جریان های ترافیکی یک سیستم پیچیده را تشکیل می دهند، به ویژه در زمینه پراکندگی شهری. برآورد مستقیم جریان های ترافیکی مستلزم تلاش های قابل توجه و دانستن از قبل این است که مطالعه را در کجا متمرکز کنیم و ابزارهایی را برای اندازه گیری مستقیم جریان ترافیک در کجا قرار دهیم و در نتیجه تراکم ترافیک می تواند منجر به صرفه جویی قابل توجهی در زمان و هزینه شود. در مورد شهرداری رم، ما وضعیتی را رصد کرده‌ایم که در 30 سال گذشته میزان بسیار بالایی از پراکندگی شهری رخ داده است و تخمین مستقیم ترافیک را دشوار می‌کند. کار شرح داده شده در اینجا می تواند به حل مشکل تخمین جریان ترافیک و به ویژه پدیده تراکم از طریق یک رویکرد بسیار ارزان با استفاده از سنجش از دور و فناوری سیستم اطلاعات جغرافیایی کمک کند. این روش مبتنی بر شناسایی نقاط جذب کننده ای است که جریان های ترافیکی را ترسیم می کنند مانند مراکز خرید، مدارس، ادارات، مغازه ها و غیره، یعنی نقاطی در یک قلمرو که تعداد معینی از افراد را با وسایل نقلیه به خود جذب می کنند (تخمین زده شده با مقیاس). در دوره های خاص روز شناسایی آن نقاط و محاسبه تراکم شهری از طریق پردازش تصاویر ماهواره ای امکان ایجاد نقشه تراکم را برای منطقه مورد مطالعه فراهم کرده است. سپس شبکه راه ها و ساختمان ها بر اساس مقادیر تراکم طبقه بندی شده اند. نتایج بحرانی ترین و شلوغ ترین مناطقی را که بر جریان ترافیک و کیفیت زندگی تأثیر می گذارد، نشان می دهد. نقاطی در یک قلمرو که تعداد معینی از مردم را با وسایل نقلیه (تخمین زده شده با مقیاس) در بازه های زمانی خاص از روز جذب می کند. شناسایی آن نقاط و محاسبه تراکم شهری از طریق پردازش تصاویر ماهواره ای امکان ایجاد نقشه تراکم را برای منطقه مورد مطالعه فراهم کرده است. سپس شبکه راه ها و ساختمان ها بر اساس مقادیر تراکم طبقه بندی شده اند. نتایج بحرانی ترین و شلوغ ترین مناطقی را که بر جریان ترافیک و کیفیت زندگی تأثیر می گذارد، نشان می دهد. نقاطی در یک قلمرو که تعداد معینی از مردم را با وسایل نقلیه (تخمین زده شده با مقیاس) در بازه های زمانی خاص از روز جذب می کند. شناسایی آن نقاط و محاسبه تراکم شهری از طریق پردازش تصاویر ماهواره ای امکان ایجاد نقشه تراکم را برای منطقه مورد مطالعه فراهم کرده است. سپس شبکه راه ها و ساختمان ها بر اساس مقادیر تراکم طبقه بندی شده اند. نتایج بحرانی ترین و شلوغ ترین مناطقی را که بر جریان ترافیک و کیفیت زندگی تأثیر می گذارد، نشان می دهد.

کلید واژه ها

GIS , Sentinel 2A , جذب کننده ها , تراکم هسته , IDW , جریان ترافیک , تراکم ترافیک

1. مقدمه

مطالعات تحقیقاتی کمی بر ترافیک شهری متمرکز شده‌اند که با جریان ترافیک پراکنده و بخش‌های کوتاه جاده‌ها مشخص می‌شود و به طور قابل‌توجهی با ترافیک مداوم بزرگراه متفاوت است [ 1 ]. پویایی جریان های ترافیکی در شبکه های جاده های شهری در حال حاضر بر روی شبیه سازی های کامپیوتری مورد مطالعه قرار می گیرد. اخیرا روش های مختلفی برای طبقه بندی حرکات ترافیکی وسایل نقلیه در شهرهای بزرگ پیشنهاد شده است. آنها این پدیده را جریانی پویا از ذرات می دانند که از نقاط مختلف «منشا» شروع شده و به نقاط دیگر «مقصد» می رسند. ترافیک شهری از همپوشانی جریان های مبدا-مقصد (OD) ناشی می شود [ 2 ]]. متأسفانه، محاسبه این ماتریس‌های OD حجم ترافیک در طول این پیوندها، هم به صورت استاتیک و هم به صورت پویا، مستلزم هزینه بسیار بالایی در جمع‌آوری داده‌ها و بالاتر از همه برای شبیه‌سازی شبکه‌های مقیاس بزرگ است. بنابراین، نویسندگان مختلف یک مدل ترافیک پیشنهاد می‌کنند: به عنوان مثال یک رویکرد جدید از یک مدل زمان خروج جایگزین با استفاده از ترکیبی از ماتریس‌های OD ایستا و سری‌های زمانی متعدد در هر مبدا برای مدل‌سازی جریان‌های ترافیک پویا در یک شبکه حمل‌ونقل پیشنهاد شده است [ 3 ]. روش دیگر، مدل های اتوماتای ​​سلولی ترافیک (TCA) بر اساس مکانیک آماری استفاده می شود [ 4 ]]. با این حال، با در نظر گرفتن این که داده های ترافیکی بسیار غیرخطی و پیچیده هستند، اغلب با ساعات روز نیز تغییر می کنند، نویسندگان دیگر از نظریه آشوب استفاده می کنند که به تمایز بین سیستم های تصادفی، احتمالی و قطعی اجازه می دهد [ 5 ]. از نظر ترافیک آشفته، Disbro و Frame [ 6 ] همچنین نشان می‌دهند که چگونه مدل ترافیکی مشتق‌شده از نظر تئوری، که در آن یک وسیله نقلیه در پاسخ به سرعت و مسافت وسیله نقلیه قبلی شتاب می‌گیرد (مدل دنبال‌کننده خودرو Gazis-Herman-Rothery)، بسیار است. هرج و مرج حتی زمانی که برای سیستم های کوچک (فقط هشت اتومبیل) اعمال می شود [ 7 ].

علاوه بر این برای ریچاردز، تئوری جریان ترافیک با جایگزینی وسایل نقلیه فردی با چگالی “سیال” پیوسته و اعمال یک رابطه تجربی بین سرعت و چگالی توسعه یافته است [ 8 ]. در موردی دیگر، Bicakci و همکاران. در مطالعه‌ای در استانبول، ترکیه، سعی کنید داده‌های سرعت پویا را از شبکه جاده ناوبری شهری که در زمان واقعی در یک مدل آزمایش سناریوی حمل‌ونقل ثابت یا TRANSTOOLS (“ابزار برای پیش‌بینی‌های حمل و نقل و تست سناریو” گرفته شده‌اند، ادغام کنید. برای ارتباط و ادغام داده‌های سرعت، آنها چارچوبی را با روش‌های درون‌یابی فضایی شامل روش بافر با عرض ثابت و وزن‌دهی فاصله معکوس (IDW) طراحی کردند [ 9 ].

برای جلوگیری از اندازه‌گیری‌های میدانی گران‌قیمت در یک مجموعه خیابانی بزرگ مانند کل شهرداری رم (1283.7 کیلومتر مربع ) ، ما یک سیستم اطلاعات جغرافیایی (GIS) را بر اساس یک روش غیرمستقیم با تمرکز بر “جاذب‌های” ترافیک از طریق اندازه‌گیری تراکم شهری طراحی کردیم. و شاخص های تراکم ترافیک که بر کیفیت زندگی ساکنان تأثیر می گذارد.

یک “جذاب” قصد دارد هر نقطه ای از یک شبکه پیچیده باشد که جریان های ترافیکی را جذب می کند: مراکز خرید، مدارس، ادارات، مغازه ها و غیره. یعنی نقاطی در یک قلمرو که تعداد معینی از افراد را با وسایل نقلیه (تخمین زده شده با مقیاس [وزن] از 1 تا 10) در دوره‌های مشخصی از روز، محاسبه شده در کل ساعت [ 10 ] جذب می‌کنند. این کار یک برنامه کاربردی برای شبیه‌سازی جریان‌های مقصد بدون نیاز به تعیین مسیرهای فردی و کمک به جلوگیری از پیچیدگی شهر بزرگی مانند رم ارائه می‌کند. در این مقاله، با استفاده از یک مدل بسیار ساده به این مشکل می پردازیم که در آن ساختار و دینامیک توسط مکان جاذبه های ترافیکی در فضای شهری کنترل می شود.

2. منطقه مطالعه

در ایتالیا، مرزهای اداری با سه سطح مشخص می شود: منطقه (20)، استان (88) – منطقه شهری (14) و شهرداری (7914). این مطالعه تحقیقاتی بر کل شهرداری رم متمرکز است که قلمرو وسیعی به مساحت حدود 1290 کیلومتر مربع واقع در منطقه لاتزیو در منطقه متروپولیتن (استان) رم را پوشش می‌دهد ( شکل 1).). منطقه لاتزیو در مجموع حدود 5.6 میلیون نفر جمعیت دارد که به 5 استان تقسیم شده اند. استان رم که اکنون منطقه متروپولیتن نامیده می شود شامل 120 شهرداری بدون رم با 1.4 میلیون نفر جمعیت است. فقط شهرداری رم 2.86 میلیون نفر جمعیت دارد که نه تنها در جاده کمربندی به نام GRA، بلکه در کل قلمرو شهرداری، در حومه‌های متعدد پراکنده هستند. مخفف GRA مخفف Grande Raccordo Anulare (به معنای واقعی کلمه “راه حلقوی بزرگ”) است. این یک بزرگراه مداری به شکل یک حلقه بدون عوارض است که محیط آن 68.2 کیلومتر است که رم را احاطه کرده است. شهر رم یکی از تراکم‌های شهری است که یکی از سریع‌ترین نرخ‌های رشد را در سال‌های اخیر در ایتالیا تجربه کرده است [ 10 ].

GRA یک شریان ضروری برای تحرک پایتخت است، در واقع به عنوان یک جاده کمربندی خارجی برای اتصال مناطق پیرامونی رم عمل می کند و به رانندگان اجازه می دهد تا با سفرهای خارجی به مناطق مختلف شهر برسند، بنابراین از عبور و مرور اجتناب می کنند. از طریق مرکز شهر علاوه بر این، این یک بزرگراه اتصال به جاده های اصلی ملی است. اهمیت GRA در اعداد زیر نیز مشهود است: 150 هزار تا 180 هزار وسیله نقلیه روزانه در GRA تردد می کنند. همچنین لازم است راه اندازی مراکز خرید بزرگ جدید در منطقه GRA که به ویژه در تعطیلات آخر هفته جاذبه های اصلی تردد در داخل شهر و در نتیجه افزایش ترافیک شعاعی هستند، برجسته شود. یک نظرسنجی اخیر که توسط آژانس تحرک انجام شده است

شکل 1 . منطقه مطالعه در سمت چپ: ایتالیا (تصویر Google Earth)؛ در سمت راست: مرزهای شهرداری رم.

5 مرکز خرید بزرگ رم بیش از 170000 بازدید کننده در روز شنبه داشتند. این نظرسنجی نشان داد که 88٪ از بازدیدکنندگان از ماشین استفاده می کردند، در حالی که تنها 5.9٪ از بازدیدکنندگان از حمل و نقل عمومی استفاده می کردند [ 11 ].

این مراکز جدید به اندازه کافی توسط سیستم زیرساخت عمومی و خصوصی پشتیبانی نمی شوند و تأثیرات زیادی بر جریان ترافیک داشته اند. GRA از افزایش تدریجی شهرک های مسکونی در حومه شهرداری رم علیرغم کارهای توسعه سه خطه رنج می برد. جابجایی ها و رابطه بین جابجایی ها و تعداد ساکنان یک موضوع حیاتی است در واقع این رابطه نشان دهنده یک شاخص ترکیبی از کاهش کارایی شهر از نظر دسترسی و قابلیت سکونت است که بر شمول اجتماعی و رقابت پذیری تأثیر دارد. همه این جابجایی‌های مبدا-مقصد به دلیل نقاط جذاب یا به‌طور ساده‌تر جاذبه‌ها هستند.

نقاطی مانند ادارات، مدارس، مغازه‌ها، مراکز خرید، بانک‌ها، ساختمان‌های مذهبی، بازارهای محلی و غیره ( شکل 2 ) ترافیک افراد و وسایل نقلیه را در زمان‌های مشخصی برای مدت‌های متغیر جذب می‌کنند.

افزایش این جاذبه ها در مناطق خاص باعث ازدحام ترافیک می شود که بر کل سیستم شهری تأثیر می گذارد. با شروع از مطالعات گذشته ما که از اوایل دهه 1980 در آژانس فضایی اروپا انجام شد [ 10 ] [ 12 ]، این تجزیه و تحلیل اثرات فعلی فرآیند شهرنشینی را بر ترافیک وسایل نقلیه در منطقه وسیع شهری رومی بررسی می‌کند. کارهای اخیر ما این پدیده ها را برای منطقه Castelli Romani با استفاده از 259 جاذبه و برای منطقه مرزی بین رم و برخی از شهرداری های Castelli Romani مانند Frascati، Grottaferrata و Marino با در نظر گرفتن 530 جاذبه برجسته کرده است [ 13 ] [ 14 ].]. در موردی که اکنون به بحث می پردازیم، کل مساحت شهرداری رم (1287 کیلومتر مربع) را در نظر گرفته ایم و 1347 نقطه جاذبه را شناسایی کرده ایم که وزن و جدول زمانی برای آنها محاسبه شده است ( جدول 1). ). از تجزیه و تحلیل این جاذبه‌ها، مقادیر ازدحام را شناسایی کرده‌ایم که بر کیفیت زندگی ساکنان تأثیر می‌گذارد.

شکل 2 . 1347 نقطه جاذبه در سراسر شهرداری رم توزیع شده است.

3. مشکل ترافیک در رم

شهر رم دارای 2700 سال تاریخ است و برخی از مهمترین آثاری که قدمت آن به دوران باستان باز می گردد خیابان ها هستند. به نقل از فولکس واگن فون هاگن «… جاده‌های رومی یک عامل بی‌حساب اهمیت در تاریخ بشریت هستند، رم به منبع متحرک تمدن و معشوقه جهان تبدیل شد، دقیقاً به این دلیل که از طریق خیابان‌های خود توانسته بود به طور سیستماتیک بسیاری از مناطق را کنترل کند. سطح زمین» [ 15 ].

حتی امروزه، روم مدرن از مسیرهای جاده‌های کنسولی استفاده می‌کند ( شکل 3 )، به این دلیل که توسط کنسول‌های آن زمان ساخته شده‌اند. مطمئناً بار ترافیکی روم باستان با امروز بسیار متفاوت بود.

اخیراً داده‌های «شاخص ترافیک»، تحقیقات سالانه تام تام در مورد سطح ترافیک، که با بررسی 403 شهر در 56 کشور در سراسر جهان انجام شده است، نشان می‌دهد که رم در ایتالیا در فهرست اول است ( جدول 2 ). شهری که در آن مردم به طور متوسط ​​39٪ زمان بیشتری را در ترافیک می گذرانند [ 16 ]. در مقایسه با سایر شهرهای اروپایی، رم در رتبه 31 در سطح ترافیک جهانی، در حالی که لندن در رتبه 40، پاریس 41 و مادرید در رتبه 228 قرار دارد.

در کشورهای در حال توسعه، ترافیک شهری با نگرانی فزاینده به سرعت در حال افزایش است [ 17 ] [ 18 ]. کاهش تراکم ترافیک یکی از اهداف اولیه مسئولان و محققان حمل و نقل است [ 1 ]. مطمئناً رم نیست

شکل 3 . جاده های روم در دوران باستان (اعتبار: Maximilian Dörrbecker) [ 15 ].

هنوز در سطح بمبئی (نخستین در جهان با 65٪ از زمان سفر در اتومبیل) است، اما وضعیت بحرانی است و به دلیل یک سری انتخاب در مورد سیاست شهرنشینی بدون کنترل مؤثر است.

در ساعت شلوغی صبح، جمعیت حاضر در منطقه شهری (شهرداری رم به اضافه استان آن) در مجموع 715 هزار جابجایی ایجاد می کند که بیش از 50٪، 393 هزار نفر، در GRA متولد شده و می میرند [ 11 ].

تمام PRG (Piano Regolatore Generale، یعنی برنامه‌ریزی شهری) رم و شهرداری‌های مجاور برای حداکثر رشد شهری طراحی شده‌اند. خانه‌ها و ساختمان‌های خصوصی برای مدارس، ادارات، مغازه‌ها و مراکز خرید بدون تصور روشنی از تأثیرات آن بر تحرک توزیع شده‌اند، حتی با توجه به اینکه در ایتالیا اولویت به خودروها داده شده است نه حمل‌ونقل عمومی. بنابراین به طور روزانه خیابان‌های رم آنقدر ترافیک خصوصی و تجاری دریافت می‌کنند که حداقل کاهش سرعت یا تصادف می‌تواند گردش را برای مدت قابل توجهی مسدود کند.

در طول بیست سال گذشته شهر رم پدیده جهانی گسترش شهری را تجربه کرده است [ 11 ] [ 19 ] که تقریباً کل قلمرو شهرداری را اشغال کرده است، به ویژه در نواحی شرقی و جنوب غربی گسترش یافته و به شهرداری های همسایه نیز سرازیر شده است. دومی ها سهم بیشتری از ساکنان جدید را جذب کرده اند و جمعیت ساکن خود را به شدت افزایش داده اند، به طوری که سیستم مبادلات بین رم و بقیه منطقه اکنون مشروط به این ساختار جدید است و در دو دهه اخیر دستخوش تغییرات عمیقی شده است. در واقع، پدیده ایاب و ذهاب با افزایش میانگین فواصل جابجایی سیستماتیک خانه-کار و در نتیجه تشدید مشکلات ازدحام در شبکه جاده ها مواجه است.

4. مواد و روش ها

این کار در ESRIN، تاسیس آژانس فضایی اروپا (ESA) در ایتالیا، واقع در فراسکاتی، نزدیک رم، با استفاده از ERDAS/IMAGINE 2015 و نرم‌افزار پردازش داده‌های GIS ArcInfo 10.7.1 به منظور انجام تجزیه و تحلیل انجام شده است. تصاویر ماهواره ای، عکس های ارتوپدی و نقشه های نقشه کشی. هم تصاویر و هم نقشه ها در سیستم جغرافیایی UTM، بیضی بین المللی 1924، مبدأ اروپایی 1950 ( جدول 3 ) پیش بینی شده اند.

اطلاعات بازیابی شده از تصاویر ماهواره‌ای، عکس‌های ارتو و نقشه‌های نقشه‌برداری امکان تولید نقشه‌های برداری کاربری و پوشش زمین (مقیاس 1:10.000) را فراهم کرده است. ساختمان های شهرداری رم؛ و شبکه راه های شهرداری

تجزیه و تحلیل تصاویر ماهواره ای بر اساس طبقه بندی یک تصویر Sentinel2A (10) به منظور شناسایی مناطق شهری بود ( شکل 5 ).

شکل 4 . فلوچارتی که کل فرآیند انجام شده در طول مطالعه تحقیق را توصیف می کند. در سمت چپ: پردازش تصویر ماهواره ای برای انتخاب کلاس شهری و محاسبه تراکم شهری (با علامت *). سمت راست: نقشه تراکم حاصل از ترکیب 1347 نقطه جاذبه و نقشه تراکم شهری فوق. شبکه راه ها و ساختمان ها بر اساس مقادیر تراکم طبقه بندی شده اند.

(الف) (ب) (ج)

شکل 5 . شهرداری رم – (الف) باندهای تصویر Sentinel2A 2018 3، 4، 1 RGB؛ (ب) طبقه شهری رم (چند ضلعی)؛ (ج) چند ضلعی های طبقه شهری با توجه به اندازه ساختمان به مجموعه ای از نقاط تبدیل می شوند.

طبقه‌بندی‌کننده حداکثر احتمال گاوسی (MLC) با 17 دسته کاربری از پوشش گیاهی و مناطق شهری تا زمین‌های کشاورزی برای شناسایی و جداسازی اجزای مختلف منظر استفاده شد. برای این تحقیق فقط کلاسی را که به منطقه ساخته شده اشاره داشت در نظر گرفتیم و استخراج کردیم. همانطور که در فلوچارت توضیح داده شد، این کلاس انتخابی با استفاده از موزاییکی از 12 تصویر از Pleiades (2.5 متر چندطیفی) تصحیح شد.

طبقه شهری بردار شده و توسط چند ضلعی ها به مجموعه ای از نقاط مربوط به اندازه ساختمان تبدیل شده است. سپس تخمین تراکم هسته (KDE) با محاسبه تراکم شهری در 5 کلاس تراکم اعمال شد. تابع KDE که با ایجاد یک سطح از مجموعه ای از نقاط توزیع شده در یک منطقه از فضا، تخمین یک پدیده وقت شناس را ارائه می دهد. این تابع مقادیر انتخاب شده در یک حوزه نفوذ را به عنوان تابعی از فاصله آنها از نقطه ای که شدت تخمین زده می شود وزن می کند. چگالی یا شدت توزیع جاذبه ها در نقطه s را می توان با معادله زیر تعریف کرد:

λها )=1n1τ2ک(سمنτ)λ(s)=∑i=1n1τ2K(s–siτ)(1)

که در آن λ (s) تخمین توزیع نقاط اندازه گیری شده در نقطه s را نشان می دهد، سمنsiرویداد i-امین (مقدار)، K تابع هسته و τ آستانه ای است که به دست آوردن سطوح بیشتر یا کمتر گرد را می دهد [ 10 ]. فایل شبکه به دست آمده با در نظر گرفتن 5 کلاس چگالی آن بردار شده است ( شکل 6 ).

در منطقه مورد مطالعه 1347 نقطه جاذبه با استفاده از انتشارات ISTAT (موسسه ملی آمار ایتالیا)، نقشه های گوگل و به طور کلی با کمک پایگاه های اینترنتی تجاری تجاری و دانش شخصی نویسندگان از منطقه مورد مطالعه شناسایی شده است. بنابراین، مقدار Val یک جاذبه با در نظر گرفتن حاصل ضرب وزن آن (ترافیک سنگین یا شلوغ) ضرب در مجموع ساعات مربوط به این شرایط ترافیکی خاص، به شرح زیر محاسبه شده است:

Val1 =پ× تی—–√Val1=P×T(2)

شکل 6 . پنج کلاس تراکم

که در آن P وزن مربوط به شرایط ترافیک، بنابراین به تعداد افراد درگیر، و T مربوط به دوره کل ترافیک در ساعت است [ 10 ].

همچنین باید در نظر داشت که ترافیک شهری با توجه به مقاطع مختلف سال و با توجه به عادات جامعه افزایش یا کاهش می یابد، به طوری که در ایتالیا و به ویژه در فصل زمستان، شروع مدارس، افتتاح دفاتر و مشاغل دولتی یا خصوصی است. در حوالی ساعت 8 صبح برنامه ریزی شده و در نتیجه ازدحام صبحگاهی از ساعت 7:00 تا 9:00 صبح رخ می دهد. ازدحام در هنگام تعطیلی مدارس از ساعت 12:30 تا 14:30 نیز رخ می دهد. ادارات و کارخانجات از ساعت 16:00 الی 18:00 و در نهایت مشاغل از ساعت 19:00 تا 20:00 بعد از ظهر که کل جریان این ساعات چیزی جز مجموع جریان های نسبی در طول زمان نیست. محاسبات در طول 24 ساعت انجام شده است، اما با تجزیه و تحلیل بر روی کل یا مجموع شارهای ساعتی بر اساس مشاهده نوع جذب کننده. مثلا، در ایتالیا یک دبیرستان با 1000 دانش آموز باعث ایجاد یک مشکل ترافیکی بی اهمیت می شود که در یک منطقه بزرگ عواقب دارد. این مدارس می‌توانند معلمان، والدین و دانش‌آموزان را «جذب» کنند، اما فقط در ساعات معینی: اول صبح و در پایان درس، با عواقب ترافیکی در مجموع تا 3 ساعت. از این رو، به این “3 ساعت” حداکثر وزن 10 (تراکم ترافیک) اختصاص داده شده است. در مورد مدرسه ای که در بالا ذکر شد، مقدار این جاذبه 5.4 است، یعنی جذر حاصلضرب 3 ساعت برای حداکثر مقدار 10. 1347 جاذبه با شهری ملحق شده اند. نقشه تراکم به منظور داشتن مقدار تراکم شهری برای هر نقطه جاذبه. سپس فرمول زیر اعمال شده است: این مدارس می‌توانند معلمان، والدین و دانش‌آموزان را «جذب» کنند، اما فقط در ساعات معینی: اول صبح و در پایان درس، با عواقب ترافیکی در مجموع تا 3 ساعت. از این رو، به این “3 ساعت” حداکثر وزن 10 (تراکم ترافیک) اختصاص داده شده است. در مورد مدرسه ای که در بالا ذکر شد، مقدار این جاذبه 5.4 است، یعنی جذر حاصلضرب 3 ساعت برای حداکثر مقدار 10. 1347 جاذبه با شهری ملحق شده اند. نقشه تراکم به منظور داشتن مقدار تراکم شهری برای هر نقطه جاذبه. سپس فرمول زیر اعمال شده است: این مدارس می‌توانند معلمان، والدین و دانش‌آموزان را «جذب» کنند، اما فقط در ساعات معینی: اول صبح و در پایان درس، با عواقب ترافیکی در مجموع تا 3 ساعت. از این رو، به این “3 ساعت” حداکثر وزن 10 (تراکم ترافیک) اختصاص داده شده است. در مورد مدرسه ای که در بالا ذکر شد، مقدار این جاذبه 5.4 است، یعنی جذر حاصلضرب 3 ساعت برای حداکثر مقدار 10. 1347 جاذبه با شهری ملحق شده اند. نقشه تراکم به منظور داشتن مقدار تراکم شهری برای هر نقطه جاذبه. سپس فرمول زیر اعمال شده است: به این “3 ساعت” حداکثر وزن 10 (تراکم ترافیک) اختصاص داده شده است. در مورد مدرسه ای که در بالا ذکر شد، مقدار این جاذبه 5.4 است، یعنی جذر حاصلضرب 3 ساعت برای حداکثر مقدار 10. 1347 جاذبه با شهری ملحق شده اند. نقشه تراکم به منظور داشتن مقدار تراکم شهری برای هر نقطه جاذبه. سپس فرمول زیر اعمال شده است: به این “3 ساعت” حداکثر وزن 10 (تراکم ترافیک) اختصاص داده شده است. در مورد مدرسه ای که در بالا ذکر شد، مقدار این جاذبه 5.4 است، یعنی جذر حاصلضرب 3 ساعت برای حداکثر مقدار 10. 1347 جاذبه با شهری ملحق شده اند. نقشه تراکم به منظور داشتن مقدار تراکم شهری برای هر نقطه جاذبه. سپس فرمول زیر اعمال شده است:

Val2 =Val1 کد شبکه————-√Val2=Val1+Gridcode(3)

که در آن Val1 مقدار جاذبه و Gridcode مقدار تراکم شهری است [ 10 ].

مقادیر این نقاط با اعمال تابع زمین آماری IDW و ایجاد سطح شبکه ای دیگر درون یابی شده است. IDW تکنیکی برای درونیابی سطح با استفاده از فاصله وزنی معکوس است. روش فاصله وزنی معکوس بر اساس میانگین وزنی نقاط پراکندگی با وزن اختصاص داده شده به هر نقطه پراکنده است که با افزایش فاصله از نقطه درونیابی کاهش می یابد. نتیجه یک فایل شطرنجی است که برای دریافت بهترین تشخیص به 10 کلاس طبقه بندی شده است ( شکل 7 ). سپس شطرنجی با استفاده از مرز اداری شهرداری رم بردار شده و بریده شده است. این نقشه نهایی “نقشه تراکم” نامیده می شود.

در نهایت شبکه راه ها و نقشه ساختمان ها را بر اساس نقشه تراکم طبقه بندی کرده ایم. این خروجی ها تأثیر ازدحام ترافیک را بر کیفیت زندگی نشان می دهد ( شکل 8 ).

شکل 7 . نقشه 10 کلاس ازدحام.

شکل 8 . از سبز (کم) تا قرمز (بالا) نقشه تراکم ساختمان ها و جاده ها.

کار ما که با بررسی کاربری اراضی با تجزیه و تحلیل تصاویر ماهواره ای شروع می شود و با روش های GIS برای شناسایی تراکم ترافیک در شهرداری رم با روش جذب کننده ها ادامه می یابد، بحرانی ترین و پرتراکم ترین مناطق را برجسته کرده است.

با تقسیم کل محدوده شهرداری به ربع ها ( شکل 9 )، به راحتی می توانیم متوجه شویم که ربع شمالی شلوغ ترین است. مشخصه این ربع از طریق Tiburtina و بزرگراه رم-ترامو است که در آن سرعت ترافیک به طور قابل توجهی کاهش می یابد، به خصوص در ساعات کاری. ربع SE همچنین جریان های ترافیکی مهمی را دریافت می کند و لحظات متعددی از ازدحام را در امتداد جاده های کنسولی Prenestina، Casilina، Tuscolana و Appia نشان می دهد. ترافیک ربع شمال غربی شامل خیابان های Cassia، Flaminia و Salaria است. در نهایت، ربع SW تراکم در via Aurelia و via Ostiense را نشان می دهد. فرض بر این است که بسیاری از ترافیک شامل GRA است که ما در بیشتر روز ازدحام مشاهده می کنیم.

مطالعات اخیر دانشگاه رم “La Sapienza” [ 19 ] برای شناسایی جایگزینی برای GRA انجام شده است که در آن ترافیک می تواند جریان یابد. در واقع، این پروژه 9 جایگزین را شناسایی کرده است که یکی از آنها در کنار GRA در منطقه جنوب شرقی قرار دارد.

بسیاری از منتقدان آن را تنها به عنوان یک تسکین دهنده تعریف کرده اند. با در نظر گرفتن زمان لازم برای ساخت آن، وضعیت ترافیک رم ممکن است در این بین به فلج نزدیک شود.

شکل 9 . پنج کلاس تراکم مقیاس بزرگنمایی 1:300.000.

فقدان برنامه ریزی جدی و سیاست “لسه فر” باعث هرج و مرج شهری کنونی شده است. مطمئناً سازماندهی بهتر سیستم های حمل و نقل عمومی و مهمتر از همه توزیع متفاوت عملکردهای شهری می تواند شهر رم را قابل سکونت تر کند.

5. نتیجه گیری ها

نتایج این مطالعه قویاً وضعیت شهرداری را پیشنهاد می‌کند که در بیست سال گذشته بدون برنامه‌ریزی مناسب زمین دستخوش گسترش ساختمان مهمی شده است [ 20 ].

بدیهی است که روش غیرمستقیم مورد استفاده در این تحقیق، داده‌های دقیقی مانند آنچه که با اندازه‌گیری‌های مستقیم کلاسیک ازدحام ترافیک به‌دست می‌آید ارائه نمی‌کند و قصد جایگزینی آنها را ندارد. برعکس، دریافت یک ایده کلی از تراکم ترافیک در یک منطقه معین با شناسایی مشکلات بحرانی با هزینه کم باید مفید باشد. با این حال، روش پیشنهادی ما برای اجازه دادن به مدیران محلی برای برنامه ریزی مداخلات و تخصیص منابع کافی است و در عین حال خطر هدر دادن آنها در اقدامات غیرضروری یا با اولویت پایین را به حداقل می رساند. شناسایی نقاط بحرانی در جریان ترافیک اولین گام برای انتخاب اقدامات کاهش مناسب است [ 21 ]. سیاست‌های میکروسکوپی مؤثرتر هستند، زیرا آنها به مشکل در مقیاسی که تصمیم‌های سیاست واقعی اتخاذ می‌شوند، رسیدگی می‌کنند [ 17 ]]. در نهایت، از مطالعاتی مانند این می توان برای بهینه سازی یک کمپین اندازه گیری مستقیم احتمالی استفاده کرد. نتایج به‌دست‌آمده نه تنها از نظر شناخت مدل‌های تراکم، بلکه از نظر بازآفرینی شهری و در نتیجه برنامه‌ریزی برای کیفیت زندگی بهتر برای شهروندان بسیار مهم است. یک GIS عملیاتی از این نوع باید یک ابزار کلیدی برای حکومت محلی هر اداره باشد.

منابع

[ 1 ] Sun، DJ، Liu، X.، Ni، A. and Peng، C. (2014) روش ارزیابی تراکم ترافیک برای شریان های شهری: مطالعه موردی Changzhou، چین. پرونده تحقیقات حمل و نقل، 2461، 9-15.
https://doi.org/10.3141/2461-02
[ 2 ] Lakhina, A., Papagiannaki, K., Crovella, M., Diot, C., Kolaczyk, ED and Taft, N. (2004) تحلیل ساختاری جریان های ترافیک شبکه. بررسی ارزیابی عملکرد، 32، 61-72.
https://doi.org/10.1145/1012888.1005697
[ 3 ] Kemper, C. (2005) مدل جریان ترافیک پویا-رویکردی جدید با داده های ایستا.
[ 4 ] Maerivoet, S. and De Moor, B. (2005) مدلهای اتوماتای ​​سلولی ترافیک جاده ای. گزارش های فیزیک، 419، 1-64.
https://doi.org/10.1016/j.physrep.2005.08.005
[ 5 ] Shang, P., Li, X. and Kamae, S. (2005) تجزیه و تحلیل آشفته سری های زمانی ترافیک. آشوب، سالیتون و فراکتال، 25، 121-128.
https://doi.org/10.1016/j.chaos.2004.09.104
[ 6 ] Disbro، JE and Frame، M. (1989) تئوری جریان ترافیک و رفتار آشفته.
[ 7 ] Gruesbeck, C. (2012) Gazis-Herman-Rothery (GHR) Model Following Car.
[ 8 ] ریچاردز، پی (1956) امواج شوک در بزرگراه. تحقیق در عملیات، 4، 42-51.
https://doi.org/10.1287/opre.4.1.42
[ 9 ] Bicakci, YS, Sarica, B., Pakdil, ME, Yazirli, B. and Demirel, H. (2017) تجزیه و تحلیل مکانی-زمانی برای تخمین اطلاعات سرعت برای پیش بینی حمل و نقل و تست سناریو. بولتن محیطی فرسنیوس، 26، 100-106.
[ 10 ] Loret, E., Gullotta, G., Fea, M. and Sarti, F. (2012) Traffic Fluxes and Urban Congestion: A Simple Approach with the Attractors’ Method. مجله نظام اطلاعات جغرافیایی، 4، 494-502.
https://doi.org/10.4236/jgis.2012.46054
[ 11 ] Assessorato Trasporti e Mobilità (2014) Piano Generale del Traffico Urbano di Roma Capitale—dalle Regole ai Sistemi.
[ 12 ] Loret, E., Martino, L., Fea, M. and Sarti, F. (2015) ادغام نقشه های تاریخی و داده های سنجش از دور نوری چند زمانی در یک سیستم GIS برای مطالعه گسترش سیستم شهری رومی بزرگ از زمان های اولیه قرن بیستم. نقشه برداری مناطق شهری از کنفرانس فضایی ESA-ESRIN.
[ 13 ] Loret, E., Martino, L., Fea, M. and Sarti, F. (2015) تکنیک های ترکیبی سنجش از دور و GIS برای مطالعه گسترش سیستم شهری رومی بزرگ در طول بیست سال گذشته. سنجش از راه دور پیشرفته، 4، 48-62.
https://doi.org/10.4236/ars.2015.41005
[ 14 ] Loret, E., Gullotta, G. and Sarti, F. (2019) تحلیل ترافیک بافت شهری رومی رویکرد ساده با روش جذب کنندگان. کنفرانس برنامه ریزی و نظارت زیرساخت ها ESA/ESRIN، دسامبر 2012، 494-502.
[ 15 ] فون هاگن، وی (1989) Le grandi strade di Roma nel mondo.
[ 16 ] شاخص TomTomTraffic.
https://www.tomtom.com/blog/road-traffic/urban-traffic-congestion
[ 17 ] Arnott, R., Rave, T. and Schob, R. (2005) Aleviating Urban Traffic Congestion. MIT Press، کمبریج، ماساچوست، 240.
https://doi.org/10.5860/CHOICE.43-5377
[ 18 ] جین، وی، شارما، آ و سوبرامانیان، ال. (2012) تراکم ترافیک جاده ای در جهان در حال توسعه. مجموعه مقالات دومین سمپوزیوم ACM در محاسبات برای توسعه، DEV 2012، مارس 2012، 1-10.
https://doi.org/10.1145/2160601.2160616
[ 19 ] Secchi, R. (2010) Future GRA-Il futuro del Grande Raccordo Anulare nella prospettiva della città metropolitana, Prospettiv.
[ 20 ] Borgomeo, V. (2019) Traffico, Roma peggio di New York, La Repubblica.
[ 21 ] موهان رائو، آ. و راماچاندرا رائو، ک. (2012) اندازه‌گیری تراکم ترافیک شهری – مروری. مجله بین المللی مهندسی ترافیک و حمل و نقل، 2، 286-305.
https://doi.org/10.7708/ijtte.2012.2(4).01

بدون دیدگاه

دیدگاهتان را بنویسید