چکیده

:

با توجه به اینکه دسترسی یکی از استراتژیک ترین و تعیین کننده ترین عوامل در مدل های اقتصادی است و دسترسی و گردشگری بر یکدیگر تأثیر می گذارند، می توان گفت که مطالعه و بهبود یکی از آنها توسعه دیگری را به همراه داشت. این مطالعه با استفاده از تحلیل شبکه، الگوریتمی برای برچسب‌گذاری سختی خیابان‌های یک شهر با استفاده از پارامترهای مختلف دسترسی ارائه می‌کند. ما ساختار شبکه و عوامل دسترسی را برای بررسی ارتباط بین رفتار نوآورانه در شبکه خیابانی و روابط با فعالیت تجاری در یک شهر ترکیب می‌کنیم. در نهایت، ما یک مطالعه موردی از شهر آویلا، مکان‌یابی صعب العبورترین مناطق شهر با استفاده از معیارهای مرکزیت و تحلیل تأثیرات از نظر دسترسی، بر تجارت و خدمات شهر ارائه می‌کنیم.

 

1. مقدمه

گردشگری شهری در چند دهه اخیر در سطح جهانی گسترش یافته است [ 1 ]. تحرک کنونی [ 2 ] و پویایی گردشگری جهان در حال تغییر دائمی هستند و در عین حال، به شدت مسیر شهرها را ساختار می دهند [ 3 ]. در این زمینه، دولت ها برای شکل دادن به شهرها برای توریستی بیشتر، بر برنامه ریزی استراتژیک تکیه کرده اند. با این حال، این تغییرات معمولاً بر روی یک گردشگر سالم و بدون مشکلات حرکتی متمرکز است.
دسترسی و گردشگری بر یکدیگر تأثیر می گذارند و بنابراین مطالعه و بهبود یکی از آنها مستلزم توسعه دیگری است [ 4 ]. مفهوم دسترسی شهری را می توان به عنوان امکان دسترسی و استفاده از یک فرد با هر توانایی و همچنین انجام فعالیت های مورد علاقه بدون موانع [ 5 ] و یکی از استراتژیک ترین عوامل در مدل های اقتصادی دانست. برخی از تحقیقات موفق به ایجاد شاخص‌های دسترس‌پذیری شده‌اند که به طور کلی می‌توانند دسترسی حمل‌ونقل به یک منطقه را ثبت کنند [ 6 ]، با درک این که دسترسی توسط زیرساخت خوب هدایت می‌شود [ 7 ]. همانطور که قبلاً ذکر شد، دسترسی تأثیر زیادی بر یک بخش اقتصادی کلیدی مانند گردشگری دارد [ 8]. بسیاری از مطالعات علمی بر روندهای توریستی تمرکز می کنند و نظریه هایی را در مورد رفتار آنها برای پیش بینی حتی فصلی بودن آنها ارائه می کنند [ 9 ، 10 ]. در انواع مختلف گردشگری، تحقیق زیر به گردشگری فرهنگی، مطالعه رفتار از طریق تصاویر تکنیک‌های مکان‌یابی برای حتی پیشنهاد مسیرهای توریستی در شهرهای مختلف اشاره دارد [ 11 ].
برون یابی مفهوم شبکه و کاربرد آن برای درک شبکه های شهری بسیار پذیرفته شده است و جایگاه برجسته ای را به خود اختصاص داده است. بنابراین، نمونه‌هایی در مورد مطالعه شبکه‌ها در طبقه‌بندی ساختارهای شهر [ 12 ] و تحلیل اتصال در شهرها [ 13 ، 14 ] در میان موارد دیگر وجود دارد.
مطالعه تئوری شبکه های پیچیده با توجه به کاربردهای فراوان در بسیاری از زمینه ها مانند اقتصاد، زیست شناسی، ارتباطات، حمل و نقل همچنان یک چالش در تحقیقات است. تعداد فزاینده‌ای از تحقیقات از اجرای این نظریه پشتیبانی می‌کند و اهمیت زیادی که گره‌ها در یک شبکه می‌توانند داشته باشند و اهمیت مسیرهای احتمالی حاکم بر آن را تأیید می‌کند [ 15 ، 16 ، 17 ]. تئوری شبکه های پیچیده با مفاهیم، ​​الگوریتم ها، روش ها و مدل های ارائه شده در تحلیل های شبکه واقعی توسعه می یابد [ 18 ، 19 ].
برای تجزیه و تحلیل ارتباط نقش گره‌ها در شبکه در تئوری شبکه، رایج‌ترین ابزار مورد استفاده، معیارهای مرکزیت بوده است [ 20 ، 21 ]. تحقیقات زیادی در مورد مفهوم مرکزیت وجود دارد، با این حال، حضور داده ها در مطالعه مرکزیت در شبکه ها نسبتاً جدید است [ 22 ، 23 ، 24 ]. در [ 22 ]، نویسندگان یک معیار مرکزی جدید، به نام الگوریتم رتبه صفحه سازگار (APA) تعریف کردند که یک طبقه بندی گره را ایجاد می کند که توپولوژی و داده های مرتبط با گره ها را در نظر می گیرد.
مطالعات مربوط به تأثیر دسترسی بر سازمان شبکه عابر پیاده، مکان و توزیع فعالیت ها، و همچنین خدمات شهری، با تمرکز بر سالمندان [ 25 ، 26 ] باید مورد توجه قرار گیرد. در حال حاضر مطالعات این رابطه به طور کلی به دو جنبه تقسیم می شود. اولین مورد مبتنی بر مفاهیم گرانش / تعامل فضایی [ 27 ] و دیگری بر اساس سودمندی آن برای مصرف است [ 28 ، 29 ، 30 ]. با برخی از این مطالعات، شبکه‌هایی انجام شده‌اند که قادر به مدل‌سازی و پیش‌بینی فعالیت‌های توریستی برای تحلیل کاستی‌ها و پیشنهاد بهبود در آن هستند [ 31 ].
علاوه بر این، نتیجه داشتن جایگاه میراث جهانی باعث رونق گردشگری در بسیاری از شهرهای جهان شده است. تعداد زیادی از گردشگران و عوارض جانبی آن مانند شلوغی فضاهای اصلی شهر، نیاز به توسعه استراتژی‌های جدید برای حفاظت از دارایی‌های میراث را در پی دارد. یکی از این شهرها آویلا (اسپانیا) است. این شهر اولین جایزه اروپایی را برای شهرهای دوستدار معلولان (جایزه شهر دسترسی در سال 2011) با سیاست های مختلف برای بهبود شهر از طریق منابع در دسترس [ 32 ] یا کارت های حمل و نقل [ 33 ] دریافت کرد.
در [ 34]، نویسنده دسترسی شهر را با حضور در تمام شرایط خاص افراد معلول برای بهبود دسترسی به هتل ها، رستوران ها، بناهای تاریخی و غیره تحلیل می کند. با این حال، تکمیل این اثر با دسترسی خیابان های شهر جالب است، زیرا در آنجا وجود دارد. فقدان استراتژی در مورد این موضوع است و برای همه افرادی که محدودیت های حرکتی دارند شخصی سازی شده است. علاوه بر این، این استراتژی‌ها باید راه‌حل‌هایی را برای برخی از مشکلات مانند توریسم بیش از حد، تضاد بین کاربری‌های مسکونی و توریستی و مشکلات جابه‌جایی ترکیب کنند. در این مقاله ما یک الگوریتم جدید برای برچسب‌گذاری سختی خیابان‌های یک شهر با استفاده از پارامترهای دسترسی مانند شیب خیابان، وجود نرده، پیاده‌رو یا پله‌ها و غیره پیشنهاد می‌کنیم. علاوه بر این، یک مثال عددی را نشان می‌دهیم. شهر آویلا، مکان یابی صعب العبورترین مناطق شهر با استفاده از معیارهای مرکزیت و تحلیل تأثیرات آن از نظر دسترسی به تجارت و خدمات شهر. در نهایت، نشان می‌دهیم که چگونه بازسازی برخی از خیابان‌های شهر می‌تواند بر دسترسی و تأثیر تجاری تأثیر بگذارد.

2. مواد

2.1. اکتساب داده ها

داده ها با استفاده از OpenStretMap (OSM) [ 35 ] و Overpass-turbo [ 36 ] به دست آمد. داده های استخراج شده مانند جاده ها، جاده های فرعی و غیره به برچسب بزرگراه گره خورده اند. از OSM، اطلاعات شهر را به عنوان محل پله ها، تجارت تجاری، طول تمام خیابان ها، نوع سنگفرش و سایر اطلاعات مفید استخراج می کنیم. همه این داده‌ها با برچسب‌گذاری دستی از فعالیت‌های کار میدانی بررسی می‌شوند. با نقشه های بینگ مایکروسافت [ 37] سرویس، ارتفاعات یک مکان با مختصات آن استخراج شده است. با این اطلاعات شیب خیابان ها در تمام قسمت های آن به صورت خود محاسبه شده است. در اعتیاد، از داده های ماموریت توپوگرافی رادار شاتل (SRTM) برای به دست آوردن ارتفاع یک نقطه در شهر استفاده شد و کارایی با استفاده از اطلاعات به دست آمده با داده های استخراج شده از منبع سوم، Strava، یک وب سایت محبوب که برای ردیابی کاربران استفاده می شود، مقایسه شد. فعالیت از طریق دستگاه های مجهز به GPS نتیجه مشابه است و ما تصمیم گرفتیم از داده های Bing Maps استفاده کنیم.

2.2. دسترسی: پارامترها

اجازه دادن به همه افراد برای حرکت در شهر (مثلاً پیاده روی یا روی ویلچر)، که استفاده از اتومبیل را کاهش می دهد و حمل و نقل عمومی را ارتقا می دهد، سیاست هایی است که می تواند زندگی را در یک شهر بهبود بخشد. در زمینه گردشگری، دسترسی بیشتر شهر می تواند تأثیر مثبتی بر اقتصاد داشته باشد تا به همه مردم کمک کند تا به راحتی به یک تجارت برسند.
با این حال، موانع یا موقعیت هایی وجود دارد که مشکلات حرکتی را در خیابان های مختلف به دنبال دارد. به عنوان مثال، سنگفرش نامنظم یا شیب بیش از حد، موانع معماری برای دسترسی به مناطق مختلف یک شهر هستند. در این مقاله، ما به مشکلات زیر توجه می کنیم: (1) پله ها، که یک مانع پایانی برای افراد با چندین مشکل حرکتی هستند، (2) شیب ها یا رمپ ها، که از 1:20 تجاوز نمی کنند، حتی ترجیحا کمتر، (iii) نرده هایی که وجود آنها یک شیب یا مجموعه ای از پله ها را در دسترس تر می کند، (iv) پیاده رو، که عرض آن باید حداقل 2.6 متر به اضافه ابعاد ویلچر باشد، و (v) زمین یا سنگفرش، جایی که شرایط بد یا وضعیت نامنظم می تواند وجود داشته باشد. افراد مبتلا به مشکلات حرکتی را تحت تاثیر قرار می دهد.

2.3. بازرگانی و گردشگری: پارامترها

داده‌های جمع‌آوری‌شده برای تحقق این پژوهش به تعداد و موقعیت جغرافیایی فروشگاه‌ها، خوابگاه‌ها، هتل‌ها، بارها و مشاغل مرتبط با بخش گردشگری تعلق دارد. پایگاه داده به تفصیل برای هر یک از خیابان های متعلق به بخش تاریخی مرکز شهر انجام شده است. معیارهای دسترسی برای خیابان های مختلف تجزیه و تحلیل شده نیز در پایگاه داده یکپارچه شده است. همانطور که قبلا توضیح داده شد، هدف یافتن مفهوم دسترسی خیابان های مختلف برای توسعه اقتصادی و گردشگری یک شهر است.

3. روش ها و رویه

در این بخش، الگوریتم پیشنهادی برای برچسب‌گذاری دشواری خیابان‌های شهر را با استفاده از پارامترهای دسترسی مانند شیب خیابان، وجود نرده، پیاده‌رو یا پله‌ها و غیره توضیح می‌دهیم. ابتدا معیار APA Centrality را برای طبقه‌بندی نشان می‌دهیم. خیابان های یک شهر سپس، برچسب گذاری ارزش تخمین دشواری هر خیابان را توضیح می دهیم.

3.1. اندازه گیری مرکزیت

در این بخش به طور مختصر معیار مرکزیت مورد استفاده برای طبقه بندی خیابان های شهر را شرح می دهیم.
الگوریتم رتبه صفحه تطبیقی ​​(APA [ 22 ]) در سال 2012 ارائه شد. این الگوریتم اقتباسی از مدل رتبه صفحه برای شبکه های فضایی با داده است و در ابتدا برای شبکه های خیابانی شهری در نظر گرفته شد. مدل APA بر اساس ساخت یک ماتریس است MAPA����که دارای دو عبارت است، یکی مربوط به توپولوژی گراف و دیگری مربوط به اطلاعات شبکه:

MAPA=(1−α)P−αV.����=(1−�)�−��.
بردار ویژه x→�→از ماتریس MAPA����دسته بندی گره های شبکه را بر اساس اتصال و حضور داده ها ارائه می دهد.

3.2. محدودیت های دسترسی

یک شهر برای رعایت محدودیت‌های دسترسی مشکلات مختلفی دارد، مانند شیب‌های بزرگ، پله‌ها، زمین ناهموار، کف سنگفرش، پیاده‌روهای ناکافی یا وجود نداشتن و غیره. و افراد مسن با محدودیت‌های حرکتی متفاوت) مسیرها یا خیابان‌هایی را ایجاد می‌کنند که افراد خاصی نمی‌توانند از آن‌ها بازدید کنند. برای شناسایی و طبقه بندی خیابان های یک شهر بر اساس برخی از انواع محدودیت ها یا پارامترها، الگوریتمی پیشنهاد شده است.
در شکل 1 ، تصمیمات اتخاذ شده در مورد برچسب گذاری دشواری خیابان را نشان می دهیم:

3.2.1. تخمین سختی پله ها ( دs t���)

با پیروی از مشخصات پله ها در [ 38 ]، سه سطح سختی پله را به ترتیب رنگ، با استفاده از نشانه های کاربران تخمین می زنیم ( شکل 1 a را ببینید):
  • از پله ها اجتناب کنید : این سطح سختی محدودترین است. این نشان دهنده همه افرادی است که نمی توانند از پله ها استفاده کنند (به عنوان مثال، افرادی که روی صندلی چرخدار هستند، یا افرادی که ترجیح می دهند از همه پله ها اجتناب کنند). تمامی خیابان های این سطح به عنوان مسیرهای صعب العبور ثبت شده اند (سختی خیابان است دs t= 10���=10)
  • در صورت امکان اجتناب کنید : این درجه سختی به این معنی است که فرد می تواند از پله ها استفاده کند، اما به دلیل مشکلات حرکتی بهتر است در صورت امکان از آنها استفاده نکند. همه افراد متعلق به این سطح ترجیح می دهند از پله ها استفاده نکنند (به عنوان مثال، افرادی که کالسکه کودک دارند یا افرادی که این گزینه را انتخاب کرده اند). تمامی خیابان های این سطح به عنوان مسیرهای با سختی متوسط ​​ثبت شده اند (سختی خیابان دs t= 5���=5)
  • بدون مشکل حرکتی : این سطح دشواری به این معنی است که هیچ محدودیتی برای پله وجود ندارد. مردم می توانند از انواع پله ها استفاده کنند. تمام خیابان های این سطح مسیرهای کم سختی هستند (سختی خیابان است دs t= 2���=2).

3.2.2. تخمین سختی شیب ( dsl���)

هنگام توجه به ملاحظات طراحی معماری، رمپ ها یک مشکل هستند زیرا ورودی ساختمان یا بنای تاریخی به دلیل تفاوت بین سطوح داخلی و خارجی غیرقابل دسترس است. دولت ها و سازمان ها روی سیاست هایی برای بهبود دسترسی به این مکان ها کار می کنند. با این حال، شیب خیابان ها بر افرادی که محدودیت های حرکتی دارند تأثیر می گذارد.
بسیاری از خیابان‌ها با شیب بالا به دلیل اختلاف سطح، مسیرهای غیرقابل دسترس را ایجاد می‌کنند. در جدول 1 ، ما حداکثر شیب توصیه شده یک سطح شیب دار را با پیروی از مشخصات آیین نامه دسترسی فنی ساختمان های اسپانیا [ 38 ] و دشواری مرتبط با آنها بر اساس یک پارامتر نشان می دهیم.α�که نشان دهنده نسبت بین طول و شیب به دست آمده از حداکثر سطح شیب دار مجاز برای این کد است ( شکل 1 ب را ببینید).
با توجه به نسبت α�، مقادیر مختلف را با توجه به حداکثر مقدار دامنه شیب در هر سطح انتخاب می کنیم. اگر حداقل مقدار محدوده را انتخاب کنیم (به ترتیب 0.6 و 0.4 در سطوح نارنجی و سبز) آستانه دشواری یک خیابان را کاهش می دهیم و خیابان های بیشتری با دشواری کمتر برچسب گذاری می شوند.

3.2.3. سایر مشکلات حرکتی

موانع دیگری نیز در خیابان ها وجود دارد که مستقیماً بر تحرک افراد با محدودیت حرکت تأثیر می گذارد. در مورد زمین، کف نامناسب (کف سنگفرش، کف بد وضعیت و غیره) می تواند دسترسی بسیاری از افراد مانند فردی که ویلچر دارد را محدود کند. علاوه بر این، شرایط پیاده روها بسیار مهم است. اگر خیابانی فاقد پیاده رو باشد یا شرایط آن نامنظم باشد، استفاده از این خیابان ها محدود می شود. علاوه بر این موارد دیگری مانند ارتفاع حاشیه پیاده روها را که می تواند مانع بزرگی برای استفاده کنندگان از ویلچر باشد را به عنوان خیابان های مشکل دار معرفی کرده ایم. در مورد خیابان عابر پیاده یا خیابان زندگی از نظر پیاده رو مشکلی وجود ندارد (در صورت نامنظم بودن روسازی، سختی در این دسته اعمال می شود). اگر خیابانی که در آن راه پله یا سطح شیب دار وجود دارد نرده دارد،
در جدول 2 ، مقادیر تخصیص یافته این موانع را نشان می دهیم. می‌توان مشاهده کرد که نرده‌ها تنها عنصری هستند که دشواری تجمع را کاهش می‌دهند ( شکل 1 ج را ببینید).

3.2.4. تخمین سختی نهایی ( D )

برای محاسبه سختی نهایی یک خیابان، تمام مقادیر جزئی مسائل حرکتی را به صورت زیر جمع می کنیم:

D=λ1dst+λ2dsl+λ3do.�=�1دستی+�2دسل+�3د�.
پارامترها λ1،λ2�1،�2، و λ3�3نشان دهنده وزن دهی سطوح مختلف بازسازی است. با این پارامترها می‌توانیم وضعیت عناصر مختلف یک شهر را کنترل کنیم (مثلاً اگر یک پیاده‌رو قابل ترمیم نباشد، مقدار 1 را در نظر می‌گیریم).
ما 3 سطح دسترسی را پیشنهاد می کنیم که با رنگ برچسب گذاری شده اند ( شکل 1 d) را برای نشان دادن دسترسی خیابان ها نشان می دهد. با توجه به محدودیت های حرکتی برای یک فرد خاص، ما سه سطح دیگر را از یک سطح محدود کننده پایین، زمانی که یک فرد دارای مشکلات حرکتی کمی است (مثلا فردی که می تواند از پله ها استفاده کند)، تا یک سطح محدود بالا، زمانی که یک فرد چندین محدودیت حرکتی (به عنوان مثال، فردی که نمی تواند از پله ها استفاده کند). در جدول 3 سطوح دسترسی، تصمیم نهایی و ویژگی های کاربران خیابان های مختلف را می بینیم. به عنوان مثال، خیابانی که دارای برچسب سختی نهایی 12 است، خیابانی غیرقابل دسترس خواهد بود که فقط افراد سالم می توانند از آن استفاده کنند.

4. آزمایش ها و نتایج

4.1. ساخت شبکه های شهری

در این بخش به مطالعه موردی شهر آویلا، اسپانیا می پردازیم. از نظر دسترسی یک شهر جایزه است.
ساخت شبکه های دسترسی و تجارت آن نشان داده شده است. توجه داشته باشید که هر دو شبکه بدون جهت هستند زیرا ما فارغ از جهت مسیر روی سختی خیابان ها تمرکز می کنیم و به اطلاعات تجاری آنها علاقه مندیم. آزمایش مقادیر مختلف لامبدا، به عنوان λ=0.8�=0.8مشاهده می‌کنیم که تعداد کمی از خیابان‌ها تحت تأثیر قرار گرفته‌اند (به عنوان مثال، فقط هفت خیابان از رنگ قرمز به نارنجی تغییر می‌کند و با مطالعه این خیابان‌ها، دسترسی برچسب‌گذاری شده ممکن است اشتباه باشد). برای آن، ما پارامتر لامبدا را برابر با واحد فرض می‌کنیم زیرا شهر به دلیل محدودیت‌های تاریخی آن (شهر میراث جهانی یونسکو) نمی‌تواند به شدت بازسازی شود. با توجه به نسبت α�حداکثر مقدار (به ترتیب 0.8 و 0.6 در سطوح نارنجی و سبز) و حداقل مقدار محدوده (0.6 و 0.4) را آزمایش کرده ایم. با این حال، در مطالعه موردی ما، هیچ تفاوتی وجود ندارد (تنها دو خیابان از سطح قرمز به نارنجی تغییر می‌کنند، و می‌بینیم که وضعیت هر دو خیابان می‌تواند مبهم باشد).

4.1.1. شبکه دسترسی

با توجه به لیستی از سختی های نهایی خیابان ها یا بخش های جزئی این خیابان ها، شبکه ای را از طریق یک نمودار اولیه به شرح زیر می سازیم. اجازه دهید GA(V,E,W)��(�,�,�)، یک گراف وزن دار بدون جهت که در آن V مجموعه ای از n گره است که تقاطع بین خیابان ها را نشان می دهد، E مجموعه ای از لبه ها یا خیابان ها است و W یک ماتریس وزن دار است که حاوی مقادیر دشواری همه خیابان ها ( D ) است.
ما سه نمودار مختلف ایجاد می‌کنیم که دسترسی را با توجه به سطوح مختلف تحرک محدود نشان می‌دهد: (i) کم، نموداری با خیابان‌های قابل دسترسی که همه مردم می‌توانند از آن استفاده کنند ( شکل 2 را ببینید )، (ii) متوسط، اضافه کردن برخی خیابان‌های مشکل‌ساز به خیابان‌های در دسترس ( شکل 3 را ببینید ) که افراد با تحرک متوسط ​​می توانند از آن استفاده کنند، و (iii) ارتفاع، جایی که تمام خیابان های غیرقابل دسترس حذف شده اند ( شکل 4 را ببینید ) و فقط افراد بدون محدودیت حرکت می توانند به آن دسترسی داشته باشند.

4.1.2. شبکه تجاری

در شکل 5 خیابانی را با بیشترین تجارت تجاری در منطقه مورد مطالعه شهر نشان می دهیم. ما در جدول 4 ، خیابان های برتر را از نظر تعداد مشاغل فهرست می کنیم.
با توجه به لیستی از مشاغل تجاری هر خیابان، یک نمودار اولیه می سازیم GC(V,E,W)جیسی(�،�،دبلیو)(گراف وزنی غیر جهت دار) که در آن V مجموعه ای از n گره است، که تقاطع بین خیابان ها را نشان می دهد، E مجموعه ای از لبه های e (خیابان ها) و W یک ماتریس وزن دار است که شامل مجموع همه مشاغل تجاری هر خیابان است. توضیح داده شده در بخش 2.2 ).

4.2. شناسایی مناطق اصلی تجاری و گردشگری

ابتدا از نمودار تجاری GC(V,E,W)��(�,�,�)، ما از الگوریتم APA با هدف طبقه بندی گره های شبکه استفاده کردیم. ما همه گره ها را از نظر این مرکزیت برای شناسایی مناطق اصلی شهر رتبه بندی می کنیم. جدول 5 10 رتبه برتر APA مناطق تجاری را از نقطه نظر شاخص مرکزیت APA نشان می دهد. توجه داشته باشید که ما اهمیت یک خیابان را از مقادیر مرکزیت همه گره های موجود در هر خیابان محاسبه می کنیم. در اعتیاد می‌توان نقشه شهر را نشان داد ( شکل 6 )، گره‌هایی با مرکزیت بالا که نشان‌دهنده خیابان‌های تجاری اصلی شهر هستند را با رنگ آبی ترسیم کرد و با رنگ زرد، اصلی را برجسته کرد. زمینه های تجارت تجاری

4.3. تشخیص مشکلات دسترسی

در این بخش، سه شبکه مختلف را با توجه به سه سطح دشواری دسترسی شهری می سازیم ( جدول 3 را ببینید ). در شکل 7 ، دشواری تمام خیابان ها را با در نظر گرفتن محدودیت های حرکتی مردم نشان می دهیم. از شبکه اصلی، تمام لبه های نمودار اولیه را که از یک آستانه خاص (5 یا 10) فراتر می روند، حذف می کنیم.
با هدف ارزیابی تأثیر دسترسی، ما در جدول 6 ، پیکربندی‌های مختلف را از نظر محدودیت‌های مختلف تحرک و سطح دسترسی ارائه می‌کنیم. تغییرات در ویژگی های شبکه منجر به چگالی کمتر و مسیرهای ممکن (اتصال بدتر، کاهش میانگین درجه) نسبت به نمودار اصلی می شود. توجه داشته باشید که در این جدول، ردیف اول شبکه را با تمام خیابان‌هایی که افراد با محدودیت‌های حرکتی کم می‌توانند به آن‌ها دسترسی داشته باشند، نشان می‌دهد.

4.4. چگونه تاثیر گردشگری را افزایش دهیم: متراکم کردن شبکه

به دنبال نتایج به‌دست‌آمده در جدول 6 ، می‌توان کسب‌وکارهای غیرقابل دسترس را در یک مطالعه موردی که محدودیت‌های تحرک کم است، ارزیابی کرد.
در جدول 7 می بینیم که یک چهارم ( 25.42%25.42%) از کسب و کارهای شهر در خیابان های قابل دسترس برای افراد بدون محدودیت عمده در حرکت قرار دارند اما افراد با مشکلات حرکتی بالا نمی توانند به آنها دسترسی داشته باشند. علاوه بر این، 8.75%8.75%آنها برای همه افراد با هر مشکل حرکتی غیرقابل دسترسی هستند (فقط برای افراد سالم قابل دسترسی هستند).
برخی از خیابان ها را می توان با اقدامات مختلف از جمله اصلاح سنگفرش ها در دسترس تر کرد. D=D−5�=�−5، اضافه کردن نرده ( D=D−1�=�−1) و بهسازی یا اضافه کردن پیاده روها ( D=D−5�=�−5). در جدول 8 تعداد خیابان هایی را نشان می دهیم که دشواری دسترسی آنها کمی بیشتر از آستانه است. مثلاً برای فردی که محدودیت حرکتی پایینی دارد، اگر خیابانی را با اضافه کردن نرده ترمیم کنیم، می‌توانیم چهار خیابان را قابل دسترسی‌تر کنیم، حتی یکی از خیابان‌ها کاملاً قابل دسترسی است. بهسازی سنگفرش یا پیاده روهای 282 خیابان (سطح دسترسی نارنجی) و 58 خیابان کاملاً قابل دسترسی (سطح دسترسی سبز) خواهد بود.
پس از ترمیم خیابان های قبلی، شبکه تراکم تر از شبکه اصلی است و تعداد مشاغل تجاری غیرقابل دسترسی از 25.42%25.42%به 21.32%21.32%با یک ترمیم جزئی و به 8.76%8.76%با ترمیم متوسط ​​در بهترین حالت ( جدول 9 را ببینید ). با بازسازی قوی شهر، تقریباً تمام مشاغل برای اکثر مردم قابل دسترسی خواهد بود ( 0.71%0.71%).
در نهایت، ما یک مطالعه موردی از بازسازی سه خیابان را نشان می‌دهیم: Calle del Tostado ، Calle de Caballeros ، و Calle de la Cruz Vieja . پس از مطالعه این خیابان ها، اقدامات زیر را پیشنهاد می کنیم:
  • برای تعریض یک پیاده رو در Calle del Tostado ، که دشواری دسترسی آن را به 0 کاهش می دهد. دو رستوران و یک هتل در خیابان وجود دارد.
  • برای تعریض یک پیاده رو در بخش کوچکی از خیابان Calle de Caballeros ، که دشواری دسترسی آن را به 0 کاهش می دهد. هفت کسب و کار، یک رستوران و یک هتل در خیابان وجود دارد.
  • برای افزودن پیاده روهای مناسب در Calle de la Cruz Vieja ، کاهش دشواری دسترسی آن به 2.142.14. دو رستوران، یک هاستل و یک تجارت در خیابان وجود دارد.
با توجه به این تغییرات، ما اتصال شهر را با معیار مرکزیت APA محاسبه می‌کنیم و نشان می‌دهیم که چگونه میانگین مرکزیت خیابان‌های مختلف تغییر می‌کند و تأثیری که این امر از نظر دسترسی در مناطق مختلف شهر ایجاد می‌کند: خیابان‌های تاریخی و تجاری شهر. سپس در جدول 10مقایسه میانگین APA مرکزیت خیابان های اصلی شهر از نظر دسترسی قبل و بعد از مرمت سه خیابان منتخب ارائه شده است. ستون دوم تأثیر مرمت است که تفاوت میانگین‌ها را بین معیارهای مرکزیت APA خیابان‌های اصلی (منطقه تاریخی) قبل و بعد از مرمت محاسبه می‌کند و ستون سوم مشابه ستون دوم است اما با گرفتن خیابان‌های تجاری اصلی (نگاه کنید به جدول 5 ).
به عنوان مثال، تأثیر مرمت (برای افراد با مشکلات حرکتی کم) این سه خیابان، بهبود 12.9 درصد (مرکز) در خیابان‌های متعلق به منطقه تاریخی و 4.71 درصد در خیابان‌های مهم‌تر از نظر تجاری است.
از این نتایج می توان به مزایای مرمت برخی از خیابان ها پی برد. علاوه بر این، اگر چندین خیابان از شهر را تطبیق دهیم، دسترسی به آنها را بهبود بخشیده و تعداد مشاغل غیرقابل دسترس را کاهش می دهیم. ما یک شهر متصل تر داریم (گراف متراکم تر و درجه یکنواخت همه خیابان ها) که به معنای دسترسی برابرتر به خیابان های اصلی شهر است، جایی که گردشگر می تواند مسیرهای احتمالی بیشتری را طی کند و به مشاغل بیشتری در شهر دسترسی داشته باشد.

5. بحث

در این مقاله، ما بر بررسی دسترسی همه افرادی که از شهری با محدودیت‌های حرکتی بازدید می‌کنند و تأثیرات آن در جنبه‌های دیگر مانند اقتصادی (دسترسی به تمام مشاغل یک شهر) تمرکز می‌کنیم. برای آن، الگوریتم پیشنهادی، دشواری هر خیابان در توجه به وجود پله‌ها، شیب‌ها، نرده‌ها و وضعیت پیاده‌روها و روسازی را اندازه‌گیری می‌کند. این دشواری پارامترهای مختلفی دارد تا امکان تغییر در امکانات بازسازی خیابان‌های یک شهر را فراهم کند، و ما مقادیر این پارامترها را با توجه به مشخصات کد دسترسی فنی ساختمان‌های اسپانیا انتخاب می‌کنیم.
با توجه به پارامترهایی که سطوح بازسازی را نشان می‌دهند (لامبدا در معادله ( 1 ))، این مقادیر به کنترل وضعیت بازسازی عناصر مختلف یک شهر کمک می‌کنند. اگر مقدار کم را انتخاب کنیم، به این معنی است که سختی را با توجه به آستانه ها کاهش می دهیم. در مطالعه موردی ما، از نظر تئوری، بهترین ارزش واحد است زیرا بازسازی منطقه تاریخی شهر آویلا دشوار است. برای آزمایش این فرضیه، مقدار کمتری از لامبدا (0.8) را بررسی می‌کنیم و تغییرات کمی را مشاهده می‌کنیم (تنها هفت خیابان از رنگ سطح قرمز به نارنجی تغییر می‌کنند)، و در مقایسه با برچسب‌گذاری دستی، این خیابان‌ها ممکن است اشتباه باشند. برای آن، بهترین مقدار در مطالعه موردی ما 1 است.
پس از ساخت شبکه های شهری و تجاری، با هدف رتبه بندی گره ها، الگوریتم APA را بر روی نمودار تجاری اعمال کردیم. در نتیجه، جدول 5 10 رتبه برتر APA مناطق تجاری را نشان می دهد.
با تمرکز بر تأثیر دسترسی، جدول 6 پیکربندی های مختلف را از نظر محدودیت های مختلف تحرک و سطوح دسترسی نشان می دهد. می توان مشاهده کرد که تغییرات در ویژگی های شبکه منجر به چگالی کمتری نسبت به نمودار اصلی می شود. سپس، به دنبال نتایج به‌دست‌آمده در آن جدول، کسب‌وکارهای غیرقابل دسترسی را که محدودیت‌های تحرک در آنها کم است، ارزیابی می‌کنیم. جدول 7 نشان می دهد که یک چهارم ( 25.42%25.42%) از مشاغل شهر در خیابان های صعب العبور برای افراد دارای مشکلات حرکتی بالا واقع شده است. علاوه بر این، 8.75%8.75%آنها فقط برای افراد سالم قابل دسترسی هستند.
گام بعدی ما بررسی چگونگی افزایش دسترسی به برخی از خیابان ها از طریق اقدامات مختلف مانند بهسازی سنگفرش، افزودن نرده و بهسازی یا اضافه کردن پیاده روها است. در جدول 9 مشاهده می شود که پس از بازسازی برخی از خیابان ها، شبکه تراکم تر از شبکه اصلی است و تعداد مشاغل غیرقابل دسترسی تجاری از کاهش می یابد. 25.42%25.42%به 21.32%21.32%با یک ترمیم جزئی و به 8.76%8.76%با ترمیم متوسط ​​در بهترین حالت. با بازسازی قوی شهر، تقریباً همه مشاغل قابل دسترسی خواهند بود.
در نهایت، با تجزیه و تحلیل اینکه چگونه بهبود دسترسی سه خیابان می تواند بر کل شهر تأثیر بگذارد، به جزئیات بیشتری می پردازیم. برای نشان دادن این موضوع، ما اتصال شهر را با معیار مرکزیت APA از خیابان‌های اصلی شهر از نظر دسترسی قبل و بعد از بازسازی دوباره محاسبه می‌کنیم ( جدول 10 را ببینید ). تجزیه و تحلیل جدول فوق نشان می دهد که با مناسب سازی چندین خیابان از شهر، می توان شهری به هم پیوسته تری از نظر دسترسی داشت.

6. نتیجه گیری

روش پیشنهادی در این کار بر اهمیت بازسازی برخی از خیابان‌ها در شهر تأکید می‌کند که باعث بهبود دسترسی شهر و علاوه بر آن تجارت و گردشگری می‌شود. اگرچه مفهوم روشن است، اما مشکل اصلی محدودیت در تغییرات در مناطق یک شهر تاریخی است، زیرا قوانین میراثی که یک مرمت قوی را غیرممکن می کند. در نتیجه، ما بر نشان دادن اینکه چگونه یک بهبود ساده دو یا سه خیابان (مثلاً نصب نرده ها) می تواند تأثیر مثبتی بر دسترسی یک شهر داشته باشد تمرکز می کنیم. یکی دیگر از مشکلات شناسایی شده طول یک مسیر است: روش ما می تواند یک مسیر شخصی سازی شده برای هر فردی که مشکل دسترسی دارد به دست آورد، اما این مسیر می تواند با کوتاه ترین مسیر متفاوت باشد. به این معنا که،
ما یک روش برای برچسب‌گذاری سختی تخمینی تمام خیابان‌های یک شهر از نظر پارامترهای مختلف دسترسی، مانند پله‌ها، شیب‌های خیابان، وجود نرده‌ها، وضعیت پیاده‌رو یا زمین‌های نامنظم پیشنهاد می‌کنیم.
در آزمایش‌های ما، بر مطالعه موردی شهر آویلا (اسپانیا) متمرکز شد. با برچسب گذاری دشواری، شبکه دسترسی را برای محدودیت های مختلف تحرک ایجاد می کنیم. ما مهمترین مناطق را از نظر تعداد مشاغل با استفاده از شاخص مرکزیت APA بررسی می کنیم و آن را با شبکه دسترسی برای نشان دادن مناطق غیرقابل دسترس یک شهر مقایسه می کنیم که در آن حالت بدتر (43.01٪) عدم امکان افراد مبتلا را نشان می دهد. مشکلات تحرک دسترسی به 25.42 درصد از تجارت در شهر.
در نهایت، یک موقعیت شبیه سازی شده را نشان می دهیم که در آن سه خیابان بازسازی می شوند. نتایج نشان می دهد که چگونه دسترسی (12.90٪ در مرکز شهر) و تاثیر تجاری (4.71٪) بهبود یافته است.

مشارکت های نویسنده

همه نویسندگان به طور یکسان در این کار مشارکت داشتند. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

بودجه این تحقیق توسط Diputación de Ávila (Convocatoria de Ayudas a la Investigación sobre Temas Abulenses 2019) تامین شده است.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. روسو، AP؛ اسکارناتو، A. “بارسلونا مشترک”: یک رژیم شهری جدید برای شهر توریستی قرن بیست و یکم؟ J. شهری Aff. 2018 ، 40 ، 455-474. [ Google Scholar ] [ CrossRef ]
  2. Urry, J. Mobilities: Perspectives New on Transport and Society ; Routledge: لندن، بریتانیا، 2016. [ Google Scholar ]
  3. Clavé, SA گردشگری شهری و پیاده‌روی. در آینده گردشگری ; Springer: برلین/هایدلبرگ، آلمان، 2019؛ صص 195-211. [ Google Scholar ]
  4. روسو، AP “دایره باطل” توسعه گردشگری در شهرهای میراثی. ان تور. Res. 2002 ، 29 ، 165-182. [ Google Scholar ] [ CrossRef ]
  5. گاگلیون، اف. گارگیولو، سی. زوکارو، اف. کیفیت زندگی بزرگان. روشی برای بهینه سازی دسترسی عابر پیاده به خدمات شهری TeMA J. استفاده از زمین موبایل. محیط زیست 2019 ، 12 ، 295–312. [ Google Scholar ]
  6. آلن، WB; لیو، دی. سینگر، اس. اقدامات دسترسی در مناطق شهری ایالات متحده. ترانسپ Res. روش قسمت B. 1993 ، 27 ، 439-449. [ Google Scholar ] [ CrossRef ]
  7. ماروتو، ا. Zofío، JL دستاوردهای دسترسی و زیرساخت های حمل و نقل جاده ای در اسپانیا: یک رویکرد بهره وری بر اساس شاخص Malmquist. J. Transp. Geogr. 2016 ، 52 ، 143-152. [ Google Scholar ] [ CrossRef ]
  8. دومینگز، تی. فرایز، ج.ا. Alén، E. سودآوری اقتصادی گردشگری قابل دسترس برای بخش گردشگری در اسپانیا. تور. اقتصاد 2013 ، 19 ، 1385–1399. [ Google Scholar ] [ CrossRef ]
  9. رودریگز-اچوریا، جی. سمنجسکی، آی. ون گلووه، سی. اوچوا، دی. آی جیبن، اچ. گوتاما، S. خوشه بندی فضایی مبتنی بر تراکم و رویکرد نقاط ترتیب برای ویژگی های رفتار گردشگر. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 686. [ Google Scholar ] [ CrossRef ]
  10. زاراگوزی، بی. تریلز، اس. Gutiérrez، A. داده های تلفن همراه غیرفعال برای مطالعه تحرکات گردشگری فصلی: یک برنامه کاربردی در یک مقصد ساحلی مدیترانه. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 98. [ Google Scholar ] [ CrossRef ]
  11. دومنک، آ. موهینو، آی. Moya-Gómez، B. استفاده از عکس‌های دارای برچسب جغرافیایی فلیکر برای تخمین مسیر بازدیدکنندگان در شهرهای میراث جهانی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 646. [ Google Scholar ] [ CrossRef ]
  12. کروسیتی، پی. لاتورا، وی. پورتا، س. اقدامات مرکزیت در شبکه های فضایی خیابان های شهری. فیزیک Rev. E 2006 , 73 , 036125. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  13. هنمن، اس. Derudder, B. یک رویکرد جایگزین برای محاسبه و تجزیه و تحلیل اتصال در شبکه جهانی شهر. محیط زیست طرح. B طرح. دس 2014 ، 41 ، 392-412. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. کورادو، م. تورتوسا، ال. ویسنت، جی اف. Yeghikyan, G. درک تحرک در رم با استفاده از یک شبکه چندگانه با داده. جی. کامپیوتر. علمی 2021 ، 51 ، 101305. [ Google Scholar ] [ CrossRef ]
  15. کیم، YA; آهنگ، استراتژی های HS برای پیش بینی اعتماد محلی بر اساس انتشار اعتماد در شبکه های اجتماعی. سیستم مبتنی بر دانش 2011 ، 24 ، 1360–1371. [ Google Scholar ] [ CrossRef ]
  16. وانگ، اس. دو، ی. دنگ، ی. معیار جدیدی برای شناسایی گره های تأثیرگذار: مرکزیت کارایی. اشتراک. علمی غیر خطی عدد. شبیه سازی 2017 ، 47 ، 151-163. [ Google Scholar ] [ CrossRef ]
  17. ژانگ، ایکس. ژو، جی. وانگ، کیو. ژائو، اچ. شناسایی گره های تاثیرگذار در شبکه های پیچیده با ساختار جامعه. سیستم مبتنی بر دانش 2013 ، 42 ، 74-84. [ Google Scholar ] [ CrossRef ]
  18. آلبرت، آر. جونگ، اچ. باراباسی، ع.-ال. قطر وب جهانی طبیعت 1999 ، 401 ، 130-131. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. نیومن، ME ساختار و عملکرد شبکه های پیچیده. SIAM Rev. 2003 , 45 , 167-256. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. استرادا، ای. بودین، او. استفاده از معیارهای مرکزیت شبکه برای مدیریت اتصال منظره. Ecol. Appl. 2008 ، 18 ، 1810-1825. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. شفاف سازی مفهومی فریمن، LC مرکزیت در شبکه های اجتماعی. Soc. شبکه 1978 ، 1 ، 215-239. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. آگریزکوف، تی. الیور، جی ال. تورتوسا، ال. Vicent, JF الگوریتمی برای رتبه بندی گره های یک شبکه شهری بر اساس مفهوم بردار PageRank. Appl. ریاضی. محاسبه کنید. 2012 ، 219 ، 2186-2193. [ Google Scholar ] [ CrossRef ]
  23. آگریزکوف، تی. تورتوسا، ال. نکات برجسته Vicent، JF New و معیار مرکزیت جدید بر اساس الگوریتم رتبه صفحه اقتباس شده برای شبکه های شهری. Appl. ریاضی. محاسبه کنید. 2016 ، 291 ، 14-29. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. آگریزکوف، تی. کورادو، م. تورتوسا، ال. Vicent، JF گسترش مرکزیت الگوریتم رتبه صفحه تطبیقی ​​به شبکه های چندگانه با داده ها با استفاده از رویکرد دو لایه رتبه صفحه. Symmetry 2019 ، 11 ، 284. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  25. گاگلیون، اف. کوتریل، سی. Gargiulo، C. خدمات شهری، شبکه های عابر پیاده و رفتارها برای اندازه گیری دسترسی سالمندان. ترانسپ Res. قسمت D Transp. محیط زیست 2021 , 90 , 102687. [ Google Scholar ] [ CrossRef ]
  26. Handy، SL; Niemeier, DA اندازه گیری دسترسی: کاوش در مسائل و جایگزین. محیط زیست طرح. A 1997 ، 29 ، 1175-1194. [ Google Scholar ] [ CrossRef ]
  27. بن‌آکیوا، ام. مدل‌های انتخاب سفر و تحرک و معیارهای دسترسی. در مدلسازی سفر رفتاری ; Routledge: لندن، انگلستان، 1979. [ Google Scholar ]
  28. Kwan، MP فضا-زمان و معیارهای یکپارچه دسترسی فردی: یک تحلیل مقایسه ای با استفاده از یک چارچوب مبتنی بر نقطه Geogr. مقعدی 1998 ، 30 ، 191-216. [ Google Scholar ] [ CrossRef ]
  29. پائز، آ. اسکات، دی.م. مورنسی، ج. اندازه‌گیری دسترسی: اجرای مثبت و هنجاری شاخص‌های مختلف دسترسی. J. Transp. Geogr. 2012 ، 25 ، 141-153. [ Google Scholar ] [ CrossRef ]
  30. سارلاس، جی. پائز، آ. Axhausen، KW بین دسترسی-دسترسی: برآورد اثرات دسترسی بر روی شبکه ها. J. Transp. Geogr. 2020 , 84 , 102680. [ Google Scholar ] [ CrossRef ]
  31. آسرو، وی. گوزو، اس. توماسلی، V. ساخت شبکه های گردشگری از طریق تحرک گردشگران. J. Travel Res. 2016 ، 55 ، 751-763. [ Google Scholar ] [ CrossRef ]
  32. Ayuntamiento، D.Á. Guía de Recursos Accesibles de la Ciudad de Ávila ; Ayuntamiento de Ávila: Ávila، اسپانیا، 2008. [ Google Scholar ]
  33. Oficina Municipal de Accesibilidad (آویلا، اسپانیا). 2007. در دسترس آنلاین: https://www.avila.es/articles/accesibilidad (در 29 مه 2021 قابل دسترسی است).
  34. Arcos، FJM Turismo accesible، turismo para todos en una ciudad patrimonio de la humanidad: El caso de Ávila. کشیش تور. Desenvolv. 2009 ، 11 ، 73-79. [ Google Scholar ]
  35. نقشه خیابان باز در دسترس آنلاین: https://www.openstreetmap.org (در 29 مه 2021 قابل دسترسی است).
  36. روگذر توربو. در دسترس آنلاین: https://overpass-turbo.eu (در 29 مه 2021 قابل دسترسی است).
  37. مایکروسافت بینگ در دسترس آنلاین: https://www.bing.com/maps (در 29 مه 2021 قابل دسترسی است).
  38. de la Edificación، LdO; Parte, I. Codigo Técnico de la Edificación ; Minvivienda: مادرید، اسپانیا، 2006.
Ijgi 10 00491 g001 550
شکل 1. طرح دسترسی: محاسبه سختی یک خیابان.
Ijgi 10 00491 g002 550
شکل 2. خیابان های قابل دسترسی. با رنگ آبی، همه خیابان‌هایی را نشان می‌دهیم که برای همه، صرف نظر از تحرکشان، قابل دسترسی است. این نقشه شهر نمایانگر خیابان های قابل دسترسی است (مطابق با رنگ تراز سبز در جدول 3 ) پس از حذف خیابان های غیرقابل دسترس برای فردی با محدودیت های حرکتی بالا ارائه شده است.
Ijgi 10 00491 g003 550
شکل 3. خیابان های مشکل ساز. با رنگ آبی، همه خیابان‌هایی را نشان می‌دهیم که به‌عنوان درجه سختی متوسط ​​مشخص شده‌اند (سطح رنگ نارنجی را در جدول 3 ببینید).
Ijgi 10 00491 g004 550
شکل 4. خیابان های غیر قابل دسترس. با رنگ آبی، همه خیابان‌هایی را نشان می‌دهیم که برای افرادی که مشکلات حرکتی مهمی دارند (به عنوان مثال، افرادی با ویلچر) نمی‌توانند به آنها دسترسی داشته باشند، که با سطح رنگ قرمز در جدول 3 مطابقت دارد .
Ijgi 10 00491 g005 550
شکل 5. خیابان های تجاری تجاری برتر شهر.
Ijgi 10 00491 g006 550
شکل 6. نقشه مهم ترین مناطق با توجه به معیار مرکزیت APA.
Ijgi 10 00491 g007 550
شکل 7. مقادیر دشواری خیابان های اصلی شهر. رنگ پس زمینه به معنای سطوح دسترسی خیابان برای سه محدودیت حرکتی مختلف است.

دسته‌بندی نشده

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید