فضای سبز پارک (PGS) بخش مهمی از اکوسیستم شهری و زیرساخت سبز است و سهولت دسترسی به PGS ارتباط تنگاتنگی با سلامت ساکنان دارد. تعداد فزاینده ای از مطالعات برای شناسایی نابرابری های دسترسی تلاش کرده اند، اما نتایج به دلیل انتخاب حالت سفر و روش اندازه گیری متفاوت بوده است. این مطالعه یک روش حوضه آبریز شناور دو مرحله‌ای پویا (H2SFCA) بر اساس API سرویس نقشه (رابط برنامه‌نویسی کاربردی) برای ارزیابی دسترسی PGS، با ضریب جینی و موران I دو متغیره محلی برای تجزیه و تحلیل عدالت دسترسی پیشنهاد می‌کند. نتایج نشان می‌دهد که: (1) حالت‌های رانندگی و دوچرخه‌سواری اثرات فشرده‌سازی مکانی-زمانی مهم‌تری نسبت به حالت‌های پویا، حمل‌ونقل عمومی و حالت پیاده‌روی دارند. (2) مقادیر دسترسی و الگوهای فضایی به طور قابل توجهی در حالت سفر متفاوت است. الگوی در دسترس بودن PGS در سطح محلی ناهموارتر از توزیع دسترسی در سطح منطقه ای است. در مقایسه با حالت‌های سفر پویا، مقادیر دسترسی برای حالت سفر تکی به احتمال زیاد بیش‌ازحد یا دست‌کم گرفته می‌شوند. (3) دسترسی به PGS توسط حالت‌های پویا عموماً برابری فضایی بهتری دارد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات پارک عادلانه‌تر انتخاب کنند. علاوه بر این، تفاوت دسترسی قابل توجهی بین حالت مبتنی بر رانندگی پویا و حالت مبتنی بر ترانزیت پویا در چهار منطقه فرعی وجود دارد که عمدتاً در جنوب منطقه تیانه واقع شده‌اند. امکانات حمل و نقل عمومی که پارک ها را در این مناطق به هم متصل می کند باید بهینه شود.

کلید واژه ها:

دسترسی _ فضای سبز پارک ; هاف 2SFCA ; حالت سفر پویا ؛ API سرویس نقشه

1. مقدمه

فضای سبز پارک (PGS) بخش مهمی از اکوسیستم شهری است که می تواند ریزاقلیم را تنظیم کند، اثر جزیره گرمایی شهری را کاهش دهد و مکان هایی را برای اوقات فراغت، سرگرمی، ورزش و ارتباطات ساکنان شهری فراهم کند [ 1 ، 2 ، 3 ]. ساخت آن به عامل مهمی در ارزیابی زیست پذیری یک شهر تبدیل شده است. خاکهای PGS با سلامت محیطی مرتبط هستند و نقش فعالی در ارائه خدمات اکوسیستمی از طریق ترسیب کربن، تنظیم کیفیت آب و نفوذ آب باران دارند. پارک ها به عنوان یک راه طبیعی مهم برای شهرها در نظر گرفته می شوند تا غرق کربن را افزایش دهند و انتشار کربن را کاهش دهند [ 4 ]]. با این حال، در فرآیند شهرنشینی، توسعه سریع مناطق ساخته شده منجر به کوچک شدن تدریجی یا عرضه ناکافی فضای اکولوژیکی [ 5 ]، نابرابری های زیست محیطی [ 6 ] و عدم تطابق عرضه [ 7 ] شده است. بنابراین، در پس زمینه منابع فضایی بسیار محدود، چگونه می توان محیط سبز شهری را بهبود بخشید و «تغییر از تمرکز بر کمیت، مقیاس و کیفیت PGS به تمرکز بر اینکه آیا می توان از خدمات ارائه شده توسط PGS به راحتی، به طور مساوی بهره برد. عادلانه» به یک موضوع داغ در زمینه تحقیقات شهری تبدیل شده است [ 8 ].
دسترسی PGS به دشواری نسبی یا مطلق غلبه بر مقاومت فضایی برای رسیدن به فضای سبز از هر نقطه از فضا اشاره دارد. دسترسی فضایی یکی از روش‌های سنجش معقول بودن تخصیص امکانات خدمات عمومی است [ 9 ، 10 ].
دسترسی فضایی برای اولین بار توسط هانسن [ 11 ] پیشنهاد شد. این نشان دهنده سهولت رسیدن به مکان های مقصد است و به طور گسترده در برنامه ریزی حمل و نقل، انتخاب مکان تسهیلات و مدیریت کاربری زمین استفاده می شود [ 12 ، 13 ، 14 ]. در تحقیقات جغرافیای حمل و نقل، دسترسی به پارک نشان دهنده سهولت دسترسی به پارک ها از محل سکونت است [ 15 ]. روش‌های اندازه‌گیری دسترسی فضایی پارک‌ها را می‌توان به طور عمده به سه دسته تقسیم کرد: (1) روش‌های مجاورت فضایی که میانگین یا حداقل هزینه سفر از محل سکونت به پارک را اندازه‌گیری می‌کنند، مانند روش حداقل فاصله مجاورت، روش فاصله وزن‌دار هزینه. [ 16] و روش تحلیل شبکه مبتنی بر GIS [ 17 ]; (2) روش‌های کانتینری که تعداد یا مقیاس پارک‌های موجود در واحدهای اداری خاص را اندازه‌گیری می‌کند [ 18 ]. و (3) روش های پوشش، که مقیاس جمعیت یا نسبت عرضه به تقاضا را در یک منطقه تعیین شده در اطراف پارک تعیین می کند. یک راه ساده برای به دست آوردن نقشه منطقه خدمات از طریق روش بافر [ 19 ] است. برخی از مطالعات از چگالی هسته [ 20 ] و چند ضلعی های تیسن [ 21 ، 22 ] نیز استفاده کرده اند.] برای تجزیه و تحلیل به طور کلی، رویکرد مجاورت فضایی عمدتاً دسترسی را از منظر تقاضا مورد بحث قرار می‌دهد و بر مقاومت در سفر تأکید می‌کند و اندازه پارک و امکانات را نادیده می‌گیرد. روش کانتینری عمدتاً تحت تأثیر اندازه واحد ارزیابی فضایی است. روش های پوشش، تعیین محدوده مناسب خدمات را دشوار می کند [ 23 ، 24 ]. فرض اصلی سه روش فوق این است که ساکنان ممکن است ترجیحات یکسانی داشته باشند، بدون توجه به تعامل بین عرضه و تقاضا و اثر کاهش فاصله [ 25 ]]. بنابراین، روش حوضه آبریز شناور دو مرحله ای (2SFCA) با بهبود مدل گرانشی معرفی شد. روش 2SFCA به طور گسترده در دسترسی به PGS استفاده می شود، زیرا به طور کامل توزیع فضایی و تعامل بین نقاط عرضه و تقاضا را در نظر می گیرد.
توزیع فضایی پارک و جمعیت، و همچنین هزینه رفت و آمد بین آنها، عوامل مهمی هستند که بر دسترسی به پارک تأثیر می‌گذارند [ 26 ]. رویکرد اصلی 2SFCA فرض می‌کند که همه جمعیت‌ها با یک حالت سفر به مکان‌های عرضه می‌روند [ 27 ]. این فرض ممکن است ارزش دسترسی را دست کم یا بیش از حد تخمین بزند و به یک نتیجه تحقیقاتی غیرقابل اعتماد منجر شود [ 28 ]. در واقع، نحوه سفر ممکن است با موقعیت مقصد مرتبط باشد و از فردی به فرد دیگر متفاوت باشد. به عنوان مثال، Dony یک روش حوضه آبریز شناور با عرض متغیر توسعه داد و قابلیت دسترسی را برای چهار حالت سفر (مانند دوچرخه سواری، رانندگی، حمل و نقل عمومی و پیاده روی) مقایسه کرد [ 18 ]]. نتایج نشان داد که دسترسی به حالت سفر بسیار حساس است. لی دسترسی پارک‌ها را در شنژن از طریق انواع فاصله‌های مختلف ارزیابی کرد، با نتایج نشان داد که هنگام استفاده از روش 2SFCA برای ارزیابی دسترسی فضایی، انواع فاصله باید با دقت انتخاب شوند [ 26 ].
در سال‌های اخیر، تعداد فزاینده‌ای از مطالعات نیز تلاش کرده‌اند تا حالت‌های سفر چندگانه را در مدل‌های دسترسی به پارک بگنجانند [ 29 ]. بر اساس داده‌های پیمایش سفرهای شهری، برخی از مطالعات یک مدل 2SFCA چند وجهی را برای بررسی عادلانه بودن دسترسی به پارک ساخته‌اند [ 27 ، 30 ، 31 ]. با این حال، این مدل فرض می‌کند که ساکنان یک احتمال یکنواخت انتخاب حالت سفر در کل منطقه شهری دارند و نمی‌توانند تفاوت‌های حالت سفر را در واحدهای مقیاس کوچک، مانند مناطق فرعی یا مسکونی نشان دهند [ 31 ]. علاوه بر این، در کشورهای در حال توسعه، به دلیل یک سیستم شبکه حمل و نقل چند سطحی و امکانات حمل و نقل عمومی نابرابر، شیوه های سفر متنوع تر است.32 ]. علاوه بر این، همه شهرها داده های نظرسنجی مشابهی ندارند. بنابراین، حالت سفر مناسب برای اقامتگاه ها باید به صورت پویا با توجه به رابطه موقعیتی بین نقطه پارک هدف و نقطه مسکونی انتخاب شود. این امر اکتشاف بیشتر روش‌های ارزیابی دسترسی به پارک را با در نظر گرفتن حالت‌های مختلف سفر تسهیل می‌کند.
علاوه بر این، اگرچه تحقیقات موجود در مورد دسترسی به فضای سبز تاکنون نتایج ارزشمند و معناداری زیادی به دست آورده است، مشکلات زیر هنوز ارزش بهبود بیشتری دارند. (1) تحقیقات در مورد واحدهای فضایی تصفیه شده نسبتا کمتر است. اکثر مطالعات مرکز هندسی یک خیابان یا جامعه را به عنوان نقطه تقاضا در نظر گرفته اند [ 24 ، 33 ]. با این حال، مرز میان مقیاس بر دقت نتایج ارزیابی تأثیر می گذارد. استفاده از مقیاس کوچک ممکن است تفاوت های فضایی را بهتر منعکس کند. (2) هنگام محاسبه نسبت عرضه به تقاضا، اثرات رقابتی بین نقاط عرضه در نظر گرفته نمی شود، که منجر به برآوردهای مغرضانه جمعیت تقاضا می شود [ 34 ]]. با این حال، در آستانه زمانی، جذابیت نقاط عرضه نسبت به نقاط تقاضا متفاوت است. بنابراین، احتمال انتخاب وجود دارد. برای مثال، پارک‌های نزدیک‌تر و بزرگ‌تر برای ساکنان جذاب‌تر خواهند بود. (3) اندازه‌گیری زمان سنتی تنها بر اساس شبکه جاده‌ای، وضعیت جاده و اطلاعات ازدحام را نادیده می‌گیرد [ 6 ، 33 ]. به دست آوردن زمان واقعی ترافیک همراه با API سرویس نقشه ضروری است.
در چین، ماشین‌های شخصی و وسایل حمل‌ونقل عمومی راه‌های اصلی برای سفرهای طولانی ساکنان شهری هستند. بنابراین، این مطالعه دو سناریو سفر را طراحی می‌کند: حالت‌های حمل و نقل عمومی و حالت‌های مبتنی بر رانندگی. با ساخت یک روش بهبود یافته 2SFCA در مقیاس کوچک، نابرابری فضایی و برابری دسترسی برای حالت‌های حمل و نقل چندگانه تحلیل می‌شود. سعی می کنیم به سوالات زیر پاسخ دهیم: (1) آیا تفاوت هایی در زمان رسیدن به نزدیکترین پارک برای حالت های مختلف سفر وجود دارد؟ ویژگی های آماری قابل توجه چیست؟ (2) ویژگی های فضایی و تفاوت در دسترسی به پارک برای حالت های سفر چندگانه و تک چیست؟ (3) آیا دسترسی به پارک برای حالت های مختلف سفر برابر است؟ مناطق عدم تطابق بین عرضه و تقاضا کجاست؟ نتیجه‌گیری‌های تحقیقاتی، مبنایی علمی برای بهینه‌سازی بیشتر شرایط ترافیکی مرتبط با پارک، بهبود رضایت ساکنان و ایجاد یک فضای سبز عمومی عادلانه و پایدار در گوانگژو فراهم می‌کند.

