  46. نیومن، O. فضای قابل دفاع: پیشگیری از جرم از طریق طراحی شهری . انجمن علوم سیاسی آمریکا: نیویورک، نیویورک، ایالات متحده آمریکا، 1972; جلد 69. [ Google Scholar ]
  47. ویلسون، جی کیو. Kelling، GL ویندوز شکسته. Atl. دوشنبه 1982 ، 249 ، 29-38. [ Google Scholar ]
  48. پناهگاه اپلتون، جی. پرسپکت بازبینی شد. Landsc. J. 1984 , 3 , 91-103. [ Google Scholar ] [ CrossRef ]
  49. Ito, Z. جرم شهری ; دفتر روزنامه جدید تویو اقتصادی: توکیو، ژاپن، 1982. [ Google Scholar ]
  50. کلتورپ، پی. کلانشهر بعدی آمریکا: اکولوژی، جامعه و رویای آمریکایی . انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 1993. [ Google Scholar ]
  51. بیشتر، KR; کویگلی-مک براید، ای. کلرک، ع. بیشتر، ج. آیا معیارهای ایمنی در سطح کشور، پیامدهای سلامت در سطح فردی را پیش‌بینی می‌کنند؟ Soc. علمی پزشکی 2019 ، 225 ، 128-138. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  52. چن، جی. چن، اس. اثرات سلامت روان درک شده محیط زندگی و ایمنی محله در شهرنشینی چین. زیستگاه. بین المللی 2015 ، 46 ، 101-110. [ Google Scholar ] [ CrossRef ]
  53. ویلسون-جندرسون، ام. Pruchno، R. اثرات خشونت محله و ادراکات ایمنی محله بر علائم افسردگی سالمندان. Soc. علمی پزشکی 2013 ، 85 ، 43-49. [ Google Scholar ] [ CrossRef ]
  54. Landis، BW; Vattikuti، VR؛ اوتنبرگ، RM; مک لئود، دی اس؛ Guttenplan، M. مدل سازی محیط پیاده روی کنار جاده: سطح خدمات پیاده روی. ترانسپ Res. ضبط 2001 ، 41 ، 82-88. [ Google Scholar ] [ CrossRef ]
  55. کلمن، AF; رایان، RL; آیزنمن، تی اس; لاک، دی اچ. هارپر، RW تأثیر درختان خیابان بر درک عابر پیاده از ایمنی: نتایج از مناطق عدالت زیست محیطی ماساچوست، ایالات متحده شهری برای. درجه شهری. 2021 ، 64 ، 127258. [ Google Scholar ] [ CrossRef ]
  56. آسوس-گونزالس، سی. اکامبرام، ک. ری-گالیندو، جی. Rizo-Corona, L. نقش ایمنی درک شده عابر پیاده در طراحی محیط های ساخته شده ایمن تر. Traffic Inj. قبلی 2020 ، 21 ، S84–S89. [ Google Scholar ] [ CrossRef ]
  57. هونگ، جی. چن، سی. نقش محیط ساخته شده بر ایمنی درک شده از جرم و راه رفتن: بررسی تأثیرات مستقیم و غیرمستقیم. حمل و نقل 2014 ، 41 ، 1171-1185. [ Google Scholar ] [ CrossRef ]
  58. یائو، ی. لیانگ، ز. یوان، ز. لیو، پی. بی، ی. ژانگ، جی. وانگ، آر. وانگ، جی. Guan، Q. چارچوب امتیازدهی متخاصم انسان و ماشین برای ارزیابی ادراک شهری با استفاده از تصاویر نمای خیابان. بین المللی جی. جئوگر. Inf. علمی 2019 ، 33 ، 2363-2384. [ Google Scholar ] [ CrossRef ]
  59. وود، ال. شانون، تی. بولسارا، م. پیکورا، تی. مک کورمک، جی. Giles-Corti، B. آناتومی حومه امن و اجتماعی: مطالعه اکتشافی محیط ساخته شده، سرمایه اجتماعی و درک ساکنان از ایمنی. Health Place 2008 ، 14 ، 15-31. [ Google Scholar ] [ CrossRef ]
  60. موراتیدیس، ک. تأثیر پوشش درختان شهری بر ایمنی درک شده. شهری برای. درجه شهری. 2019 ، 44 ، 126434. [ Google Scholar ] [ CrossRef ]
  61. Stülpnagel، RV; لوکاس، جی. خطر تصادف و درک ریسک ذهنی در حین دوچرخه‌سواری شهری: شواهدی برای منابع متجانس و ناسازگار. اسید. مقعدی قبلی 2020 , 142 , 105584. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  62. شفر-مک دانیل، ن. Caughy، MO; اوکامپو، پی. Gearey, W. بررسی جزئیات روش شناختی مشاهدات محله و رابطه با سلامت: مروری بر ادبیات. Soc. علمی پزشکی 2010 ، 70 ، 277-292. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  63. ژانگ، اف. ژو، بی. لیو، ال. لیو، ی. Fung، HH; لین، اچ. Ratti, C. اندازه گیری ادراک انسان از یک منطقه شهری در مقیاس بزرگ با استفاده از یادگیری ماشین. Landsc. طرح شهری. 2018 ، 180 ، 148-160. [ Google Scholar ] [ CrossRef ]
  64. مونی، اس جی; دی ماجیو، سی جی؛ لواسی، جی اس. Neckerman، KM; بادر، MDM; تیتلر، جی. شیهان، DM; جک، DW; Rundle، AG استفاده از نمای خیابان Google برای ارزیابی سهم محیطی در آسیب عابر پیاده. صبح. J. بهداشت عمومی 2016 ، 106 ، 462-469. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  65. رامیرز، تی. هورتوبیا، ر. لوبل، اچ. Rossetti، T. اندازه‌گیری ادراک ناهمگن از فضای شهری با داده‌های عظیم و یادگیری ماشین: برنامه‌ای برای ایمنی. Landsc. طرح شهری. 2021 ، 208 ، 104002. [ Google Scholar ] [ CrossRef ]
  66. بوستوس، سی. رودز، دی. سوله-ریبالتا، آ. مسیپ، دی. آرناس، ا. لاپدریزا، ا. Borge-Holthoefer، J. توضیحی، مداخلات شهری خودکار برای بهبود ایمنی عابران پیاده و وسایل نقلیه. حمل و نقل. Res. سی امر. 2021 ، 125 ، 103018. [ Google Scholar ] [ CrossRef ]
  67. شیا، ی. یابوکی، ن. فوکودا، تی. توسعه سیستمی برای ارزیابی کیفیت فضای سبز شهری در سطح خیابان با استفاده از تصاویر نمای خیابان و یادگیری عمیق. شهری برای. درجه شهری. 2021 ، 59 ، 126995. [ Google Scholar ] [ CrossRef ]
  68. Svechkina، A.; تروپ، تی. Portnov, BA چقدر روشنایی لازم است تا هنگام راه رفتن در خیابان ها در شب احساس امنیت کنید؟ پایداری 2020 ، 12 ، 3133. [ Google Scholar ] [ CrossRef ]
  69. بله، ی. ریچاردز، دی. لو، ی. آهنگ، X. ژوانگ، ی. زنگ، دبلیو. ژونگ، تی. اندازه‌گیری فضای سبز خیابانی با دسترسی روزانه: رویکردی در مقیاس انسانی برای اطلاع‌رسانی شیوه‌های بهتر برنامه‌ریزی شهری. Landsc. طرح شهری. 2019 ، 191 ، 103434. [ Google Scholar ] [ CrossRef ]
  70. شیائو، سی. شی، س. Gu، C. ارزیابی الگوی توزیع فضایی فضای سبز خیابان و رابطه آن با وضعیت اجتماعی-اقتصادی و محیط ساخته شده در شانگهای، چین. Land 2021 , 10 , 871. [ Google Scholar ] [ CrossRef ]
  71. لودویگ، سی. هچت، ر. لاتنباخ، اس. شورشت، ام. Zipf، A. نقشه برداری فضاهای سبز شهری عمومی بر اساس OpenStreetMap و تصاویر نگهبان-2 با استفاده از توابع باور. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 251. [ Google Scholar ] [ CrossRef ]
  72. جنسن، WA; براون، BB; اسمیت، KR; برویر، SC; آمبورگی، جی دبلیو. McIff، B. حمل و نقل فعال در یک خیابان کامل: پیاده‌روی درک شده و ممیزی شده همبستگی دارد. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2017 ، 14 ، 1014. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  73. ساوتورث، ام. طراحی شهر قابل پیاده‌روی. ج. طرح شهری. توسعه دهنده 2005 ، 131 ، 246-257. [ Google Scholar ] [ CrossRef ]
  74. لی، اس. تجزیه و تحلیل ویژگی های محیط خیابان موثر بر تصادفات عابر پیاده: کاربردهای واحد تجزیه و تحلیل بخش خیابان و آمار فضایی. J. Urban Des. Inst. دس شهری کره 2016 ، 17 ، 105-121. [ Google Scholar ]
  75. کالن، جی . منظره شهری مختصر ; انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 1961. [ Google Scholar ]
  76. دوبژانسکی، تی. ضرورت سرزمینی: تحقیق شخصی در مورد منشاء حیوانی اموال و ملل. انیمیشن. رفتار 1967 ، 15 ، 392-393. [ Google Scholar ] [ CrossRef ]
  77. ثالس، پ. شچتنر، ک. هیدالگو، کالیفرنیا تصویر مشارکتی شهر: نقشه برداری از نابرابری ادراک شهری. PLoS ONE 2013 ، 8 ، e68400. [ Google Scholar ]
  78. الکساندر، سی. ایشیکاوا، اس. Silverstein, M. A Pattern Language: Towns, Buildings, Construction ; انتشارات دانشگاه آکسفورد: نیویورک، نیویورک، ایالات متحده آمریکا، 1977. [ Google Scholar ]
  79. لینچ، کی . تصویر شهر . انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 1960. [ Google Scholar ]
  80. آرنولد، درختان HF در طراحی شهری . ون نوستراند راینهولد: نیویورک، نیویورک، ایالات متحده آمریکا، 1993. [ Google Scholar ]
  81. ولاشانی، س. مدنی، من. آذری، ارک; حسینی، س.ب تأثیر عوامل فیزیکی بر احساس امنیت مردم بازار سنتی اصفهان. Procedia Soc. رفتار علمی 2015 ، 201 ، 165-174. [ Google Scholar ] [ CrossRef ]
  82. یورگنسن، آ. هیچچموگ، جی. فضاها و لبه های کالورت، تی. وودلند: تأثیر آنها بر درک ایمنی و اولویت. Landsc. طرح شهری. 2002 ، 60 ، 135-150. [ Google Scholar ] [ CrossRef ]
  83. Gehl, J. Cities for People ; انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 2010. [ Google Scholar ]
  84. گوا، ایکس. چن، اچ. یانگ، ایکس. ارزیابی سرزندگی پویای خیابان و عوامل تأثیرگذار آن بر اساس داده‌های بزرگ چند منبعی. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 143. [ Google Scholar ] [ CrossRef ]
  85. وو، دبلیو. نیو، ایکس. لی، ام. تأثیر محیط ساخته شده بر سرزندگی خیابان: مطالعه موردی جاده نانجینگ غربی در شانگهای بر اساس داده های مکان تلفن همراه. پایداری 2021 ، 13 ، 1840. [ Google Scholar ] [ CrossRef ]
  86. آشیهارا، ی . منظره زیبای شهر . انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 1984. [ Google Scholar ]
  87. Jacobs, AB Great Streets ; انتشارات MIT: کمبریج، MA، ایالات متحده آمریکا، 1995. [ Google Scholar ]
  88. کوانگ، ایکس. Xu, W. روش های کنترل نمای خیابان بر اساس مدیریت برنامه ریزی شهری. برنامه ریزان 2012 ، 28 ، 70-75. [ Google Scholar ]
  89. هاروی، CW اندازه‌گیری طراحی منظره خیابانی برای زیست پذیری با استفاده از داده‌های مکانی و روش. پایان نامه کارشناسی ارشد، دانشگاه ورمونت، برلینگتون، وی تی، ایالات متحده آمریکا، 2014. [ Google Scholar ]
  90. چن، ی. ژائو، X. تحقیق در مورد رابط های طبقه همکف در امتداد خیابان ها از دیدگاه عابران پیاده: مطالعه موردی جاده Huaihai در شانگهای. طرح شهر. Rev. 2014 , 38 , 24-31. [ Google Scholar ]
  91. وانگ، کیو. زنگ، ایکس. خاستگاه، ویژگی‌ها و استراتژی‌های برنامه‌ریزی تطبیقی ​​فرم بلوک شهری. طرح شهر. Rev. 2018 , 42 , 131-138. [ Google Scholar ]
  92. Holcombe، RG شهرسازی جدید در مقابل فرآیند بازار. کشیش اتریش اقتصاد. 2004 ، 17 ، 285-300. [ Google Scholar ] [ CrossRef ]
  93. Moughtin، JC Green Dimensions ; چاپ معماری و ساختمان چین: پکن، چین، 2004. [ Google Scholar ]
  94. ژانگ، ی. لو، اچ. لو، اس. سان، ز. Qu, W. ارزیابی پایداری در مقیاس انسانی تقاطع‌های شهری بر اساس داده‌های بزرگ چند منبعی. Sustainability 2017 , 9 , 1148. [ Google Scholar ] [ CrossRef ]
  95. تان، اس. یانگ، جی. یان، جی. لی، سی. هاشم، ح. چن، ب. چارچوب شاخص شهر کم کربن جامع برای توسعه پایدار. Appl. انرژی 2017 ، 185 ، 1919-1930. [ Google Scholar ] [ CrossRef ]
  96. Shrout، PE; Fleiss، JL Intraclass correlations: موارد استفاده در ارزیابی قابلیت اطمینان ارزیاب. روانی گاو نر 1979 ، 86 ، 420-428. [ Google Scholar ] [ CrossRef ]
  97. Cicchetti، DV دستورالعمل ها، معیارها، و قوانین سرانگشتی برای ارزیابی ابزارهای ارزیابی هنجاری و استاندارد شده در روانشناسی. روانی ارزیابی کنید. 1994 ، 6 ، 284-290. [ Google Scholar ] [ CrossRef ]
  98. وو، دبلیو. ما، ز. گوا، جی. نیو، ایکس. ژائو، ک. ارزیابی اثرات محیط ساخته شده بر سرزندگی خیابان در سطح شهر: یک تحقیق تجربی بر اساس پانل فضایی مدل دوربین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2022 ، 19 ، 1664. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00537 g001 550
شکل 1. نقشه درختی تحقیق ایمنی خیابان.
Ijgi 11 00537 g002 550
شکل 2. روند تحقیقات ایمنی خیابان: ( الف ) تحول موضوعی تحقیقات ایمنی خیابان، ( ب ) نقشه موضوعی تحقیقات ایمنی خیابان.
Ijgi 11 00537 g003 550
شکل 3. افرادی که از تلفن همراه در خیابان استفاده می کنند و رکوردهای LBS را تولید می کنند.
Ijgi 11 00537 g004 550
شکل 4. گردش کار ارزیابی ایمنی خیابان با استفاده از داده های چند منبعی.
Ijgi 11 00537 g005 550
شکل 5. موقعیت و توزیع خیابان جزیره Xiamen.
Ijgi 11 00537 g006 550
شکل 6. نتایج وزن دهی شاخص جزیره Xiamen.
Ijgi 11 00537 g007 550
شکل 7. توزیع داده های چهار بعد و ناهماهنگی آنها با یکدیگر.
Ijgi 11 00537 g008 550
شکل 8. توزیع فضایی ایمنی خیابان در جزیره Xiamen.
Ijgi 11 00537 g009 550
شکل 9. توزیع فضایی نتایج ارزیابی برای هر بعد ایمنی خیابان: ( الف ) قابلیت پیاده‌روی، ( ب ) محفظه فضایی، ( ج ) نفوذپذیری بصری، و ( د ) سرزندگی. نقشه ها با روش ناپیوستگی طبیعی دسته بندی می شوند تا مناطق پر ارزش و مناطق کم ارزش هر بعد با توجه به ویژگی های خود داده ها بهتر قابل تشخیص باشند. عکس‌های واقعی خیابان‌ها مربوط به نمرات مختلف ارزیابی هر بعد نیز نشان داده شده است و مکان‌ها روی نقشه مشخص شده‌اند.
Ijgi 11 00537 g010 550
شکل 10. تغییر محفظه فضایی (SE) با تراکم و آرایش ساختمانی متفاوت.
Ijgi 11 00537 g011 550
شکل 11. تغییر SE با نسبت D/H مختلف، فرم فضای خیابان، و چشم انداز عابر پیاده.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید