الگوی فضایی شاخص راه رفتن، امتیاز پیاده روی و اصلاح امتیاز پیاده روی برای سالمندان

شهرهای معاصر برای حمایت از فعالیت بدنی انسان، افزایش رفاه انسان، کاهش ترافیک و ایجاد یک محیط شهری سالم به شرایط عالی پیاده روی نیاز دارند. شاخص ها و معیارهای مختلفی برای ارزیابی شرایط راه رفتن وجود دارد. برای ارزیابی الگوی فضایی شاخص‌های مبتنی بر هدف، دو شاخص محبوب انتخاب شدند – شاخص پیاده‌روی (WAI)، نشان‌دهنده شاخص‌های مبتنی بر محیط، و امتیاز پیاده‌روی (WS)، که یک رویکرد مبتنی بر دسترسی را اعمال می‌کند. هر دو شاخص با استفاده از واحدهای فضایی کافی (بافرهای دایره ای با شعاع از 400 متر تا 2414 متر) در دو شهر چک مورد ارزیابی قرار گرفتند. یک ابزار نرم افزاری جدید برای محاسبه WS با استفاده از داده های OSM و خدمات شبکه رایگان در دسترس توسعه داده شد. نوع جدید WS به طور خاص برای افراد مسن طراحی شده است. سرعت راه رفتن متفاوت، و تنظیمات متغیر اهداف و وزن آنها انطباق WS را با شرایط محلی و نیازهای شخصی امکان پذیر کرد. WAI و WS الگوی فضایی متفاوتی را نشان دادند که در آن WAI برای شعاع‌های کوچک‌تر (تا حدود 800 متر) و WS برای شعاع‌های بزرگ‌تر (شروع از 800 متر) بهتر استفاده می‌شود. ارزیابی WS برای هر دو شهر نشان می دهد که تقریباً. 40 درصد از ساکنان در شرایط پیاده روی نامناسب زندگی می کنند. تجزیه و تحلیل حساسیت تأثیرات عمده سرعت راه رفتن و ضریب β را بر ارزیابی راه رفتن کشف کرد. ارزیابی WS برای هر دو شهر نشان می دهد که تقریباً. 40 درصد از ساکنان در شرایط پیاده روی نامناسب زندگی می کنند. تجزیه و تحلیل حساسیت تأثیرات عمده سرعت راه رفتن و ضریب β را بر ارزیابی راه رفتن کشف کرد. ارزیابی WS برای هر دو شهر نشان می دهد که تقریباً. 40 درصد از ساکنان در شرایط پیاده روی نامناسب زندگی می کنند. تجزیه و تحلیل حساسیت تأثیرات عمده سرعت راه رفتن و ضریب β را بر ارزیابی راه رفتن کشف کرد.

کلید واژه ها:

قابلیت راه رفتن امتیاز پیاده روی ؛ شاخص پیاده روی ; سالمندان ; تجزیه و تحلیل حساسیت ; دسترسی _ GIS

1. مقدمه

پیاده روی به یک سبک زندگی سالم کمک می کند. فقدان فعالیت بدنی کافی ساکنان شهری به ایجاد بیماری های مزمن کمک می کند. عدم تحرک بدنی به عنوان دومین عامل خطر قابل اصلاح پیشرو برای بیماری های مزمن پس از سیگار کشیدن ذکر شده است و به طور قابل توجهی به مرگ و میر کلی در کشورهای غربی کمک می کند [ 1 ، 2 ]. افزایش فعالیت بدنی در سطح جمعیت و کاهش فعالیت بدنی و نابرابری‌های بهداشتی یکی از علاقه‌های روزافزون سیاست‌گذاران است [ 3 ، 4 ، 5 ، 6 ].

تحرک برای سالمندی فعال اساسی است [ 7 ، 8 ] و یک پیش نیاز ضروری برای سالمندان برای شیوه زندگی مستقل و اتکا به خود، از جمله ظرفیت بیرون رفتن [ 9 ، 10 ]، و انجام فعالیت های اجتماعی و اوقات فراغت است. 10 ، 11 ]. با افزایش سن، کاهش در سلامتی اغلب فعالیت‌های امکان‌پذیر را محدود می‌کند [ 12 ] و ظرفیت فرد برای انجام فعالیت‌های زندگی روزمره را محدود می‌کند [ 11 ، 13 ]. وقتی تعداد گزینه‌ها کاهش می‌یابد، «دسترسی رد شده» مشکل بزرگ‌تری برای سالمندان است [ 8 ]. با این حال، سالمندان یک گروه اجتماعی کاملاً متنوع را تشکیل می دهند [ 14] با رفتار سفر ناهمگون. بسیاری از عوامل روانی-اجتماعی نهفته بر رفتار سفر آنها تأثیر می گذارد، مانند شیوه های زندگی و نگرش های متنوع (به عنوان مثال، [ 15 ])، و همچنین توانایی های فیزیکی و عملکردی خود گزارش شده (به عنوان مثال، [ 12 ، 16 ]).

شهرهای امروزی بر ساکنان خود تمرکز می کنند و هدفشان بهبود محیط شهری از طریق مجموعه ای پیچیده از فعالیت ها است [ 3 ، 10 ، 17 ، 18 .]. ساخت یک محیط دلپذیر برای رفاه ساکنان و بازدیدکنندگان ضروری است، اما همچنین تأثیر هم افزایی چند برابری بر تجارت و کارآفرینی دارد. توجه روزافزون به سیاست سبز، حفاظت طبیعی، و محیط‌های شهری دوستانه، ایمن و سالم، دولت‌های محلی را به سمت محدود کردن تدریجی حمل‌ونقل موتوری فردی و تجاری، یعنی در مراکز شهر، بزرگ‌کردن مناطق عابر پیاده و اتخاذ تدابیری با هدف ارتقای عابران پیاده سوق می‌دهد. “پیاده اول” یک اصطلاح کلیدی برای بسیاری از نمایندگان شهر است. «شهرها برای همه» و تغییر پارادایم به سمت محیط‌های شهری دوستانه‌تر و فراگیرتر [ 8 ] اکنون سیاست‌های بین‌المللی شناخته شده‌اند (به عنوان مثال، [ 1 ، 8 ، 19 ]]). چنین پیشرفت هایی به طور مثبت بر اکثر سالمندان تأثیر می گذارد، خواه خود آنها از نظر جسمی ناتوان هستند یا نه. با توجه به کاهش تدریجی توانایی‌های فیزیکی و محدودیت‌های زمانی مکرر به دلیل مسائل بهداشتی اپیزودیک در سالمندان، هرگونه کاهش موانع حرکتی مورد استقبال قرار می‌گیرد.

وبر و همکاران [ 7 ] 5 دسته اساسی از عوامل تعیین کننده تحرک – شناختی، روانی-اجتماعی، فیزیکی، محیطی و مالی را ایجاد کرد. مطالعاتی که به عوامل محیطی می پردازند غالب هستند زیرا قابل تغییر هستند و می توانند توسط ذینفعان محلی مورد توجه قرار گیرند. آنها پیشنهادهای محیطی را به ساکنان ارائه می دهند که می تواند اصلاح یا بهبود یابد تا راحت تر و جذاب تر باشد و به نوبه خود، مردم، از جمله سالمندان را برای پیاده روی بیشتر برانگیزد.

بسیاری از مطالعات ویژگی های فیزیکی و محیطی محیط ساخته شده را بررسی می کنند تا تشخیص دهند کدام عوامل بر «راه رفتن» سالمندان تأثیر می گذارد [ 12 ، 17 ، 20 ، 21 ، 22 ، 23 ، 24 ، 25 ، 26 ، 27 ، 28 ، 29 ، 30 . ] به منظور ارائه اطلاعات مفید برای بهبود دسترسی عابر پیاده. به طور عمده، سطوح بالاتر تراکم مسکونی، اتصال خیابان، و ترکیب کاربری زمین، تعداد بیشتری از پیاده روی و دوچرخه سواری را گزارش کردند [ 31 ، 32 ، 33، 34 ]. عوامل اضافی نیز ممکن است نقش مهمی در مطالعات محلی ایفا کنند، به عنوان مثال، عوامل ژئومورفولوژیکی مانند شیب قلمرو [ 26 ، 35 ، 36 ، 37 ]، توزیع نشانه ها [ 38 ، 39 ]، نفوذپذیری بلوک [ 39 ، 40 ] ، مفاهیم کاربردی [ 39 ، 41 ]، و جذابیت محیط ساخته شده شهری [ 39 ، 42 ، 43 ، 44 ].

علاوه بر این، محیط ساخته شده شهری توسط گروه های اجتماعی مختلف به طور متفاوتی درک و ارزیابی می شود. تفاوت در ادراک بین جمعیت بزرگسال و سالخورده توسط [ 45 ] توضیح داده می شود که مستند کرد بیش از 60٪ از شبکه عابر پیاده “خوب” برای “بزرگسالان” در دو منطقه مشاهده شده لیسبون به عنوان “عادلانه” یا “بد” برای سالمندان طبقه بندی شد.

محققان بیش از 80 شاخص را برای ارزیابی قابلیت پیاده روی یک محیط شهری توسعه داده اند [ 46 ، 47 ، 48 ]. آنها اساساً بر ادراک انسانی (معمولاً خود گزارش دهی، معیارهای ذهنی)، بر ویژگی های قابل اندازه گیری محیط های شهری (معیارهای عینی)، یا ترکیبی از این دو استوار هستند. آنها شرایط شهری را در واحدهای مختلف فضا با تنظیمات متنوع تجزیه و تحلیل می کنند. با این حال، استفاده از آنها منجر به تنوع زیادی در عملیاتی‌سازی عوامل مرتبط می‌شود، زیرا هر مشخصه محله را می‌توان به روش‌های مختلف اندازه‌گیری کرد [ 49 ] و ترکیب آنها به شدت تحت تأثیر ناسازگاری‌ها قرار می‌گیرد [ 49 ، 50 ]]. علاوه بر این، قابلیت راه رفتن را می توان با استفاده از واحدهای فضایی مختلف [ 51 ] و روش های مختلف تجمع ارزیابی کرد.

برخی از شاخص‌ها تنظیمات هدف و وزن را قادر می‌سازند تا اندازه‌گیری را با شرایط محلی و/یا با نیازهای گروه‌های خاصی از ساکنان تطبیق دهند. سوال این است که چگونه می توان وزن ها، اهداف و مقادیر مناسب توابع فروپاشی فاصله را تنظیم کرد و تاثیر عدم قطعیت مرتبط با این تنظیمات چه می تواند باشد.

هدف این مقاله کمک به بحث در مورد معیارهای راه رفتن است. ما دو شاخص جریان اصلی را برمی‌شماریم که هر کدام بر اساس رویکردهای مختلف برای واحدهای فضایی یکسان است، الگوی آنها را بر اساس مقیاس مقایسه می‌کنیم، تفاوت‌های بین جمعیت بزرگسال و سالمند را توصیف می‌کنیم و حساسیت ارزیابی را بر اساس پارامترهایی مانند سرعت راه رفتن، عملکرد فاصله-فروپاشی ارزیابی می‌کنیم. و وزن هدف تحرک.

این مقاله به صورت زیر سازماندهی شده است: پیشینه مروری بر رویکردها و معیارهای مختلف مورد استفاده برای ارزیابی پیاده‌روی ارائه می‌دهد، و دو گروه اصلی از شاخص‌ها به عنوان مثال ارائه می‌شوند. بعداً، پیکربندی نشانگرها با تمرکز بر مقصدها، توابع کاهش فاصله، وزن‌ها، واحدهای فضایی، شعاع‌های جستجو و مسافت‌های پیاده‌روی معقول مورد بحث قرار می‌گیرد. فصل سوم به اختصار به معرفی دو شهر پایلوت پرداخته و روش های محاسبه دو شاخص انتخابی WAI و WS را توضیح می دهد. تغییرات مناسب و ابزارهای نرم افزاری جدید مستند شده است. نتایج برای WAI و WS در هر دو شهر برای چهار شعاع جستجوی مختلف ارائه و مورد بحث قرار گرفته است. اصلاح WS برای سالمندان در شرایط چک معرفی شده و با WS استاندارد مقایسه شده است. سرانجام،

2. پس زمینه

در یکی از معتبرترین تحلیل‌ها، یوینگ و سرورو [ 30 ] پنج بعد از محیط راه رفتن را که بر رفتار سفر و راه رفتن تأثیر می‌گذارند، تشریح کردند. سه بعد اساسی [ 52]، به عنوان مثال، تراکم، مقاصد و طراحی بعدها با افزودن-دسترسی به مقصد و فاصله تا حمل و نقل گسترش یافت. این 5 بعد (5Ds) اغلب برای پیشنهاد شاخص های یک بعدی مناسب استفاده می شود و امکان ارزیابی پیچیده ای از قابلیت راه رفتن را که اکثر این ابعاد را پوشش می دهد، می دهد. تراکم معمولاً با شاخص هایی مانند تراکم خانوار/جمعیت، تراکم شغلی یا نسبت مساحت کف تجاری اندازه گیری می شود. تنوع را می توان به صورت ترکیب کاربری اراضی (شاخص آنتروپی)، در نهایت به صورت مشاغل-مسکن و نسبت های مشابه بیان کرد. اقدامات طراحی شامل اندازه متوسط بلوک، نسبت تقاطع های چهار طرفه، و تعداد تقاطع ها در هر مایل مربع است. دسترسی به مقصد، سهولت دسترسی به جاذبه های سفر را اندازه گیری می کند. فاصله تا ترانزیت معمولاً به عنوان میانگین کوتاه ترین مسیرها از مبدا تا نزدیکترین ایستگاه حمل و نقل عمومی (PT) اندازه گیری می شود. همزمانی برخی از این ابعاد اغلب باعث ایجاد مشکلاتی در هم خطی قوی بین 5D ها می شود.48 ، 53 ]. ژانگ و همکاران [ 54 ] رابطه گمشده بین ابعاد و مقیاس و فقدان راهنمایی برای اجرا را نقد می کنند. با این حال، این مفهوم هنوز یک پایه محکم برای درک عوامل اصلی مؤثر بر راه رفتن است. البته، همه شاخص‌های پیاده‌روی همه 5 بعد را بررسی نمی‌کنند. نویسندگان می‌توانند بر ویژگی‌های خاص با تأثیر قوی‌تر در یک محیط معین (مانند سایه یا سر و صدا [ 55 ، 56 ]) یا برای گروه خاصی از مردم (مانند تمیزی خیابان برای راه رفتن زنان [ 57 ]؛ یا قرار گرفتن در معرض ترافیک وسایل نقلیه برای پیاده‌روی مدرسه تأکید کنند. [ 58 ]).

به طور معمول، ویژگی های محیطی اولیه مربوط به تمایل به راه رفتن برای گروه های علاقه مند خاص مانند جوانان یا سالمندان اصلاح می شود. در مورد سالمندان، آنها معمولاً بیشتر با جزئیات بیشتر در خصوص ویژگی های شهری توضیح داده می شوند (به عنوان مثال، [ 19 ])، با تأکید بر نقش اساسی موانع و موانع مختلف برای افراد دارای تحرک محدود، و همچنین تأکید بر موانع روانی مانند ترس از سقوط، و ترس از جنایت

اساساً، ما می‌توانیم شاخص‌ها را بر اساس عوامل عینی قابل اندازه‌گیری، عوامل ادراک (بر اساس حسابرسی، نظرسنجی) یا ترکیبی از این دو طبقه‌بندی کنیم. به گفته چندین نویسنده، معیارهای عینی ارتباط قوی تری با راه رفتن نسبت به معیارهای ذهنی دارند [ 59 ، 60 ، 61 ]. در این مطالعه، ما بر روی اقدامات عینی تمرکز می کنیم که می تواند به خوبی در سیستم اطلاعات جغرافیایی (GIS) عملیاتی شود.

در معیارهای عینی راه رفتن، دو رویکرد اصلی رایج است:

شاخص های مبتنی بر محیطی (آماری) – محاسبه ویژگی های شهری محلی مربوط به پتانسیل پیاده روی. هیچ فاصله ای در نظر گرفته نمی شود و معیارهای نسبی خاصی از شرایط همسایگی مانند نسبت ها اعمال می شود.
شاخص های مبتنی بر دسترسی – پارامترهای سفر را در یک شبکه جاده ای به مقصدهای انتخاب شده ارزیابی می کند.

از نقطه نظر یک چارچوب سه گانه [ 54 ، 62 ]، اقدامات پیاده روی برای ارزیابی دسترسی محلی به امکانات (دسترسی محلی) و دسترسی ترانزیت مفید است. ژانگ و همکاران [ 63 ] بر اثرات غیر خطی و آستانه ای نزدیکی به دسترسی و مشخص کردن محدوده های مؤثر متغیرهای کاربری خاص تأکید می کند.

یکی از متداول‌ترین شاخص‌های پیاده‌روی مبتنی بر محیط‌زیست، شاخص پیاده‌روی (WAI) است که توسط فرانک و همکاران ایجاد شده است. [ 64 ]، در بسیاری از مطالعات موجود [ 19 ، 28 ، 48 ، 65 ، 66 ] استفاده شده است. WAI اتصال، ناهمگونی کاربری زمین، منطقه خرید و تراکم خانوار را ارزیابی می کند.

شاخص پتانسیل عابر پیاده، بر اساس WAI، تراکم مسکونی، تراکم تقاطع، ترکیب کاربری زمین و تراکم مقصد را ارزیابی می‌کند. به دلیل شباهت آشکار با WAI، نتایج کاملاً مشابه خروجی های WAI است [ 48 ].

مقایسه‌پذیری بهبود یافته جوامع در شاخص ملی پیاده‌روی توسعه‌یافته توسط آژانس حفاظت از محیط زیست [ 67 ] مورد هدف قرار گرفته است. عناصر شاخص شامل طراحی، فاصله تا ترانزیت و تنوع کاربری زمین است.

معمولاً در هر شاخص آماری تنها چند ویژگی بافت شهری ارزیابی می شود. این روش در یک شاخص پیاده‌روی مصنوعی جدید [ 42 ] گسترش می‌یابد که در آن بسیاری از انواع امکانات رفاهی برای محاسبه تراکم امکانات همراه با شاخص تنوع شانون، تراکم تقاطع، و ارتفاع و شیب متوسط به عنوان متغیرهای توپوگرافی مورد بررسی قرار می‌گیرند.

نماینده غالب شاخص‌های پیاده‌روی مبتنی بر دسترسی ، امتیاز پیاده‌روی (WS) [ 65 ، 68 ] است. WS نیازمند جستجوی کوتاه‌ترین مسیرها برای دسترسی به امکانات در 9 دسته، ارزیابی فاصله آنها با استفاده از یک تابع کاهش فاصله خاص (DDF)، اعمال وزن‌ها برای هر دسته و کاهش WS حاصل در موارد شرایط بد عابر پیاده است. مزایای WS ارزیابی دسترسی واقعی به شبکه مهم ترین مقاصد، و سیستم وزن دهی بر اساس رویکرد فروپاشی فاصله است [ 61 ]. WS همچنین به طور گسترده توسط [ 19 , 28 , 42 , 66 , 69 استفاده می شود.]، اما نه در سراسر جهان به دلیل کمبود داده.

WS همچنین نشان‌دهنده یک خط شروع برای اصلاحات مختلف است که تا حدی توسط تلاش‌های ساده‌سازی مانند جایگزینی فواصل شبکه با فاصله‌های اقلیدسی [ 42 ]، یا انگیزه توسعه یک فرمول مناسب‌تر برای محیط‌های خاص مانند شهرهای به سرعت در حال شهرنشینی هدایت می‌شود [ 25 ].

بسیاری دیگر از شاخص‌های پیاده‌روی شامل مؤلفه‌های قابل دسترسی، عینی و قابل اندازه‌گیری شبکه مانند شاخص پیاده‌روی محیط [ 48 ، 65 ، 70 ]، شاخص دسترسی به مقصد همسایگی [ 48 ، 65 ، 71 ]، Pedshed [ 69 ]، 66 وجود دارد. شاخص متحرک [ 66 ]، و شاخص پتانسیل عابر پیاده [ 48 ].

یک ارزیابی ترکیبی شامل معیارهای دسترسی به شبکه و ویژگی‌های آماری محله با پتانسیل پیاده‌روی منطقه [ 4 ] نمونه‌ای است که دسترسی به 9 دسته مقصد وزنی (بهداشت، حمل‌ونقل عمومی، آموزش، فضای باز، اجتماعی و فرهنگی، خرده‌فروشی غیرغذایی) را ارزیابی می‌کند. ، مالی، خرده فروشی مواد غذایی و اشتغال) و همچنین تراکم مسکونی و تراکم تقاطع به عنوان پارامترهای آماری محله. یکی دیگر از شاخص های ترکیبی، Peel Walkability Composite Index، [ 72] متشکل از 3 مؤلفه با وزن مساوی است که در آن مؤلفه اول به تراکم و تنوع مسکونی اختصاص دارد در حالی که سایر مؤلفه ها دسترسی به شبکه را با استفاده از دسترسی به فروشگاه های خرده فروشی و خدمات، مدارس و فضاهای سبز ارزیابی می کنند.

3. پیکربندی اندیکاتورها

برای اندازه گیری قابلیت راه رفتن، ابتدا باید یک واحد اصلی فضا را انتخاب کرد. واحدهای فضایی مورد استفاده برای ارزیابی قابلیت پیاده روی اغلب واحدهای اداری یا واحدهای برنامه ریزی شهری هستند. در حالی که واحدهای برنامه ریزی شهری موضوع توسعه طبیعی محیط های شهری هستند، تعیین حدود واحدهای اداری تحت تأثیر مقررات سیاستی است که همیشه با حوضه های آبریز شهری واقعی مطابقت ندارند. تغییرات ناگهانی زمانی، تنوع در اندازه، مشکل واحد منطقه قابل تغییر (MAUP) و اثرات مرزی قوی برخی از مسائل معمولی هستند که به وجود می آیند.

پیاده‌روی را می‌توان برای همه یا نقاط انتخاب‌شده (مثلاً آدرس‌های اقامتگاه) ارزیابی کرد، اما معمولاً یک شبکه منظم برای ارائه ارزیابی مستمر قلمرو و حذف اثرات مرزی [ 48 ] و تأثیرات نامطلوب با اندازه‌ها و شکل‌های مختلف واحدهای فضایی اعمال می‌شود. . در حالی که برخی از نویسندگان شبکه‌هایی در حدود 100 متر را ترجیح می‌دهند (به عنوان مثال، 80 × 80 متر [ 73 ]، 100 × 100 متر [ 66 ]، 150 متر [ 25 ]، یک شبکه بسیار متراکم 25 متر × 25 متر در [ 12 ] پیشنهاد شده است). و یک شبکه گسترده تر از 500 متر در ارزیابی شهرهای آلمان بر اساس ابزار OS-WALK-EU استفاده شد [ 74]. هدف محققان ارائه ارزیابی های دقیق برای رسیدگی به شرایط ناهمگن راه رفتن است، اما تنظیمات به ندرت توجیه یا توضیح داده می شوند [ 48 ].

در مورد شعاع جستجو ، Lefebvre-Ropars و Morency [ 48 ] اظهار داشتند: “هیچ اتفاق نظری در مورد اندازه حوضه که باید برای اندازه گیری قابلیت پیاده روی استفاده شود حاصل نشده است”. در اصل، پری [ 75 ] یک مسافت پیاده روی 5 دقیقه ای را پیشنهاد کرد که معمولاً به شعاع 400 متر ترجمه می شود، به عنوان مثال، [ 66 ، 76 ، 77 ، 78 ]. مرجع. [ 12 ] از بافر 500 متری، [ 4 ] از مناطق بافر شبکه 1000 متری در اسکاتلند، [ 28 ] از بافر شبکه 1.6 کیلومتری و [ 58 ] استفاده کرد.] یک بافر شبکه 2 کیلومتری در اطراف هر مدرسه. WS هر بافر شبکه را تا 1.5 مایل (تقریباً 2.4 کیلومتر) گسترش می دهد.

به طور طبیعی، شعاع جستجو باید با فاصله قابل قبول پیاده روی مطابقت داشته باشد. حداکثر مسافت پیاده‌روی برای افراد بدون محدودیت معمولاً بین 1 تا 2 کیلومتر تعیین می‌شود [ 28 ، 58 ، 61 ]، با این حال برخی از شاخص‌ها از مسافت پیاده‌روی مناسب‌تری مانند 400 متر استفاده می‌کنند [ 61 ، 66 ، 79 ، 80 ]. توصیه ها برای سالمندان متغیرتر است، تا حدی به دلیل تنوع نیازها و سطوح تحرک آنها. یک عقیده رایج این است که سالمندان اکثر نیازهای خود را در 15 دقیقه پیاده روی از محل سکونت خود برآورده می کنند [ 10 ]]. برخی از نویسندگان خدمات اولیه و ثانویه برای سالمندان را تشخیص می دهند. خدمات اولیه باید در فاصله 400 متری محل سکونت افراد مسن قرار گیرند، که با فاصله 5 دقیقه پیاده روی مطابقت دارد [ 18 ]، و خدمات ثانویه باید در فاصله 800 متری یا دو برابر فاصله پیاده روی قرار گیرند. برتون و میچل [ 81 ] برای مسافت‌های طولانی‌تر بحث می‌کنند و 500 متر را برای گروه اول توصیه می‌کنند و محیط دوم را به طور قابل‌توجهی بزرگ‌تر می‌کنند تا افراد مسن را محدود به رسیدن به خدمات ثانویه در طول کارهای روزمره خود نکنند.

همچنین، نتایج بررسی محلی با استفاده از روش تشخیص روز در Ostrava و Olomouc، 2014 [ 82 ]، مسافت های طولانی تر پیاده روی را تایید کرد. بر اساس شکل نمودار فرکانس نسبی تجمعی ( شکل 1 )، مسافت پیاده روی سالمندان معمولی تا 700 متر می رسد، در حالی که حداکثر فواصل به 1200 متر می رسد.

یکی از مهم ترین عوامل شاخص های مبتنی بر دسترسی، انتخاب مقصد است. WS دسترسی به امکانات زیر را بررسی می کند: مواد غذایی، رستوران ها، خرید، قهوه، بانک ها، پارک ها، مدارس، کتابفروشی ها و سرگرمی [ 83 ]. این اهداف باید به خوبی با منافع عمومی عمومی مطابقت داشته باشد، اما نه با منافع گروه های خاص مانند جوانان یا افراد مسن. به طور کلی، اهداف و مقاصد جابجایی به دسته افراد مورد نظر بستگی دارد و بر اساس عواملی مانند سن، وضعیت اقتصادی، و تفاوت‌های فرهنگی/جغرافیایی است (به عنوان مثال، پربازدیدترین مقاصد در عربستان سعودی مساجد هستند [ 84 ]).

وزن‌دهی اهداف ، تمایز اهمیت هدف متفاوت در الگوهای تحرک را امکان‌پذیر می‌سازد و یک نیاز ضروری را در استفاده از رویکرد مبتنی بر گرانش نشان می‌دهد. WS وزن‌های مساوی را برای اکثر دسته‌ها تعریف می‌کند، به جز برای فروشگاه‌های مواد غذایی (مجموع وزن‌ها 3)، رستوران‌ها/کافه‌ها (مجموع وزن‌ها 3)، و فروشگاه‌ها و کافی‌شاپ‌ها (مجموع وزن‌ها 2).

اکثر شاخص‌های مبتنی بر شبکه شامل یک اثر فروپاشی فاصله برای تأکید بر نقش اهداف نزدیک و بیانگر کاهش تمایل به راه رفتن با افزایش فاصله است. DDF های مختلفی برای مدل سازی راه رفتن پیشنهاد شده است. WS اصلی از یک DDF چند جمله‌ای استفاده می‌کند که برای امکاناتی که در فاصله 0.25 مایلی از مبدا قرار دارند، امتیاز کامل یا تقریباً نمره کامل می‌دهد. پس از این، نمرات به آرامی با فاصله کاهش می یابد. در فاصله 1 مایلی، امکانات رفاهی فقط 12 درصد امتیازی را دریافت می‌کنند که اگر درست در کنار مبدا قرار می‌گرفتند. پس از 1 مایل، امتیازها با فاصله بیشتر با سرعت کمتری کاهش می یابد، تا زمانی که به 1.5 مایل می رسند، پس از آن امتیاز نهایی به حساب نمی آیند [ 83 ]]. تغییرات و ساده سازی های مختلف DDF برای محاسبه WS اعمال شده است. به عنوان مثال، رییر و همکاران. [ 28 ] محاسبه را به یک سری از باندهای فاصله ساده کرد. به طور مشابه [ 25 ]، از مجموعه ای از مقادیر نقطه بر اساس [ 85 ] استفاده کرد.

برخی از نویسندگان [ 61 ، 86 ] تابع گاوسی تجمعی را بهترین تناسب برای راه رفتن می دانند:

دبلیومنj=ه-تیمنj2/β،

جایی که t _ij مخفف زمان سفر است و ضریب β تنها پارامتر قابل تنظیم است. ویژگی اصلی این تابع این است که زمانی که سفر در زمان نزدیک به حداکثر دقایقی است که افراد به آن نیاز دارند، به سرعت کاهش می یابد [ 87 ].

DDF Gaussian برای افراد مسن در [ 88 ] اقتباس شد. ضریب β برای افراد بین 65 تا 69 سال 180، برای افراد بین 70 تا 74 سال 160 و برای افراد بالای 75 سال 140 تنظیم شد تا به بهترین نحو نگرش های تحرکی رده های سنی مختلف سالمندان را با توجه به نتایج موجود در ادبیات علمی نشان دهد. [ 89 ].

4. مواد و روش ها

دو شاخص برای مقابله با دو رویکرد اصلی در اندازه‌گیری عینی پیاده‌روی انتخاب شدند – WAI و WS. WAI نشان دهنده یک شاخص معمولی مبتنی بر آمار است در حالی که WS نماینده محبوب شاخص های دسترسی مبتنی بر شبکه است که به طور گسترده در ایالات متحده آمریکا، کانادا، استرالیا و جاهای دیگر استفاده می شود. از آنجایی که هر نشانگر واحدهای فضایی خود را به روشی متفاوت تعریف می کند، ما از یک شبکه مربع 500 متری به عنوان مبدا با یک بافر دایره ای در اطراف هر مبدا استفاده کردیم. با استفاده از مشابه ترین واحدهای فضایی برای ارزیابی و اعمال تنظیمات یکسان در صورت لزوم، ما از ثبات در ارزیابی دو شاخص اطمینان حاصل کردیم. ما همچنین بافرهای مختلفی را برای مدل‌سازی حداکثر مسافت‌های قابل قبول پیاده‌روی اعمال کردیم. تنها استفاده از شبکه 500 متری ممکن است موضوع بحث باشد. تنها یک طرح منظم از بافرها به دلیل محدودیت های این مطالعه مورد بررسی قرار گرفت. ارزیابی قابلیت پیاده‌روی برای سایر فواصل شبکه به طور قابل‌توجهی مطالعه را گسترش می‌دهد و فرصتی برای یک مطالعه اعتباری متقابل بیشتر است. همچنین تأثیر موقعیت نقطه شروع برای ارزیابی هر دو شاخص باید تحلیل شود، اما تأثیر پیش بینی شده زیاد نیست.

برای ارزیابی تأثیر ارزیابی پیاده‌روی، تعداد ساکنان در هر واحد فضایی (بافر دایره‌ای) با استفاده از تعداد ساکنان سرشماری 2011 که با نقاط آدرس ارجاع شده است، جمع‌آوری می‌شود. اطلاعات جمعیتی دقیق تر برای هر نقطه آدرس به دلیل حفاظت از حریم خصوصی در چک موجود نیست.

شاخص‌ها در استراوا و هرادک کرالوف ( شکل 2 )، دو شهر متوسط و پایتخت‌های منطقه‌ای در چک ارزیابی شدند. Hradec Kralove (جمعیت 100000) یک شهر معمولی قدیمی اروپای مرکزی با هسته شهر قدیمی است که عمدتاً پس از کاهش استحکامات در قرن 19 توسعه یافت. استراوا (جمعیت 290000 نفر) متشکل از مجموعه‌ای از جوامع نسبتاً بسته (بلوک‌های شهری) است که توسط مزارع زراعی، جنگل‌ها و پارک‌های صنعتی در نتیجه توسعه صنعتی کوتاه اما فشرده و اتحادیه اداری شهرداری‌های اصلی مستقل از هم جدا شده‌اند.

4.1. WAI

WAI چهار شاخص را جمع‌آوری می‌کند: شاخص اتصال (CONN)، که تراکم تقاطع‌های جاده‌های قابل پیاده‌روی را اندازه‌گیری می‌کند، شاخص آنتروپی شانون (ENT)، که ناهمگونی کاربری‌های زمین را در یک منطقه کمیت می‌دهد، شاخص نسبت سطح زمین (FAR)، که شدت فرصت های خرید را به عنوان نسبت مساحت زمین و کاربری تجاری موجود و شاخص تراکم خانوار (HDENS) که به کاربری مسکونی مربوط می شود، ارزیابی می کند. داده های ورودی مورد نیاز در شکل 3 نشان داده شده است .

WAI معمولاً با استفاده از مناطق جغرافیایی مانند واحدهای اداری ارزیابی می شود که اغلب به دلیل در دسترس نبودن هر شکل دیگری از داده های آماری مناسب است. برای این مطالعه، WAI در داخل یک بافر دایره ای در اطراف هر نقطه شبکه (مرکز) برای بهبود مقایسه با WS محاسبه شد. به این ترتیب، تمام واحدهای فضایی WAI اندازه و شکل یکسانی دارند. این راه حل همچنین برخی از معایب محاسبه WAI را برای واحدهای اداری برطرف می کند.

با توجه به بررسی شعاع جستجوی توصیه شده و فاصله قابل پیاده‌روی، شعاع‌های زیر انتخاب شدند: 400 متر (حدود 5 دقیقه پیاده‌روی و حداکثر مسافت برای خدمات اولیه برای سالمندان معلول)، 800 متر (حداکثر مسافت برای خدمات ثانویه برای سالمندان) ، 1200 متر (حداکثر فاصله برای جمعیت استاندارد [ 48 ]) و 2414 متر (معادل 1.5 مایل، و شعاع جستجوی استاندارد برای WS).

محاسبه WAI توسط جعبه ابزار ArcGIS توسعه یافته در دانشگاه Palacky [ 90 ] تسهیل شد. جعبه ابزار از 5 ابزار تشکیل شده است: شاخص اتصال (connect.py)، شاخص آنتروپی (شانون) (entropy.py)، FAR (far.py)، شاخص تراکم خانگی (hdens.py) و شاخص راه رفتن (wai.py). ابزارها با استفاده از زبان برنامه نویسی پایتون نسخه 2.5.1 و نرم افزار ArcGIS Desktop نسخه 9.3.1 ایجاد شده اند. اگرچه ابزارها در نسخه قدیمی‌تری از ArcGIS برنامه‌ریزی شده‌اند، اما می‌توانند در ArcGIS Desktop 10 اجرا شوند. هنگام محاسبه شاخص قابلیت پیاده‌روی برای واحدهای اداری معمول، هیچ تغییری در اسکریپت‌ها مورد نیاز نیست، با این حال، در مناطق همپوشانی پیشنهادی، برخی تغییرات در اسکریپت ها و محاسبات شاخص مورد نیاز است. ما نسخه جدیدی از این ابزار را توسعه داده ایم [ 91] که چندین مسئله توضیح داده شده در پاراگراف زیر را حل می کند.

ابزارها فایل های موقتی (نتایج میانی) ایجاد می کنند که در قالب فایل شکل ESRI ذخیره می شوند. با این حال، این قالب برای عملیات همپوشانی پیچیده نامناسب است، بنابراین لازم است ذخیره سازی فایل های موقت به پایگاه داده جغرافیایی فایل هدایت شود. علاوه بر این، ابزار شاخص اتصال از روش SpatialJoin استفاده می کند که در آن یک نوع کاردینالیتی باید از ONE به ONE به JOIN ONE TO MANY تغییر کند. برای شاخص‌های FAR و تراکم خانگی، لازم است نسبت‌های مشکل‌ساز مناطق مورد علاقه به اندازه ناحیه بافر حذف شود. اگر نسبت کمتر از 1% باشد، مقادیر شاخص روی 0 تنظیم می شود. اندازه ساختمان ها بر اساس نقشه های آنها است و به عنوان نزدیک ترین تقریب موجود استفاده می شود. چنین تقریبی در [28 ، 90 ] و به نظر می رسد در کشورهای اروپایی مناسب باشد.

هر چهار زیرشاخص به یک لایه کاربری زمین حاوی گونه‌شناسی مانند Living (L)، تجاری (C) یا Water (W) به عنوان ورودی نیاز دارند. مقوله‌های دیگر لزوماً نباید با مشخصات نویسندگان منطبق باشند (هشت دسته کاربری زمین)، اما تعیین تک حرفی برای مناطق تک کاربری و تعیین حرف n برای n کاربری باید رعایت شود. پایگاه داده Urban Atlas 2018 شامل 21 نوع کاربری زمین مورد استفاده قرار گرفت. مناطقی که به عنوان “پارچه شهری” تعریف می شوند به عنوان مناطق زندگی، “واحدهای صنعتی، تجاری، عمومی، نظامی و خصوصی” به عنوان تجاری و “آب ها” به عنوان آب طبقه بندی می شوند. اطلس شهری بزرگترین تجمعات شهری در جمهوری چک (از جمله Ostrava و Hradec Kralove) را پوشش می دهد، بنابراین منبع داده یکپارچه مناسبی برای مقایسه محلات است. تجمیع مناطق مختلف غیر مسکونی در کنار هم، تعیین بهتر منطقه تجاری را غیرممکن کرد. در حال حاضر، هیچ منبع داده ای موجود (به عنوان مثال، اطلس شهری، یا پوشش زمین Corine) حاوی چند ضلعی های تجاری خاص (منطقه) نیست. این ساده‌سازی تأثیری بر ارزیابی FAR دارد که در آن منطقه کاربری تجاری زمین مخرج است. اثر کل کوچک است زیرا شاخص نهایی FAR با استفاده از امتیاز Z استاندارد شده است.

4.2. امتیاز پیاده روی

WS با ترسیم مسافت پیاده روی تا امکانات رفاهی در 9 دسته مهم رفاهی زندگی روزمره برای هر مبدأ مشخص محاسبه می شود. در دسته‌های رفاهی که عمق انتخاب مهم است، امکانات رفاهی متعدد در آن دسته شمارش می‌شود. دسته ها نیز با توجه به اهمیت آنها وزن دهی می شوند [ 83 ]. پس از عادی سازی، آدرس ممکن است به دلیل داشتن معیارهای مناسب برای عابر پیاده، مانند بلوک های طولانی یا تراکم تقاطع کم، جریمه دریافت کند.

WS برای واحدهای فضایی قابل مقایسه با استفاده از شعاع انتخاب شده برای جستجوی شبکه مقصدهای درخواستی و یک بافر برای ارزیابی اتصال محاسبه شد.

یک برنامه کاربردی جدید برای ارزیابی WS در [ 91 ] موجود است. برنامه با استفاده از زبان برنامه نویسی پایتون نسخه 3.9 ایجاد شده است. این بر اساس کتابخانه های python منبع باز مانند NetworkX، Pandana، Geopandas، Shapely و momepy است و در github به عنوان یک فایل نوت بوک jupyter در دسترس است. محاسبات فاصله شبکه به شدت بر اساس بسته پایتون پاندانا است که از سلسله‌مراتب انقباض برای محاسبه معیارهای دسترسی فوق‌العاده سریع و کوتاه‌ترین مسیرها استفاده می‌کند [ 92 ]. داده‌های شبکه خیابانی OSM، مرکزها و مکان‌های امکانات رفاهی به‌عنوان ورودی‌های برنامه در قالب لایه‌های فضایی (فرمت شکل فایل) مورد نیاز است ( شکل 3)). OSM به دلیل در دسترس بودن و استفاده مکرر آن ترجیح داده می شود، اما نیاز به بررسی دقیق و پیش پردازش دارد. بررسی و اصلاح ویژگی fclass انتخاب مسیرهای مناسب را تضمین می کند. ویژگی بزرگراه تکمیل یا تنظیم شد. آزمایش اتصال، کشف بخش‌های جدا شده از شبکه‌ها (جزایر) را که باید به‌درستی به سایر بخش‌های شبکه متصل می‌شد، امکان‌پذیر کرد. برای پشتیبانی از این کار، ما از یک تابع connect_components در کتابخانه networkx استفاده کردیم [ 93]. این در اسکریپت برای محاسبه WS پیاده سازی شده است. بزرگترین جزء شبکه متصل را شناسایی می کند و سپس از آن بیشتر در محاسبات استفاده می کند. بنابراین، کاربر باید اطمینان حاصل کند که شبکه به خوبی متصل است اما دیگر مجبور نیست با جزایر یا بخش های کوچک غیر متصل از شبکه سر و کار داشته باشد. معمولاً برخی از بخش‌های شبکه باید به‌طور اضافی بردار شوند.

مقادیر پارامترهای متعددی مانند حداکثر فاصله راه رفتن، سرعت راه رفتن، ضریب گاوسی DDF β و وزن امکانات قابل تنظیم هستند.

فرآیندهای اصلی این برنامه شامل ایجاد یک شبکه عابر پیاده و محاسبه مسافت های پیاده روی (کوتاه ترین مسیرها) تا نزدیکترین امکانات مختلف از هر مکان مرکزی در یک محل معین است. شبکه عابر پیاده یک مدل داده شبیه به یک نمودار شبکه (لبه ها و گره ها) است که با فاصله خطی وزن شده است. کوتاه‌ترین مسافت‌های پیاده‌روی به زمان پیاده‌روی تبدیل می‌شوند و وزن امکانات و DDF گاوسی اعمال می‌شود. پس از آن، امتیاز پایه سانتروئیدها تعیین شده و به نمره 0 تا 100 نرمال می شود.

این روش اصلی WS دو معیار سازگاری با عابر پیاده را معرفی می کند: تراکم تقاطع و طول متوسط بلوک. پس از محاسبه امتیاز پایه، معیارهای دوستی عابر پیاده، مکان های شبکه را به دلیل داشتن بلوک های طولانی یا تراکم تقاطع کم با کاهش WS پایه جریمه می کند [ 83 ]. بلوک‌های کوتاه‌تر به معنای تقاطع‌های بیشتر، و بنابراین، مسافت‌های سفر کوتاه‌تر و تعداد مسیرهای بیشتر بین مکان‌ها است. چندین جامعه استانداردهای حداکثر طول بلوک را برای پیشرفت های جدید اتخاذ کرده اند [ 94] معمولاً از 300 تا 600 فوت متغیر است. میانگین طول بلوک بالاتر از 120 متر (400 فوت) به دلیل اتصال کم جریمه می شود. در شرایط اروپایی، جایی که مناطق قدیمی شهر مجهز به شبکه‌های پیچیده خطوط و آزادسازی (فرعی) شهرنشینی تقریباً بدون بلوک شهری بسته هستند، در ایجاد بلوک‌های ساختمانی و محاسبه این پارامتر مشکلاتی وجود دارد. بنابراین، در این مطالعه، میانگین طول بلوک را با استفاده از میانگین طول بخش‌های خیابان بین تقاطع تقریب زدیم.

برای بهبود فهرست مقاصد، نقطه مورد علاقه (POI) از نقشه خیابان باز (OSM) با استفاده از ثبت نام‌های منتخب در سراسر کشور، مانند ثبت امکانات مراقبت‌های بهداشتی، و مقاصدی که از پایگاه داده تلفیقی انتخاب شده‌اند، گسترش می‌یابد.

WS برای شرایط معمول (“بزرگسالان”)، که به عنوان استاندارد WS نامیده می شود، عمدتا برای مقایسه نتایج با WAI مورد ارزیابی قرار گرفت. انعطاف پذیری WS و یک نرم افزار نرم افزاری تازه آماده شده نیز امکان تهیه یک اصلاحیه مناسب برای سالمندان را فراهم می کند که به آن Walk Score برای سالمندان گفته می شود.

4.3. امتیاز پیاده روی برای سالمندان

ارزیابی قابلیت راه رفتن برای سالمندان باید الزامات و توانایی های خاص این گروه را در نظر بگیرد. این باید عمدتاً شامل مجموعه ای از مقاصد مناسب و وزن های مختلف، کاهش حداکثر مسافت قابل پیاده روی و کاهش سرعت راه رفتن باشد.

برای این مطالعه، مقاصد سالمندان بر اساس اولویت‌های پیش‌بینی‌شده کشف‌شده در بررسی و نظرسنجی محلی انتخاب شدند.

در حالی که مطالعات قبلی معمولاً طیف گسترده ای از خدمات مهم را برای سالمندان در نظر می گرفتند (به عنوان مثال، فروشگاه مواد غذایی، داروخانه، پزشک، بانک، اداره پست، ایستگاه اتوبوس یا تراموا، کلیسا، قبرستان، آرایشگاه/آرایشگر، کتابخانه و مناطق سبز در [ 11 ] ])، مطالعات چک الگوی متفاوتی را نشان می‌دهد که ترجیح بیشتری به خرید و کمتر به کلیسا و خدمات مختلف شهروندان می‌دهد [ 95 ]. مهم ترین اهداف بر اساس یک نظرسنجی گسترده که 10 سال پیش در پایتخت های منطقه انجام شد عبارتند از: خریدهای کوچک، پارک ها، خریدهای بزرگ، اشتغال، بستگان و دوستان، و پزشکان عمومی [ 10 ]. نظرسنجی محلی در Ostrava و Olomouc در سال 2014 مقاصد مشابهی پیدا کرد، اما فراوانی بازدیدها کمی متفاوت بود ( جدول 1). وزن‌ها از پرسشنامه‌هایی به دست آمد که مقصدهای تحرک سالمندان و دفعات بازدید آنها را می‌خواستند. برای هر نوع مقصد، میانگین تعداد بازدید در ماه شمارش و استانداردسازی شد. با توجه به نزدیکی محلی و زمانی، وزن گیری حاصل برای ارزیابی WS برای سالمندان، علیرغم دامنه کوچکتر بررسی، اعمال شد. وزن دهی در سراسر کشور در تجزیه و تحلیل حساسیت استفاده شد.

نمی توان از همه مقاصد برای جستجوی شبکه استفاده کرد. شغل (محل کار)، خانواده، باغ ها و کلبه ها مکان هایی هستند که مکان عموماً ناشناخته هستند. در مورد کلیسا یا گورستان، اعتقاد بر این است که چنین مقصدهایی در شهرها موضوع عضویت در یک جامعه هستند یا به شدت تحت تأثیر ریشه های فردی افراد قرار دارند. بنابراین، چنین مکان هایی را نمی توان به درستی با فاصله ترجیحی تخمین زد، و رویکرد مبتنی بر گرانش دیگر مرتبط نیست.

در نهایت، تنها مقاصدی با رکوردهای فراوانی از هر دو نظرسنجی انتخاب شدند: خرده فروشی، هایپرمارکت، امکانات فرهنگی (سرگرمی)، مراقبت های بهداشتی (پزشک) و پارک ها.

WS نیاز به تنظیم سرعت راه رفتن مناسب و DDF دارد. برای اصلاح WS در افراد مسن، ما مقادیر توصیه شده توسط [ 26 ] را اعمال کردیم – میانگین سرعت راه رفتن برای سالمندان در 0.7 متر بر ثانیه و ضریب β در 153 که مربوط به مسافت پیاده‌روی معمول توصیه شده 800 متر است. این مقادیر به دلیل تنوع توانایی ها و ترجیحات سالمندان موضوع بحث است. عدم قطعیت های مشابه با تنظیمات وزن برای مقاصد مختلف ایجاد می شود. تأثیر این پارامترها در یک تحلیل حساسیت مورد آزمایش قرار گرفت.

5. نتایج

5.1. مقایسه WAI و WS استاندارد برای واحدهای فضایی معادل

نتایج WAI ( شکل 4 ) یک اثر هموارسازی قوی را برای شعاع های بزرگتر از 800 متر نشان می دهد که باعث سرکوب تنوع فضایی محلی و ایجاد سطح پیوسته مقادیر حاصل می شود. شعاع 400 متری یک ارزیابی محلی از شرایط پیاده روی در 0.5 کیلومتر مربع ارائه می ^دهد(دو برابر مربع) و دایره کاملاً از محدوده مربع مرجع فراتر می رود. تفاوت‌های شدید و تغییرات سریع مقادیر در فواصل کوتاه (شیب‌های قوی) ممکن است ناهمگونی شرایط محلی را به خوبی مستند کند. ارزیابی به طور منفی تحت تأثیر توانایی محدود ما برای ارزیابی مناسب شاخص‌های آماری محلی مانند FAR یا CONN است که تحت تأثیر پیکربندی تصادفی شهری محلی قرار دارند. همچنین به تغییرپذیری داخلی واحد فضایی مربوط می شود، بنابراین تغییر نقطه مرکزی یک بافر تفاوت هایی ایجاد می کند. شعاع 800 متری ممکن است راه حل متعادلی برای حفظ الگوی محلی و سرکوب انحرافات تصادفی در سطح محلی ارائه دهد. شعاع های بزرگ (1200 و 2414 متر) ارزیابی بهتری از شرایط برای راه رفتن معمولی (“بزرگسال”) برای افراد بدون محدودیت حرکتی ارائه می دهد.

هنگام مقایسه Ostrava و Hradec Kralove، شخصیت های مختلف شهرها به وضوح قابل مشاهده است. تجزیه و تحلیل استراوا به‌عنوان مجموعه‌ای از شهرداری‌های نسبتاً مستقل آغاز شد که در آن سه شهرک اصلی که سه چشم سبز را در نقشه تشکیل می‌دهند، توسط دهکده‌های ماهواره‌ای کوچک احاطه شده‌اند که توسط جزایر کوچک با قابلیت پیاده‌روی بالاتر که عمدتاً روی نقشه‌ها برای شعاع‌های کوچک به تصویر کشیده شده‌اند، علامت‌گذاری شده‌اند. در همین حال، Hradec Kralove شهرنشینی معمولی متحدالمرکز را در اطراف هسته شهر قدیمی نشان می دهد. با این حال، به طور طبیعی، توسعه آن کاملا متقارن نبود، اما موقعیت مناطق طبیعی (به عنوان مثال، جنگل ها در جنوب شرقی) و همچنین راهروهای زیرساختی به سمت جنوب غربی، شمال غربی و شرق را منعکس می کند ( شکل 5 ، منبع: دفتر نقشه برداری چک، نقشه برداری و کاداستر، COSMC).

جالب است بدانید که طبقه بندی WAI در کجا پایدارتر است و در کجا برخی از مداخلات باید به طور موثر راه رفتن را بهبود بخشد. تغییرات WAI به دلیل گسترش شعاع جستجو از 400 متر به 2414 متر با استفاده از شیب خطوط رگرسیون WAI برای هر سلول (از این پس روندهای محلی) ارزیابی می شود ( شکل 6 ).

روندهای محلی مختلف WAI در نقشه ها قابل مشاهده است. سکونتگاه‌های اصلی شهرها پایدار بوده و با گسترش شعاع‌های جستجو، طبقه‌بندی WAI را تغییر نمی‌دهند. سلول‌های به شدت در حال کاهش مکان‌هایی را نشان می‌دهند که مناطق حومه و منزوی پیاده‌روی محلی بالاتری را نشان می‌دهند، و در طول گسترش شعاع، قابلیت پیاده‌روی کاهش می‌یابد. برعکس، مکان‌های مرزی مناطق شهری قابلیت پیاده‌روی محلی بدتری را نشان می‌دهند، و اگر در یک شکاف بین مناطق شهری متراکم واقع شوند، گسترش شعاع‌ها باعث افزایش شدید قابلیت پیاده‌روی می‌شود.

در مورد WS استاندارد ، نتایج ( شکل 7) معایب استفاده از مسافت های کوتاه پیاده روی را نشان می دهد. توزیع فضایی ناهموار و نسبتاً پراکنده مقاصد ارزیابی‌شده با ترکیبی از مسافت‌های کوتاه پیاده‌روی منجر به تصاویر غیر دوستانه پیاده‌روی از شهرهای مورد بررسی شد. مسافت 400 متری پیاده‌روی برای رسیدن به اهداف بسیار کوتاه است و فقط هسته‌های سکونتگاهی و برخی مکان‌های جدا شده را می‌توان به‌عنوان متوسط یا قابل پیاده‌روی ارزیابی کرد. لازم به ذکر است که در چنین فواصل کوچکی هر گونه خطای شبکه امتیاز نهایی را بدتر می کند. یک فاصله 800 متری پیاده‌روی شرایط پیاده‌روی خوبی را برای هسته‌های سکونتگاه‌ها با شیب‌های تند اطراف پیدا می‌کند که شرایط خوب پیاده‌روی به سرعت به قابلیت پیاده‌روی «صفر» تغییر می‌کند. این پدیده در استراوا بیشتر قابل تشخیص است. مرتبط با شهرنشینی اجباری در تاریخ صنعتی آن است که در آن یک سکونتگاه عظیم جدید به سرعت بر روی زمین های کشاورزی ساخته شد و سکونتگاه متراکم فعلی توسط مزارع کشاورزی و جنگل ها با امکانات بسیار محدود برای پیاده روی احاطه شده است. شیب‌های صاف‌تر را می‌توان در Hradec Kralove یافت، جایی که توسعه طولانی‌مدت شهری طبیعی شرایط پیاده‌روی دوستانه‌تری با تغییرات فضایی متوسط در پیاده‌روی ایجاد کرد. مسافت 1200 متری پیاده‌روی، مناطق قابل پیاده‌روی پیوسته‌تری را ایجاد می‌کند که عملاً تمام سکونتگاه‌های اصلی را پوشش می‌دهد. برای شعاع حداکثر، اکثر مناطق شهرها تا حدودی قابل پیاده‌روی هستند، اگرچه در سطح بسیار متوسطی که نشان‌دهنده وابستگی شدید به خودرو است. تنها 7.5% و 11.9% واحدها در استراوا و هرادک کرالوف به ترتیب “غیرقابل راه رفتن” ارزیابی می شوند. حتی جنگل در جنوب شرقی Hradec Kralove تا حدی قابل پیاده روی است. لازم به ذکر است که نتایج در مکان های داده شده موضوع متغیر داخلی است و یک جابجایی کوچک نقطه شروع ممکن است باعث تفاوت های محلی در ارزیابی شود.

روندهای عمومی را می توان با استفاده از مقادیر متوسط هر دو شاخص پیاده روی ارزیابی کرد. متوسط دهک WAI با گسترش شعاع در هر دو شهر کاهش می یابد، در حالی که WS رشد می کند ( شکل 8 ). اثر هموارسازی همراه با شعاع رو به رشد، طبقه‌بندی WAI را یکسان می‌کند، زیرا بافرهای بزرگ شامل مناطق کمتر شهری با ارزیابی‌های پایین هستند. از سوی دیگر، WS با شعاع بزرگتر به مقاصد بیشتری می رسد و به رشد خود ادامه می دهد.

توزیع جمعیت بر اساس قابلیت پیاده روی با توابع توزیع تجمعی در شکل 9 توضیح داده شده است. اثر کلی افزایش جمعیت در مکان‌های قابل پیاده‌روی با گسترش شعاع به خوبی برای هر دو شاخص ثبت شده است. شعاع کوچک (400 متر) برای WAI تنها بخش کوچکی از جمعیت با WAI پایین را نشان می‌دهد و بقیه جمعیت مقادیر مختلفی از WAI را بدون ترجیح قوی دریافت می‌کنند. در بزرگترین شعاع، 20٪ از جمعیت از شرایط WAI بسیار پایین رنج می برند در حالی که 80٪ دیگر تقریباً به طور مساوی با مقادیر بالاتر WAI توزیع شده اند. نمودارها تأیید می‌کنند که توزیع جمعیت WAI با شعاع رو به رشد به سرعت به دو گروه کاهش می‌یابد: آنهایی که در محیطی با قابلیت پیاده‌روی ضعیف (عمدتاً در حاشیه شهر) زندگی می‌کنند و آن‌هایی که در یک محیط مناسب پیاده‌روی (در همه مناطق بسیار شهری) که چنین نیست. واقع بینانه و مفید منحنی WS نشان می‌دهد که یک شعاع کوتاه (400 متر) باعث می‌شود که سهم بالایی از جمعیت دارای WS پایین باشد و سهم بسیار محدودی از جمعیت از سطح رضایت‌بخش WS برخوردار باشد. با این حال، وضعیت در 800 متر تغییر می کند، جایی که منحنی توزیع یکنواخت مقادیر WS را در بین جمعیت نشان می دهد: شعاع های بزرگ به سرعت قابلیت راه رفتن را بهبود می بخشد و امتیاز بالای 50 تا نیمی از جمعیت را ارائه می دهد.

مقایسه مقادیر WAI به دلیل استانداردسازی در هر شهر و هر شعاع جستجو و این واقعیت که مجموع امتیازهای z آنها توسط چندک ها ارزیابی می شود، دشوار است. علیرغم این مشکل، ما یک راه رفتن خوب را بالاتر از آستانه 9.28 تخمین زده ایم که به عنوان 95 درصد از تمام مقادیر WAI برآورد شده است ( جدول 2 ). برای WS، ما طرح ارزیابی Reyer و همکاران را پذیرفتیم. [ 28 ].

ارزیابی توزیع WAI مربوط به اندازه بافر یک اثر هموارسازی قوی را برای اندازه‌های واحد بزرگ بالاتر از حدود تایید می‌کند. 1000 متر بیشترین سهم واحدها و جمعیت در مناطق بسیار قابل پیاده روی در 800 متر است: تقریبا. 26 درصد از جمعیت در استراوا، و 35 درصد در هردک کرالوف. این مقادیر به عنوان مثال برای بافرهایی با قطر 2414 متر به سرعت به 8٪ و 15٪ کاهش می یابد.

در مورد WS ( جدول 3 و جدول 4 )، ابتدا باید سهم واحدهای کاملاً غیرقابل راه رفتن مورد تجزیه و تحلیل قرار گیرد. تقریباً 62 درصد از سانتروئیدها، هم در استراوا و هم در هردک کرالوف، در شعاع 400 متری هیچ هدفی پیدا نکردند، که از نظر تئوری بر 23 درصد و 17 درصد از جمعیت تأثیر می گذارد. این سهم به تدریج با افزایش شعاع جستجو کاهش می یابد و در استاندارد 1.5 مایل به 8٪ و 12٪، به عنوان، واحدها، و 1.1٪ و 1.9٪، به عبارت دیگر، از جمعیت می رسد.

واحدهایی با شرایط راه رفتن غنی در شعاع های نزدیک به ندرت رخ می دهند. فقط 12.2% و 13.8% از افراد با شعاع راه رفتن 400 متر در Ostrava و Hradec Kralove می توانند از شرایط پیاده روی در محیط اطراف خود راضی باشند (WS بالای 50). بقیه به ماشین وابسته هستند ( شکل 10 ). این سهم با شعاع جستجوی 800 متر به 38% و 40% می‌رسد، سپس افزایش کمتری را به 51% و 56% برای 1200 متر و در نهایت به 56.5% و 58% نشان می‌دهد. به مدت 2414 متر این بدان معناست که حتی برای افرادی که ظرفیت راه رفتن معمولی دارند، بیش از 40 درصد ساکنان در مکان‌هایی زندگی می‌کنند که توسط Walk Score به عنوان مکان‌هایی طبقه‌بندی می‌شوند که ساکنان آن به ماشین یا PT وابسته هستند.

همبستگی بین WAI و WS سطح رضایت‌بخشی از مطابقت را با شاخص تعیین خوب بین 0.4 و 0.7 نشان می‌دهد ( شکل 11 )، که به بالاترین مقادیر برای 800-1200 متر می‌رسد.

با این حال، توزیع ارزیابی متنوعی از WAI و WS را نشان می‌دهد. رابطه نزدیک بین این شاخص ها فقط با مقادیر بالاتر WAI به خصوص در مورد Hradec Kralove حاصل می شود. ^{Ostrava ناهمگن تر است که در R2} پایین تر و تنوع بیشتر موقعیت ها منعکس می شود. شرایط بسیار ناهمگن را می توان برای بزرگترین شعاع مشاهده کرد که در آن پنج خوشه نیمه جدا شده قابل تشخیص هستند ( شکل 12 ).

cl.3 – WAI بالا و WS بالا. بهترین شرایط راه رفتن توسط هر دو شاخص تایید می شود. این تنها در دو سکونتگاه متراکم اصلی رخ می دهد.

cl.4 – WAI بالا و WS پایین. در اینجا مقادیر بالای WAI از پارامترهای CONN و FAR بالا سرچشمه می گیرند. در حالی که محیط در استراوا-جنوب قابل پیاده‌روی است، دسترسی به مقاصد رضایت‌بخش نیست و WS کمتری را در مقایسه با دیگر هسته‌های شهری نشان می‌دهد.

cl.1 – WAI بسیار کم با افزایش WS. روستاهای کوچک و تقریباً روستایی که WAI توسط مزارع بزرگ اطراف کاهش می یابد در حالی که دسترسی به اهداف محلی اساسی رضایت بخش است.

cl.2 – WAI متوسط با WS بالا. هسته های کوچک سکونتگاهی با شهرنشینی شهر مانند با برخی محدودیت های اطراف (در مورد ما جنگل ها و یک منطقه صنعتی). WAI به دلیل HDENS افزایش یافته است، اما سایر پارامترها (یعنی CONN) در پس زمینه باقی می مانند. High WS در دسترس بودن کامل اهداف محلی را نشان می دهد.

cl.5 – WAI بالا و WS پایین. مناطقی که معمولاً در شکاف شهرنشینی متراکم یا در مرز آن قرار دارند. در حالی که محیط پیاده روی را تشویق می کند، دسترسی واقعی به مقاصد درخواستی بسیار کم است. این مناطق از عرضه نامناسب امکانات رفاهی رنج می برند.

در همین حال، شرایط در Hradec Kralove بسیار ساده‌تر است و تنها دو وضعیت اساسی ایجاد می‌شود: WAI واگرا با WS کم، و WAI و WS به طور متناسب در حال رشد.

5.2. مقایسه بین WS استاندارد و WS برای سالمندان

WS برای سالمندان با استفاده از تنظیمات پایه از آزمایش ارزیابی شد. مثال در اینجا ارزیابی را برای شعاع 800 متر نشان می دهد ( شکل 13 ). اگر نتایج را با شکل 7 مقایسه کنیم ، الگوی منعکس کننده سکونتگاه های شهری اصلی باقی می ماند، اما این مناطق به طور قابل ملاحظه ای فرسایش یافته اند. کل منطقه با WS بالا کوچکتر است و از نظر داخلی بسیار متنوع تر است.

تغییرات بین WS استاندارد و WS برای سالمندان اندازه‌گیری شده با مقادیر استاندارد WS مورد ارزیابی قرار گرفت. تغییرات متناسب در این مورد به دلیل درصد اغراق آمیز مقادیر کوچک WS مناسب نیستند. شعاع طبق استاندارد WS 2414 متر است در حالی که شعاع برای افراد مسن در 800 متر کوتاهتر است.

همانطور که انتظار می رود، تغییر کلی WS از بزرگسال به سالمند به دلیل کاهش مسافت پیاده روی، DDF تندتر و مجموعه متفاوت اهداف منفی است. 50 درصد واحدها کاهش WS را بین 1 تا 21 درصد گزارش می کنند. میانه ها در هر دو شهر مشابه هستند: -9.85 و -8.21 در Ostrava و Hradec Kralove، به عبارت دیگر، تغییر کمتری را در Hradec Kralove نشان می دهد.

یک سوم واحدهای فضایی ( شکل 14) در طبقه بندی WS به طور قابل توجهی تغییر نمی کند: 31٪ در Ostrava و 35٪ در Hradec Kralove، اما این تنها 10٪ و 15٪ از جمعیت را نشان می دهد. 31% و 33% واحدها کاهش متوسطی را نشان می دهند و کاهش شدید را می توان در مناطق پرجمعیت مشاهده کرد. افت شدید WS (بالای 15) در 20% و 17% واحدها ثبت شد. (33% و 25% از جمعیت)، اما پراکندگی چنین مکان هایی متفاوت است. در Ostrava، بیشترین کاهش WS اغلب در مرزهای سکونتگاه متراکم مشاهده می شود که در آن فاصله کوتاه تر برای پیاده روی برای افراد مسن به طور قابل توجهی دسترسی به مقصد را محدود می کند. موارد مختلف واحدهایی هستند که موانع داخلی (رودخانه‌ها، ایستگاه‌های راه‌آهن و غیره) دسترسی کوتاه را محدود می‌کنند و باعث کاهش قابل‌توجه در پیاده‌روی می‌شوند. در چنین مکان هایی، هر گونه بهبود قابلیت پیاده روی نزدیک دشوار است. با این حال، در Hradec Kralove، افت قابل توجهی در WS با مرز سکونتگاه های متراکم همراه نیست، که احتمالاً به دلیل توسعه مداوم شهری است. گروه های عمده سلول ها با کاهش چشمگیر WS برای سالمندان در مرکز شهر قرار دارند. این سلول ها معمولاً شامل مجتمع های بزرگ نهادی مانند بیمارستان یا دانشگاه هستند.

همانطور که انتظار می رود، بهبود پیاده روی برای سالمندان به ندرت اتفاق می افتد، اگرچه در استراوا، مکان های پراکنده ایزوله معمولا نشان دهنده سکونتگاه روستایی با مسکن فردی و فرصت های خرید محلی خوب است.

همبستگی بین دو نوع WS ( شکل 15 ) نسبتاً زیاد است – R ² 0.669 (Hradec Kralove) و 0.691 (Ostrava). همانطور که انتظار می رود، واحدهای فضایی “غیر قابل راه رفتن” بیشتر برای WS مسن نشان داده شده است و در Ostrava کمتر از Hradec Kralove (15.5٪ و 24.2٪) رخ می دهد. حذف آنها R2 و شیب خطوط رگرسیون را افزایش می ^دهد .

5.3. تجزیه و تحلیل حساسیت WS برای سالمندان

همانطور که در بالا ذکر شد، یافته‌ها و نظرات مختلفی می‌توان یافت که پارامترهایی برای ارزیابی راه رفتن اهمیت دارند. شرایط محلی و عادات فرهنگی و حمل‌ونقل در مکان‌های مختلف متفاوت است و توانایی‌های جسمی و ذهنی، سلامت، نگرش‌ها و رفتار فردی از تنوع بیشتری برخوردار است. در چنین شرایط نامطمئنی، ارائه یک تحلیل حساسیت برای کشف تأثیرات واقعی تنظیمات مختلف و اینکه کدام پارامترها تأثیرات عمده ای بر WS نهایی دارند، ایده خوبی است.

تجزیه و تحلیل حساسیت بر اساس رویکرد یک در یک زمان (OAP) [ 96 ] بود که در آن یک پارامتر به‌طور متوالی جابه‌جا می‌شود و بقیه در مقادیر پایه خود نگه می‌دارند، سپس پارامتر به مقدار پایه خود برگردانده می‌شود و پارامتر بعدی سپس منتقل می‌شود. . تغییرات زیر آزمایش شد:

تغییر شکل DDF و سرعت راه رفتن.

DDF توسط تابع گاوسی تجمعی که توسط پارامتر β اصلاح شده مدل‌سازی می‌شود. این پارامتر بر شیب منحنی و همچنین مسافت پیش‌بینی‌شده پیاده‌روی تأثیر می‌گذارد. به عنوان مثال، β = 140 مقدار گاوسی تقریبا صفر را در 17 دقیقه ارائه می دهد، که می تواند با استفاده از سرعت راه رفتن آهسته 0.4 متر بر ثانیه به مسافت قابل پیاده روی 408 متر تبدیل شود. طرف مقابل طیف آزمایش از β = 180 استفاده می کند که زمان راه رفتن را تا 30 دقیقه افزایش می دهد و به همین ترتیب، فاصله راه رفتن را تا 2400 متر با استفاده از حداکثر سرعت راه رفتن مورد انتظار 1.3 متر بر ثانیه افزایش می دهد.

ما تصمیم گرفتیم به طور مشترک هر دو پارامتر را اصلاح کنیم، زیرا هر دو به توانایی های فیزیکی افراد مسن محدود می شوند. سرعت راه رفتن کمتر معمولاً مستقیماً با مسافت قابل پیاده روی کمتر مطابقت دارد. بر اساس بررسی، سرعت راه رفتن در محدوده 0.4 تا 1.3 متر بر ثانیه تغییر یافت. پارامتر β بر اساس [ 88 ] در محدوده 140 تا 180 تنظیم شد. این به خوبی با مدل حداکثر مسافت مورد انتظار پیاده روی در محدوده 400 تا 1600 متر مطابقت دارد ( شکل 16 ). هر دو محدوده برای آزمایش به 10 مرحله تقسیم شدند.

2.: تغییر وزن برای هر نوع مقصد.

همانطور که بحث شد، ما از پنج دسته مقصد برای سالمندان استفاده کردیم. برای هر نوع مقصد، ده وزن مختلف بین دو گزینه بر اساس فراوانی بازدید گزارش شده در دو نظرسنجی تعیین شد. این 50 نوع وزنی و 10 نوع β و سرعت راه رفتن برای محاسبه WS برای حداکثر بافر 2414 متر استفاده شد.

برای ارزیابی اثرات تغییرات، تغییر WS سالمندان برای هر مرحله و هر واحد فضایی محاسبه شد. به دلیل تعداد بالای سلول های مسکونی در Ostrava (621) و Hradec Kralove (252)، نشان دادن همه نتایج دشوار است. تکامل مقادیر WS برای همه سلول ها برای اصلاح سرعت راه رفتن و ضریب β در شکل 17 نشان داده شده است. همه وزن ها و تأثیر آنها بر WS برای سالمندان را می توان در [ 97 ] یافت.

نه تست فواصل مختلف بین نقاط ارزیابی شده (اندازه شبکه) برای WS سالمندان و نه قرارگیری متفاوت این نقاط به دلیل تعداد زیاد ترکیبات پارامترهای آزمایش شده ارائه نشد. چنین وضعیتی را می توان با استفاده از شبیه سازی تصادفی حل کرد، اما این فراتر از قابلیت محاسبه فعلی است. انتظار می‌رود که تغییرات ناشی از تفاوت‌های کوچک در محل قرارگیری تأثیر جزئی بر ارزیابی کلی WS سالمندان داشته باشد.

تغییرات در جدول 5 خلاصه شده استکه در آن میانگین، چارک سوم و 95 درصد ذکر شده است. این شکل ساده از تجزیه و تحلیل حساسیت نشان می دهد که تأثیرات تغییرات وزن در محدوده مورد انتظار بسیار کم است. بر اساس مقایسه انواع مختلف مقاصد، تاثیر عمده ای برای تغییرات در مولفه سرعت-β یافت می شود که در آن میانگین تغییر WS برای یک مرحله تقریباً می باشد. 2 و 95 درصد به 7.7 می رسد. تأثیر بسیار کمتری برای پارک (میانگین 0.5 و 2.5 برای 95 درصد) و به دنبال آن خرده فروشی (0.4 و 2.1، به عبارت دیگر) مشاهده می شود. وزن برای مقاصد هایپرمارکت، پزشک و سرگرمی در مقیاس کوچک بر WS تأثیر می گذارد. به عنوان مثال، هر مرحله در وزن هایپر مارکت تنها یک تغییر مقدار 0.02 WS و 0.09 برای 95 درصد را نشان می دهد. نتایج مطابق با یافته های قبلی است که فاصله اغلب عوامل دیگر را تحت الشعاع قرار می دهد [ 58].

مقادیر صفر در چارک سوم نشان دهنده عدم وجود مقاصد در دسترس برای پیاده روی است. تأثیرات متفاوت بر یک دسته از مقاصد، تفاوت‌های بین شهرها را به دلیل کمبود اهداف مورد نیاز و توزیع فضایی نابرابر آنها نشان می‌دهد.

تغییرات WS برای هر مرحله آزمایش نشان می دهد که همه مراحل تأثیر یکسانی ندارند. معمولاً 2 تا 3 مرحله اول از مراحل دیگر منحرف می شود که تأثیر کوچکتر یا بزرگتری ایجاد می کند. همانطور که می بینید، برای ضریب سرعت-β غالب، سه مرحله اول بیشترین تنوع را نشان می دهد، اما تغییرات برای مراحل بعدی که تغییر در WS در حدود 3 (Ostrava) و 4 (Hradec Kralove) تثبیت می شود، به طور قابل توجهی کمتر است ( شکل ). 18 ).

اگرچه تجزیه و تحلیل حساسیت نشان می‌دهد که تأثیرات غالب سرعت راه رفتن و ضریب بتا در مسافت مناسب قابل پیاده‌روی منعکس می‌شود، و تأثیر جزئی تنظیمات وزن برای مقصدها، کاربران باید شرایط واقعی، نیازها و رفتار گروه‌های خاصی از افراد را برای چنین تنظیماتی در نظر بگیرند. سیستم هایی با تنظیم وزن باز توصیه می شود.

6. بحث

بر اساس مقایسه شاخص‌های اصلی، چندین نویسنده WAI را به عنوان بهترین معیار عملکرد برای شرایط پیاده‌روی شهری ارزیابی کرده‌اند که با موفقیت تغییرات شکل شهری را به تصویر می‌کشد [ 28 ، 48 ]. برخی از نقاط ضعف این شاخص را می توان در تعمیم طبقات کاربری زمین برای ترکیب کاربری اراضی، همانطور که با شاخص آنتروپی شانون [ 28 ] اندازه گیری شد، مشکلات محاسبه [ 19 ]، انتخاب تنها متغیرهای عینی [ 65 ]، عدم امکان مشاهده کرد. مقایسه نتایج برای شهرهای مختلف (برای ارزیابی کلی استاندارد نشده است)، و مشکل MAUP [ 98]. ما محاسبه واحدهای فضایی یکنواخت را برای رفع مشکل ناهمگونی در اندازه و شکل واحدهای فضایی اعمال کردیم. یک بافر دایره ای برای ایجاد واحدهای معادل برای ارزیابی WAI و WS استفاده شد.

اجرای مناسب WAI مستلزم انطباق و تقریب است. به شدت توصیه می شود که واحدهای فضایی که مساحت مورد نظر کمتر از 1٪ از اندازه واحد است حذف شوند. ما همچنین تقریب توصیه شده توسط Reyer و همکاران را اعمال کردیم. [ 28 ] برای جایگزینی FAR با اندازه مساحت ساختمان های تجاری.

WS به دلیل کاربرد آن در زمانی که منابع داده پراکنده و بسیار تعمیم یافته هستند مورد انتقاد قرار می گیرد [ 28 ]. علاوه بر این، تفاوت در هدف سفر [ 61 ] را در نظر نمی گیرد، جایی که تنها یک DDF اعمال می شود. برای مبارزه با این مسائل، یک برنامه کاربردی جدید با استفاده از OSM، کتابخانه Pandada برای جستجوی کوتاه ترین سفرها، و تابع گاوسی تجمعی به جای چند جمله ای DDF توسعه یافت. به دلیل مشکلات در ارزیابی طول بلوک در شرایط شهری چک، ما با استفاده از میانگین طول بخش خیابان تقریب زدیم. این نرم افزار تنظیم حداکثر فاصله راه رفتن، سرعت راه رفتن، ضریب Gaussian DDF β و وزن امکانات رفاهی را امکان پذیر می کند.

برخی از نویسندگان از سیستم وزن دهی نامشخص برای WS انتقاد می کنند [ 42 ]. ژانگ و همکاران [ 25 ] وزن‌ها را اصلاح کرد تا آنها را با شرایط شهری چینی که به سرعت در حال شهرنشینی است، تطبیق دهد. آنها مجتمع های تجاری با وزن 3 را اضافه کردند زیرا آنها محل اصلی خرید و تفریح هستند. وزن ورودی مدرسه و پارک هر دو از 1 به 1.5 افزایش یافت که نشان دهنده اهمیت بالاتر آنها برای عموم مردم در شنژن و چین به عنوان یک کل است. انگلس و لیو [ 99] سه نوع تنظیم وزن را برای ایستگاه‌های اتوبوس، پارک‌ها، امکانات تفریحی، فروشگاه‌های مواد غذایی و ایستگاه‌های EMS آزمایش کرد، اما انتخاب وزنه‌ها دلخواه بود. نتایج تحلیل حساسیت OAP ما نشان می‌دهد که خرده‌فروشی و پارک‌ها بیشترین تأثیر را بر WS برای افراد مسن دارند، با این حال، تنظیمات وزن نسبت به پارامترهای دیگر مانند فاصله قابل پیاده‌روی اهمیت کمتری دارند.

در ارزیابی خود، از تابع گاوسی تجمعی برای مدل‌سازی اثر فاصله-واپاشی استفاده کردیم. برخی از محققان عملکردهای دیگری را توصیه می کنند، به عنوان مثال، Tiran et al. [ 61 ] یک تابع توان-نمایی نرمال شده، تابع باکس کاکس، تابع تانر و تابع ریچاردز را آزمایش کرد. آنها دریافتند که دومی برای اهداف مدلسازی بهترین است، اما این تابع از شش پارامتر استفاده می کند که تنظیمات را پیچیده می کند. هوراک و همکاران [ 82 ] مجموعه ای از توابع رگرسیون را برای حالت های مختلف سفر از جمله راه رفتن آزمایش کرد: نمایی، توان، وایبول، گاما، لگ نرمال، و باکس-کاکس. بحث در مورد رفتار و آزمایش این توابع را می توان در [ 100 , 101 , 102 ] یافت.]. آنها دریافتند که بهترین تناسب با استفاده از تابع Weibull [ 103 ] در اکثر موارد مورد تجزیه و تحلیل بدست آمده است. با این وجود، به دلیل تاثیر کم وزن‌دهی، تابع گاوسی تجمعی می‌تواند راه‌حلی مناسب و ساده در نظر گرفته شود.

ما چهار شعاع مختلف را آزمایش کردیم – 400، 800، 1200 و 2414 متر، که مطابق با فواصل ترجیحی آزمایش شده توسط سایر محققان است. مختار و همکاران [ 72 ] نشانگرها را برای 3 شعاع شبکه مختلف با استفاده از فواصل شبکه 400 متر، 800 متر یا 1600 متر محاسبه کرد. لوفور-روپارس و مورنسی [ 48] شش شعاع جستجوی مختلف (200، 400، 800، 1200، 1600 و 2000 متر) را با استفاده از فواصل خط مستقیم آزمایش کرد. آنها به این نتیجه رسیدند که به نظر می رسد شعاع های جستجوی متوسط (بین 400 متر و 1200 متر) تناسب بهتری را ارائه می دهند، اما همچنین اظهار داشتند که تغییر شعاع جستجو تأثیری حاشیه ای بر دقت پیش بینی انتخاب حالت دارد، جایی که بیشترین پیشرفت در دقت مدل به سختی از آن بیشتر است. 2 درصد در مطالعه خود، ما نشان دادیم که تنظیم فاصله پیاده روی تأثیر عمده ای بر خروجی ها دارد. بافرهای کوچک برای WAI امکان ارزیابی شرایط محلی را فراهم می کند، با این حال، آنها به منابع داده مناسب نیاز دارند.

نتایج ما نشان می دهد که سودمندی WAI با گسترش شعاع دایره به سرعت کاهش می یابد. شعاع های بالای 800 متر مناطق وسیعی را پوشش می دهند و بنابراین فقط ارزیابی های کلی را ارائه می دهند. مقادیر پایدارتر هستند، اما جزئیات فضایی کافی را ارائه نمی دهند.

شهرهایی با شهرنشینی بسیار متنوع و توزیع نابرابر امکانات رفاهی (مثلاً استراوا) به تنظیمات واحد فضایی حساس‌تر هستند. گسترش اندازه واحد فضایی باعث کاهش WAI در سکونتگاه‌های حومه‌ای منزوی (روستاها) و در حاشیه سکونتگاه‌های شهری متراکم می‌شود.

برعکس، WS به مسافت‌های پیاده‌روی زیاد نیاز دارد تا به شعاع‌های جستجوی شبکه مربوطه تبدیل شوند. فواصل کوتاهتر نسبت به خطاها در مکان های مقصد و در ساخت شبکه جاده یا عابر پیاده حساس هستند.

یک مسافت پیاده روی ممکن است هنگام مطالعه مناطق بزرگ کافی نباشد زیرا محققان فواصل مختلف پیاده روی معقول را گزارش می دهند، عمدتاً برای افراد مسن یا دانش آموزان. علاوه بر این، مطالعات معمولاً بر شرایط شهری، یعنی مراکز شهرها متمرکز است. این محدودیت باید برای تجزیه و تحلیل انجام شده در خارج از مراکز شهر در نظر گرفته شود. در حومه شهر، مسافت های طولانی تر پیاده روی واقعی تر است (حتی برای افراد مسن). استفاده از توزیع منظم نقاط ارزیابی شده (بافرها) برای کشف کامل شرایط محلی کافی نیست. نتایج به انتخاب این نقطه بستگی دارد و یک تغییر کوچک در مکان آن ارزیابی کمی متفاوت ایجاد می کند. یک اصلاح امتیاز پیاده روی برای افراد مسن ایجاد شد. این اصلاح بر اساس انتخاب مقاصد مختلف، تطبیق سرعت راه رفتن، مسافت قابل پیاده روی و ضریب β است. سالمندان به مقاصد متفاوتی نسبت به کارمندان نیاز دارند و اهداف متفاوتی برای سفرهای پیاده روی دارند. بر اساس نتایج تحقیقات محلی فعلی، ما خرده فروشی، هایپرمارکت، پزشک، پارک و سرگرمی را به عنوان مقاصد مورد نظر انتخاب کردیم زیرا فقط این نوع اهداف می توانند بومی سازی شوند و با شرایط شهر مطابقت داشته باشند. برای شرایط روستایی، برخی از مقاصد باید اصلاح شوند، به عنوان مثال، نقش پارک به حداقل رسیده است، با این حال، اکثر مقاصد برای WS استاندارد و WS روستایی یکسان هستند.104 ، 105 ، 106 ].

WS برای سالمندان یک همبستگی معنی‌دار ( 01/0= p ) با WS استاندارد در شهرهای ارزیابی‌شده نشان می‌دهد (R2 ^0.67 و 0.69) اما تفاوت‌ها آشکار است و ارزیابی شرایط راه رفتن برای سالمندان را نمی‌توان مستقیماً از WS استاندارد استخراج کرد. همانطور که انتظار می رفت، منطقه بسیار قابل پیاده روی برای افراد مسن کوچکتر و بسیار متنوع تر از بزرگسالان است. تقریباً 1/3 واحدهای فضایی با 10 تا 15 درصد جمعیت، مقادیر مشابهی را گزارش می کنند. کاهش شدید WS برای افراد مسن در حدود 20٪ از واحدها رخ می دهد که 25 تا 33٪ از جمعیت را تشکیل می دهد. منطقه باقی مانده تنها کاهش متوسطی را نشان می دهد که در آن تفاوت در شرایط پیاده روی ناچیز است.

تجزیه و تحلیل حساسیت کشف می کند که تغییرات وزن برای مقاصد (در محدوده مقادیر مورد انتظار) تأثیر کمی بر WS نهایی دارد. تنظیم سرعت راه رفتن مناسب و ضریب β که بر دسترسی واقعی به مقاصد تأثیر می گذارد، مهم تر است.

7. نتیجه گیری

بهبود شرایط پیاده روی شهری اثرات مثبت متعددی از جمله حمایت از سبک زندگی سالم و رفاه شخصی، کاهش آلودگی محیط زیست و افزایش مزایای کسب و کار دارد. پیاده‌روی به‌عنوان فعالیت بدنی متوسط، وسیله‌ای برای خود تاب‌آوری و واسطه‌ای طبیعی برای تماس‌های اجتماعی برای بسیاری از سالمندان ضروری است. اصلاحات و انطباق‌های محیط شهری برای دوستانه‌تر شدن با نیازها و خواسته‌های عابران پیاده به طور قابل‌توجهی فراگیر بودن شهرهای ما را بهبود می‌بخشد.

شاخص های عینی پیاده روی به تجزیه و تحلیل محیط شهری کمک می کند و به کشف مسائل محلی پیاده روی و اتخاذ اقدامات مناسب برای بهبود شرایط زندگی کمک می کند. بسیاری از شاخص ها توسعه یافته اند و اغلب با نتایج نظرسنجی های پرسشنامه محلی تایید می شوند. با این حال، در مورد رفتار فضایی آنها، نحوه تنظیم پارامترهای مهم و تأثیراتی که می توان برای عدم قطعیت های مختلف موجود در چنین مدل هایی انتظار داشت، کمتر شناخته شده است.

برای ارزیابی الگوی مکانی شاخص‌های مبتنی بر هدف، دو شاخص محبوب انتخاب شدند – WAI [ 64 ] که نشان‌دهنده شاخص‌های مبتنی بر آمار است، و WS که یک رویکرد مبتنی بر دسترسی را اعمال می‌کند. هر دو شاخص در واحدهای فضایی مناسب (بافرهایی با شعاع از 400 متر تا 2414 متر) در دو شهر چک مورد ارزیابی قرار گرفتند. این امر امکان مقایسه نتایج و بررسی الگوی این شاخص ها را فراهم کرد. تاثیر قرار دادن بافرهای مختلف مورد بررسی قرار نگرفت. یک ابزار نرم افزاری جدید برای محاسبه Walk Score با استفاده از داده های OSM و خدمات شبکه رایگان در دسترس توسعه داده شد. برای رسیدگی بهتر به نیازهای سالمندان، نوع جدیدی از WS طراحی و شمارش شد. این ابزار در [ 91 ] موجود است]. DDF استاندارد برای WS با یک تابع گاوسی تجمعی با تنظیمات مختلف ضریب β که بر شیب و دامنه تابع مطابق با فواصل قابل پیاده‌روی توصیه شده تأثیر می‌گذارد، جایگزین شد. سرعت راه رفتن متفاوت و تنظیمات متغیر اهداف و وزن آنها، انطباق WS را با شرایط محلی و نیازهای شخصی امکان پذیر کرد. تجزیه و تحلیل حساسیت تأثیرات عمده سرعت راه رفتن و ضریب β را بر ارزیابی راه رفتن کشف کرد.

ارزیابی WS برای هر دو شهر نشان می دهد که تقریباً. 40 درصد از ساکنان به دلیل شرایط نامناسب پیاده روی به احتمال زیاد به ماشین وابسته هستند.

تجزیه و تحلیل مشترک ارزیابی‌های WAI و WS قابل مقایسه، الگوی فضایی متفاوتی را برای هر شاخص نشان می‌دهد که در آن WAI با شعاع‌های کوچک‌تر (تا حدود 800 متر) بهتر عمل می‌کند در حالی که برای WS شعاع بزرگ‌تر مطلوب است (بیش از 800 متر). این یافته ها تا حدی با مطالعات قبلی که در آن شعاع 400-600 متر [ 19 ، 26 ، 51 ، 80 ] معمولا ترجیح داده می شود، مطابقت دارد.

برای افرادی که محدود به مسافت های کوتاه پیاده روی هستند، نتایج WS سازگار برای سالمندان ممکن است مرتبط نباشد. جایگزینی اهداف معمولی غیرقابل دسترس با اهداف موجود، به عنوان مثال، پارک ها یا راه رفتن “بدون هدف” مانند یک حلقه راه رفتن در اطراف محل سکونت فرد را می توان انتظار داشت. در چنین مواردی، شاخص‌های مبتنی بر محیط‌زیست مانند WAI باید برای ارزیابی پیاده‌روی بهتر عمل کنند. این محدودیت همچنین باید برای نشانگرهای مختلط در نظر گرفته شود که در آن اجزای مبتنی بر شبکه ممکن است در نتیجه ترکیبی از اهداف معمولی غیرقابل دسترس و مسافت های کوتاه پیاده روی دست کم گرفته شوند.

مقایسه استاندارد WS و WS برای سالمندان کاهش کلی مورد انتظار در راه رفتن را تایید می کند، اما با شدت غیرمنتظره. تقریباً 1/3 مکان‌ها، که 10 تا 15 درصد جمعیت را نشان می‌دهند، تغییری در WS نشان نمی‌دهند، بنابراین شرایط برای “پیاده‌روی استاندارد” و “پیاده‌روی سالمندان” یکسان ارزیابی می‌شوند. کاهش زیادی در WS برای سالمندان تقریباً در 20٪ از منطقه مسکونی در Ostrava و 17٪ از منطقه مسکونی Hradec Kralove ثبت شده است که نشان دهنده 33٪ از جمعیت در Ostrava و 25٪ از جمعیت در Hradec Kralove است. یک الگوی خاص در استراوا شناسایی شد که در آن این مکان‌ها واحدهای سکونتگاهی متراکم را احاطه کرده یا در مکان‌هایی با موانع جغرافیایی داخلی رخ می‌دهند.

با توجه به محدودیت‌های مطالعه حاضر، تنها یک شبکه منظم از بافرها با فاصله 500 متر مورد مطالعه قرار گرفت و تأثیر مکان‌های مختلف ارزیابی نشد. WS معرفی شده برای سالمندان نشان دهنده انطباق ساده WS است و بهبود بیشتری در نظر گرفته شده است. بدیهی است که مسائل ساده‌سازی بسیاری وجود دارد که از تعمیم قابلیت‌ها، علایق و نیازهای سالمندان رخ می‌دهد. علاوه بر این، مقاصد و تمایل به پیاده روی برای هر فرد یا گروهی ثابت نیست، اما در طول زمان تغییر می کند (مثلاً به دلیل تغییرات فصلی یا روندهای تحت تأثیر افزایش سن). محدودیت‌های بیشتر را می‌توان در رویکرد OAP و نمایش متوسط محیط‌های شهری مشاهده کرد.

یک رویکرد OAP که برای تجزیه و تحلیل حساسیت استفاده می‌شود، راه‌حل ساده‌ای را ارائه می‌کند که، به عنوان مثال، مسائل چند خطی برای وزن‌دهی مقصدها در نظر گرفته نمی‌شود. تجزیه و تحلیل پیشرفته تر با شبیه سازی مونت کارلو و روش های مبتنی بر واریانس باید درک عمیق تری از روابط در سیستم وزن دهی به ارمغان آورد.

ارزیابی فعلی بر اساس یک نمودار ساده از خیابان ها است. افراد مسن نیاز به ارزیابی دقیق تری از شرایط عابر پیاده دارند (حرکت از مقیاس بزرگ به مقیاس خرد). به جای شبکه خیابانی، استفاده از شبکه عابر پیاده در پیاده روهای واقعی باید با استفاده از پارامترهای موثر بر تمایل به پیاده روی مانند عرض روسازی، سطح، شیب، ترافیک، موانع و مکان های استراحت ساخته شود. الهام بخش ممکن است در پیشنهادات شاخص های جدید برای سالمندان که با چنین جزئیات بافت شهری سروکار دارند، مانند شاخص راه رفتن چند عاملی برای سلامت سالمندان (WIEH) [ 19 ] یافت شود. چنین رویکردهایی برای منابع داده کاملاً سخت است و اغلب نیاز به یکپارچه سازی و تکمیل داده ها از منابع مختلف از جمله بررسی های میدانی دارند

منابع

وندل-ووس، دبلیو. درومرز، م. کرمرز، اس. بروگ، جی. Van Lenthe، F. عوامل بالقوه محیطی تعیین کننده فعالیت بدنی در بزرگسالان: یک بررسی سیستماتیک. چاق ها Rev. 2007 , 8 , 425-440. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Mathers، CD; استیونسون، CE; Vos، ET; Begg, SJ مطالعه بار بیماری استرالیا: اندازه گیری از دست دادن سلامتی ناشی از بیماری ها، آسیب ها و عوامل خطر. پزشکی جی. اوست. 2000 ، 172 ، 592-596. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ین، IH; اندرسون، لس آنجلس محیط ساخته شده و تحرک بزرگسالان مسن: سیاست مهم و تلاش های عملی. مربا. Geriatr. Soc. 2012 ، 60 ، 951-956. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
کنیون، ا. پیرس، جی. توزیع اجتماعی و فضایی محیط‌های قابل پیاده‌روی در شهری اسکاتلند: مطالعه موردی از گلاسکو و ادینبورگ. SSM Popul. Health 2019 , 9 , 100461. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ریوا، م. گووین، ال. آپاریسیو، پی. برودر، جی.-ام. تفکیک تأثیر نسبی محیط های ساخته شده و اجتماعی-اقتصادی بر پیاده روی: سهم مناطق همگن در امتداد قرار گرفتن در معرض علاقه Soc. علمی پزشکی 2009 ، 69 ، 1296-1305. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هاکس، تی دی; سیو، ک.-سی. سیلسوپادول، پ. Woollacott، MH چرا تعادل افراد مسن هنگام راه رفتن و انجام یک کار ثانویه کمتر پایدار می شود؟ بررسی توانایی های تغییر توجه. وضعیت راه رفتن 2012 ، 35 ، 159-163. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وببر، MSC; پورتر، MM; Menec، VH Mobility در بزرگسالان مسن: یک چارچوب جامع. Gerontologist 2010 , 50 , 443-450. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بورلاندو، سی. Cusano، I. پیر شدن و نگه داشتن موبایل در ایتالیا. سالمندی فعال و اهمیت استراتژی های برنامه ریزی تحرک شهری. تم J. استفاده از زمین موبایل. محیط زیست 2018 ، 2 ، 43-52. [ Google Scholar ] [ CrossRef ]
صلح، اس ام. کلهر، لس آنجلس؛ هالند، سی. محیط و هویت در زندگی بعدی . انتشارات دانشگاه آزاد: Maidenhead، UK; نیویورک، نیویورک، ایالات متحده آمریکا، 2006. [ Google Scholar ]
Vidovićová، L. Stáří ve Městě، Město v Životě Seniorů. Sociologické Nakladatelstvi (SLON) ; Masarykova Univerzita: پراها، جمهوری چک؛ برنو، جمهوری چک، 2013. [ Google Scholar ]
مارسلینی، اف. پرنسیپی، ا. سیاروکی، اس. مولنکوپف، اچ. تاکن، ام. روپیلا، آی. Szeman, Z. جنبه های تحرک افراد مسن در اروپا: یافته های اصلی پروژه اروپایی “Mobilate”. یورو J. Aging 2004 , 1 , 45-53. [ Google Scholar ]
رمضانی، س. Laatikainen، T. حسن زاده، ک. Kyttä, M. انتخاب حالت سفر خرید بزرگسالان: کاربرد فضای فعالیت و مدل های انتخاب ترکیبی در درک تأثیرات محیط ساخته شده و اهداف شخصی. حمل و نقل 2019 ، 48 ، 505–536. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Verbrugge، LM; جت، A. فرآیند غیرفعال کردن. Soc. علمی پزشکی 1994 ، 38 ، 1-14. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ویدوویچووا، ال. Gregorová، E. Nová města a staří lidé. Sociální Studia Soc. گل میخ. 2010 ، 7 ، 81-93. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هاستاین، اس. رفتار تحرکی سالمندان: یک رویکرد تقسیم بندی مبتنی بر نگرش برای یک گروه هدف ناهمگن. حمل و نقل 2011 ، 39 ، 1079-1103. [ Google Scholar ] [ CrossRef ]
Naumann، LP; وزیره، س. Rentfrow، PJ; گاسلینگ، اس. قضاوت های شخصیتی بر اساس ظاهر فیزیکی. پارس Soc. روانی گاو نر 2009 ، 35 ، 1661-1671. [ Google Scholar ] [ CrossRef ]
وانگ، جی. کائو، ایکس. کاوش محیط ساخته شده با فاصله پیاده روی خروجی ترانزیت در شهرهای دوقلو. J. Transp. Geogr. 2017 ، 64 ، 132-138. [ Google Scholar ] [ CrossRef ]
Stehlíková، J. Řezník، T. مرکز شهر برنو در دسترس برای افراد دارای اختلال حرکتی. J. Maps 2018 ، 14 ، 81-87. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
آلوز، اف. کروز، اس. ریبیرو، آ. سیلوا، AB; مارتینز، جی. Cunha، I. شاخص راه رفتن برای سلامت سالمندان: یک پیشنهاد. پایداری 2020 ، 12 ، 7360. [ Google Scholar ] [ CrossRef ]
فنگ، ال. شی، ز. زی، جی. ما، بی. Chen, X. Enhancer of polycomb فعالیت مولد و یکپارچگی ژنوم را در بیضه مگس سرکه حفظ می کند. مرگ سلولی متفاوت است. 2018 ، 25 ، 1486-1502. [ Google Scholar ] [ CrossRef ]
مشهور، ارزیابی HFA فضاهای شهری از منظر اصول طراحی جهانی: مورد قونیه/ترکیه. TeMA J. استفاده از زمین موبایل. محیط زیست 2016 ، 9 ، 191-208. [ Google Scholar ]
السواهلی، ح. احمد، ف. علی، اصول طراحی شهرسازی جدید و سبک زندگی فعال سالمندان جوان: تجزیه و تحلیل محله TTDI در کوالالامپور، مالزی. شهری دس. بین المللی 2013 ، 19 ، 249-258. [ Google Scholar ] [ CrossRef ]
وو، اچ.-سی. Tseng، M.-H. ارزیابی نابرابری ها در منابع مراقبت اجتماعی سالمندان: با استفاده از شاخص دسترسی و نابرابری جغرافیایی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 1353. [ Google Scholar ] [ CrossRef ][ Green Version ]
ون کوونبرگ، جی. دبوردوهویج، آی. دی میستر، اف. ون دایک، دی. سالمون، ج. کلاریس، پی. Deforche، B. رابطه بین محیط فیزیکی و فعالیت بدنی در افراد مسن: یک بررسی سیستماتیک. Health Place 2011 ، 17 ، 458-469. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژانگ، جی. قهوهای مایل به زرد، PY; زنگ، اچ. ژانگ، ی. ارزیابی قابلیت پیاده‌روی در شهری که به سرعت در حال شهرنشینی است و رابطه آن با ارزش املاک مسکونی. پایداری 2019 ، 11 ، 2205. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
گاگلیون، اف. گارگیولو، سی. زوکارو، اف. کیفیت زندگی بزرگان. روشی برای بهینه سازی دسترسی عابر پیاده به خدمات شهری تم J. استفاده از زمین موبایل. محیط زیست 2019 ، 3 ، 295–312. [ Google Scholar ] [ CrossRef ]
غراویس، ع. چارچوبی سیستماتیک برای درک تأثیرات طراحی محیطی بر فعالیت بدنی در جمعیت سالمند. امکانات 2020 ، 38 ، 625–649. [ Google Scholar ] [ CrossRef ]
رییر، ام. فینا، اس. Siedentop، S. Schlicht, W. Walkability تنها بخشی از داستان است: پیاده روی برای حمل و نقل در اشتوتگارت، آلمان. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2014 ، 11 ، 5849-5865. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ریگز، دبلیو. Sethi، SA رفتار سفر چندوجهی، شاخص‌های پیاده‌روی، و تحرک اجتماعی: چگونه پیاده‌روی محله، ویژگی‌های درآمد و خانواده تصمیمات پیاده‌روی، دوچرخه‌سواری و حمل‌ونقل را راهنمایی می‌کنند. محیط محلی 2020 ، 25 ، 57-68. [ Google Scholar ] [ CrossRef ]
یوینگ، آر. سرورو، آر. سفر و محیط ساخته شده: یک متاآنالیز. مربا. طرح. دانشیار 2010 ، 76 ، 265-294. [ Google Scholar ] [ CrossRef ]
هیث، GW; براونسون، RC; کروگر، جی. مایلز، آر. پاول، KE; رمزی، LT اثربخشی طراحی شهری و استفاده از زمین و سیاست ها و شیوه های حمل و نقل برای افزایش فعالیت بدنی: یک بررسی سیستماتیک. J. Phys. عمل کنید. Health 2006 , 3 , S55–S76. [ Google Scholar ] [ CrossRef ]
Saelens، BE; سالیس، جی اف. فرانک، LD همبستگی های زیست محیطی پیاده روی و دوچرخه سواری: یافته ها از ادبیات حمل و نقل، طراحی شهری و برنامه ریزی. ان رفتار پزشکی 2003 ، 25 ، 80-91. [ Google Scholar ] [ CrossRef ]
هانسون، اس. برکوویتز، کارشناسی; Ainsworth، BE; بلر، اس.ان. سرورو، RB; چن، DDT; کرین، آر. Fullilove، MT; جولیانو، جی. لاتون، TK; و همکاران آیا محیط ساخته شده بر فعالیت بدنی تأثیر می گذارد؟ هیئت تحقیقات حمل و نقل: واشنگتن، دی سی، ایالات متحده آمریکا، 2005. [ Google Scholar ]
سرین، ای. Saelens، BE; سالیس، جی اف. فرانک، مقیاس پیاده روی محیط محله LD: اعتبار و توسعه یک فرم کوتاه. پزشکی علمی ورزش ورزشی. 2006 ، 38 ، 1682-1691. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
آرنتز، تی تی. تیمرمنز، شبکه های اجتماعی HH، تعاملات اجتماعی، و رفتار سفر در فعالیت: چارچوبی برای شبیه سازی میکرو. محیط زیست طرح. B طرح. دس 2008 ، 35 ، 1012-1027. [ Google Scholar ] [ CrossRef ]
فروچن، اس. ایلشایر، جی. Rodnyansky، S. Residential Care در لس آنجلس: ارزیابی توزیع فضایی امکانات و دسترسی محله به مراقبت در میان سالمندان. محیط محلی 2019 ، 24 ، 274-288. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Padeiro, M. دسترسی جغرافیایی به داروخانه های محلی توسط سالمندان در کلانشهر لیسبون. Res. Soc. ادم فارم. 2018 ، 14 ، 653-662. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Bruns، CR; چمبرلین، ب. تأثیر نشانه‌ها و فرم شهری بر نقشه‌های شناختی با استفاده از واقعیت مجازی. Landsc. طرح شهری. 2019 ، 189 ، 296-306. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فیلومنا، جی. مانلی، ای. Verstegen، JA درک تقسیمات شهری در شبیه سازی حرکت عابر پیاده. PLoS ONE 2020 , 15 , e0244099. [ Google Scholar ] [ CrossRef ]
پافکا، ای. Dovey, K. نفوذپذیری و حوضه واسط: اندازه گیری و نقشه برداری دسترسی قابل راه رفتن. J. Urban. بین المللی Res. مکان سازی پایدار شهری. 2016 ، 10 ، 150-162. [ Google Scholar ] [ CrossRef ]
هورتون، FE; رینولدز، DR اثرات ساختار فضایی شهری بر رفتار فردی. اقتصاد Geogr. 1971 , 47 , 36. [ Google Scholar ] [ CrossRef ]
دنگ، سی. دونگ، ایکس. وانگ، اچ. لین، دبلیو. ون، اچ. فریزر، جی. هو، اچ سی; هولمز، ال. چارچوبی مبتنی بر داده برای اندازه‌گیری قابلیت راه رفتن با داده‌های باز: مطالعه موردی شهرهای سه‌گانه، نیویورک. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 36. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بیلیک، م. کونیگ، آر. اشنایدر، اس. وارودیس، تی. اندازه گیری تأثیر پیکربندی شبکه خیابانی بر دسترسی افراد و مجذوبان پیاده روی. شبکه تف کردن اقتصاد 2018 ، 18 ، 657-676. [ Google Scholar ] [ CrossRef ]
داوی، ک. پافکا، ای. راه رفتن چیست؟ DMA شهری مطالعه شهری. 2019 ، 57 ، 93-108. [ Google Scholar ] [ CrossRef ]
مورا، اف. کامبرا، پ. Gonçalves، AB اندازه گیری قابلیت پیاده روی برای گروه های پیاده متمایز با روش ارزیابی مشارکتی: مطالعه موردی در لیسبون. Landsc. طرح شهری. 2017 ، 157 ، 282-296. [ Google Scholar ] [ CrossRef ]
Vale، DS; سارایوا، م. پریرا، ام. دسترسی فعال: مروری بر اقدامات عملیاتی دسترسی پیاده روی و دوچرخه سواری. J. Transp. کاربری زمین 2015 ، 9 ، 209-235. [ Google Scholar ] [ CrossRef ]
کیم، ای جی. کیم، ی.-جی. بررسی قابلیت اطمینان شاخص‌های پیاده‌روی در سئول، کره. پایداری 2019 ، 12 ، 176. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لوفور-روپارس، جی. Morency، C. Walkability: کدام معیار را انتخاب کنیم، کجا اندازه گیری کنیم، و چگونه؟ ترانسپ Res. ضبط J. Transp. Res. هیئت 2018 ، 2672 ، 139–150. [ Google Scholar ] [ CrossRef ]
مونی، اس جی; هورویتز، PM; Moudon، AV; ژو، سی. دالمات، ر. Saelens، BE ویژگی‌های محله مسکونی مرتبط با پیاده‌روی در نزدیکی خانه با اندازه‌گیری عینی: بازبینی قابلیت پیاده‌روی با استفاده از ابزار اندازه‌گیری زمینه خودکار (ACMT). Health Place 2020 , 63 , 102332. [ Google Scholar ] [ CrossRef ]
شاشانک، ا. Schuurman، N. باز کردن شاخص های راه رفتن و مفروضات ذاتی آنها. Health Place 2018 ، 55 ، 145-154. [ Google Scholar ] [ CrossRef ]
Leão، ALF; Urbano، MR Street اتصال و راه رفتن: یک مطالعه تجربی در Londrina-PR. سمین. Ciências Exatas Tecnológicas 2020 ، 41 ، 31-42. [ Google Scholar ] [ CrossRef ]
سرورو، آر. Kockelman، K. تقاضای سفر و 3 بعدی: تراکم، تنوع، و طراحی. ترانسپ Res. قسمت D Transp. محیط زیست 1997 ، 2 ، 199-219. [ Google Scholar ] [ CrossRef ]
وانگ، BY-M. فاکنر، جی. Buliung، R. GIS همبستگی های محیطی حمل و نقل فعال مدرسه را اندازه گیری کرد: مروری سیستماتیک از 14 مطالعه. بین المللی J. Behav. Nutr. فیزیک عمل کنید. 2011 ، 8 ، 39. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ژانگ، دبلیو. لو، دی. ژائو، ی. لو، ایکس. یین، جی. ترکیب توسعه چند مرکزی و برنامه ریزی دایره زندگی محله برای کاهش رانندگی در پکن: تحلیل غیرخطی و آستانه. Cities 2021 , 121 , 103488. [ Google Scholar ] [ CrossRef ]
الشماس، تی. اسکوبار، اف. طراحی شاخص پیاده‌روی مبتنی بر زمان و آسایش: یک پیشنهاد مبتنی بر GIS. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 2850. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
زو، ایکس. لی، سی. پیاده‌روی و ایمنی در اطراف مدارس ابتدایی: نابرابری‌های اقتصادی و قومی. صبح. J. قبلی پزشکی 2008 ، 34 ، 282-290. [ Google Scholar ] [ CrossRef ] [ PubMed ]
جولان، ی. ویلکینسون، ن. هندرسون، جی.ام. Weverka، A. قابلیت پیاده‌روی جنسیتی: ایجاد شاخص پیاده‌روی در روز برای زنان. J. Transp. کاربری زمین 2019 ، 12 ، 501-526. [ Google Scholar ] [ CrossRef ]
لی، اس. لی، سی. Nam, JW; ابی-لامبرتز، ام. مندوزا، JA شاخص پیاده روی مدرسه: کاربرد ابزار ممیزی محیطی و GIS. J. Transp. Health 2020 , 18 , 100880. [ Google Scholar ] [ CrossRef ] [ PubMed ]
هاجنا، س. داسگوپتا، ک. هالپارین، م. راس، NA محله راه رفتن. صبح. J. قبلی پزشکی 2013 ، 44 ، e55–e59. [ Google Scholar ] [ CrossRef ]
لین، ال. Moudon، AV Objective در مقابل معیارهای ذهنی محیط ساخته شده، کدام یک در گرفتن ارتباط با راه رفتن مؤثرتر هستند؟ Health Place 2009 ، 16 ، 339-348. [ Google Scholar ] [ CrossRef ]
تیران، ج. لکنر، ام. Drobne، S. مدلسازی دسترسی پیاده روی: مطالعه موردی لیوبلیانا، اسلوونی. موراو. Geogr. Rep. 2019 , 27 , 194–206. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دستی، S. آیا دسترسی ایده ای است که بالاخره زمان آن فرا رسیده است؟ ترانسپ Res. قسمت D Transp. محیط زیست 2020 , 83 , 102319. [ Google Scholar ] [ CrossRef ]
ژانگ، دبلیو. ژائو، ی. کائو، ایکس. لو، دی. چای، ی. اثر غیرخطی دسترسی بر مالکیت خودرو در پکن: برنامه ریزی محله در مقیاس عابر پیاده. ترانسپ Res. قسمت D Transp. محیط زیست 2020 , 86 , 102445. [ Google Scholar ] [ CrossRef ]
فرانک، LD; سالیس، جی اف. Saelens، BE; لیری، ال. کاین، ک. کانوی، تی ال. Hess, PM توسعه یک شاخص پیاده روی: کاربرد در مطالعه کیفیت زندگی محله. برادر J. Sports Med. 2010 ، 44 ، 924-933. [ Google Scholar ] [ CrossRef ] [ PubMed ]
آرلانا، جی. سالتارین، ام. Larrañaga، AM; آلوارز، وی. Henao، CA پیاده‌روی شهری با در نظر گرفتن ادراک عابران پیاده از محیط ساخته شده: یک بررسی 10 ساله و یک مطالعه موردی در یک شهر متوسط در آمریکای لاتین. ترانسپ Rev. 2020 , 40 , 183-203. [ Google Scholar ] [ CrossRef ]
کیم، ای جی. کیم، جی. کیم، اچ. آیا پیاده‌روی محیطی مهم است؟ نقش محیط قابل پیاده روی در رفت و آمد فعال بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 ، 17 ، 1261. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
واتسون، KB; ویتفیلد، GP; توماس، JV; بریگان، دی. فولتون، جی. کارلسون، SA ارتباط بین شاخص ملی راه رفتن و راه رفتن در میان بزرگسالان ایالات متحده – نظرسنجی مصاحبه سلامت ملی، 2015. قبلی. پزشکی 2020 , 137 , 106122. [ Google Scholar ] [ CrossRef ] [ PubMed ]
آپارتمان های اجاره ای و اجاره ای را پیدا کنید – امتیاز پیاده روی خود را دریافت کنید. در دسترس آنلاین: https://walkscore.com (در 24 آوریل 2022 قابل دسترسی است).
باک، سی. پوهلابلن، اچ. هویبرشتس، آی. دبوردوهویج، آی. پیتسیلادیس، ی. رایش، ال. Pigeot, I. توسعه و به کارگیری یک شاخص جابجایی برای تعیین کمیت امکانات برای فعالیت بدنی در محیط ساخته شده کودکان. Health Place 2011 ، 17 ، 1191-1201. [ Google Scholar ] [ CrossRef ]
سینگلتون، پی. Muhs، C. اشنایدر، آر. کلیفتون، ک. پیش بینی سفرهای پیاده روی: شاخص عابر پیاده محیط (PIE). در مجموعه مقالات کنفرانس Pro Walk/Pro Bike/Pro Place, Pittsburgh, PA, USA, 11-18 سپتامبر 2014. [ Google Scholar ]
ویتن، ک. پیرس، جی. روز، P. شاخص دسترسی به مقصد محله: ابزار GIS برای اندازه گیری پشتیبانی زیرساخت برای فعالیت فیزیکی محله. محیط زیست طرح. یک اقتصاد. فضا 2011 ، 43 ، 205-223. [ Google Scholar ] [ CrossRef ]
مختار، م. گیلت، دی. لاپوس، ن. فیتزپاتریک، اس. Jaros، R. یک شاخص عینی راه رفتن برای سلامت عمومی و برنامه ریزی در منطقه پیل، انتاریو، کانادا. قبلی دیس مزمن 2019 ، 16 ، 180469. [ Google Scholar ] [ CrossRef ]
کلیفتون، کی جی. سینگلتون، پی. Muhs، CD; اشنایدر، RJ نشان دهنده فعالیت عابر پیاده در مدل های تقاضای سفر: چارچوب و کاربرد. J. Transp. Geogr. 2016 ، 52 ، 111-122. [ Google Scholar ] [ CrossRef ]
ILS-Monitoring Stadtregionen. در دسترس آنلاین: https://ils-stadtregionen.de/ (در 24 آوریل 2022 قابل دسترسی است).
Lawhon، LL واحد محله. در دایره المعارف تحقیق کیفیت زندگی و رفاه ; Springer: Dordrecht، هلند، 2014; صص 4335–4337. [ Google Scholar ]
هیرش، جی. مور، کالیفرنیا؛ Evenson، KR; رودریگز، دی. Roux، AVD Walk Score® و Transit Score® و Walking در مطالعه چند قومیتی آترواسکلروز. صبح. J. قبلی پزشکی 2013 ، 45 ، 158-166. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چودیک، AM; وینترز، م. منی‌روزمان، MD; Ashe, MC; گولد، جی اس. مک کی، اچ. مقاصد مهم: ارتباط بین محل زندگی افراد مسن و رفتار سفر آنها. J. Transp. سلامت 2014 ، 2 ، 50-57. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چیو، م. شاه، BR; Maclagan، LC; رضایی، م.ر. آستین، کامپیوتر; Tu، J. v Walk Score® و شیوع راه رفتن سودمند و چاقی در میان بزرگسالان انتاریو: یک مطالعه مقطعی. Health Rep. 2015 , 26 , 3-10. [ Google Scholar ] [ PubMed ]
کوزمیاک، جی آر؛ بابر، سی. Savory, D. Use of Walk Opportunities Index برای تعیین کمیت دسترسی محلی. ترانسپ Res. ضبط J. Transp. Res. هیئت 2006 ، 1977 ، 145-153. [ Google Scholar ] [ CrossRef ]
چن، ی. بوفرگن، ا. لی، اچ. لیو، اچ. شن، ی. الحسین، م. شکاف های فضایی در عرضه و تقاضای حمل و نقل عمومی شهری از منظر پایداری. جی. پاک. تولید 2018 ، 195 ، 1237-1248. [ Google Scholar ] [ CrossRef ]
برتون، ای. میچل، ال. طراحی شهری فراگیر: خیابان ها برای زندگی . Routledge: آکسفورد، انگلستان، 2006; شابک 978-0750664585. [ Google Scholar ]
هوراک، جی. بوریان، جی. ایوان، آی. زجیچکووا، ال. تسلا، جی. ووژنیلک، وی. فوجتیک، دی. بازرس، تی. Rypka ، M. Prostorové Simulační Modelování Dopravní Dostupnosti ; Česká Geografická Společnost: پراها، جمهوری چک، 2019; شابک 978-80-907728-0-9. [ Google Scholar ]
روش امتیاز پیاده روی امتیاز پیاده روی. 2011. در دسترس آنلاین: https://pubs.cedeus.cl/omeka/files/original/b6fa690993d59007784a7a26804d42be.pdf (در 24 آوریل 2022 قابل دسترسی است).
الشریف، اف. الجوفی، م. شناسایی مجموعه معیارهای مناسب برای راه رفتن محله با استفاده از مدل فرآیند تحلیل سلسله مراتبی فازی: مطالعه موردی در جده، عربستان سعودی. پایداری 2020 ، 12 ، 9286. [ Google Scholar ] [ CrossRef ]
کار، ال جی؛ دانسیگر، SI; Marcus, BH Validation of Walk Score برای تخمین دسترسی به امکانات قابل پیاده‌روی. برادر J. Sports Med. 2011 ، 45 ، 1144-1148. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Vale، DS; Pereira، M. تاثیر تابع امپدانس بر معیارهای دسترسی عابر پیاده مبتنی بر گرانش: یک تحلیل مقایسه ای. محیط زیست طرح. ب مقعد شهری. علوم شهر 2016 ، 44 ، 740-763. [ Google Scholar ] [ CrossRef ]
کوان، ام.-پی. فضا-زمان و معیارهای جامع دسترسی فردی: تحلیل مقایسه ای با استفاده از چارچوب مبتنی بر نقطه. Geogr. مقعدی 2010 ، 30 ، 191-216. [ Google Scholar ] [ CrossRef ]
گیدا، سی. کارپنتیری، جی. کیفیت زندگی در محیط شهری و خدمات بهداشتی اولیه برای سالمندان در طول همه‌گیری کووید-19: برنامه‌ای برای شهر میلان (ایتالیا). Cities 2020 , 110 , 103038. [ Google Scholar ] [ CrossRef ]
بائر، جی. گرونبرگ، DA اندازه گیری دسترسی فضایی ارائه دهندگان مراقبت های بهداشتی-معرفی تابع فروپاشی با فاصله متغیر در روش حوزه آبریز شناور (FCA). PLoS ONE 2016 , 11 , e0159148. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دوبشووا، ز. Křivka، T. شاخص پیاده روی در برنامه ریزی شهری: مطالعه موردی در شهر اولوموک. در پیشرفت در برنامه ریزی فضایی ; InTech: لندن، بریتانیا، 2012. [ Google Scholar ]
PavelKVSB/Walkscore-WAI-Walkability: انطباق روش Walkscore در محیط اروپا – دو نسخه پیاده‌سازی شدند: Walkscore کلاسیک و Walkscore برای افراد مسن. سازگاری WAI برای مناطق ورودی همپوشانی. در دسترس آنلاین: https://github.com/PavelKVSB/Walkscore-WAI-walkability.git (در 24 آوریل 2022 قابل دسترسی است).
فوطی، ف. وادل، پی. لوکسن، دی. چارچوب محاسباتی تعمیم یافته برای دسترسی: از مقیاس عابر پیاده تا مقیاس متروپولیتن. در مجموعه مقالات چهارمین کنفرانس TRB در مورد نوآوری‌ها در مدل‌سازی سفر، تامپا، FL، ایالات متحده آمریکا، 30 آوریل تا 2 می 2012. صص 1-14. [ Google Scholar ]
Connected_Components—NetworkX 2.8 Documentation. در دسترس آنلاین: https://networkx.org/documentation/stable/reference/algorithms/generated/networkx.algorithms.components.connected_components.html (در 24 آوریل 2022 قابل دسترسی است).
هندی، اس. پاترسون، آر جی. باتلر، ک. برنامه ریزی برای اتصال به خیابان: رسیدن از اینجا به آنجا . انجمن برنامه ریزی آمریکا: شیکاگو، IL، ایالات متحده آمریکا، 2003; شابک 1-884829-86-4. [ Google Scholar ]
Spilková, J. “به من بگو از کجا خرید می کنی، و من به تو می گویم که کی هستی”: نمایه های خریداران چک مطابق با گزینه های خرده فروشی سنتی، بزرگ و جایگزین. موراو. Geogr. Rep. 2018 , 26 , 186–198. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مورفی، جی.ام. سکستون، DMH؛ بارنت، دی.ان. جونز، جی اس. وب، ام جی؛ کالینز، ام. Stainforth، D. کمی سازی عدم قطعیت های مدل سازی در مجموعه بزرگی از شبیه سازی تغییرات آب و هوا. طبیعت 2004 ، 430 ، 768-772. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Grafy_zpracovani_walkscore توسط GIS VSB. در دسترس آنلاین: https://public.tableau.com/app/profile/gis.vsb/viz/grafy_zpracovani_walkscore/WALKSCORE (در 24 آوریل 2022 قابل دسترسی است).
Openshaw, S. Unit Problem Modifiable Areal Catmog-Concepts and Techniques in Geography Modern ; Geo Books: Norwich, UK, 1983; شابک 0-86094-134-5. [ Google Scholar ]
انگلس، بی. لیو، جی.-جی. محرومیت اجتماعی، موقعیت مکانی و آسیب حمل و نقل در میان سالمندان غیرراننده در شهرداری ملبورن، استرالیا. J. Transp. Geogr. 2011 ، 19 ، 984-996. [ Google Scholar ] [ CrossRef ]
اولسون، ام. مناطق عملکردی در مدل‌های گرانشی و معیارهای دسترسی. موراو. Geogr. Rep. 2016 , 24 , 60-70. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هالاس، م. Klapka، P. نفوذ فضایی مراکز منطقه‌ای اسلواکی: تجزیه و تحلیل بر اساس تابع فاصله – فروپاشی. Rendiconti Lince 2015 ، 26 ، 169-185. [ Google Scholar ] [ CrossRef ]
مارتینز، ال. Viegas، JM رویکردی جدید برای مدل‌سازی توابع فروپاشی فاصله برای ارزیابی دسترسی در مطالعات حمل‌ونقل. J. Transp. Geogr. 2013 ، 26 ، 87-96. [ Google Scholar ] [ CrossRef ]
Rinne, H. توزیع Weibull ; چپمن و هال/CRC: لندن، انگلستان، 2008; ISBN 9781420087444. [ Google Scholar ]
Ahern، A. هاین، جی. حمل و نقل روستایی – ارزش گذاری برای تحرک افراد مسن. Res. ترانسپ اقتصاد 2012 ، 34 ، 27-34. [ Google Scholar ] [ CrossRef ]
تیتریج، اچ. آچوتان، ک. Mackett, RL; Solomon, J. ارزیابی میزان طرد اجتماعی حمل و نقل در میان سالمندان. J. Transp. کاربری زمین 2009 ، 2 ، 31-48. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Plazinić، BR; Jović, J. تحرک و پتانسیل حمل و نقل سالمندان در مناطق روستایی با دسترسی متفاوت. J. Transp. Geogr. 2018 ، 68 ، 169-180. [ Google Scholar ] [ CrossRef ]