2. مواد و روشها

2.1. منطقه مطالعه

این مطالعه در منطقه Tianhe واقع در وسط گوانگژو انجام شد ( شکل 1 ). منطقه تیانه دارای مساحت کل زمینی 137.38 کیلومتر مربع است که شامل 21 ناحیه فرعی (به نام “جیدائو”) است. بر اساس هفتمین سرشماری ملی جمعیت سال 2021، جمعیت ساکن فعلی منطقه تیانه 2،241،826 نفر است. منابع حمل و نقل در منطقه متمرکز است، با یک سیستم حمل و نقل شهری چند سطحی که شامل مترو، سیستم حمل و نقل سریع اتوبوس، و بزرگراه حلقوی شهری است. منطقه Tianhe نه تنها از لحاظ اقتصادی توسعه یافته ترین منطقه در گوانگژو است، بلکه بر تغییر فضاهای سبز برای رسیدن به هدف “شهر در یک پارک” نیز تمرکز دارد.
حداکثر شعاع خدمات پارک های شهری 5 کیلومتر است (برنامه ریزی سیستم گوانگژو گرینلند (2020-2035)) و تحقیقات مرتبط نشان می دهد که میانگین مسافت سفر برای ساکنان کلانشهرها، مانند پکن و شانگهای، حدود 5-8 کیلومتر است [ 35 ]. بنابراین، برای کاهش اثر لبه، منطقه مورد مطالعه خود را به یک منطقه حائل 5 کیلومتری در اطراف منطقه Tianhe گسترش دادیم ( شکل 1 ). پارک ها و جمعیت در منطقه حائل در محاسبه دسترسی دخیل بودند، اما فقط نتایج در داخل منطقه تیانه مورد تحقیق و بحث قرار گرفت.

2.2. منابع اطلاعات

2.2.1. داده های پارک

فهرست پارک ها و داده های مرتبط عمدتاً از فهرست پارک گوانگژو (تا پایان سال 2020) که توسط اداره جنگلداری و چشم انداز گوانگژو منتشر شده است، به دست آمده است. در مجموع 64 پارک از جمله 18 پارک در منطقه تیانه و 46 پارک در مناطق اطراف خریداری شد. طبقه بندی پارک ها بر اساس استانداردهای طبقه بندی استاندارد طبقه بندی فضای سبز شهری (CJJ/T85-2017) و طرح ویژه برای ساخت و ساز و حفاظت پارک گوانگژو (پیش نویس) (2017-2035) بود. 11 پارک جامع، 17 پارک موضوعی، 25 پارک اجتماعی و 11 پارک جیبی وجود دارد. وسعت پارک ها از 0.49 هکتار تا 300 هکتار با میانگین 19.13 هکتار است. داده‌های لایه چندضلعی پارک عمدتاً از داده‌های پارک خیابان باز، منطقه مورد علاقه بایدو (AOI) مشتق شده‌اند و سپس با نقشه آنلاین مقایسه و تصحیح شدند. کوچکترین پارک در داده های OSM 23.2 متر مربع با وضوح فضایی حدود 5 متر است. علاوه بر این، کوچکترین پارک در داده های AOI 330 متر مربع با وضوح فضایی حدود 18 متر است. سیستم مختصات جغرافیایی WGS1984 و روش طرح ریزی جهانی مرکاتور عرضی (UTM) بود. مختصات ورودی واقعی پارک های بزرگ از طریق انتخاب کننده مختصات Amap به دست آمد.https://lbs.amap.com/ ، در 1 مارس 2022، با مرکز پارک های کوچک (مساحت ≤ 1 hm 2 ) به عنوان مکان ورودی استفاده می شود. در نهایت، داده های چند ضلعی پارک و داده های ورودی به همان سیستم مختصات (WGS1984، طرح UTM) تبدیل شدند و در مکان های فضایی مربوطه تنظیم شدند.
2.2.2. داده های جمعیت
برای کاهش تأثیر مقیاس فضایی بر ارزیابی دسترسی، جمعیت تقاضا را در یک واحد شبکه 500 × 500 متر مطالعه کردیم. داده های جمعیت توسط داده های جمعیت شطرنجی WorldPop 2020 با وضوح 100 متر ارائه شده است ( https://www.worldpop.org/geodata/summary?id=24926، قابل دسترسی در 1 مارس 2022) و هفتمین سرشماری ملی جمعیت 2021 در گوانگژو. ابتدا، داده های شطرنجی جمعیت در مقیاس زیر ناحیه با داده های سرشماری اصلاح شد. ضریب تصحیح از تقسیم کل جمعیت سرشماری بر کل جمعیت WorldPop زیر ناحیه مربوطه به دست آمد. از آنجایی که ضریب تصحیح یک عدد شناور است، داده‌های جمعیت نهایی به نزدیک‌ترین عدد صحیح گرد شدند. سپس شبکه های 500 متر × 500 متر توسط ابزار شبکه ماهیگیری ArcGIS 10.2 در این منطقه ساخته شد و 612 شبکه در منطقه تیانه خریداری شد. داده‌های شطرنجی جمعیت به داده‌های نقطه‌ای تبدیل شدند، با مرکز وزنی جمعیت هر شبکه به عنوان مکان نقطه تقاضا به‌دست آمد. کل جمعیت های شطرنجی در هر شبکه به عنوان تعداد جمعیت تقاضا محاسبه شد. ما 500 متر را به عنوان قطعنامه انتخاب کردیم زیرا نرخ پوشش مناطق خدمات پارک در طرح ویژه برای ساخت و ساز و حفاظت از پارک گوانگژو (2017-2035) 500 متر محاسبه شده است. علاوه بر این، مقیاس برنامه ریزی شده دایره زندگی 5 دقیقه ای حدود 600 متر × 600 متر است. با توجه به دو نکته فوق، ما از 500 متر به عنوان رزولوشن استفاده کردیم که با مقیاس برنامه ریزی سازگار است و برای مدیریت عملی راحت تر است.36 ].
2.2.3. داده های زمان سفر
داده‌های زمان سفر واقعی با استفاده از API وب سرویس برنامه‌ریزی مسیر نقشه Gaode ( https://lbs.amap.com/api/webservice/guide/api/direction ، در تاریخ 1 مارس 2022) به دست آمد. حالت های حمل و نقل شامل پیاده روی، دوچرخه سواری، حمل و نقل عمومی و رانندگی بود. ابتدا، با تنظیم یک مرکز وزنی با جمعیت شبکه به عنوان مبدا (O) و تمام ورودی های یک پارک به عنوان مقصد (D)، زمان سفر برای هر جفت OD با استفاده از پایتون محاسبه شد. سپس کوتاه ترین زمان به عنوان زمان سفر این شبکه برای رسیدن به پارک انتخاب شد. از طریق محاسبه چرخه ای، در نهایت زمان سفر از هر شبکه به تمام پارک ها به دست آمد. برای جلوگیری از ازدحام رفت و آمد، ساعت 10:30 تا 16:00 در تعطیلات آخر هفته را به عنوان زمان جمع آوری داده ها انتخاب کردیم.

2.3. روش شناسی

شکل 2 چارچوب پیشنهادی در این مطالعه را نشان می دهد. یک مدل H2SFCA بر اساس عرضه و تقاضا برای تعیین کمیت سطوح دسترسی استفاده شد. سه عنصر کلیدی مدل H2SFCA شامل داده‌های جمعیت (تقاضا)، مکان‌های پارک شهری و داده‌های منطقه (عرضه)، و همچنین زمان سفر بین تقاضا و عرضه بود.

2.3.1. مدل دسترسی: یک مدل H2SFCA

برای تخمین احتمال انتخاب تقاضا، در ابتدا از مدل رقابتی مبتنی بر هاف استفاده کردیم که به صورت زیر نشان داده شده است:

پroبمنj=اسj ×دبلیومنj∑من∈تیمنj≤تی0اسj×دبلیومنj،
دبلیومنj=  تیمنj-β،  منf تیمنj≤تی0  0،        منf تیمنj>تی0 ،

که در آن Prob ij احتمال سفر ساکنان شبکه i به پارک j است و S j ظرفیت سرویس پارک j است که با ناحیه پارک در اینجا نشان داده می شود. β ضریب فروپاشی فاصله است که معمولاً از 1.5 تا 2 تنظیم می شود [ 34 ]. با توجه به اینکه هنگام انتخاب پارک توسط ساکنین، وزن مسافتی بیشتر از وزن مساحت پارک است، β در این مقاله 2 تنظیم شده است.

با ترکیب مدل هاف و مدل 2SFCA (H2SFCA)، سپس امتیاز دسترسی مکانی را برای هر شبکه در منطقه تیانه محاسبه کردیم. فرآیند اجرای H2SFCA به دو مرحله تقسیم می شود.
مرحله 1: نسبت عرضه به تقاضا را محاسبه کنید.

برای هر نقطه پارک عرضه j ، ما تمام نقاط تقاضای k را که در آستانه زمانی t 0 بودند جستجو کردیم . در مرحله بعد، جمعیت های نقطه تقاضا k با توجه به مدل هاف و تابع گاوس وزن داده شدند و برای به دست آوردن تمام تقاضاهای بالقوه نقطه عرضه پارک j [ 34 ] جمع شدند. در نهایت، مساحت نقطه عرضه j تقسیم بر جمعیت تقاضا، نسبت عرضه به تقاضا Rj در رابطه (3) است.

آرj=اسj∑ک∈تیکj≤تی0پroبکj×جیتیکj،تی0×پک،

که در آن Sj عرضه پارک j است که می تواند با اندازه مساحت پارک بیان شود. t kj زمان سفر از نقطه تقاضای k تا پارک j است . Prob kj احتمال ساکنان شبکه k انتخاب پارک j است . P k جمعیت نقطه تقاضا k است . و G ( t kj , t 0 ) یک تابع واپاشی فاصله گاوسی است، همانطور که در رابطه (4) نشان داده شده است.

جیتیکj،تی0=ه-12×تیکjتی02-ه-121-ه-12،      منf تیکj≤تی00، منf تیکj>تی0
مرحله 2: میزان دسترسی را محاسبه کنید.

برای هر نقطه تقاضا i ، ما تمام نقاط پارک عرضه j را که در آستانه زمانی t 0 بودند جستجو کردیم . سپس دسترسی به نقطه i را با جمع کردن نسبت عرضه به تقاضا Rj محاسبه کردیم . مقدار دسترسی A i (معادله (5)) می تواند به عنوان منطقه PGS سرانه [ 34 ] تفسیر شود.

          آمن=∑من∈تیمنj≤تی0پroبمنj×جیتیمنj،تی0×آرj،

که در آن Rj نسبت عرضه به تقاضای نقطه عرضه پارک j در آستانه زمانی t 0 است و t ij زمان سفر از نقطه عرضه j به نقطه تقاضا i است . Prob ij و G همان معنای بالا را دارند.

2.3.2. حالت های سفر پویا
مردم می توانند بر اساس زمان سفر، امکانات حمل و نقل و وضعیت اجتماعی و اقتصادی خود، نحوه سفر به پارک ها را به صورت انعطاف پذیر انتخاب کنند. در نتیجه، برآورد دسترسی به پارک با استفاده از حالت سفر ثابت، مغرضانه خواهد بود. به عنوان مثال، ساکنان نزدیک پارک پیاده روی یا دوچرخه سواری را ترجیح می دهند، اما ساکنان دورتر وسایل نقلیه عمومی یا رانندگی را انتخاب می کنند. در چین، ماشین های شخصی و حمل و نقل عمومی راه های اصلی برای ساکنان شهری برای سفر مسافت های طولانی هستند [ 37 ]. بنابراین، ما یک استراتژی سفر چندوجهی را با ترکیب پیاده‌روی، دوچرخه‌سواری، حمل‌ونقل عمومی و رانندگی برای اندازه‌گیری دسترسی به پارک ایجاد کردیم ( شکل 3)). این استراتژی فرض می کند که مردم از وسایل حمل و نقل عمومی یا رانندگی با ماشین برای سفرهای طولانی استفاده می کنند، در حالی که پیاده روی یا دوچرخه سواری را برای مسافت های کوتاه ترجیح می دهند. اگر زمان سفر کمتر از 20 دقیقه باشد، ابتدا پیاده روی و سپس دوچرخه سواری انتخاب می شود. اگر زمان سفر بیش از 20 دقیقه باشد، حمل و نقل عمومی یا رانندگی انتخاب می شود. این استراتژی شامل دو سناریو است که در شکل 2 نشان داده شده است. سناریو (الف) یک حالت مبتنی بر حمل و نقل پویا و سناریو (ب) یک حالت مبتنی بر رانندگی پویا است که برای افراد مختلف مناسب است. در اینجا، ما آستانه 20 دقیقه را تعیین می کنیم زیرا مردم معمولا پیاده روی و دوچرخه سواری را برای کمتر از 20 دقیقه تحمل می کنند [ 23 ، 24 ، 37 ]]. مطالعه قبلی نشان داد که پیاده روی یا دوچرخه سواری به مدت 15 تا 25 دقیقه در روز برای سلامت افراد بهتر است [ 38 ].
2.3.3. فضای سبز پارک به صورت محلی در دسترس است
فضای سبز پارک به صورت محلی در دسترس به معنای سرانه مساحت PGS (متر 2 / نفر) در محدوده معینی از زندگی ساکنان است که نشان دهنده در دسترس بودن و دسترسی به PGS در مقیاس محلی است [ 39 ، 40 ]. این یک شاخص مهم برای ارائه PGS است [ 41]. با توجه به الزامات دولت برای پیاده روی بیش از 500 متری شهروندان تا پارک فضای سبز (PGS)، مسافت قابل قبول پیاده روی در این تحقیق 500 متر تعیین شده است. ابتدا یک منطقه حائل به فاصله 500 متر از فضای سبز پارک ایجاد می کنیم و با شبکه جمعیت تقاطع می کنیم تا منطقه حایل فضای سبز هر شبکه را محاسبه کنیم. سپس کل جمعیت هر شبکه در منطقه بافر شمارش می شود. در نهایت، با تقسیم مساحت PGS بر مجموع جمعیت، می توان سطح سرانه PGS موجود را محاسبه کرد.
2.3.4. ضریب جینی و شاخص I موران محلی دو متغیره

ضریب جینی توزیع دسترسی به پارک را در یک جمعیت اندازه گیری می کند و از 0 (کاملاً برابر) تا 1 (کاملاً نابرابر) است [ 42 ]. به صورت زیر محاسبه می شود [ 43 ]:

جیمتر=1-∑ک=1nبک-بک-1سیک+سیک-1،

که در آن G شاخص جینی، B k نسبت تجمعی جمعیت، C k نسبت تجمعی دسترسی، و n تعداد شبکه‌ها است.

منحنی لورنز به صورت گرافیکی غلظت دسترسی را در هر صدک جمعیت نشان می دهد. هر چه درجه انحنای منحنی لورنز بیشتر باشد، توزیع فضایی دسترسی به پارک ناعادلانه تر خواهد بود. ضریب جینی ارزش کلی را اندازه گیری می کند، در حالی که شاخص موران I دو متغیره، خوشه بندی فضایی را در ارتباط بین عرضه پارک و تقاضای مردم اندازه گیری می کند. شاخص محلی موران دو متغیره و نقشه خوشه ای با استفاده از نرم افزار GeoDa به دست آمد. برای محاسبه خودهمبستگی فضایی بین ارزش دسترسی PGS و تراکم جمعیت از مقدار I موران دو متغیره استفاده شد.

3. نتایج

3.1. تجزیه و تحلیل زمان سفر برای حالت های مختلف

شکل 4 جمعیت و توزیع پارک ها را در منطقه تیانه نشان می دهد. جمعیت عمدتاً در نواحی جنوبی و غربی متمرکز است. با این حال، پراکندگی پارک ها روند توزیع گسسته ای را نشان می دهد، با مناطق حاشیه شمالی و شرقی کمتر پراکنده شده است. از طریق برنامه ریزی مسیر نقشه Gaode، ما زمان لازم برای رسیدن نقاط شبکه به نزدیکترین پارک را برای چهار حالت سفر محاسبه کردیم: پیاده روی، دوچرخه سواری، حمل و نقل و رانندگی. با توجه به چارچوب ( شکل 2 را ببینید) سپس زمان سفر را برای دو حالت پویا محاسبه کردیم. نتایج نشان می‌دهد که رانندگی و دوچرخه‌سواری میانگین زمان سفر کمتری دارند و به دنبال آن حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی قرار دارند، در حالی که حمل‌ونقل عمومی و پیاده‌روی میانگین زمان سفر بیش از سه برابر بیشتر از زمان رانندگی و دوچرخه‌سواری دارند. جدول 1 ).
تعداد شبکه‌هایی که به نزدیک‌ترین پارک در آستانه‌های زمانی مختلف برای حالت‌های سفر متعدد می‌رسند نیز شمارش شد. بیش از 60 درصد از شبکه‌ها می‌توانند در 30 دقیقه با شش حالت سفر به نزدیک‌ترین پارک برسند. با این حال، برای پیاده‌روی و حمل‌ونقل عمومی، تعداد شبکه‌هایی که می‌توانند به نزدیک‌ترین پارک برسند به طور قابل‌توجهی کمتر از سایر حالت‌های سفر است. برای مثال، بیش از 90 درصد شبکه‌ها می‌توانند در عرض 20 دقیقه با دوچرخه، رانندگی و حالت‌های پویا به نزدیک‌ترین پارک برسند، در حالی که کمتر از 50 درصد شبکه‌ها می‌توانند در همان زمان با پیاده‌روی و حمل‌ونقل عمومی به نزدیک‌ترین پارک برسند.
برای بررسی نابرابری مکانی زمان سفر در منطقه تیانه، ما همچنین میانگین زمان سفر از شبکه تا ورودی نزدیکترین پارک ها را با حالت های مختلف سفر ترسیم کردیم ( شکل 5 را ببینید.). زمان سفر به تراکم توزیع پارک و سرعت سفر مربوط می شود. نتایج نشان می دهد که افرادی که در منطقه غرب میانه زندگی می کنند احتمالاً زمان سفر کوتاه تری دارند زیرا پارک های بیشتری در آنجا متمرکز شده اند. الگوهای فضایی حالت‌های پیاده‌روی و حمل‌ونقل عمومی مشابه است، جایی که فقط شبکه‌های نزدیک پارک‌ها یا خطوط حمل‌ونقل مجاور زمان سفر کوتاهی دارند. حالت‌های پویا به دلیل مجموعه حالت‌های متعدد، توزیع فضایی گسسته‌تری از زمان سفر دارند. علاوه بر این، زمان سفر به نزدیک‌ترین پارک در Chebei و Huangcun Subdistrict با رانندگی بسیار کوتاه‌تر از دوچرخه‌سواری است. برعکس، در بخش‌هایی از ناحیه ووشان، دوچرخه‌سواری راحت‌تر از رانندگی به نزدیک‌ترین پارک است. بنابراین، انتخاب روش حمل و نقل افراد بر مسیر و زمان مربوطه تأثیر می گذارد.

3.2. تجزیه و تحلیل دسترسی برای حالت های مختلف

از آنجایی که فضای سبز پارک عملکردهای متفاوتی دارد، ساکنان فضای سبز پارک مربوطه را برای انجام فعالیت های اوقات فراغت انتخاب می کنند. اگر پارک های جیبی در محل وجود داشته باشد، اکثر ساکنان آن را برای تفریح ​​انتخاب می کنند. با این حال، اگر بخواهند کودکان را برای تفریح ​​یا پیک نیک ببرند، عموماً پارکی در مجاورت با مساحت بزرگ‌تر – مانند پارک کودکان یا پارک جامع – انتخاب می‌کنند که بتوانند با حالت‌های مختلف سفر به آن دسترسی داشته باشند. بنابراین دسترسی به فضای سبز پارک از دو جنبه قابل سنجش است: یکی دسترسی در سطح منطقه و دیگری در دسترس بودن در سطح محلی.

3.2.1. تجزیه و تحلیل آماری عددی دسترسی

طبق آمار جدول 1 ، حداکثر میانگین زمان سفر از شبکه به نزدیکترین PGS حدود 30 دقیقه برای حالت های سفر چندگانه است. در اینجا، آستانه زمانی در محاسبه دسترسی نیز به عنوان 30 دقیقه تعیین شد که برای توصیف میانگین سطح سفر به PGS در سطح منطقه ای [ 26 ] استفاده شد.
از منظر آماری، حداکثر، میانگین و انحراف استاندارد مقدار دسترسی برای حالت مبتنی بر رانندگی پویا، همگی کمتر از حالت‌های منفرد مرتبط هستند، و تعداد شبکه‌ها برای حالت مبتنی بر رانندگی پویا نیز کاهش می‌یابد. ( جدول 2 را ببینید ). حداکثر، میانگین و انحراف استاندارد، و همچنین تعداد شبکه‌ها برای دسترسی مبتنی بر حمل‌ونقل پویا، کمتر از شبکه‌های حمل و نقل و پیاده‌روی است، اما بیشتر از شبکه‌های حالت دوچرخه‌سواری است ( جدول 3 را ببینید.). علاوه بر این، حداکثر ارزش دسترسی با حالت های پیاده روی و حمل و نقل به طور قابل توجهی بالاتر از سایر حالت ها است. جمعیت خدمات پذیر پارک ها به دلیل سرعت کم حمل و نقل عمومی و پیاده روی در همان آستانه زمانی کاهش می یابد. بنابراین، نسبت‌های عرضه-تقاضای قابل‌توجهی در پارک‌های بزرگ مانند باغ گیاه‌شناسی چین جنوبی وجود دارد، در حالی که ارزش دسترسی شبکه‌های مجاور نیز به‌طور قابل‌توجهی بالا است. در مقابل، دسترسی به حالت های رانندگی، دوچرخه سواری و پویا طولانی تر است. بنابراین، نسبت عرضه به تقاضای همان پارک نسبتا کمتر است. علاوه بر این، ساکنان می‌توانند پارک‌های بیشتری را انتخاب کنند، و منطقه‌ای که پارک‌های بزرگی دارد می‌تواند پارک‌های کوچک در منطقه اطراف را جبران کند، که تأثیر تفاوت در نسبت عرضه به تقاضای پارک‌ها را ضعیف می‌کند. از این رو،
مقدار متوسط ​​تحت تأثیر برخی از مقادیر قابل‌دسترسی بالا قرار می‌گیرد و نمی‌تواند توزیع کلی شاخص‌های دسترسی هر حالت را نشان دهد. بنابراین، ما همچنین مقادیر دسترسی را در چندک های مختلف تجزیه و تحلیل و مقایسه کردیم ( شکل 6 را ببینید). (1) ما دسترسی مبتنی بر رانندگی پویا را با سه حالت سفر تک مرتبط مقایسه کردیم. نتایج نشان می‌دهد که در صدک 90-10 درصد، مقدار دسترسی با حالت مبتنی بر رانندگی پویا بالاتر از راه رفتن است، که مشابه با رانندگی است. وقتی مقدار دسترسی در صدک 60 باشد، مقدار دسترسی برای حالت مبتنی بر رانندگی پویا بیشتر از حالت دوچرخه سواری است. با این حال، زمانی که مقدار دسترسی بین صدک های 60 و 90 است، ارزش دسترسی مبتنی بر رانندگی پویا کمتر از حالت دوچرخه سواری است. (2) ما همچنین دسترسی مبتنی بر ترانزیت پویا را با حالت‌های سفر منفرد مرتبط مقایسه کردیم. نتایج نشان می دهد که در صدک 90-10، ارزش دسترسی حالت مبتنی بر حمل و نقل پویا بالاتر از حالت حمل و نقل عمومی و پیاده روی است. وقتی مقدار دسترس‌پذیری در صدک 60 باشد، مقدار دسترس‌پذیری حالت مبتنی بر حمل‌ونقل پویا کمتر از حالت دوچرخه‌سواری است، اما زمانی که مقدار دسترسی بین صدک‌های 60 و 90 باشد، مقدار دسترسی مبتنی بر حمل‌ونقل پویا برابر است با بالاتر از حالت دوچرخه سواری به طور کلی، نسبت عرضه-تقاضای پارک و زمان سفر بر ارزش دسترسی تأثیر می‌گذارد و رابطه مقایسه دسترس‌پذیری تحت کمیت‌های مختلف پیچیده‌تر است. اما زمانی که مقدار دسترس‌پذیری بین صدک‌های 60 و 90 باشد، ارزش دسترسی مبتنی بر حمل‌ونقل پویا بالاتر از حالت دوچرخه‌سواری است. به طور کلی، نسبت عرضه-تقاضای پارک و زمان سفر بر ارزش دسترسی تأثیر می‌گذارد و رابطه مقایسه دسترس‌پذیری تحت کمیت‌های مختلف پیچیده‌تر است. اما زمانی که مقدار دسترس‌پذیری بین صدک‌های 60 و 90 باشد، ارزش دسترسی مبتنی بر حمل‌ونقل پویا بالاتر از حالت دوچرخه‌سواری است. به طور کلی، نسبت عرضه-تقاضای پارک و زمان سفر بر ارزش دسترسی تأثیر می‌گذارد و رابطه مقایسه دسترس‌پذیری تحت کمیت‌های مختلف پیچیده‌تر است.
برای بررسی بیشتر رابطه بین حالت‌های سفر پویا و تک، از ضریب پیرسون برای تجزیه و تحلیل همبستگی آنها استفاده کردیم. همانطور که در جدول 4 نشان داده شده است ، مقادیر دسترسی برای حالت های پویا با حالت های تک همبستگی مثبت دارند. به طور خاص، حالت مبتنی بر حمل و نقل پویا بیشتر با دوچرخه سواری مرتبط است، در حالی که حالت مبتنی بر رانندگی پویا بیشتر با رانندگی و دوچرخه سواری مرتبط است. این یافته نشان می‌دهد که اکثر شبکه‌ها برای حالت‌های دوچرخه‌سواری و رانندگی برای رسیدن به پارک مناسب هستند، با فرآیند محاسبه دسترس‌پذیری حالت پویا که تمایل به دستیابی به محدوده جستجوی بزرگ‌تری دارد.
3.2.2. تجزیه و تحلیل توزیع فضایی دسترسی
ارزش دسترسی به سرانه در دسترس بودن PGS توسط یک حالت خاص سفر اشاره دارد. شکل 7 نقشه ارزش دسترسی حالت های مختلف سفر در منطقه Tianhe را در سطح منطقه نشان می دهد. محدوده ارزش دسترسی به هفت گروه تقسیم شد و با رنگ های مختلف متمایز شد. رنگ‌های قرمزتر نشان‌دهنده دسترسی بیشتر است، در حالی که رنگ‌های آبی‌تر نشان‌دهنده دسترسی کمتر است. نتایج نشان می‌دهد که توزیع دسترسی براساس حالت سفر متفاوت است. شبکه‌هایی با ارزش دسترسی بالا در نزدیکی پارک‌های بزرگ‌تر و با جمعیت‌های اطراف کم‌تر واقع شده‌اند، در حالی که شبکه‌هایی با مقادیر دسترسی پایین دورتر از پارک‌ها هستند.
برای حالت های تک، مناطق با دسترسی کم (مقدار <1) با پیاده روی و حمل و نقل عمومی به طور قابل توجهی بزرگتر از مناطق با دوچرخه و رانندگی هستند، که نشان می دهد اکثر ساکنان نمی توانند با پیاده روی یا حمل و نقل عمومی به پارک ها دسترسی داشته باشند. علاوه بر این، توزیع دسترسی ارتباط نزدیکی با شرایط ترافیکی دارد. الگوی دسترسی برای حالت حمل و نقل عمومی عمدتاً تحت تأثیر خطوط و ایستگاه های مترو قرار می گیرد. حالت دوچرخه سواری عمدتاً تحت تأثیر بزرگراه ها، رودخانه ها و سایر موانع زمینی غیرقابل نفوذ است. و حالت رانندگی عمدتاً تحت تأثیر تراکم جاده و وضعیت ترافیک است.
برای بررسی بیشتر تفاوت‌ها در توزیع دسترسی بین حالت‌های سفر پویا و تک، درصد وسعت فضایی دسترسی را در سطوح مختلف مقایسه کردیم ( شکل 8 را ببینید.). برای حالت مبتنی بر حمل و نقل پویا، سطح کلی دسترسی بهتر از پیاده روی و حمل و نقل عمومی است. تعداد شبکه‌هایی با مقادیر دسترسی بسیار کم (≤1) و بسیار زیاد (>5) برای حالت مبتنی بر حمل‌ونقل پویا از دوچرخه‌سواری بیشتر است، در حالی که تعداد شبکه‌هایی با مقادیر دسترسی متوسط ​​و بالا (1-5) کمتر است. از آن برای دوچرخه سواری یک دلیل احتمالی این است که حالت دوچرخه سواری دسترسی ساکنان را با زمان سفر بیش از 20 دقیقه بیش از حد برآورد می کند. بنابراین، ارزش دسترسی افزایش می یابد. برعکس، برای حالت مبتنی بر رانندگی پویا، سطح کلی دسترسی بهتر از حالت تک پیاده روی است، زیرا شبکه‌هایی با مقادیر متوسط ​​و بالا به حاشیه پارک محدود نمی‌شوند. در مقایسه با رانندگی و دوچرخه سواری، میزان دسترسی کم و با ارزش حالت مبتنی بر رانندگی پویا کوچکتر است، در حالی که میزان دسترسی متوسط ​​حالت رانندگی پویا بزرگتر است. برای مثال، مقایسه حالت مبتنی بر رانندگی پویا و حالت رانندگی تک نشان می‌دهد که میزان دسترسی با ارزش بالا (≥3) در نزدیکی باغ گیاه‌شناسی چین جنوبی کاهش می‌یابد، در حالی که میزان دسترسی با ارزش متوسط ​​(2-3) در منطقه جنوبی افزایش می یابد. به طور کلی، حالت مبتنی بر رانندگی پویا تخمین مقادیر شدید را کاهش می دهد. بنابراین، مقادیر دسترسی کلی بیشتر در محدوده میانی قرار دارند، با اختلاف فضایی بین آنها به طور قابل توجهی کوچکتر. مقایسه حالت مبتنی بر رانندگی پویا و حالت رانندگی تک نشان می‌دهد که میزان دسترسی با ارزش بالا (≥3) در نزدیکی باغ گیاه‌شناسی چین جنوبی کاهش می‌یابد، در حالی که میزان دسترسی با ارزش متوسط ​​(2-3) در منطقه جنوبی افزایش می‌یابد. . به طور کلی، حالت مبتنی بر رانندگی پویا تخمین مقادیر شدید را کاهش می دهد. بنابراین، مقادیر دسترسی کلی بیشتر در محدوده میانی قرار دارند، با اختلاف فضایی بین آنها به طور قابل توجهی کوچکتر. مقایسه حالت مبتنی بر رانندگی پویا و حالت رانندگی تک نشان می‌دهد که میزان دسترسی با ارزش بالا (≥3) در نزدیکی باغ گیاه‌شناسی چین جنوبی کاهش می‌یابد، در حالی که میزان دسترسی با ارزش متوسط ​​(2-3) در منطقه جنوبی افزایش می‌یابد. . به طور کلی، حالت مبتنی بر رانندگی پویا تخمین مقادیر شدید را کاهش می دهد. بنابراین، مقادیر دسترسی کلی بیشتر در محدوده میانی قرار دارند، با اختلاف فضایی بین آنها به طور قابل توجهی کوچکتر.
از سوی دیگر، ساکنان نیز تمایل دارند در زندگی روزمره خود به پارک ها و فضاهای سبز اطراف بروند. بنابراین، ما بیشتر در دسترس بودن فضای سبز پارک را در سطح محلی تجزیه و تحلیل می کنیم. نتایج نشان می‌دهد که الگوی در دسترس بودن PGS مشابه قابلیت دسترسی با راه رفتن است ( شکل 9 را ببینید ). تعداد شبکه های بدون در دسترس بودن PGS 408 و انحراف استاندارد 84.88 است. تعداد شبکه کمتر از آن در دسترسی با پیاده روی بیشتر است. به طور کلی، در دسترس بودن PGS به مکان، اندازه PGS و تراکم جمعیت محلی مرتبط است.

3.3. تجزیه و تحلیل ارزش دسترسی برای حالت های مختلف

3.3.1. تجزیه و تحلیل آماری ضریب جینی

منحنی لورنز [ 42 ] به صورت گرافیکی توزیع منابع فضای سبز را در بین جمعیت ساکن نشان می دهد. مقدار ضریب جینی از 0 تا 1 متغیر است. هرچه ضریب جینی کمتر باشد، دسترسی ساکنان به منابع فضای سبز عمومی برابرتر خواهد بود و 1 کاملاً نابرابر است. ما شش منحنی لورنز و ضرایب جینی را برای مقایسه ارزش دسترسی به پارک برای حالت‌های مختلف سفر محاسبه کردیم ( شکل 10 را ببینید.). نتایج نشان می دهد که تفاوت هایی در برابری دسترسی به پارک در حالت های مختلف سفر وجود دارد. برابری دسترسی به پارک در حالت مبتنی بر رانندگی پویا و پس از آن رانندگی و دوچرخه‌سواری، حالت مبتنی بر حمل‌ونقل پویا و در نهایت حالت حمل‌ونقل عمومی و پیاده‌روی بهترین است. برابری دسترسی برای حالت مبتنی بر رانندگی پویا در مقایسه با حالت رانندگی تک بهبود یافته است، همانطور که با کاهش مقدار ضریب جینی از 0.289 به 0.233 نشان داده شده است. به طور مشابه، ارزش دسترسی در حالت مبتنی بر حمل و نقل پویا نیز در مقایسه با حالت حمل و نقل تک بهبود یافته است، با ضریب جینی از 0.808 به 0.564 کاهش می یابد. این نتیجه نشان می‌دهد که دسترسی به پارک با حالت‌های پویا عادلانه‌تر است. استفاده از یک مدل واحد ممکن است ارزش دسترسی پارک ها را دست کم بگیرد.
3.3.2. تحلیل همبستگی توزیع دسترسی و تراکم جمعیت
برای شناسایی تفاوت های فضایی در برابری برای حالت های حمل و نقل پویا، ما یک تحلیل همبستگی فضایی انجام دادیم. دسترسی به پارک می تواند منعکس کننده رابطه عرضه و تقاضا بین جمعیت و PGS باشد. از منظر تعادل عرضه و تقاضا، مناطق با تراکم جمعیت بالا نیز دارای فعالیت جمعیتی بالایی هستند. بنابراین، دسترسی به PGS تأثیر بیشتری در آنجا دارد. بنابراین، برای درک بهتر رابطه تطابق بین عرضه فضای سبز شهری و تقاضای جمعیت مسکونی، ما یک تحلیل همبستگی بین توزیع دسترسی و تراکم جمعیت انجام دادیم.
همانطور که در جدول 5 نشان داده شده است، مقدار I جهانی دو متغیره موران در دو حالت ترافیک پویا منفی است که 0.036- و 0.136- هستند و آزمون سطح معنی داری 5% را گذرانده اند. این نتیجه نشان می‌دهد که یک همبستگی فضایی منفی بین ارزش دسترسی و تراکم جمعیت برای حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی وجود دارد، که نشان می‌دهد دسترسی به پارک در منطقه تیانه با توزیع فضایی جمعیت هماهنگ نیست. برای طبقه‌بندی و تجزیه و تحلیل وضعیت خوشه‌بندی، از دو متغیره محلی Moran’s I استفاده شد که به سه دسته دسترسی بالا و تراکم جمعیت بالا (بالا-بالا)، دسترسی کم و تراکم جمعیت کم (کم-کم)، دسترسی کم و تراکم جمعیت بالا تقسیم شد. کم-بالا) و دسترسی بالا و تراکم جمعیت کم (بالا-کم) ( شکل 11 را ببینید). نتایج نشان می دهد که برای دو مدل پویا، مناطق کم-بالا نسبت زیادی را به خود اختصاص می دهند. بنابراین ظرفیت خدماتی پارک در این مناطق کمتر از تقاضای جمعیت است. مناطق کم-بالا عمدتاً در نواحی شیپای، تیانیوان، چبی و تانگشیا توزیع می‌شوند و مناطق کلیدی هستند که در برنامه‌ریزی بعدی بهبود می‌یابند.
سپس، برای تجزیه و تحلیل تأثیر شکاف دسترسی برای دو حالت پویا، تحلیل همبستگی فضایی بین شکاف دسترسی و تراکم جمعیت انجام شد. نتایج نشان می‌دهد که شکاف دسترسی بین حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی با تراکم جمعیت همبستگی مثبت دارد ( جدول 5 را ببینید ). نواحی خوشه‌ای با ارتفاع بالا در بخش جنوبی ناحیه تیانهه واقع شده‌اند که عمدتاً شامل شیپای، تیانیوان و بخش‌هایی از مناطق فرعی تانگشیا و چبی است ( شکل 12 را ببینید ). بنابراین، در زمینه حمایت از حمل و نقل پایدار، این مناطق خوشه ای بالا-بالا باید در اولویت قرار گیرند تا نابرابری دسترسی به خدمات پارک توسط حمل و نقل عمومی و خصوصی کاهش یابد.

4. بحث

4.1. مزیت – فایده – سود – منفعت

اکثر مدل‌های دسترسی اولیه از یک ابزار سفر برای اندازه‌گیری دسترسی به پارک استفاده می‌کنند، زیرا چنین مدل‌هایی فرض می‌کنند که همه ساکنان از یک حالت سفر برای دسترسی به پارک‌ها استفاده می‌کنند [ 27 ، 30 ، 44 ]. با این حال، افراد در مکان های مختلف ممکن است حالت های مختلف سفر را برای ورود به پارک انتخاب کنند. برخی از مطالعات نشان داده اند که فضای سبز نزدیک از سلامت انسان پشتیبانی می کند و فاصله بسیار مهم است [ 45 ، 46 ]]. به عنوان مثال، ساکنان نزدیک پارک پیاده روی یا دوچرخه سواری را ترجیح می دهند، اما ساکنان دور از پارک حمل و نقل عمومی یا رانندگی را دوست دارند. با توجه به شرایط ترافیکی محلی، این مطالعه ابتدا حمل و نقل غیر موتوری و حمل و نقل موتوری را به طور جامع در نظر گرفت و سپس «پیاده‌روی یا دوچرخه‌سواری یا حمل‌ونقل عمومی» و «پیاده‌روی یا دوچرخه‌سواری یا رانندگی خودرو» را به‌عنوان دو سناریو سفر پویا طراحی کرد. با توجه به حالت‌های سفر متعدد و احتمال‌های مختلف انتخاب پارک برای بهبود روش 2SFCA، مدل‌های دسترسی مبتنی بر حمل‌ونقل پویا و رانندگی پیشنهاد شدند. در نهایت، در چارچوب حمایت از سیاست اولویت بندی توسعه حمل و نقل عمومی، زمینه های بهبود از طریق تجزیه و تحلیل عرضه و تقاضا شناسایی شد. در مقایسه با مطالعات قبلی، مدل بهبود یافته ما دارای مزایای زیر است: (1) یک شبکه 500 متر × 500 متر به عنوان واحد تجزیه و تحلیل پایه استفاده شد. بیشتر مطالعات قبلی از زیر ناحیه ها یا جوامع به عنوان واحدهای تحقیقاتی استفاده کرده اند.24 ، 33]. مرزهای اداری بزرگتر ممکن است باعث انحراف در تخمین زمان سفر شود. تجزیه و تحلیل در مقیاس کوچک در محاسبه زمان دقیق تر است و در کشف تنوع فضایی مفید است. (2) API سرویس نقشه برای تخمین زمان سفر استفاده شد. با توجه به اینکه نقشه های آنلاین زمان حمل و نقل و شرایط ترافیکی آنی را در نظر می گیرند، با تخصیص سرعت نسبت به تحلیل شبکه جاده ای قابل اعتمادتر هستند. (3) با توجه به زمان سفر بین نقاط تقاضا و عرضه، حالت سفر برای یک نقطه تقاضای خاص به صورت پویا انتخاب شد. در همین حال، با توجه به احتمال انتخاب ساکنان پارک‌هایی با قابلیت‌های خدماتی متفاوت، یک مدل پویا H2SFCA ساخته شد. این مدل می‌تواند بهبودهایی را در معیارهای دسترسی یک حالت سفر فراهم کند.

4.2. تفسیر و کاربرد

در این مقاله، ما در ابتدا میانگین زمان سفر از شبکه به نزدیک‌ترین پارک را برای حالت‌های سفر چندگانه با استفاده از تابع مسیریابی نقشه Gaode محاسبه کردیم. این حالت‌ها شامل چهار حالت تک پیاده‌روی، دوچرخه‌سواری، حمل‌ونقل عمومی و رانندگی و ترکیبی از حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی بود. نتایج نشان می‌دهد که حالت‌های رانندگی و دوچرخه‌سواری اثرات فشرده‌سازی مکانی-زمانی مهم‌تری نسبت به حالت‌های حمل‌ونقل عمومی و پیاده‌روی دارند. این یافته شبیه به مطالعه قبلی است [ 18 ، 26 ]. سفر با دوچرخه به دلیل تراکم توقف های حمل و نقل عمومی و زمان های انتقال راحت تر از حمل و نقل عمومی است [ 33 ]]. زمان سفر دو حالت پویا بیشتر از دوچرخه سواری و رانندگی و کمتر از حمل و نقل عمومی و پیاده روی است. دلیل اصلی این است که حالت‌های پویا حالت‌های سفر چندگانه را با هم ترکیب می‌کنند، بنابراین میانگین سرعت آنها بین حالت‌های سریع و آهسته است.
سپس نتایج آماری و نابرابری فضایی دسترسی به پارک برای حالت‌های سفر پویا و تک مورد مقایسه قرار گرفت. نتایج آماری تفاوت‌های زیادی را در مقادیر دسترسی با پیاده‌روی، دوچرخه‌سواری، حمل‌ونقل عمومی و رانندگی نشان می‌دهد، که نشان می‌دهد یک مدل تک حالته ممکن است قادر به ارزیابی قابل اعتماد دسترسی به پارک نباشد [ 27 ، 29 ، 30 ]. مطالعات قبلی نشان داده‌اند که میانگین و انحراف استاندارد دسترسی با حالت‌های چندگانه کمی کمتر از روش‌های تک حالته است [ 24 ].]. با این حال، نتایج ما برای حالت حمل‌ونقل عمومی پویا کاملاً سازگار نیست، که ممکن است به دلیل مطالعه ما با در نظر گرفتن حالت حمل‌ونقل عمومی (مانند اتوبوس و مترو) و تنظیم یک واحد مقیاس فضایی کوچک‌تر باشد. دسترسی حمل و نقل عمومی بیشتر به توزیع مسیر و ایستگاه وابسته است [ 28 ]، بنابراین رابطه مقایسه پیچیده تر است. علاوه بر این، یک مقیاس مطالعه دقیق تر نیز ممکن است نشان دادن تفاوت های داده ها را آسان تر کند. نتایج دسترس‌پذیری باید بر اساس حالت سفر و آستانه‌های زمانی تخمینی تفسیر شود. نابرابری در دسترسی در سطوح محلی و منطقه ای، به ویژه برای شیوه های مختلف حمل و نقل وجود دارد. هر چه مساحت دسترسی کوچکتر باشد، تخصیص منابع پارک نابرابرتر خواهد بود [ 39]. اگرچه فضای سبز پارک در فاصله معینی وجود دارد، تراکم بیش از حد جمعیت اغلب منجر به ایجاد فضای سبز کمی برای سرانه پارک می شود.
مقایسه الگوی توزیع دسترسی برای حالت‌های مختلف سفر نشان می‌دهد که میزان دسترسی با ارزش بالا در حالت مبتنی بر حمل‌ونقل پویا بزرگ‌تر از حالت حمل‌ونقل تک است. برای حالت حمل و نقل عمومی واحد، فقط مناطق اطراف پارک یا نزدیک خط اصلی اتوبوس دارای ارزش دسترسی بالاتر هستند، در حالی که مناطق باقی مانده دارای ارزش دسترسی نسبتاً پایین‌تری هستند. با این حال، حالت مبتنی بر حمل و نقل پویا شامل پیاده روی، دوچرخه سواری و حمل و نقل عمومی است. مردم می توانند با حمل و نقل پویا به راحتی به پارک ها دسترسی داشته باشند تا با یک حالت ترانزیت. بنابراین، تعداد مناطق تحت پوشش به طور قابل توجهی کاهش می یابد، و دامنه مقادیر دسترسی متوسط ​​و بالا به طور قابل توجهی افزایش می یابد. متقابلا، محدوده مقدار دسترسی متوسط ​​توسط حالت مبتنی بر رانندگی پویا بزرگتر از یک رانندگی است. برای حالت رانندگی منفرد، مناطق پر ارزش عمدتاً در نزدیکی باغ گیاه شناسی جنوبی چین توزیع شده است (نگاه کنید بهشکل 4). تراکم جاده های وسایل نقلیه در آنجا کم است و برای دوچرخه سواری یا پیاده روی مناسب است. افراد بیشتری می توانند با حالت رانندگی پویا به پارک برسند. بنابراین، جمعیت مورد استفاده پارک افزایش می‌یابد و در نتیجه نسبت عرضه به تقاضا کاهش می‌یابد. در همین حال، تعداد پارک های قابل دسترس افزایش قابل توجهی ندارد، بنابراین ارزش دسترسی بالا مربوطه کاهش می یابد. به طور کلی، ارزش دسترسی عمدتاً توسط نسبت عرضه به تقاضای پارک ها و زمان سفر تعیین می شود. با توجه به اینکه حالت‌های پویا حالت‌های مختلف سفر را ادغام می‌کنند، می‌توانند ابزار ترافیکی مناسب را با توجه به محیط مکان انتخاب کنند و به طور عینی محدوده دسترسی و نسبت عرضه به تقاضای پارک را تخمین بزنند. تا حدی، نتایج دسترس‌پذیری واقعی‌تر هستند و می‌توانند خطاهای تخمین ناشی از یک حالت سفر را کاهش دهند.
نتایج بیشتر نشان می‌دهد که برابری دسترسی به پارک حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی به‌ترتیب در مقایسه با حمل‌ونقل عمومی و رانندگی منفرد بهبود یافته است، که نشان می‌دهد دسترسی به پارک با حالت ترکیبی برابری فضایی بهتری دارد [ 26 ].]. این یافته اطلاعات و پشتیبانی را برای حمایت از اینکه ساکنان چندین حالت سفر، به ویژه حمل و نقل غیر موتوری را انتخاب می کنند، فراهم می کند. مدیران می توانند ساکنان را تشویق کنند تا با توجه به شرایط محلی از ابزارهای مختلف سفر استفاده کنند، مانند پیاده روی یا دوچرخه سواری یا استفاده از حمل و نقل عمومی برای سفرهای کوتاه مدت و ترویج رفتار سفر سبز. به طور قابل‌توجهی، شکاف بزرگی بین دسترسی به پارک‌ها برای حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی در نواحی اطراف جنوبی وجود دارد که ارتباط نزدیکی با شرایط محدود حمل‌ونقل عمومی و توزیع کم پارک‌ها دارد. بنابراین در زمینه حمایت از سفر سبز باید بر برابری خدمات پارکی در حوزه های فوق تمرکز کنیم. یک روش عملی، هماهنگ کردن چیدمان فضایی حمل‌ونقل عمومی و پارک‌ها در این مناطق است [ 47 ].، 48 ]، به ویژه بهبود پوشش خطوط دوچرخه، افزایش و بهینه سازی مسیرهای اتوبوسی که پارک ها را به هم متصل می کند و انتخاب علمی مکان های پارک.
با برنامه‌ریزی منطقی شیوه‌های سفر در فضاهای مختلف شهری، عدالت در بهره‌مندی ساکنان از منابع پارک بهبود می‌یابد. نتایج نشان می‌دهد که توزیع دسترسی براساس حالت سفر متفاوت است. در سطح محلی، پیاده‌روی رایج‌ترین روش حمل‌ونقل است، اما بازده سفر آن کمتر از سایر روش‌های سفر است. آن مکان‌هایی که در دسترس بودن PGS بهتری دارند در اطراف پارک‌های بزرگ قرار دارند و جمعیت کمی دارند [ 39 , 40 ]]. دوچرخه سواری سریعتر از پیاده روی است. مناطق با دسترسی بهتر حمل و نقل عمومی در امتداد ایستگاه های مترو و اتوبوس توزیع شده اند، اما حمایت از مناطق حاشیه ای شهری ضعیف است. خودروها عمدتاً تحت تأثیر شرایط جاده‌ها قرار می‌گیرند و بیشترین دامنه دسترسی را در همان محدوده زمانی دارند که می‌تواند وضعیت فعلی دسترسی ضعیف در منطقه حاشیه‌ای را تا حدودی کاهش دهد. به عنوان مثال، در مناطقی با پارک های متراکم در مرکز شهر، شرایط جاده اغلب شلوغ است و تراکم جمعیت زیاد است. دوچرخه سواری یا پیاده روی توصیه می شود. با این حال، در مناطقی با پارک های کم در حاشیه شهر، وضعیت جاده ها نسبتا خوب است و تراکم جمعیت کم است. با توجه به محدود بودن مسافت پیاده روی توصیه می شود برای افزایش دامنه دسترسی و افزایش راحتی دسترسی به پارک از رانندگی یا دوچرخه سواری استفاده کنید. علاوه بر این، حمل و نقل عمومی نیز می تواند توسعه یابد تا گزینه های بیشتری برای سکونتگاه های دور از پارک ها فراهم کند. تا حدی می توان با انتخاب حالت سفر مناسب با توجه به بافت محلی، سطح دسترسی به پارک را بهبود بخشید. علاوه بر این، تفاوت در تخصیص فضایی منابع فضای سبز پارک را می توان کاهش داد.
تجزیه و تحلیل فوق و نتایج تجربی نشان می‌دهد که مدل دسترسی پویا می‌تواند به عنوان تلاشی جدید برای اندازه‌گیری دسترسی و تحلیل شخصیت مورد استفاده قرار گیرد و همچنین می‌تواند معیاری جامع از خدمات حمل‌ونقل عمومی برای پارک‌های شهری یا سایر خدمات عمومی ارائه دهد. علاوه بر این، از آنجایی که افراد با درآمد بالا تمایل دارند با ماشین و افراد کم درآمد با وسایل نقلیه عمومی سفر کنند [ 41 ]، استفاده از دو مدل پویا می تواند بیشتر به ارزیابی یک تحلیل عمیق از برابری افراد با درآمدهای مختلف در دسترسی به پارک ها کمک کند.

4.3. محدودیت

برخی محدودیت ها هنوز در این مقاله وجود دارد. اول، هنگام ارزیابی ظرفیت خدمات PGS، تنها مساحت پارک محاسبه می‌شود، در حالی که انواع پارک [ 49 ]، امکانات داخلی [ 50 ] و محیط‌های منظر [ 51 ] در نظر گرفته نمی‌شوند. نگرش ساکنان نیز یک عامل تأثیرگذار مهم است. این عوامل همگی بر جذابیت و دسترسی پارک تاثیر می گذارند. لازم است دسترسی به فضای سبز پارک از جنبه های مختلف به طور جامع مورد تحلیل قرار گیرد. دوم، ساکنان زمان تحمل محدودی برای انواع مختلف پارک ها و حالت های سفر دارند [ 52 ]. بنابراین، پالایش بیشتر آستانه زمانی برای تحقیقات آینده مورد نیاز است [ 53]. سوم، این مقاله بر تمام گروه‌ها در منطقه مورد مطالعه تمرکز دارد. برابری دسترسی گروه‌های مختلف یا گروه‌های خاص هنوز هم جهتی است که ارزش مطالعه عمیق بیشتر را دارد [ 54 ]. علاوه بر این، تأثیر پارک ها بر سلامت محیط، به ویژه تأثیر خاک پارک بر خدمات اکوسیستم، نیز جنبه مهمی است که نیاز به توجه دارد [ 55 ، 56 ].

5. نتیجه گیری ها

هدف اصلی این مطالعه ارزیابی سطح دسترسی برای حالت‌های سفر پویا بود. از آنجایی که ساکنان حالت های سفر را بر اساس فاصله یا وضعیت جاده تا پارک مورد نظر انتخاب می کنند، ما به طور کامل حالت های سفر را در نظر گرفتیم و به صورت پویا حالت حمل و نقل مناسب را برای یک مکان خاص انتخاب کردیم. علاوه بر این، وسایل حمل و نقل عمومی و رانندگی وسایل نقلیه رایج برای سفرهای طولانی مدت هستند، در حالی که پیاده روی و دوچرخه سواری برای سفرهای کوتاه مناسب تر هستند. بنابراین، با توجه به چهار حالت سفر بالا و احتمال‌های مختلف انتخاب پارک برای بهبود روش 2SFCA، مدل‌های دسترسی پویا مبتنی بر حمل‌ونقل و رانندگی در مقیاس شبکه پیشنهاد شدند.
نتایج نشان می‌دهد که رسیدن به نزدیک‌ترین پارک با دوچرخه و ماشین سریع‌تر است و حالت ترافیک پویا کندتر است. علاوه بر این، مشخصه آماری دسترسی و الگوی فضایی با استفاده از مدل H2SFCA در حالت‌های مختلف سفر مورد تجزیه و تحلیل قرار گرفت. الگوی در دسترس بودن PGS در سطح محلی ناهموارتر از توزیع دسترسی در سطح منطقه ای است. نتایج ارزیابی دسترسی به پارک تا حد زیادی تحت تأثیر حالت های سفر ساکنان قرار می گیرد. قابلیت دسترسی برای حالت سفر تکی بیشتر احتمال دارد که برخی شبکه ها را دست کم یا زیاد تخمین بزند یا مقدار قابل توجهی کم یا زیاد را نشان دهد. این تعصب به ویژه برای شبکه های در مناطق دورافتاده یا نزدیک پارک ها مشخص است. در نهایت، ارزش دسترسی حالت‌های مختلف با ضریب جینی و نقشه خوشه‌ای برآورد شد. نتایج نشان می‌دهد که برابری دسترسی به پارک برای حالت مبتنی بر رانندگی پویا، به دنبال رانندگی و دوچرخه‌سواری، حالت مبتنی بر حمل‌ونقل پویا، و در نهایت حالت حمل‌ونقل عمومی و پیاده‌روی بهترین است. این یافته نشان می‌دهد که استفاده از یک مدل واحد ممکن است برابری دسترسی پارک‌ها را دست‌کم بگیرد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات عادلانه‌تر پارک انتخاب کنند. علاوه بر این، تفاوت قابل توجهی بین دسترسی مبتنی بر رانندگی پویا و دسترسی مبتنی بر ترانزیت پویا در جنوب منطقه تیانه وجود دارد. با توجه به هدف ترویج سفرهای حمل و نقل عمومی در برنامه ریزی های آتی، توجه باید بر هماهنگی خدمات تسهیلات حمل و نقل عمومی و توزیع پارک ها در مناطق فوق متمرکز شود. پس از آن رانندگی و دوچرخه سواری، حالت مبتنی بر حمل و نقل پویا، و در نهایت حالت حمل و نقل عمومی و پیاده روی. این یافته نشان می‌دهد که استفاده از یک مدل واحد ممکن است برابری دسترسی پارک‌ها را دست‌کم بگیرد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات عادلانه‌تر پارک انتخاب کنند. علاوه بر این، تفاوت قابل توجهی بین دسترسی مبتنی بر رانندگی پویا و دسترسی مبتنی بر ترانزیت پویا در جنوب منطقه تیانه وجود دارد. با توجه به هدف ترویج سفرهای حمل و نقل عمومی در برنامه ریزی های آتی، توجه باید بر هماهنگی خدمات تسهیلات حمل و نقل عمومی و توزیع پارک ها در مناطق فوق متمرکز شود. پس از آن رانندگی و دوچرخه سواری، حالت مبتنی بر حمل و نقل پویا، و در نهایت حالت حمل و نقل عمومی و پیاده روی. این یافته نشان می‌دهد که استفاده از یک مدل واحد ممکن است برابری دسترسی پارک‌ها را دست‌کم بگیرد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات عادلانه‌تر پارک انتخاب کنند. علاوه بر این، تفاوت قابل توجهی بین دسترسی مبتنی بر رانندگی پویا و دسترسی مبتنی بر حمل و نقل پویا در جنوب منطقه تیانه وجود دارد. با توجه به هدف ترویج سفرهای حمل و نقل عمومی در برنامه ریزی های آتی، توجه باید بر هماهنگی خدمات تسهیلات حمل و نقل عمومی و توزیع پارک ها در مناطق فوق متمرکز شود. این یافته نشان می‌دهد که استفاده از یک مدل واحد ممکن است برابری دسترسی پارک‌ها را دست‌کم بگیرد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات عادلانه‌تر پارک انتخاب کنند. علاوه بر این، تفاوت قابل توجهی بین دسترسی مبتنی بر رانندگی پویا و دسترسی مبتنی بر ترانزیت پویا در جنوب منطقه تیانه وجود دارد. با توجه به هدف ترویج سفرهای حمل و نقل عمومی در برنامه ریزی های آتی، توجه باید بر هماهنگی خدمات تسهیلات حمل و نقل عمومی و توزیع پارک ها در مناطق فوق متمرکز شود. این یافته نشان می‌دهد که استفاده از یک مدل واحد ممکن است برابری دسترسی پارک‌ها را دست‌کم بگیرد و ساکنان می‌توانند ابزار مناسب سفر را برای دستیابی به خدمات عادلانه‌تر پارک انتخاب کنند. علاوه بر این، تفاوت قابل توجهی بین دسترسی مبتنی بر رانندگی پویا و دسترسی مبتنی بر ترانزیت پویا در جنوب منطقه تیانه وجود دارد. با توجه به هدف ترویج سفرهای حمل و نقل عمومی در برنامه ریزی های آتی، توجه باید بر هماهنگی خدمات تسهیلات حمل و نقل عمومی و توزیع پارک ها در مناطق فوق متمرکز شود.
روش پویا H2SFCA پیشنهاد شده در این مطالعه روش‌های فنی بهبود یافته‌ای را برای اندازه‌گیری دسترسی به پارک در مناطقی با حالت‌های سفر متنوع ارائه می‌کند. دو سناریو، حالت‌های حمل‌ونقل پویا و مبتنی بر رانندگی، برای کمک به مقایسه اختلاف دسترسی به روشی واقعی‌تر طراحی شده‌اند. این روش می‌تواند به‌عنوان معیاری برای خدمات حمل‌ونقل عمومی در پارک‌ها در مقیاس فضایی تصفیه‌شده مورد استفاده قرار گیرد و همچنین می‌تواند بیشتر با داده‌های جمعیتی دقیق برای ارزیابی عادلانه بودن خدمات پارک برای گروه‌های درآمدی مختلف ترکیب شود. این مطالعه برای هماهنگی برنامه ریزی ترافیک و ارتقای برابری فضایی امکانات عمومی شهری از اهمیت بالایی برخوردار است.

منابع

  1. پارک، جی. کیم، جی اچ. دونگ، KL; پارک، سی‌ای؛ جئونگ، اس جی تأثیر نوع و ساختار فضای سبز کوچک در سطح خیابان بر کاهش جزیره گرمایی شهری. شهری برای. سبز شهری. 2017 ، 21 ، 203-212. [ Google Scholar ] [ CrossRef ]
  2. گایکواد، ع. Shinde، K. استفاده از پارک ها توسط افراد مسن و مزایای سلامتی درک شده: زمینه کشور در حال توسعه. شهرها 2019 ، 84 ، 134-142. [ Google Scholar ] [ CrossRef ]
  3. ژنگ، ز. ژانگ، ال. Qin، Y. وانگ، ایکس. ژانگ، جی. Yan، YU دسترسی به پارک ها و نقاط دیدنی در شهر کایفنگ بر اساس شبکه ترافیک چند حالته. منطقه Res. توسعه دهنده 2019 ، 38 ، 60–67. [ Google Scholar ]
  4. کیسترا، اس. نونس، جی. نوارا، ا. فینگر، دی. آولار، دی. کلانتری، ز. Cerdà، A. اثر برتر راه حل های مبتنی بر طبیعت در مدیریت زمین برای افزایش خدمات اکوسیستم. علمی کل محیط. 2018 ، 610 ، 997–1009. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  5. لیو، ی. وانگ، اچ. جیائو، ال. لیو، ی. او، جی. Ai، T. محوریت جاده و الگوهای فضایی منظر در منطقه شهری ووهان، چین. چانه. Geogr. علمی 2015 ، 25 ، 511-522.22. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. ژنگ، ز. شن، دبلیو. لی، ی. Qin، Y. وانگ، L. ارزش فضایی فضای سبز پارک با استفاده از KD2SFCA و API نقشه وب: مطالعه موردی ژنگژو، چین. Appl. Geogr. 2020 , 123 , 102310. [ Google Scholar ] [ CrossRef ]
  7. زینگ، ال. لیو، ی. لیو، ایکس. وی، ایکس. Mao, Y. نابرابری فضایی-زمانی بین تقاضا و عرضه خدمات فضای سبز پارک در منطقه شهری ووهان از سال 2000 تا 2014. Habitat Int. 2018 ، 71 ، 49-59. [ Google Scholar ] [ CrossRef ]
  8. Wolch، JR; بیرن، جی. نیوول، فضای سبز شهری JP، بهداشت عمومی و عدالت محیطی: چالش ساختن شهرها به اندازه کافی سبز. Landsc. طرح شهری. 2014 ، 125 ، 234-244. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. گو، ایکس. تائو، اس. دای، ب. دسترسی فضایی به پارک های کشور در شانگهای، چین. شهری برای. سبز شهری. 2017 ، 27 ، 373-382. [ Google Scholar ] [ CrossRef ]
  10. وانگ، ام. Mu, L. نابرابری های فضایی دسترسی Uber: یک تحلیل اکتشافی در آتلانتا، ایالات متحده. محاسبه کنید. محیط زیست سیستم شهری 2018 ، 67 ، 169-175. [ Google Scholar ] [ CrossRef ]
  11. هانسن; والتر، جی. چگونه دسترسی به استفاده از زمین شکل می دهد. مربا. Inst. برنامه ریزی کنید. 1959 ، 25 ، 73-76. [ Google Scholar ] [ CrossRef ]
  12. یانگ، ایکس. ژنگ، دبلیو. لی، ز. تانگ، ز. ارزیابی دسترسی به پارک شهری در شانگهای – پیامدهایی برای برابری اجتماعی در چین شهری. Landsc. طرح شهری. 2016 ، 157 ، 383-393. [ Google Scholar ]
  13. لیو، ی. وی، ایکس. جیائو، ال. وانگ، اچ. روابط بین مرکزیت خیابان و شدت استفاده از زمین در ووهان، چین. ج. طرح شهری. توسعه دهنده 2016 , 142 , 05015001. [ Google Scholar ] [ CrossRef ]
  14. میکس، آر. هورتوبیا، آر. Raveau, S. موقعیت بهینه ایستگاه های اشتراک دوچرخه: یک محیط ساخته شده و رویکرد دسترسی. ترانسپ Res. بخش A سیاست سیاست. 2022 ، 160 ، 126-142. [ Google Scholar ] [ CrossRef ]
  15. ریگولون، الف. چشم انداز پیچیده ای از نابرابری در دسترسی به پارک های شهری: مروری بر ادبیات. Landsc. طرح شهری. 2016 ، 153 ، 160-169. [ Google Scholar ] [ CrossRef ]
  16. وانگ، جی. دنگ، ی. آهنگ، سی. تیان، دی. اندازه گیری زمان دسترسی و ویژگی های فضایی آن در مناطق شهری پکن. جی. جئوگر. علمی 2016 ، 26 ، 1754-1768. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. کامبر، ا. براندون، سی. گرین، E. استفاده از یک تحلیل شبکه مبتنی بر GIS برای تعیین دسترسی به فضای سبز شهری برای گروه‌های قومی و مذهبی مختلف. Landsc. طرح شهری. 2008 ، 86 ، 103-114. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. Dony, CC; دلمل، EM; دلمل، مفهوم مجدد دسترسی EC به پارک ها در شهرهای چند وجهی: روش حوزه آبریز شناور با عرض متغیر (VFCA). Landsc. طرح شهری. 2015 ، 143 ، 90-99. [ Google Scholar ] [ CrossRef ]
  19. داداش پور، ح. رستمی، ف. علیزاده، ب. آیا نابرابری در توزیع تسهیلات شهری ناعادلانه است؟ بررسی روشی برای شناسایی نابرابری فضایی در یک شهر ایرانی. شهرها 2016 ، 52 ، 159-172. [ Google Scholar ] [ CrossRef ]
  20. ویس، سی سی; پورسیل، ام. بادر، م. کوین، جی دبلیو. لواسی، گ. Neckerman، KM; راندل، AG در حال بررسی مجدد دسترسی: امکانات پارک و مشکلات محله در شهر نیویورک. J. Urban Health 2011 ، 88 ، 297-310. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. رن، جی. Wang, Y. دسترسی فضایی به فضای سبز پارک در منطقه Huangpu شانگهای بر اساس روش اصلاح شده حوضه آبریز شناور دو مرحله ای. Prog. Geogr. 2021 ، 40 ، 774-783. [ Google Scholar ] [ CrossRef ]
  22. بون، سی جی; باکلی، جی ال. Grove, JM; Sister, C. Parks and People: An Environmental Justice Inquiry در بالتیمور، مریلند. ان دانشیار صبح. Geogr. 2009 ، 99 ، 767-787. [ Google Scholar ] [ CrossRef ]
  23. خو، ام. شین، جی. سو، اس. ونگ، ام. Cai، Z. نابرابری‌های اجتماعی دسترسی به پارک در شنژن، چین: نقش کیفیت پارک، حالت‌های حمل‌ونقل، و ویژگی‌های اجتماعی-اقتصادی سلسله مراتبی. J. Transp. Geogr. 2017 ، 62 ، 38-50. [ Google Scholar ] [ CrossRef ]
  24. زینگ، ال. لیو، ی. لیو، ایکس. اندازه‌گیری نابرابری فضایی در دسترسی با روش چند حالته بر اساس طبقه‌بندی فضای سبز پارک در ووهان، چین. Appl. Geogr. 2018 ، 94 ، 251-261. [ Google Scholar ] [ CrossRef ]
  25. تائو، ز. چنگ، ی. پیشرفت تحقیق در مورد روش دو مرحله ای حوضه آبریز شناور و گسترش. Prog. Geogr. 2016 ، 35 ، 589-599. [ Google Scholar ]
  26. کوین، جی. لیو، ی. یی، دی. سان، اس. ژانگ، جی. تجزیه و تحلیل دسترسی فضایی پارک ها با ورودی های متعدد بر اساس سفر در زمان واقعی: مطالعه موردی در پکن. پایداری 2020 ، 12 ، 7618. [ Google Scholar ] [ CrossRef ]
  27. مائو، ال. Nekorchuk، D. اندازه گیری دسترسی فضایی به مراقبت های بهداشتی برای جمعیت با حالت های حمل و نقل چندگانه. Health Place 2013 ، 24 ، 115-122. [ Google Scholar ] [ CrossRef ]
  28. وانگ، ی. لیو، ی. زینگ، ال. Zhang، Z. یک مدل مبتنی بر دسترسی بهبودیافته برای ارزیابی برابری آموزشی: مطالعه موردی در شهر ووهان. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 458. [ Google Scholar ] [ CrossRef ]
  29. هو، اس. آهنگ، دبلیو. لی، سی. Lu, J. یک روش حوضه آبریز شناور دو مرحله‌ای مبتنی بر گاوسی چند حالته برای اندازه‌گیری دسترسی پارک‌های شهری. Cities 2020 , 105 , 102815. [ Google Scholar ] [ CrossRef ]
  30. لی، ال. دو، س. رن، اف. Ma، X. ارزیابی دسترسی فضایی به پارک های شهری سلسله مراتبی با استفاده از چند نوع فاصله سفر در شنژن، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 1038. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  31. لی، ز. فن، ز. آهنگ، ی. Chai، Y. ارزیابی برابری در دسترسی به پارک با استفاده از روش G2SFCA مبتنی بر رفتار سفر در نانجینگ، چین. J. Transp. Geogr. 2021 , 96 , 103179. [ Google Scholar ] [ CrossRef ]
  32. آن، اس. جیانگ، م. یاماموتو، T. منطقه نفوذ توسعه ترانزیت محور برای ایستگاه های مترو دهلی فردی با در نظر گرفتن دسترسی چندوجهی. پایداری 2019 ، 11 ، 4295. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  33. شیائو، دبلیو. وی، وای. Wan, N. مدل‌سازی قابلیت دسترسی شغلی با استفاده از داده‌های نقشه آنلاین: روش دو مرحله‌ای توسعه یافته حوضه آبریز شناور با حالت‌های سفر چندگانه. J. Transp. Geogr. 2021 ، 93 ، 103065. [ Google Scholar ] [ CrossRef ]
  34. ژانگ، جی. چنگ، ی. ژائو، بی. ارزیابی نابرابری ها در دسترسی به پارک های پیرامون شهری در سطح منطقه ای: مطالعه موردی در بزرگترین تراکم شهری چین. شهری برای. سبز شهری. 2021 ، 65 ، 127334. [ Google Scholar ] [ CrossRef ]
  35. لین، ی. ژو، ی. لین، ام. وو، اس. لی، بی. بررسی تفاوت‌ها در دسترسی به پارک از طریق داده‌های تلفن همراه: شواهدی از فوژو چین. جی. محیط زیست. مدیریت 2021 ، 281 ، 111849. [ Google Scholar ] [ CrossRef ]
  36. لیو، بی. تیان، ی. گوو، ام. تران، دی. الوا، AAQ; Xu, D. ارزیابی تفاوت بین عرضه و تقاضای فضای سبز پارک با استفاده از یک چارچوب ارزیابی برابری فضایی چند بعدی. Cities 2022 , 121 , 103484. [ Google Scholar ] [ CrossRef ]
  37. جیانگ، اچ. شیائو، آر. ژو، سی. تمایز اجتماعی مصرف و استراتژی های عرضه در پارک های عمومی منطقه مرکزی گوانگژو. برنامه ریزان 2010 ، 26 ، 66-72. [ Google Scholar ]
  38. اوگیلوی، دی. پانتر، جی. گوئل، سی. جونز، ا. مکت، آر. گریفین، اس. اثرات سلامتی اتوبوس راهنمای کمبریج شایر: یک مطالعه تجربی طبیعی. نتایج بهداشت عمومی 2016 ، 4 ، 1-155. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. کابیش، ن. استروهباخ، ام. هاس، دی. Kronenberg، J. فضای سبز شهری در دسترس در شهرهای اروپایی. Ecol. اندیک. 2016 ، 70 ، 586-596. [ Google Scholar ] [ CrossRef ]
  40. کسوموس، جی. Farkas, ZJ; Kolcsár، RA; سیلاسی، پ. کوواچ، ز. اندازه‌گیری نابرابری‌های اجتماعی-اقتصادی در فضای سبز در دسترس در شهرهای پسا سوسیالیستی. Habitat Int. 2021 ، 117 ، 102434. [ Google Scholar ] [ CrossRef ]
  41. Kolcsár، RA; سیکوس، ن. Szilassi، P. تست محدودیت‌های مناطق بافر و داده‌های جمعیت اطلس شهری در ارائه فضای سبز شهری از طریق مطالعه موردی Szeged، مجارستان. شهری برای. سبز شهری. 2021 ، 57 ، 126942. [ Google Scholar ] [ CrossRef ]
  42. جینی، سی. نسبت های غلظت و وابستگی. Riv. سیاست اقتصادی 1997 ، 87 ، 769-792. [ Google Scholar ]
  43. گوا، اس. آهنگ، سی. پی، تی. لیو، ی. ما، تی. دو، ی. چن، جی. فن، ز. تانگ، ایکس. پنگ، ی. و همکاران دسترسی به پارک‌های شهری برای ساکنان سالمند: دیدگاه‌هایی از داده‌های تلفن همراه. Landsc. طرح شهری. 2019 ، 191 ، 103642. [ Google Scholar ] [ CrossRef ]
  44. لیانگ، اچ. Zhang، Q. ارزیابی خدمات حمل و نقل عمومی به پارک های شهری بر اساس دسترسی فضایی برای شهروندان در کلان شهر فشرده شانگهای، چین. مطالعه شهری. 2018 ، 55 ، 1983-1999. [ Google Scholar ] [ CrossRef ]
  45. گیلز کورتی، بی. Broomhall، MH; کنویمان، ام. کالینز، سی. داگلاس، ک. نگ، ک. لانگ، آ. Donovan، RJ افزایش پیاده روی: فاصله، جذابیت و اندازه فضای باز عمومی چقدر مهم است؟ صبح. ج. جلوگیری کنید. پزشکی 2005 ، 28 ، 169-176. [ Google Scholar ] [ CrossRef ]
  46. اککل، ED; De Vries، S. فضای سبز نزدیک و سلامت انسان: ارزیابی معیارهای دسترسی. Landsc. طرح شهری. 2017 ، 157 ، 214-220. [ Google Scholar ] [ CrossRef ]
  47. وانگ، ال. کائو، ایکس. لی، تی. Gao, X. مقایسه دسترسی و تمایز فضایی نقاط دیدنی شیان با حالت‌های مختلف بر اساس سفر در زمان واقعی بایدو. چانه. Geogr. علمی 2019 ، 29 ، 848–860. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. وو، تی. پرستون، جی. ارزیابی هزینه های اجتماعی گزینه های زیرساخت حمل و نقل شهری در کشورهای کم درآمد و متوسط. ترانسپ طرح. تکنولوژی 2020 ، 43 ، 365-384. [ Google Scholar ] [ CrossRef ]
  49. گوپتا، ک. روی، ا. لوترا، ک. میثانی، S. تجزیه و تحلیل مبتنی بر GIS برای ارزیابی دسترسی در سطوح سلسله مراتبی فضاهای سبز شهری. شهری برای. سبز شهری. 2016 ، 18 ، 198-211. [ Google Scholar ] [ CrossRef ]
  50. زینگ، ال. لیو، ی. وانگ، بی. وانگ، ی. لیو، اچ. یک مطالعه عدالت زیست محیطی در مورد دسترسی فضایی به پارک ها برای جوانان با استفاده از روش بهبود یافته 2SFCA در ووهان، چین. شهرها 2020 , 96 , 102405. [ Google Scholar ] [ CrossRef ]
  51. لی، ایکس. هوانگ، ی. Ma, X. ارزیابی فضای سبز عمومی شهری در دسترس در مقیاس جامعه با در نظر گرفتن قابلیت دسترسی و کیفیت زمانی. Ecol. اندیک. 2021 ، 131 ، 108231. [ Google Scholar ] [ CrossRef ]
  52. لی، ز. چن، اچ. یان، دبلیو. بررسی توزیع فضایی مناطق خدماتی پارک شهری در شانگهای بر اساس تخمین زمان سفر: روشی با ترکیب داده‌های چند منبع. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 608. [ Google Scholar ] [ CrossRef ]
  53. پارک، جی. گلدبرگ، دویچه وله مروری بر مطالعات اخیر دسترسی فضایی که از اطلاعات مکانی پیشرفته سود برده است: حمل و نقل چندوجهی و تفکیک زمانی و مکانی. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 532. [ Google Scholar ] [ CrossRef ]
  54. ژانگ، آر. سان، اف. شن، ی. پنگ، اس. Che, Y. دسترسی به مزایای پارک شهری با پوشش فضایی متفاوت: نابرابری فضایی و اجتماعی. Appl. Geogr. 2021 ، 135 ، 102555. [ Google Scholar ] [ CrossRef ]
  55. کیسترا، اس. مول، جی. دی لیو، جی. اوککس، جی. مولنار، سی. دی کلین، ام. Visser, S. اهداف توسعه پایدار مرتبط با خاک: چهار مفهوم برای خنثی سازی تخریب زمین و کار بازسازی. Land 2018 , 7 , 133. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  56. کیسترا، اس. صنیگراهی، س. لوپز-ویسنته، ام. پولیدو، ام. نوارا، ا. ویسر، اس. کلانتری، ز. نقش خاک در تنظیم و تامین آب آبی و سبز. فیلوس ترانس. R. Soc. B 2021 , 376 , 20200175. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00394 g001 550
شکل 1. موقعیت منطقه Tianhe در گوانگژو.
Ijgi 11 00394 g002 550
شکل 2. روش پیشنهادی برای محاسبه دسترسی به پارک.
Ijgi 11 00394 g003 550
شکل 3. استراتژی سفر چندوجهی پیشنهادی. ( الف ) حالت مبتنی بر ترانزیت پویا. ( ب ) حالت مبتنی بر رانندگی پویا.
Ijgi 11 00394 g004 550
شکل 4. توزیع جمعیت و پارک ها در منطقه تیانه.
Ijgi 11 00394 g005 550
شکل 5. توزیع زمانی هر شبکه برای رسیدن به نزدیکترین پارک برای حالت های مختلف سفر. ( الف ) توزیع زمان برای پیاده روی. ( ب ) توزیع زمان برای دوچرخه سواری. ( ج ) توزیع زمان برای حمل و نقل عمومی. ( د ) توزیع زمان برای رانندگی. ( ه ) توزیع زمان برای حالت مبتنی بر حمل و نقل پویا. ( f ) توزیع زمان برای حالت مبتنی بر رانندگی پویا.
Ijgi 11 00394 g006 550
شکل 6. آمار مقادیر دسترسی در چندک های مختلف برای حالت های سفر چندگانه. ( الف ) آمار مقادیر دسترس پذیری مبتنی بر رانندگی پویا در چندک های مختلف. ( ب ) آمار مقادیر مبتنی بر ترانزیت پویا در چندک های مختلف.
Ijgi 11 00394 g007 550
شکل 7. توزیع سطح دسترسی هر شبکه برای حالت های مختلف سفر. ( الف ) دسترسی برای پیاده روی. ( ب ) دسترسی برای دوچرخه سواری. ( ج ) دسترسی برای حمل و نقل عمومی. ( د ) دسترسی برای رانندگی. ( ه ) قابلیت دسترسی برای حالت مبتنی بر حمل و نقل پویا. ( f ) قابلیت دسترسی برای حالت مبتنی بر رانندگی پویا.
Ijgi 11 00394 g008 550
شکل 8. درصد وسعت فضایی دسترسی در سطوح مختلف برای حالت های مختلف سفر.
Ijgi 11 00394 g009 550
شکل 9. توزیع فضای سبز پارک محلی.
Ijgi 11 00394 g010 550
شکل 10. منحنی دسترسی لورنز برای حالت های مختلف سفر.
Ijgi 11 00394 g011 550
شکل 11. نقشه LISA برای دو حالت سفر پویا و جمعیت. ( الف ) نقشه LISA برای دسترسی مبتنی بر حمل و نقل پویا. ( ب ) نقشه LISA برای دسترسی مبتنی بر رانندگی پویا.
Ijgi 11 00394 g012 550
شکل 12. نقشه LISA برای شکاف بین دو حالت پویا و جمعیت.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید