خلاصه

با افزایش سریع جمعیت شهری و اثرات شهرنشینی، جهانی شدن به موضوع اصلی مورد توجه تبدیل شده است. یک نیاز حیاتی برای برنامه ریزی شهری موثر برای استانبول در رابطه با استفاده از یک رویکرد ترکیبی که AHP-Entropy و GIS را برای برنامه ریزی تسهیلات اضطراری یکپارچه می کند، بوجود می آید. در این مقاله از ترکیب روش های AHP و آنتروپی برای ارزیابی ذهنی و عینی وزن معیارها استفاده شده است. این تکنیک‌ها با توجه به ارزیابی مناطق مناسب برای برنامه‌ریزی امکانات اضطراری شهری جدید برای استان استانبول که اورژانس‌های شهری مرتبط با آتش‌سوزی فزاینده را تجربه می‌کند، مورد استفاده قرار گرفت. AHP و Entropy برای ارزیابی وزن معیارهای تعیین شده از قضاوت های ترجیحی متخصص و GIS برای پردازش استفاده شده است. تجزیه و تحلیل و تجسم مدل در قالب یک نقشه مناسب برای تاسیسات جدید اورژانس شهری نتیجه می دهد. اعتبار سنجی مدل بر روی معیارهایی با قوی ترین تأثیر در نتیجه تصمیم انجام شد و با استفاده از روش تحلیل حساسیت (SA) یک در یک زمان (OAT) به صورت فضایی تجسم شد. بر اساس یافته‌ها، تخمین زده شد که 28.1 درصد از مساحت پروژه، که یک سوم آن را تشکیل می‌دهد، احتمالاً در معرض خطر آتش‌سوزی شهری قرار دارد و بنابراین برنامه‌ریزی فوری تأسیسات جدید اورژانس شهری برای پوشش مناسب خدمات آتش نشانی توصیه می‌شود. حفاظت.

کلید واژه ها:

سیستم اطلاعات جغرافیایی (GIS) ; فرآیند تحلیل سلسله مراتبی (AHP) ؛ آنتروپی ; امکانات اضطراری ؛ تصمیم گیری چند معیاره (MCDM) ؛ تجزیه و تحلیل میزان حساسیت

چکیده گرافیکی

1. معرفی

پدیده های توسعه فناوری، جهانی شدن، رشد جمعیت و اثرات آن موجب شهرنشینی شده است. رشد و گسترش شهرها با افزایش جمعیت و مهاجرت به مناطق شهری تشدید شده است [ 1 ]. این شیوع همچنین باعث نگرانی فزاینده و خطر بالقوه آتش‌سوزی شده است که باعث تلفات جانی و مالی می‌شود و در نتیجه تهدیدی برای جوامع شهری است.
استانبول به عنوان یک قطب منطقه ای اقتصادی، فرهنگی و تاریخی در منطقه اروپایی-آسیایی در نظر گرفته می شود. این شهر شهری ترین استان ترکیه است که بیش از 15 میلیون نفر در آن زندگی می کنند که تقریباً 20٪ از جمعیت این کشور را تشکیل می دهد [ 2 ]. همزمان، افزایش شدید و مکرر تعداد حوادث آتش‌سوزی در استانبول وجود داشته است. بیش از 58000 مورد آتش سوزی با میانگین زمان پاسخگویی بیش از پنج دقیقه توسط اداره آتش نشانی شهرداری متروپولیتن استانبول گزارش شده است [ 3 ]. حوادث آتش سوزی عمدتاً از اقدامات بی دقت یا استفاده نادرست از مواد خطرناک، قابل اشتعال یا منفجره و پس از وقوع زلزله های شدید ناشی می شود [ 4 ]] که باعث آسیب های زیرساختی می شود و آسیب پذیرترین تأسیسات آن کارخانه های بزرگ صنعتی و نفتی، خطوط برق و گاز است [ 5 ]. در مقابل این پس زمینه، این مطالعه با هدف پیشنهاد یک روش تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS (MCDA) برای ارزیابی امکان‌سنجی برنامه‌ریزی مکان‌های آتش‌سوزی شهری و تسهیلات اضطراری با کاهش زمان پاسخ به آتش به مدت پنج دقیقه برای یک منطقه مورد مطالعه استانبول بنابراین، کاهش اثرات و خطرات آتش‌سوزی منجر به بهبود ایمنی و خدمات حفاظتی آتش‌سوزی به عنوان بخشی از اقدامات برنامه‌ریزی آمادگی و واکنش اضطراری می‌شود.
روش‌های MCDA برای حل مشکلات پیچیده‌ای که معیارهای زیادی برای در نظر گرفتن دارند، با ترکیب طیف وسیعی از نظرات در بین ذینفعان و اهداف متضاد در فرآیند تصمیم‌گیری، توسعه داده شدند. هدف مشترک انتخاب سیستماتیک بهینه‌ترین نتیجه تصمیم‌گیری برنامه‌ریزی است که فراتر از کاستی‌های تصمیم‌گیرندگان بدون ساختار فردی یا گروهی است، از میان بسیاری از گزینه‌های موجود بر اساس معیارهای مختلف [ 6 ، 7 ].]. انتخاب مکان های جدید تاسیسات آتش نشانی شهری نشان دهنده یک مشکل برنامه ریزی فضایی و پیچیده است که نیازمند تجزیه و تحلیل دقیق و دقیق معیارهای متعدد و مشارکت تیم های چند رشته ای در عملکردهای مختلف برنامه ریزی است. بسیاری از روش‌های MCDA وجود دارند و معمولاً مورد استفاده قرار می‌گیرند، مانند تکنیک برای اولویت سفارش با شباهت به راه‌حل ایده‌آل (TOPSIS) [ 8 ]، فرآیند تحلیل سلسله مراتبی (AHP) [ 9 ]، حذف و بیان واقعیت انتخاب (ELECTRE) [ 10 ، 11 ] ، اهمیت معیارها از طریق همبستگی بین معیاری (CRITIC) [ 12 ]، نظریه سودمندی چند ویژگی (MAUT) [ 13 ]، تکنیک رتبه بندی چند ویژگی ساده (SMART) [ 14 ، 15]، روش رتبه‌بندی اولویت سازمان برای غنی‌سازی ارزیابی‌ها (PROMETHEE) [ 16 ، 17 ]. جنبه های کلیدی هر مشکل MCDA مستلزم قضاوت تصمیم گیرندگان (DMs) یا کارشناسان برای ارزیابی جایگزین های امکان پذیر بر اساس معیارهای متعدد، متناقض و ناسازگار است [ 18 ]. تصمیمات فضایی متعدد اغلب شامل بیش از یک DM در مقابل یک DM واحد در فرآیند تصمیم گیری گروهی (GDM) می شود. این امر به منظور افزایش کیفیت تلاش تصمیم گیری و همچنین به حداقل رساندن تعارضات احتمالی با ایجاد درجه بالاتری از اجماع انجام می شود. عناصر جایگزین تصمیم‌گیری جغرافیایی شامل مسیر اقدام و مکان است که می‌تواند به طور ضمنی یا صریح، بسته به مدل‌های داده GIS انتخاب شده، تعریف شود.19 ، 20 ]. مشکلات انتخاب مکان و تسهیلات، مکان-تخصیص و مناسب بودن کاربری زمین نماینده جایگزین های فضایی صریح هستند، مانند [ 21 ].
فرآیندهای پرداختن به مسائل چند معیاره فضایی بر اساس سه مفهوم اساسی است که پایه و اساس رویکردهای GIS-MCDA را تشکیل می‌دهند. این رویه های پشتیبانی تصمیم فضایی شامل استانداردسازی، وزن دهی معیارها و قوانین تصمیم گیری است. رویه‌های استانداردسازی یا مقیاس‌گذاری ارزش، داده‌های خام معیارهای مورد ارزیابی را به واحدهایی تبدیل می‌کنند که قابل مقایسه هستند. معیارها را می توان مقادیری نسبت داد که سطح اهمیت آنها را نسبت به سایر معیارهای مورد بررسی نشان می دهد و متعاقباً توسط روش MCDA مربوطه در ارزیابی گزینه های تصمیم استفاده می شود [ 22 ]]. روش های ارزیابی وزن معیار را می توان به تکنیک های جهانی و محلی طبقه بندی کرد. روش‌های وزن‌دهی محلی ناهمگونی فضایی ترجیحات DM را در نظر می‌گیرند، در حالی که روش‌های جهانی فرض می‌کنند که ترجیحات DMs از نظر فضایی همگن هستند و بنابراین یک وزن واحد به هر معیار اختصاص داده می‌شود. روش های وزن دهی جهانی شامل رتبه بندی، رتبه بندی، مقایسه های زوجی (به عنوان مثال، AHP) و تکنیک های آنتروپی [ 18 ] است. فرآیند وزن دهی معیار شامل روش های رتبه بندی، رتبه بندی و مقایسه زوجی [ 20 ] به صورت ذهنی و با تکیه بر قضاوت متخصصان انجام می شود. از سوی دیگر، تکنیک مبتنی بر آنتروپی، وزن‌ها را به طور عینی با تعیین ریاضی اطلاعات ارزش معیار اولیه تعیین می‌کند [ 8 ]] و بنابراین لازم نیست DM ها ترجیحات خود را در رابطه با معیارهای ارزیابی مشخص کنند [ 18 ].
در این زمینه، روش‌های GIS-MCDA مبتنی بر آنتروپی برای در نظر گرفتن رویکردهای وزن‌دهی عینی پیشنهاد شده‌اند. این رویه‌ها وزن معیارها را با استفاده از مدل‌های ریاضی بدون دخالت ترجیحات DM ارزیابی می‌کنند که باعث ذهنیت در اطلاعات قضاوت می‌شود و بر نتیجه تصمیم نهایی تأثیر می‌گذارد [ 23 ]. روش های وزن دهی معیارهای مبتنی بر آنتروپی بسیار کمی برای کاربردهای GIS-MCDA [ 18 ] استفاده شده است. ژنگ و همکاران [ 24 ] و لی و همکاران. [ 25] استفاده از این روش وزن دهی معیارها را به ترتیب به عنوان ماژول های ترکیبی خطی وزنی مبتنی بر GIS (WLC) و TOPSIS پیشنهاد کرد. علاوه بر این، پیشنهاد شده است که روش‌های GIS-MCDA باید تکنیک‌های وزن‌دهی معیار ذهنی و عینی را در بر گیرند [ 26 ].
در مطالعه حاضر، یک رویکرد ترکیبی GIS-MCDA با استفاده از AHP، همراه با تکنیک آنتروپی برای ارزیابی مکان‌های ایده‌آل امکانات اضطراری شهری در استانبول توصیه شده‌است. GIS پیشنهاد شده است که به عنوان یک ابزار پشتیبانی تصمیم فضایی برای تجزیه و تحلیل و تجسم خروجی ها در قالب نقشه های مناسبت شطرنجی استفاده شود، بنابراین کیفیت تصمیم برنامه ریزی را افزایش می دهد. رویکردهای تحلیلی GIS در بسیاری از مناطق تحقیقاتی مربوط به بلایای طبیعی و اضطراری مورد استفاده قرار گرفته است. مطالعه ای توسط لین و همکاران. [ 27] استفاده از یک فناوری داده کاوی را با استفاده از تجزیه و تحلیل داده های خودسازماندهی یکپارچه (ISODATA) و الگوریتم خوشه بندی حداکثر احتمال (ISO-Maximum) در یک محیط GIS برای ارزیابی خطر سیل ناگهانی در استان گوانگدونگ در چین بررسی کرد. الگوریتم خوشه بندی برای به دست آوردن موثر نتایج طبقه بندی خطر سیل در جایی که کمبود داده وجود دارد که منجر به تولید نقشه خوشه بندی ریسک و نقشه های خطر سیل ناگهانی، آسیب پذیری و خطر نهایی می شود، استفاده شد. گارسیا-آیلون، توماس و رودناس [ 28] از ابزارهای تحلیل زمین آماری در ارزیابی پس از زلزله شاخص های آسیب لرزه ای برای شهر لورکا در اسپانیا استفاده کرد. ارزیابی دو متغیره GIS برای نشان دادن همبستگی آماری فضایی توزیع متغیرهای زلزله با استفاده از فرآیندهای جغرافیایی و ابزارهای زمین آماری در نرم افزار ESRI ArcGIS مورد استفاده قرار گرفت. توابع زمین آماری گلوبال موران I، انسلین لوکال موران I و Getis-Ord Gi برای تجزیه و تحلیل میزان همبستگی فضایی، خوشه و نقاط پرت و تقسیم بندی نقاط سرد و گرم به ترتیب استفاده شد. تجزیه و تحلیل بهینه نقطه داغ (OHSA) با استفاده از آمار Getis-Ord Gi در رابط GIS توسط Lu و همکاران اجرا شد. [ 29] برای تجزیه و تحلیل خودهمبستگی فضایی افزایشی در تشخیص سطح زمین لغزش و مطالعات خطر در سراسر منطقه Volterra ایتالیا. مقصوم و همکاران [ 30 ] تابع شاخص DRASTIC پلت فرم ArcGIS را برای مدل‌سازی خطر حساسیت آب‌های زیرزمینی و آسیب‌پذیری نسبت به آلودگی در شهر گیلگیت بالتستان، پاکستان به کار برد. در مطالعه آنها، تحلیل حساسیت حذف نقشه با استفاده از ابزار ریاضی شطرنجی در GIS نیز برای تحلیل حساسیت مدل انجام شد.
در ادبیات، به بهترین دانش نویسندگان، هیچ مطالعه ای در زمینه های برنامه ریزی تاسیسات اضطراری و آتش نشانی که از مدل پیشنهادی استفاده کرده باشد، در سراسر جهان انجام نشده است. بنابراین، این یک فرصت تحقیقاتی منحصربه‌فرد برای بررسی است. در سال های اخیر، چندین مطالعه مرتبط با استفاده از AHP و GIS برای انتخاب تاسیسات ایستگاه آتش نشانی شهری مورد بررسی قرار گرفته است [ 21 ، 31 ، 32 ، 33 ، 34 ، 35 ، 36 ، 37 ، 38 ، 39 ، 40 .]. برای مکان یابی تاسیسات جدید اورژانس شهری می توان عوامل تاثیرگذار زیادی را در نظر گرفت. به عنوان مثال، وانگ [ 35 ] استفاده از ترکیب GIS، AHP و روش های ارزیابی فازی را برای بهینه سازی مکان ایستگاه های آتش نشانی جدید در چین با در نظر گرفتن چهار عامل انتخاب مانند خدمات اجتماعی، زمان عبور، جغرافیای محیطی و هزینه ساخت ایستگاه آتش نشانی پیشنهاد کرد. ، و همچنین عملیات. چوداری و همکاران [ 32 ] تراکم جمعیت، فاصله از جاده ها، فاصله از رودخانه ها و پوشش زمین را که شامل مناطق ساخته شده به عنوان معیارهای ایده آل برای نقشه برداری منطقه مناسب ایستگاه آتش نشانی با استفاده از AHP و GIS در شهر متروپولیتن کاتماندو در نپال ارزیابی کرد. دونگ و همکاران [ 37] چیدمان پیچیده جغرافیای شهری و توسعه روزافزون شهری را که شامل کارخانه ها و انبارها می شود به عنوان منبع اصلی خطرات آتش سوزی در شهر Linyi در چین نسبت داد. محدودیت‌های چیدمان برنامه‌ریزی تسهیلات اضطراری شامل زمان رانندگی و شرایط ترافیک جاده‌ای، کوتاه‌ترین مسیر به نقاط خطر آتش‌سوزی و تقاضا، نجات اضطراری خطر آتش سوزی با در نظر گرفتن زمان پاسخگویی پنج دقیقه و هزینه‌های سرمایه است. تراکم جمعیت و معیارهای اجتماعی-اقتصادی که شامل مجاورت از مناطق مسکونی چند طبقه، مراکز درمانی، مراکز تجاری و خرید و پارک های عمومی بود توسط وهاب و خیاطت در نظر گرفته شد [ 34 ].] در مطالعه تحلیل تناسب خود، ادغام رویکردهای AHP و GIS برای انتخاب مکان‌های بهینه برای بخش‌های آتش نشانی جدید در شهر اربیل، عراق. محققان دیگری مانند لای و همکاران. [ 33 ] تراکم جمعیت، فاصله جاده تا نزدیکترین ایستگاه آتش نشانی و معیارهای تلفات ساختمان را برای برنامه ریزی چیدمان ایستگاه های آتش نشانی با استفاده از GIS و AHP در پکن، چین انتخاب کرد. حبیبی، لطفی و کوهساری [ 38 ] معیارهای تراکم جمعیت، دسترسی، فاصله تا مناطق پرخطر حریق و اندازه قطعه را برای انتخاب ایستگاه های آتش نشانی با استفاده از مدل AHP، GIS و پوشش شاخص (IO) در تهران، ایران در نظر گرفتند. تالی و همکاران [ 39] یک مدل تخصیص مکان برای مکان یابی ایستگاه های آتش نشانی در منطقه شهری میسور، هند پیشنهاد کرد. آنها از شبکه راه های موجود، موقعیت ایستگاه های آتش نشانی موجود، نقشه کاربری/پوشش زمین برای شناسایی سایت های موجود و داده های حادثه آتش سوزی به عنوان ضروری ترین معیارها در تحلیل مدل استفاده کردند. تجزیه و تحلیل منطقه خدمات و مکان با استفاده از تابع تحلیل شبکه در نرم افزار ArcGIS انجام شد.
در یک مطالعه اخیر توسط Uddin و Warnitchai [ 40] اعمال شده در داکا در بنگلادش، معیارهای اصلی عناصر در معرض خطر، خطر آتش سوزی، تنظیمات فضایی و زمین شناسی برای بهینه سازی مکان تاسیسات جدید ایستگاه آتش نشانی شهری ارزیابی شدند. اینها شامل معیارهای فرعی ارزیابی شده مانند تراکم جمعیت، ساختمان‌های مسکونی و تجاری، تأسیسات بحرانی، خطر آتش‌سوزی ناشی از زلزله، میانگین فاصله از تأسیسات بحرانی، اتصال و دسترسی از طریق جاده‌های اصلی، ضریب تقویت خاک و حساسیت روان‌گرایی برای آسیب‌پذیری زلزله بود. تحلیل و بررسی. از مطالعات بررسی‌شده، عوامل مشترکی که برای انتخاب مکان‌های ایده‌آل برای ایستگاه‌های آتش نشانی در مناطق شهری ضروری در نظر گرفته می‌شوند، شناسایی و در تحقیق ما گنجانده شدند. اینها شامل تراکم جمعیت (HPD)، نزدیکی به جاده های شریانی و اصلی (PMR)، فاصله تا ایستگاه های آتش نشانی موجود (DEF) و تراکم تأسیسات مواد خطرناک (DHM). تعیین معیارهای ایده آل بر اساس تناسب با شرایط محلی غالب منطقه مورد مطالعه، دانش تخصصی و در دسترس بودن داده ها است. بر این اساس، روش تحقیق پیشنهادی ما عوامل انتخاب اضافی مانند تراکم ساختمان‌های چوبی (WBD) را اتخاذ کرد و از آنجایی که استانبول در یک منطقه لرزه‌ای فعال و گسل قرار دارد، فاصله تا مناطق مستعد خطر زلزله (DER) نیز در نظر گرفته شد. همانطور که در تحقیقات Uddin و Warnitchai به طور مشابه در نظر گرفته شده است [40 ]. معیارهای شناسایی شده و برای استفاده در مطالعه ما شامل جنبه‌های اجتماعی/دموگرافیک، محیط ساخته شده، ریسک/ایمنی و همچنین تأثیر تنوع فضایی است. بنابراین، معیارهای پیشنهادی ما گنجانده شده در این تحقیق، جامع و حیاتی برای ارزیابی بهترین نتیجه تصمیم گیری بود. علاوه بر این، ادغام روش وزن‌دهی مبتنی بر آنتروپی، عدم قطعیت احتمالی قضاوت‌های متخصص را در فرآیند وزن‌دهی معیارهای ارزیابی ذهنی AHP حذف می‌کند. این از چندین شرایط ناشی می‌شود که شامل اطلاعات نادرست، فقدان دانش و تجربه تخصصی و ظرفیت محدود DM برای تخصیص دقیق وزن‌های دقیق به معیارها، همچنین به ماهیت نامشهود معیارها نسبت داده می‌شود [ 41 ، 42 ]].
مدل ترکیبی AHP-Entropy پیشنهادی، با استفاده از یک رویکرد وزن‌دهی ترکیبی، هم رویه‌های وزنی ذهنی و هم عینی را در نظر می‌گیرد و برای به دست آوردن نتایج وزن معیار دقیق‌تر همانطور که توسط برخی از محققان توصیه می‌شود، اتخاذ می‌شود [ 43 ، 44 ، 45 ، 46 ]]. علاوه بر این، این مطالعه مدل AHP-Entropy را با استفاده از تحلیل حساسیت (SA) که وابستگی خروجی مدل را به تغییرات وزن معیارهای ورودی در یک حوزه فضایی بررسی می‌کند، افزایش می‌دهد. یک رویکرد SA عمومی، با استفاده از روش یک در یک زمان (OAT) با تغییر یک عامل در یک زمان و در عین حال ثابت نگه داشتن سایر عوامل، برای رعایت حساسیت وزن معیارها که می‌تواند متعاقباً نسبت به مشکل مدل تجسم شود، اعمال می‌شود. SA کمک می کند تا عدم قطعیت در رویکرد تصمیم گیری چند معیاره به حداقل برسد و استحکام مدل ترکیبی MCDA پیشنهادی را آزمایش می کند و از ثبات آن برای اعتبار سنجی اطمینان می دهد. مشارکت 19 DM، از جمله متخصصان دانشگاهی و تمرین‌کنندگان آتش نشانی، فرآیند تصمیم‌گیری را افزایش داد و نتایج مدل جامع‌تر و قابل‌اعتمادتری را تضمین کرد.
ساختار بقیه مقاله تحقیقاتی به شرح زیر است. بخش 2 منطقه مورد مطالعه، جمع‌آوری داده‌ها و روش‌های تحقیق مورد استفاده را توصیف می‌کند، مانند تحلیل‌های AHP، آنتروپی، AHP-Entropy یکپارچه و GIS که شامل اعتبارسنجی مدل با استفاده از تحلیل حساسیت مکانی (SA) می‌شود. نتایج مطالعه در بخش 3 ارائه شده است که خروجی های روش های مدل سازی GIS را در قالب لایه های نقشه معیارهای شطرنجی، نقشه شطرنجی مناسب بودن تاسیسات آتش نشانی شهری نهایی و شبیه سازی خروجی های SA را نشان می دهد. بحث و نتیجه‌گیری از نتایج کلیدی تحقیق که از این مطالعه استخراج شده‌اند، به ترتیب در بخش 4 و بخش 5 آورده شده‌اند.

2. مواد و روشها

2.1. منطقه مطالعه

منطقه مورد مطالعه استان استانبول دارای بیشترین جمعیت در ترکیه با حدود 15519267 نفر در سال 2019 است [ 2 ] و مرکز اقتصادی، فرهنگی و تاریخی این کشور است. خشکی آن در اروپا و آسیا بین دریای مرمره و دریای سیاه قرار دارد که توسط تنگه بسفر از هم جدا شده است. استان استانبول مساحت تخمینی 5، 343.22 کیلومتر مربع را در بر می گیرد و تقریباً بین عرض های جغرافیایی 40 درجه و 44 دقیقه و 42 دقیقه شمالی تا 41 درجه و 35 دقیقه و 59 دقیقه شمالی و طول جغرافیایی 27 درجه و 58 دقیقه و 04 درجه شرقی تا 29 درجه و 54 دقیقه و 58 دقیقه شرقی قرار دارد ( شکل 1 ).
استانبول از 39 منطقه تشکیل شده است که 25 منطقه آن در سمت اروپایی واقع شده اند که نشان دهنده جمعیت 10,067,617 و 14 منطقه در سمت آسیایی هستند که یک سوم کل جمعیت را با 5,451,650 نفر دارند. نقشه دقیق منطقه شهری که تراکم جمعیت نسبت به مناطق استانبول و توزیع فضایی ایستگاه های خدمات اضطراری موجود را نشان می دهد در شکل 2 نشان داده شده است.. همانطور که مشاهده می شود، تمرکز بیشتری از امکانات اضطراری موجود در پرتراکم ترین مناطق واقع شده است که با مقادیر تراکم جمعیت بالاتر مرتبط است. این مناطق دارای رتبه بندی منطقه خطر بالا با پتانسیل بالا برای خطر آتش سوزی در نتیجه توسعه و گسترش شهری، فعالیت های اجتماعی-اقتصادی، صنعتی و تجاری، مراکز توریستی، مسکن های شهری خوشه ای و مناطق مسکونی چند طبقه و غیره هستند. تقاضا برای خدمات حفاظت از آتش، تأثیرات بالقوه بر جوامع مانند آسیب به اموال و زیرساخت ها، از دست دادن جان افراد، درآمد و معیشت را در نظر می گیرد.
در سال های اخیر، شیوع آتش سوزی های شهری و خطر آتش سوزی بالقوه در استانبول [ 3 ] با افزایش جمعیت شهری و مهاجرت [ 1 ] تشدید شده است . این موضوع منبع نگرانی‌های فزاینده ایمنی عمومی بوده و تأثیرات منفی عمیقی بر شرایط اجتماعی و اقتصادی ساکنان داشته است.

2.2. داده ها و غربالگری معیارها

برنامه ریزی فضایی توزیع سیستم های خدمات اورژانس شهری که شامل خدمات آتش نشانی، پزشکی، پلیس و آمبولانس می شود، نیازمند ملاحظات طراحی و چیدمان دقیق است. ایستگاه‌های آتش‌نشانی همچنین به‌عنوان مراکز ارتباطی فوریت‌های پزشکی و مراکز کنترل منطقه/منطقه در مواقع وقوع بلایای بزرگ و اضطراری مانند زلزله، سیل، رانش زمین و غیره عمل می‌کنند. مدیریت، پرسنل واکنش اضطراری با مشورت سایر ذینفعان مانند جوامع محلی که تحت تأثیر نتیجه تصمیم قرار می گیرند. تأثیرگذارترین معیارها برای برنامه‌ریزی جامع تأسیسات جدید اورژانس شهری در یک فرآیند غربالگری کامل بر اساس توصیه‌های ادبیات و ورودی کارشناسان انتخاب شدند.21 ، 38 ، 47 ، 48]. تراکم جمعیت یکی از عوامل اصلی است که باید مورد توجه قرار گیرد و نشان دهنده پتانسیل بالایی برای خطر آتش سوزی است، به ویژه در مناطقی با تمرکز جمعیت بسیار زیاد. این مناطق با تراکم جمعیت بالا (HPD) شامل تسهیلات تجاری، تجاری، اجتماعی و سکونتگاه‌های شهری خوشه‌ای می‌شود و بنابراین تقاضا برای خدمات حفاظت از آتش را با پتانسیل بیشتری برای تلفات ناشی از تأثیرات بر جوامع افزایش می‌دهد. خدمات اضطراری باید در نزدیکی یا درون این مناطق قرار گیرند تا حفاظت کافی در برابر آتش سوزی ارائه شود. معیار نزدیکی به جاده های اصلی (PMR) برای تسهیل دسترسی آسان به ایستگاه های آتش نشانی در نظر گرفته شد. جاده های باریک مانند خیابان ها به راحتی توسط ماشین های آتش نشانی و دستگاه واکنش قابل دسترسی نیستند. بنابراین ایستگاه های آتش نشانی باید48 ]. از برنامه ریزی و ساخت تأسیسات اضطراری جدید در مناطقی که قبلاً توسط تأسیسات موجود خدمات رسانی شده است، باید اجتناب شود. در این راستا، معیار فاصله از ایستگاه های آتش نشانی موجود (DEF) برای اطمینان از پوشش خدمات بهینه بدون هیچ گونه همپوشانی در نظر گرفته شده است. زمان رانندگی، توپولوژی و شرایط ترافیک جاده‌ای که با محدودیت‌های سرعت در شبکه مسیر اصلی حمل‌ونقل تعریف شده‌اند، برای تجزیه و تحلیل پوشش خدمات اضطراری در مدت زمان پاسخگویی 5 دقیقه در نظر گرفته می‌شوند. معیار تراکم مواد خطرناک (DHM) در این مطالعه به منظور شناسایی تقاضا برای خدمات اضطراری در یا نزدیک مناطق کاربری زمین که دارای ایستگاه های گاز و نفت، تاسیسات صنعتی و انباری حاوی مواد خطرناک مانند گازهای نفتی فشرده و مایع هستند، گنجانده شد. LPG) [ 38]. این مناطق در معرض خطر اغلب منابع آتش سوزی و انفجار هستند و بنابراین باید در برنامه ریزی امکانات اضطراری جدید اولویت داشته باشند. استانبول به عنوان یک مرکز تاریخی، فرهنگی و توریستی، همچنان ساختمان قدیمی و معماری مسکن ساخته شده از چوب را حفظ کرده است که به راحتی آتش گرفته و گسترش آتش و حوادث مربوط به آن را افزایش می دهد. معیار تراکم ساختمان چوبی (WBD) در برنامه‌ریزی امکانات اضطراری جدید در این مناطق با شیوع تراکم بالای ساختمان‌های چوبی حیاتی است. مناطق بحرانی زیست‌محیطی مستعد خطر لرزه‌ای برای استقرار ایستگاه‌های آتش‌نشانی جدید ترجیح داده نمی‌شوند، که در نتیجه باید تا حد امکان دورتر از این مناطق قرار گیرند [ 48 ].]. به همین دلیل، معیار فاصله تا خطر زلزله (DER) در تحقیق ما در نظر گرفته شده است زیرا استانبول در برابر وقوع زلزله‌هایی که باعث آسیب‌های زیرساختی عظیم می‌شوند آسیب‌پذیر است. خطرات پس از زلزله، که باعث آتش سوزی پس از اشتعال می شوند، اغلب منجر به خسارات گسترده تری نسبت به زلزله اولیه می شوند. به همین دلیل، توصیه می‌شود که تأسیسات اضطراری جدید دور از این مناطق روان‌گرایی با خطر لرزه‌ای بالا ساخته شود، به‌عنوان مثال، در یک رویداد زلزله، آسیب به خیابان‌ها و بزرگراه‌ها باعث می‌شود وسایل نقلیه اورژانس و ماشین‌های آتش نشانی از رسیدن به اورژانس جلوگیری کنند. سایت های.
شرح خلاصه ای از معیارها و تأثیر آنها بر مکان یابی ایستگاه آتش نشانی شهری جدید در جدول 1 آورده شده است.
جمع‌آوری و آماده‌سازی داده‌ها مؤلفه‌های بسیار حیاتی بود، زیرا اجرای موفقیت‌آمیز این تحقیق به پایایی و دقت این روش‌ها بستگی دارد. بیشتر داده‌ها از شهرداری کلان‌شهر استانبول (IMM) جمع‌آوری شده‌اند و نشان‌دهنده به‌روزترین سوابق از لایه‌های شبکه اصلی جاده، مکان ایستگاه‌های آتش‌نشانی موجود، مکان‌هایی از تاسیسات دارای مواد خطرناک شامل ایستگاه‌های نفت، طبیعی و فرآوری شده است. گازها/روغن ها، گازهای فشرده، گازهای نفتی مایع (LPG) و سایر مواد شیمیایی. تراکم جمعیت از موسسه آمار ترکیه (TUIK) [ 2 ] و نقشه خطر زلزله برای ارزیابی فواصل تا مناطق در معرض خطر زلزله از پروژه HAZTURK [ 49 ] به دست آمد.]. توصیه می‌شود که در محیط‌های شهری متمرکز، حداقل مساحت قطعه برای ساخت تجهیزات آتش‌نشانی و خدمات فوریت‌های پزشکی باید تقریباً بین 1000 تا 1500 متر مربع تا 3000 متر مربع برای ایستگاه‌های کوچک و متوسط ​​باشد تا بتواند آتش کامل و اورژانس را در خود جای دهد. برنامه های خدماتی [ 38 ، 48 ]. در این تحقیق، پردازش و تجزیه و تحلیل داده‌ها در قالب لایه‌های نقشه معیارها در سطح زیر ناحیه با استفاده از نرم‌افزار ESRI ArcGIS 10.3 با وضوح سلول فضایی 50×50 متر مربع، با در نظر گرفتن مساحت پلات در محدوده بیان‌شده، پیشنهاد شد . دستورالعمل های مورد نیاز سایت

2.3. روش تحقیق

متدولوژی AHP-Entropy مبتنی بر GIS با تعریف هدف تصمیم گیری برای ارزیابی مناسب بودن مکان یابی تاسیسات جدید آتش نشانی شهری در استانبول آغاز شد. در چارچوب این مطالعه، روش تحقیق همانطور که در شکل 3 نشان داده شده است، ترسیم شد .
در این راستا، غربالگری عوامل مؤثر بر اساس مرور ادبیات، دانش و تجربه کارشناسان انجام شد. در یک رویکرد تصمیم‌گیری گروهی (GDM)، هیئتی از تصمیم‌گیرندگان (DMs) انتخاب شدند که دانش و تجربه لازم در برنامه‌ریزی بلایا و اضطراری و کارهای مرتبط را داشتند، متشکل از متخصصان دانشگاهی، برنامه‌ریزان و پرسنل آتش نشانی. با استفاده از تکنیک دلفی، DM ها مورد مصاحبه قرار گرفتند، که از آن ترجیحات معیارهای آنها با روش مقایسه زوجی AHP برای استخراج وزن معیارهای ذهنی به دست آمد. پس از بررسی سازگاری در قضاوت های DM، از روش آنتروپی برای محاسبه وزن معیارهای هدف استفاده شد. نتایج حاصل از هر دو روش AHP و آنتروپی برای محاسبه وزن معیارهای نهایی که متعاقباً به عنوان ورودی در GIS از طریق روش ترکیب خطی وزنی (WLC) تابع تجزیه و تحلیل مجموع وزنی استفاده شد، ادغام شدند و برای تولید نهایی نقشه تناسب شطرنجی مجدداً طبقه‌بندی شدند. سایت های جدید تاسیسات آتش نشانی شهری سپس یک روش تحلیل حساسیت فضایی (SA) برای اعتبارسنجی مدل انجام شد.

2.3.1. AHP

فرآیند تحلیل سلسله مراتبی (AHP) [ 9 ] یک روش تجزیه و تحلیل تصمیم گیری چند معیاره جامع (MCDA) است که از ساختارهای سلسله مراتبی برای ارزیابی مسائل تصمیم گیری پیچیده از طریق مجموعه ای از مقایسه های زوجی برای معیارهای وزن دهی استفاده می کند. این مقایسه‌های زوجی بر اساس قضاوت‌های متخصص یا تصمیم‌گیرنده (DM) است که برای ترکیب اولویت‌ها در بین معیارها و گزینه‌های مورد ارزیابی استفاده می‌شود. فرآیند تصمیم‌گیری را می‌توان در اصول اصلی که شامل ساختار مسئله، ارزیابی، تحلیل‌های محاسباتی و ترکیب مدل اولویت است، مشخص کرد.
رویکرد یکپارچه‌سازی GIS و AHP برای مشکل تصمیم‌گیری تسهیلات اضطراری در مطالعه حاضر از تخمین وزن‌های مرتبط با لایه‌های نقشه معیار/ویژگی پیروی می‌کند که متعاقباً با لایه‌های نقشه ویژگی با استفاده از یک قانون ترکیب خطی وزن‌دار (WLC) ترکیب می‌شوند [ 50 ]. مراحل کلیدی اجرایی به شرح زیر است:
مرحله 1:
تجزیه یک مسئله پیچیده بدون ساختار به اهداف تصمیم گیری، معیارها و جایگزین ها.
گام 2:
توسعه مدل سلسله مراتبی AHP برای استفاده در نقشه تناسب انتخاب تسهیلات اضطراری شهری.
مرحله 3:

طراحی و ساخت یک ماتریس قضاوت با استفاده از روش مقایسه زوجی که نشان دهنده ترجیحات ذهنی کارشناسان از معیارها و گزینه ها است. نتیجه مقایسه ها به صورت یک ماتریس مقایسه زوجی مثبت خواهد بود آ=آمنjو عناصر متقابل برای همه آjمن=1/آمنjهمانطور که در رابطه (1) نشان داده شده است:

آ=[آ11آ12⋯آ1nآ21آ22⋯آ2n⋮⋮⋱⋮آn1آn2⋯آnn]

(من، j=1، 2، …، n)

مرحله 4:
تخصیص ارزش های رتبه بندی با اهمیت نسبی به قضاوت های ذهنی بر اساس مقیاس نسبت 9 نقطه ای پیشنهاد شده توسط ساعتی [ 9 ] و محاسبه وزن های مربوط به هر معیار.
مرحله 5:
بررسی سازگاری ارزیابی های مقایسه زوجی با استفاده از نسبت سازگاری (CR). سازگاری انسجام در قضاوت های DM را در تعیین اولویت های معیارهای مربوطه آنها تضمین می کند. اگر CR < 0.1، سطح سازگاری قابل قبول است و قضاوت های مقایسه قابل اعتماد هستند.
مرحله 6:
ترکیب رتبه‌بندی‌ها (معیارها) و جایگزین‌ها برای محاسبه متغیرهای اولویت کلی برای هر جایگزین تصمیم با استفاده از مجموع وزنی وزن‌های معیار.
2.3.2. روش وزن آنتروپی شانون (EWM)
آنتروپی مفهومی مبتنی بر نظریه اطلاعات است که برای اولین بار توسط شانون [ 51 ] معرفی شد] و به طور گسترده در مهندسی، اقتصاد، فیزیک، مالی، تجزیه و تحلیل طیفی، اطلاعات و علوم فیزیکی، مدل سازی زبان و رشته های اجتماعی استفاده می شود. این معیار اندازه گیری عدم قطعیت یا درجه بی نظمی در یک سیستم یا اطلاعات موجود در داده های اصلی (مقادیر ویژگی گزینه ها) است که با استفاده از نظریه احتمال فرموله شده است. در حل اکثر مسائل MCDA، تعیین وزن معیارها برای نشان دادن سطح اهمیت هر معیار نسبت به سایر معیارهای موثر بر گزینه ها و نتایج تصمیم ضروری است. وزن های آنتروپی می توانند مقدار اطلاعات مفید ارائه شده توسط شاخص را بر اساس تفاوت بین مقادیر ویژگی ها بدون تکیه بر اطلاعات ذهنی کارشناسان یا DM ها تعیین کنند. در مقایسه با روش های وزن دهی مبتنی بر ذهنی،52 ، 53 ]. این وزن‌ها که با روش آنتروپی ارزیابی می‌شوند، وزن‌های هدف نامیده می‌شوند که به این معنی است که هر چه آنتروپی بیشتر باشد، اختلاف مقدار بین اشیاء ارزیابی‌شده کمتر می‌شود و در نتیجه وزن نسبی کمتری حاصل می‌شود و بالعکس. این نشان‌دهنده محتوای اطلاعاتی پایین‌تری است زیرا ممکن است برخی از اطلاعات گم شده یا قابل خواندن نباشد [ 54 ، 55 ].
در سال‌های اخیر، نمونه‌هایی از روش وزن آنتروپی (EWM) که در MCDA مبتنی بر GIS استفاده می‌شود شامل انتخاب محل دفن زباله [ 45 ]، نقشه‌برداری حساسیت زمین لغزش [ 56 ، 57 ، 58 ]، ارزیابی خطر سیل [ 27 ، 59 ] و مهاجرت است. مدل سازی [ 60 ].
وزن هدف را می توان با استفاده از روش آنتروپی شانون با روش های زیر محاسبه کرد [ 8 ، 18 ، 61 ]:
مرحله 1:

تشکیل یک ماتریس تصمیم R که عملکرد m جایگزین های امکان پذیر را با توجه به n ویژگی ارزیابی (معیار) نشان می دهد.

  آر=ایکس=(ایکسمنj)مترn=[r11r12⋯r1nr21r22⋯r2n⋮⋮⋱⋮rمتر1rمتر2⋯rمترn]

(من=1، 2، …، متر; j=1، 2، …، n)

گام 2:
عادی سازی هر یک از معیارهای ماتریس تصمیم گیری برای داشتن معیارهای عملکردی (شاخص) قابل مقایسه و بدون بعد.

دلالت می کند پمنjبه عنوان مقدار استاندارد شده شاخص غیر منفی، ایکسمنj، که معیار عملکرد ویژگی j در گزینه i است که توسط:

پمنj=ایکسمنj∑من=1مترایکسمنj ،          

(من=1، 2، …، متر; j=1، 2، …، n)

مرحله 3:

محاسبه مقدار آنتروپی ( Ej) برای هر معیار با معادله:

Ej=-ک ∑من=1مترپمنjلوگاریتمپمنj ،

(من=1، 2، …، متر; j=1،2، …، n)

جایی که ک=1/لوگاریتم(متر)ثابتی است که تضمین می کند 0≤Ej≤1. هر چه ارزش آن بزرگتر باشد Ej، هر چه درجه تمایز شاخص i بیشتر باشد و اطلاعات بیشتری بدست آید. بنابراین باید وزن بیشتری برای شاخص قائل شد.

مرحله 4:

پس از عادی سازی (1-Ej)، تعیین وزن آنتروپی wjاز صفت j (هر معیار)، به وسیله:

wj=1-Ej∑j=1n(1-Ej) ،     

j=1، 2، …، n

جایی که 0≤wj≤1و ∑j=1nwj=1، به دنبال خواص آنتروپی.

ارزش (1-Ej)به عنوان درجه تنوع شناخته می شود Djاز شاخص j ام. درجه واگرایی اطلاعات ذاتی هر معیار را توصیف می کند. هر چه ارزش آن بزرگتر باشد Dj، تغییر در شاخص j بزرگتر است.
وزن آنتروپی اهمیت معیار را در فرآیند تصمیم گیری مشخص می کند که در آن یک مقدار آنتروپی کوچکتر نشان دهنده وزن مبتنی بر آنتروپی بزرگتر است که اطلاعات بیشتری را می توان از معیار خاص بدست آورد [ 62 ].
2.3.3. AHP-Entropy یکپارچه
اگرچه وزن‌های آنتروپی مشتق‌شده مؤثر هستند و اطلاعات مفیدی را به تصویر می‌کشند، اما به شدت بر داده‌های عینی تکیه می‌کنند که غنای دانش و تجربه متخصصان در تصمیم‌گیری را نادیده می‌گیرند که ممکن است با واقعیت و قابل درک بودن وضعیت مشکل همخوانی نداشته باشد. تنها با در نظر گرفتن وزن های آنتروپی، صرف نظر از نظر کارشناس کافی نیست و ممکن است همیشه اهمیت شاخص را در عمل به درستی منعکس نکند، که منجر به تصمیم گیری مغرضانه می شود [ 22 , 63 , 64 , 65]. بنابراین، لازم است ذهنیت AHP و عینیت روش وزن آنتروپی (EWM) ترکیب شود تا اطمینان حاصل شود که وزن ها به طور جامع برای افزایش قابلیت اطمینان و اثربخشی تعیین می شوند. هدف ادغام این دو رویکرد ایجاد دانش و تجربه قضاوت های متخصص و تنوع عینی داده های ارزیابی است.

یک مقدار وزن ترکیبی کلی از رویه وزن دهی AHP و آنتروپی با استفاده از فرم کلی وزن آنتروپی شانون محاسبه می شود. wj*با معادله زیر بدست می آید:

wj*=اسj wj∑j=1nاسj wj ،     

j=1، 2، …، n

جایی که اسjوزن ذهنی محاسبه شده از AHP است، و wjوزن هدف حاصل از روش آنتروپی است.

2.3.4. تجزیه و تحلیل GIS
سیستم اطلاعات جغرافیایی (GIS) یک سیستم کامپیوتری است که با مجموعه ای از ابزارها و قابلیت هایی برای ضبط، ذخیره، دستکاری، مدیریت، تجزیه و تحلیل و تجسم داده های مکانی طراحی شده است. علاوه بر این، هنگامی که با روش‌های تحلیلی MCDA ترکیب می‌شود، GIS قابلیت‌های قدرتمندی را برای رسیدگی به محدودیت‌های GIS در هنگام برخورد با معیارها و اهداف پیچیده متعدد فراهم می‌کند که اساساً به یک سیستم پشتیبانی تصمیم (DSS) تبدیل می‌شود [ 20 ، 66 ، 67 ، 68 ، 69 ]. ادغام GIS و MCDA، از این رو به عنوان GIS-MCDA شناخته می شود، و کاربردهای آن موضوع مورد توجه تحقیقاتی رو به رشد بوده است [ 60 ، 70 ، 71 ، 72 ،73 ].
در مطالعه ما، هدف پیشنهاد مناطق مناسب برای مکان‌یابی امکانات اضطراری شهری در استانبول است و این هدف با انتخاب شش معیار/ویژگی تأثیرگذار عملیاتی می‌شود. این معیارها به‌عنوان عواملی که شایستگی جایگزین‌های گسسته را افزایش یا کاهش می‌دهند یا به‌عنوان محدودیت‌هایی برای محدود کردن جایگزین‌ها شناسایی می‌شوند [ 66 ، 74 ]. نمایش جایگزین های امکان پذیر در قالب یک نقشه مناسب بودن شطرنجی است که از تعداد زیادی سلول شطرنجی در منطقه مورد مطالعه انتخاب شده ما تشکیل شده است.
پس از انتخاب و استخراج معیارها، فرآیندها و تحلیل های اصلی زیر در یک GIS با استفاده از نرم افزار ESRI ArcGIS 10.3 پیاده سازی می شوند:
  • استانداردسازی و استخراج داده‌ها: بیشتر داده‌های ورودی که هر لایه نقشه معیار را نشان می‌دهند در ابتدا در قالب برداری بودند. پس از یک سری عملیات پردازش و مدیریت داده که شامل اتصال فضایی، ماشین حساب میدانی بود، یک فرآیند شطرنجی برای تبدیل داده های مبتنی بر چند ضلعی به داده های شطرنجی انجام شد. لایه‌های نقشه معیار پردازش و نمونه‌برداری شد تا وضوح سلولی 50 × 50 متر مربع بر اساس توصیه‌های منطقه نمودار بیان‌شده در بخش 2.2 و سایر رویه‌ها به عنوان پیش‌نیاز برای مدل‌سازی و تحلیل‌های GIS بیشتر باشد.
  • تجزیه و تحلیل بافر: تجزیه و تحلیل بافر چند حلقه بر روی لایه نقشه راه اصلی برای تولید نقشه های فاصله بافر افزایشی با محدوده ارزشی از 0 تا 300 متر، در فواصل 60 متر انجام شد. طبقه بندی فاصله بافر مورد استفاده برای شبکه جاده ها توسط Erden و Coskun [ 21 ] و از کارهای مشابه توسط Chaudhary و همکاران اتخاذ شد. [ 32 ]. این تجزیه و تحلیل شاخص مناسب برای مکان یابی امکانات اضطراری جدید را که باید در نزدیکی شبکه راه اصلی برای دسترسی آسان گروه های آتش نشانی قرار گیرند، تعیین کرد.
  • تجزیه و تحلیل شبکه: ابزار تجزیه و تحلیل شبکه برای یافتن مناطق خدماتی تاسیسات ایستگاه آتش نشانی موجود در شبکه راه اصلی قابل دسترسی است. این تجزیه و تحلیل کارایی و شکاف پوشش ایستگاه آتش نشانی فعلی را برای زمان سفر تعریف شده (زمان پاسخ اضطراری 5 دقیقه) با استفاده از جاده های اصلی در مقادیر امپدانس از 1 تا 5 دقیقه نشان داد. مناطق خدماتی با استفاده از اطلاعات ویژگی در تقاطع‌های هر لایه بخش خط جاده که شامل سه طبقه‌بندی نوع جاده (محلی، اصلی و بزرگراه)، محدودیت‌های سرعت مربوطه (به کیلومتر در ساعت) و طول بخش جاده (بر حسب کیلومتر) بود، ارزیابی شد. سپس زمان سفر برای هر بخش جاده در جدول ویژگی داده‌های لایه اصلی جاده با استفاده از اطلاعات ویژگی سه نوع جاده و محدودیت‌های سرعت مربوطه آنها – محلی (30 کیلومتر در ساعت)، اصلی (60 کیلومتر در ساعت) ارزیابی شد. و بزرگراه ها (90 کیلومتر در ساعت). توپولوژی لایه جاده با استفاده از مجموعه داده شبکه جدید تولید شده از لایه جاده ایجاد شد. این مجموعه داده شبکه، شبکه جاده واقعی استانبول را شبیه سازی کرد.
معیارها با استفاده از مسافت واقعی سفر، سرعت خودرو، تاخیرهای زمانی ناشی از شرایط جاده مانند تراکم، اتصال شبکه جاده‌ای و در نظر گرفتن جاده‌های یک طرفه یا غیرقابل استفاده تجزیه و تحلیل شدند. مجموعه داده شبکه متعاقباً به عنوان ورودی برای تجزیه و تحلیل منطقه خدمات جدید در تابع تحلیلگر شبکه استفاده شد. چند ضلعی های ناحیه خدماتی با استفاده از نوع همپوشانی حلقه با استفاده از امکانات 121 ایستگاه آتش نشانی فعلی در تنظیمات مقدار امپدانس زمان سفر (دور از مکان های تاسیسات) در محدوده 1 تا 5 دقیقه ایجاد شدند. این مناطق خدماتی سناریوی پوشش ایستگاه آتش نشانی را در زمان سفر واکنش اضطراری 5 دقیقه مدلسازی کردند.

  • تجزیه و تحلیل همپوشانی: با استفاده از یک روش قانون تصمیم جبرانی ترکیب خطی وزنی (WLC) [ 75 ، 76 ]، تمام لایه‌های نقشه معیار در یک نقشه مناسب بودن شطرنجی مکان‌های ایستگاه آتش نشانی شهری جمع می‌شوند. با استفاده از ابزار همپوشانی مجموع وزنی، نقشه تناسب نهایی، S با ضرب هر معیار در تخصیص وزن AHP-Entropy مربوطه و پس از جمع‌بندی نتایج ایجاد می‌شود:

    اس=∑wمنایکسمن

    داده شده wمنبه عنوان وزن معیار منجایی که wمن ϵ [0،1]و ایکسمننمره استاندارد شده معیار است من، ایکسمن ϵ [0،1،2،3،4،5،6].

  • تجزیه و تحلیل میزان حساسیت
در هر فرآیند تصمیم گیری، به ویژه برای روش تصمیم گیری چند معیاره (MCDM)، به دلیل عدم قطعیت در داده های ورودی، پردازش، انتخاب معیارها و آستانه های مربوطه، لازم است تحلیل حساسیت (SA) انجام شود. همچنین بر عوامل برون زا که تصمیم گیرنده (DM) قادر به کنترل آنها نیست، به عنوان مثال، سیاست دولت، آب و هوا [ 55 ، 77 ] تأثیر می گذارد. بنابراین، SA پس از حل مسئله انجام می‌شود تا مشخص شود که آیا یک راه‌حل در زمانی که تغییراتی در این داده‌های نامطمئن وجود دارد حفظ می‌شود، بنابراین به طور قابل‌توجهی به تصمیم‌گیری دقیق کمک می‌کند [ 55 ، 78 ].
SA ارتباط بین ورودی ها و خروجی های یک برنامه مدل سازی را بررسی می کند [ 77 ]. همانطور که توسط Saltelli و همکاران تعریف شده است. [ 79 ]، “مطالعه این است که چگونه تغییر در خروجی یک مدل (عددی یا غیر آن) را می توان به صورت کیفی یا کمی به منابع مختلف تغییرات تقسیم کرد و اینکه چگونه مدل به اطلاعات وارد شده به آن بستگی دارد.” . SA در اعتبارسنجی و کالیبره کردن مدل‌های عددی و بررسی استحکام راه‌حل تصمیم نهایی در برابر تغییرات پارامترهای ورودی شناخته شده، کاهشی یا افزایشی در مقادیر [ 55 ، 77 ، 80 ، 81 ، اهمیت دارد.]. در این رابطه، SA بیشتر برای تعیین اینکه چگونه تغییرات در وزن معیارها رتبه‌بندی را تغییر می‌دهند استفاده می‌شود، زیرا وزن معیارها اغلب به عدم قطعیت و مشاجره کمک می‌کنند [ 55 ، 77 ]. این احتمالاً به این دلیل است که مقیاس و ماهیت معیارها ناشناخته است یا به این دلیل که DM ها درکی از ترجیحات معیارهای خود ندارند، یا به ویژه به این دلیل که در تصمیم گیری گروهی (GDM) اغلب امکان کسب بیش از یک مجموعه از معیارها وجود دارد. نتیجه می شود زیرا مجموعه ای از وزن ها بر خلاف مجموعه ای از وزن ها مشتق می شوند [ 77 ]. بنابراین یک راه حل زمانی پایدار در نظر گرفته می شود که رتبه بندی برای تغییرات مختلف در وزن معیارها حفظ شود [ 55 ].
رویکردهای SA فضایی در چندین مطالعه MCDA مبتنی بر GIS برای فعال کردن تجسم جغرافیایی و تجزیه و تحلیل حساسیت وزن همانطور که توسط چندین محقق توصیه شده است استفاده شده است [ 77 ، 82 ، 83 ، 84 ، 85 ، 86 ، 87 ، 88 ، 89 ]. در این مقاله، روش SA یک در یک زمان (OAT) [ 90 ، 91 ] برای تخمین حساسیت وزن معیارها با تغییر یک عامل ورودی در یک زمان و در عین حال ثابت نگه داشتن سایر عوامل برای تجزیه و تحلیل اثرات حاصله بر روی استفاده می‌شود. خروجی های مدل، به صورت بصری در یک GIS.

اگر وزن صفت i (معیار) از wمندرجهبه wمن، سپس وزن سایر معیارها، wj، همانطور که توسط [ 92 ] ارائه شده تغییر می کند:

wj=(1-wمن 1-wمندرجه)∗wjدرجه

جایی که wjمقدار وزن جدید ویژگی دیگر (معیار) است که باید تغییر کند. wمندرجهو wjدرجهمقادیر وزن اولیه معیارها قبل از قرار گرفتن در معرض SA هستند.

مراحل مختلف درگیر در روش تحقیق به اختصار شرح داده شد. پس از تعیین هدف تصمیم گیری ارزیابی مناسب بودن برای برنامه ریزی مکان های جدید تاسیسات اضطراری در استانبول، غربالگری داده ها و معیارها، فرمول بندی تصمیم گیرندگان (DM) و روش های مصاحبه همانطور که در بخش 2.2 و بخش 2.3 توضیح داده شد، آغاز شد . ترجیحات DMs از شش معیار انتخاب شده برای ارزیابی وزن های ذهنی از طریق رویکرد مقایسه زوجی در روش AHP استفاده شد ( بخش 2.3.1 ). با استفاده از روش آنتروپی شرح داده شده در بخش 2.3.2وزن هدف متعاقباً استخراج شد. برای اطمینان از اینکه وزن معیارها به طور جامع تعیین شده است، روش های AHP و آنتروپی برای محاسبه یک مقدار وزن ترکیبی کلی در فرآیندی که در بخش 2.3.3 ارائه شده است، ادغام شدند . سپس مقدار وزن کلی در GIS برای مدل‌سازی و تحلیل در بخش 2.3.4 پیاده‌سازی شدپس از آماده سازی، پیش پردازش و تجزیه و تحلیل داده های معیارها در قالب لایه های نقشه معیارهای شطرنجی. رویه های اصلی در تجزیه و تحلیل GIS شامل استانداردسازی و استخراج داده ها، بافر، شبکه و تجزیه و تحلیل همپوشانی است. با استفاده از روش ترکیب خطی وزنی (WLC)، وزن‌های حاصل از فرآیند ترکیبی AHP-Entropy بر روی شش لایه نقشه معیارهای جمع‌آوری شده با استفاده از تحلیل همپوشانی مجموع وزن‌دار اعمال شد تا نقشه تناسب نهایی برای برنامه‌ریزی امکانات اضطراری شهری جدید تولید شود. در فرآیند تحلیل حساسیت فضایی (SA) که در پایان بخش 2.3.4 بیان شد، راه حل تصمیم نهایی و مدل AHP-Entropy اعتبار سنجی و برای استحکام بررسی شدند.
بخش بعدی نتایج تحقیق اجرای روش تحقیق را از ارزیابی وزن معیارها با استفاده از تکنیک‌های AHP، آنتروپی و AHP-Entropy یکپارچه ارائه می‌کند. مدل‌سازی GIS، پس از پردازش، تجزیه و تحلیل و طبقه‌بندی مجدد هر یک از شش لایه نقشه معیارهای تجمیع‌شده، منجر به تولید نقشه نهایی تناسب تأسیسات آتش‌نشانی شهری شد. شبیه‌سازی‌های نقشه تحلیل حساسیت فضایی (SA) برای معیارهایی با قوی‌ترین تأثیر برای آزمایش اعتبار مدل و دامنه حساسیت با استفاده از روش یک‌باره (OAT) ارائه شده‌اند.

3. نتایج

3.1. ارزیابی وزن معیارها

از 19 تصمیم گیرنده (DMs)، از جمله متخصصان دانشگاهی و کارشناسان و متخصصان آتش نشانی با بیش از 10 سال تجربه در برنامه ریزی اضطراری دعوت شد تا پرسشنامه ای را با استفاده از تکنیک دلفی پر کنند، که برای بررسی اولویت ها و قضاوت های معیارهای آنها طراحی شده است. قضاوت های ترجیحی DMs منعکس کننده معیارهایی است که آنها در انتخاب مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری مهم ترین معیارها را درک می کنند. نتایج سطح اهمیت در بین معیارهای شش گانه به عنوان ضرایب وزنی با استفاده از روش های AHP، آنتروپی و ترکیبی AHP-Entropy تجزیه و تحلیل و ارزیابی شد.

3.1.1. وزن های ذهنی از AHP

با استفاده از روش AHP، ماتریس مقایسه زوجی برای تمام نوزده DM با میانگین هندسی جمع‌آوری شد تا قضاوت‌های گروه را همانطور که در جدول 2 نشان داده شده است ارائه دهد .
ارزش های Ëمترآایکس(6.037)، CI (0.00739) و CR (0.00596) از محاسبات قضاوت گروهی برای ارزیابی اوزان AHP نهایی استفاده شد. (دبلیو)و رتبه بندی مربوط به شش معیار همانطور که در جدول 3 آورده شده است.
برای بررسی پایایی ارزیابی ها، نسبت سازگاری (CR) 0.00596 محاسبه شد که کمتر از 0.1 بود (نشان دهنده قضاوت های قابل اعتماد و سازگار).
3.1.2. وزن هدف از آنتروپی
پاسخ‌های جمع‌آوری‌شده از DMs نیز برای محاسبه وزن‌های هدف با استفاده از روش وزن آنتروپی شانون (EWM) به دنبال مراحل ذکر شده در بخش 2.3.2 تجزیه و تحلیل شدند . آنتروپی ( Ej)، درجه تنوع (Dj)و وزن معیارهای عینی (دبلیوj)برای ارزیابی مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری در جدول 4 ارائه شده است.
3.1.3. وزن های ذهنی-هدف از مدل AHP-Entropy
در این مطالعه، هر دو مزیت روش‌های AHP و آنتروپی در نظر گرفته شد و بنابراین پیشنهاد شد که روش‌های AHP و آنتروپی برای وزن دادن به معیارهای مسئله تصمیم‌گیری یکپارچه شوند [ 93 ]. وزن ترکیبی AHP-Entropy ( دبلیوj*)با استفاده از معادله (6) از بخش 2.3.3 محاسبه شد و نتایج در جدول 5 نشان داده شده است.
وزن‌های واقعی‌تر با استفاده از این رویکرد محاسبه شد و برای مدل‌سازی و تحلیل GIS بعدی برای ایجاد یک نقشه مناسب نهایی برای ارزیابی مکان‌های مناسب برای تأسیسات ایستگاه آتش نشانی شهری استفاده شد.

3.2. مدل سازی GIS

3.2.1. پردازش، تجزیه و تحلیل و تولید لایه نقشه معیارها

بر اساس شش عامل تعیین‌کننده شناسایی‌شده برای مکان‌یابی مناسب تأسیسات ایستگاه آتش نشانی شهری در استانبول، اینها به عنوان ورودی در یک GIS برای پردازش و تجزیه و تحلیل برای تولید لایه‌های نقشه معیارهای شطرنجی استفاده شدند. هر شش معیار در قالب لایه‌های نقشه معیار پردازش و با وضوح نقشه شطرنجی با اندازه سلول، 50 × 50 متر مربع تجزیه و تحلیل شدند . محدوده مقادیر سلول شطرنجی برای هر نقشه معیار، از کمترین تا بالاترین تناسب، همانطور که در جدول 6 نشان داده شده است.
هر یک از لایه های نقشه معیار که توسط محدوده ارزش کلاس مناسب نشان داده شده در جدول 6 نشان داده شده است ، و رویه های پردازش آنها به طور خلاصه توضیح داده شده است، همانطور که در شکل 4 نشان داده شده است. تعیین اینکه کدام مناطق مناسب هستند به طرح طبقه‌بندی مجدد مورد نظر (طبقه‌بندی کننده شکست‌های طبیعی) نتیجه دامنه مقادیر داده برای نقشه شطرنجی مناسب نهایی که در بخش 3.2.1 تولید می‌شود، بستگی دارد.
  • تراکم جمعیت بالا (HPD): لایه نقشه معیار HPD در ابتدا از داده های جمعیت در هر منطقه فرعی استانبول پردازش شد و برحسب هکتار (هکتار) محاسبه شد ( شکل 4 a). به طور کلی، تعریف ما از تراکم بالای جمعیت توسط محدوده ارزش داده های طبقه بندی مجدد مشخص شده ما تعیین می شود.
  • نزدیکی به جاده اصلی (PMR): لایه نقشه معیار PMR از تجزیه و تحلیل بافر حلقه چندگانه که از جاده های اصلی استانبول در محدوده ارزشی تا 300 متر در فواصل افزایشی 60 متر تعریف شده است پردازش شده است ( شکل 4).ب). داده‌های جاده اصلی با اطلاعات ویژگی برای سه نوع بخش جاده، یعنی محلی، اصلی و بزرگراه‌ها، با محدودیت‌های میانگین سرعت متناظر (بر اساس داده‌های جریان ترافیک و عرض جاده) 30، 60 و 90 کیلومتر در ساعت مشخص شد. نقشه فاصله بافر تولید شده در فواصل مختلف اقلیدسی، سطح دسترسی ماشین‌های آتش‌نشانی را از ایستگاه اضطراری تا مکان‌های اضطراری برای دستیابی به زمان پاسخ بهتر مشخص می‌کند. مناطقی در فواصل بیش از 300 متر از جاده های اصلی کمتر مناسب در نظر گرفته شدند، در حالی که مناطق نزدیک به جاده برای مکان یابی تاسیسات ایستگاه آتش نشانی ایده آل بودند. اتصالات شبکه جاده ای و همچنین عرض (برای عبور راحت تر)، نقاط دسترسی جایگزین به سایت ایستگاه آتش نشانی را فراهم می کرد.
  • فاصله از ایستگاه های آتش نشانی موجود (DEF): با استفاده از تابع تجزیه و تحلیل شبکه همانطور که در بخش 2.3.4 توضیح داده شد ، لایه نقشه معیار DEF در تعیین منطقه خدماتی 121 ایستگاه آتش نشانی موجود و توپولوژی لایه های جاده در امپدانس های سفر پردازش شد. 1 تا 5 دقیقه ( شکل 4 ج).
  • تراکم تأسیسات مواد خطرناک (DHM): برای لایه معیار DHM، پردازش بر اساس تعداد آخرین سوابق مکان تأسیسات با مواد خطرناک و سایر مواد شیمیایی قابل اشتعال انجام شد که شامل گاز مایع (LPG)، ایستگاه های نفت و فشرده می شد. گازها و روغن ها؛ تعیین شده در هر منطقه فرعی استانبول ( شکل 4 د).
  • تراکم ساختمان چوبی (WBD): لایه نقشه معیار WBD با محاسبه نسبت تعداد ساختمان های چوبی به تعداد کل ساختمان های چوبی در هر منطقه فرعی پردازش شد. تراکم ساختمان های چوبی مقادیر نسبت نماینده در هر منطقه فرعی استانبول است ( شکل 4 e).
  • فاصله از خطر زلزله (DER): لایه نقشه معیار DER از نقشه خطر زلزله استانبول مشتق شده است، با مقادیر اوج شتاب زمین (PGA) نشان داده شده در واحدهای گرانش، که مناطق در معرض خطر زلزله را نشان می دهد ( شکل 4).و) برای استانبول، مناطق با خطر لرزه‌ای بالاتر به دلیل نزدیکی به خط گسلی که در امتداد دریای مرمره قرار دارد، به بخش جنوبی نزدیک‌تر هستند. این مناطق نشان دهنده بالاترین مقادیر PGA هستند که نشان دهنده بالاترین خطر زلزله همانطور که در رنگ سبز تیره نشان داده شده است. به همین دلیل، استقرار تأسیسات ایستگاه آتش نشانی در این مناطق که از نظر مناسب بودن کم هستند، ترجیح داده نمی شود. هر چه از این مناطق دورتر باشد، قرار گرفتن در معرض خطر زلزله کمتر و به نوبه خود، تناسب بالاتری خواهد داشت که مقیاس ارزش فاصله ای آن به نتیجه طبقه بندی مجدد انتخاب شده مقادیر داده ها بستگی دارد.
3.2.2. ارزیابی مناسب بودن تاسیسات آتش نشانی شهری
لایه های داده شطرنجی موضوعی که شش معیار را نشان می دهند، از شکل 4 ، در ESRI ArcGIS 10.3 با استفاده از روش ترکیب خطی وزنی (WLC) از طریق معادله (8) تجمیع شدند. وزن‌های نهایی از مدل AHP-Entropy یکپارچه با استفاده از مجموع وزنی (تحلیل همپوشانی) برای هر یک از نقشه‌های معیار اعمال شد و سپس با استفاده از طبقه‌بندی شکست‌های طبیعی (جنک) به پنج دسته از 1 تا 5 طبقه‌بندی شد. 5 (در رنگ قرمز) مناسب ترین مناطق را نشان می دهد، در حالی که ارزش کلاس 1 (در رنگ آبی) کمترین مناطق را برای مکان یابی تاسیسات جدید ایستگاه آتش نشانی شهری نشان می دهد همانطور که در نقشه تناسب ترکیبی نهایی برای استانبول در شکل 5 نشان داده شده است.
ارزیابی کمی از مساحت زمین تحت پوشش هر یک از طبقات تناسب حاصل در جدول 7 آورده شده است.
نتایج پوشش مساحت زمین در تجزیه و تحلیل تناسب 322.68 کیلومتر مربع از مقادیر کلاس نماینده با برچسب‌گذاری 3 تا 5 به‌عنوان متوسط، زیاد و بسیار زیاد است که عمدتاً مناطق شهری استانبول را پوشش می‌دهد.
3.2.3. شبیه سازی فضایی نتایج تحلیل حساسیت
بعد فضایی تجزیه و تحلیل حساسیت (SA) نتایج مدل AHP-Entropy یکپارچه بر حسب وزن معیار با استفاده از روش یک در یک زمان (OAT) ارائه شده توسط رابطه (8) مورد ارزیابی قرار گرفت. این مطالعه تغییر وزن معیارها با قوی‌ترین تأثیر، شناسایی حساسیت معیارهای مربوطه به تغییرات وزن شناخته شده نسبت به ثبات رتبه‌بندی‌ها و تجسم تغییرات فضایی نتایج ارزیابی را در نظر گرفت.
از نتایج نهایی مدل AHP-Entropy، معیارهای HPD و DHM قوی‌ترین تأثیر را بر روی مشکل تصمیم‌گیری مکان تأسیسات آتش‌نشانی شهری داشتند که به ترتیب مقادیر وزنی 29.3 و 27.6 درصد را به دست دادند. بنابراین، تجزیه و تحلیل حساسیت با تنظیم مقادیر وزن معیارهای HPD و DHM به پنج باند وزنی افزایشی جدید 20٪، از 0٪ تا 80٪ انجام شد.
توزیع حاصل از وزن‌ها و رتبه‌بندی‌ها برای بقیه معیارها در جدول 8 و جدول 9 ارائه شده است.
ارزیابی نتایج SA از معیارهای HPD و DHM با استفاده از نرم‌افزار ESRI ArcGIS در قالب نقشه‌های تناسب ترکیبی پردازش‌شده مجدد شبیه‌سازی شد که توزیع جدید مقادیر وزن معیارها را با استفاده از تابع تجزیه و تحلیل مجموع وزنی در خود جای داده است. با استفاده از تابع reclassify در ابزار Spatial Analyst ArcGIS، هر سلول از نقشه های انباشته شده با استفاده از طبقه بندی کننده طبیعی breaks (jenks) به پنج مقدار کلاس مناسبت طبقه بندی شد. خروجی های SA شبیه سازی شده به صورت جغرافیایی در مقادیر وزنی برش 0، 20، 40، 60 و 80 درصد برای هر یک از معیارهای HPD و DHM که در شکل 6 و شکل 7 ارائه شده است، مشاهده شد که منطقه شهری را پوشش می دهد. استانبول برای درک بهتر بصری.
حساسیت خروجی مدل با ارزیابی بصری تغییرپذیری فضایی در نقشه‌های تولید شده در وزن‌های ورودی تعریف‌شده آزمایش شد.

4. بحث

برای دستیابی به یک نتیجه مدل شهودی، واقع بینانه و جامع تر، با استفاده از مزایای هر دو روش وزن دهی که در چندین مطالعه به کار رفته است [ 94 ، 95 ، 96 ، 97 ، 98 ]، از ادغام تکنیک های AHP و آنتروپی در این مطالعه استفاده شد. . بر اساس مطالعه مشابه توسط Erden و Coskun [ 21] که از AHP استفاده کرد، این کار با ترکیب استفاده از AHP و آنتروپی در ارزیابی ذهنی و عینی وزن معیارهایی که برای توصیه مکان‌ها برای تأسیسات اضطراری جدید شهری مرتبط تلقی می‌شوند، مشارکت در تحقیق را گسترش می‌دهد. علاوه بر این، گنجاندن تمرین‌کنندگان آتش نشانی در مطالعه ما، که قبلاً مورد توجه قرار نگرفته بود، قابلیت اطمینان این نتیجه تحقیق را افزایش می‌دهد و بینش‌های ارزشمندی را در مورد دیدگاه پزشکان در تصمیم‌گیری به عنوان بخشی از یک فرآیند مشارکتی منعکس می‌کند. علاوه بر این، استفاده از تجزیه و تحلیل حساسیت فضایی (SA) بر اساس روش یک در یک زمان (OAT) در تحقیق حاضر به بررسی حساسیت وزن معیارها به تغییرات می‌پردازد و در نتیجه قابلیت مقایسه و استحکام نتایج مدل را افزایش می‌دهد. از نظر فضایی
وزن معیار محاسبه شده و نتایج رتبه بندی از روش AHP-Entropy ( جدول 5 ) نشان می دهد که عوامل تراکم جمعیت بالا (HPD) و تراکم مواد خطرناک (DHM) به ترتیب با وزن های 29.3% و 27.6% دارای قوی ترین تأثیرات بر مشکل مکان یابی تأسیسات آتش نشانی شهری. از سوی دیگر، فاصله تا خطر زلزله (DER) و فاصله تا ایستگاه های آتش نشانی موجود (DEF)، با وزن های متناظر 5.5٪ و 6.6٪، توسط DM ها کمترین و ضعیف ترین تأثیر را در تصمیم گیری درک کردند. – ایجاد نتیجه برخلاف کار قبلی Erden و Coskun [ 21]، معیارهایی که بیشترین تأثیر را داشتند به ترتیب DHM و HPD با وزن 40 درصد و 16 درصد بودند. پژوهش ما از نظر دو معیار که بیشترین تأثیر را بر نتیجه تصمیم دارند، با کار قبلی مطابقت دارد. با این حال، تفاوت در نتایج ارزیابی وزن را می توان تا حد زیادی به دیدگاه ها و ادراک متفاوت گروه های DM نسبت داد. تنها گروهی از دانشگاهیان و متخصصان مرتبط با دانشگاه در اولویت معیارها و ارزیابی وزن با روش AHP در مطالعه قبلی استفاده شدند. 21 ]] در حالی که کار ما ترکیبی ناهمگون از DM ها را شامل می شد که شامل پرسنل و تمرین کنندگان آتش نشانی و کارکنان خط مقدم می شد. در مطالعه قبلی، معیارهایی که کمترین تأثیر را داشتند، DER و DEF بودند که با یافته های تحقیق ما مطابقت دارد. علاوه بر این، تغییرات در ضرایب وزن نتیجه تفاوت در روش های مورد استفاده برای به دست آوردن نتیجه نهایی است، در حالی که کار فعلی ما آنها را با رویکرد آنتروپی ادغام می کند. این بهبودی را در غلبه بر محدودیت‌های AHP با معرفی عینیت برای جلوگیری از دخالت انسان در ارزیابی وزن شاخص ارائه می‌کند، در حالی که در عین حال بر دانش تخصصی و تجربه عملی برای افزایش قابلیت اطمینان و اثربخشی نتیجه تصمیم‌گیری می‌شود.
معیارهای نماینده در GIS، از طریق تجزیه و تحلیل چند معیاره در قالب لایه‌های نقشه معیار پردازش شده، مدل‌سازی و به تصویر کشیده شدند ( شکل 4 ). با استفاده از وزن‌های AHP-Entropy مشتق‌شده، یک رویکرد ترکیبی خطی وزنی (WLC) از یک تابع تجزیه و تحلیل مجموع وزنی برای تجمیع هر یک از لایه‌های نقشه معیار استفاده شد و متعاقباً به پنج مقدار کلاس طبقه‌بندی شد تا یک نقشه مناسب نهایی برای تأسیسات جدید آتش‌نشانی شهری تولید شود. در استانبول همانطور که در نشان داده شده است شکل 5 نشان داده شده است. تفسیر بصری نتایج، مناطقی با خطر آتش سوزی شهری بالقوه بالا را نشان می دهد که برای ساخت و سازهای جدید آتش سوزی و تاسیسات اضطراری شهری اولویت فوری دارند. مقادیر کلاس از 3 تا 5، که به رنگ زرد، نارنجی و قرمز مربوط به تناسب متوسط، زیاد و بسیار بالا نشان داده شده اند، می توانند بر این اساس اولویت بندی شوند (همچنین بسته به دسترسی به سایت و شرایط مکان یابی زمینی). این مناطق با خطر آتش سوزی شهری بالقوه بالا تقریباً یک سوم منطقه مورد بررسی را تشکیل می دهند که حدود 28.1٪ را تشکیل می دهند همانطور که در ارزیابی شده است. جدول 7 ارزیابی شده است.. می توان چنین استنباط کرد که اکثر مناطق مناسب برای برنامه ریزی تاسیسات جدید ایستگاه آتش نشانی در سمت اروپایی استانبول واقع شده اند که همچنین مطابق با مناطقی است که دارای تراکم جمعیت بسیار بالا و تراکم بالای تاسیسات مواد خطرناک هستند. فعالیت صنعتی و تجاری بالا این یافته‌ها با نتایج کار قبلی همخوانی دارند [ 21] که سایت های جدیدی را در منطقه شهری استانبول توصیه می کند. در میان این مناطق مناسب برای تسهیلات جدید اضطراری می توان به مناطق منطقه ای اسنیورت، آوجیلار، بیلیکدوزو، باهچلیولر، گونگورن، کوچوکچکمچه، بایرامپاشا، اسنلر، فاتح، بی اوغلو، شیشلی، کایغتانه، بشیکتاش، ساری یر، باشیکتاش، سارییر، باچلیولر، گونگورن، اسنلر، فاتح، بی اوغلو، شیشلی اشاره کرد. سلطانگزی، باهچلی ولر و زیتین برنو. به طور مشابه، در سمت آسیایی، به ویژه با فعالیت‌های زیرساختی و صنعتی گسترده شهری، مناطق منطقه‌ای که باید برای ارائه خدمات حفاظت آتش کافی در اولویت قرار گیرند عبارتند از Üsküdar، Kadikoy، Ümraniye، Ataşehir، Maltepe، Sancaktepe، Kartal، Tuzla، Pendik و Adalar.
شاخص تناسب بالا در نقشه با مناطق با خطر آتش سوزی شهری بالقوه بالا مطابقت دارد، همگرا با نتایج به دست آمده در [ 21 ] که تا حد زیادی با تسلط معیارهای HPD و DHM که با بالاترین ضرایب وزنی نشان داده شده اند سازگار است. از دیدگاه DM، این معیارها مهم ترین در برنامه ریزی زیرساخت های اضطراری آتش سوزی هستند. در این زمینه، تسلط فاکتورهای HPD و DHM و تأثیر آنها بر حوزه فضایی با استفاده از شبیه‌سازی تحلیل حساسیت (SA) بر اساس تکنیک یک در یک زمان (OAT) مورد بررسی قرار گرفت که نتایج آن ارائه شده در جدول 8 و جدول 9 آورده شده است. تغییرات فضایی به عنوان نقشه‌های تناسب آتش شهری جمع‌آوری شده برای هر یک از معیارهای HPD و DHM در مقادیر وزنی اختصاص داده شده مربوطه 0، 20، 40، 60 درصد و 80 درصد، همانطور که در شکل 6 و شکل نشان داده شده است، تجزیه و تحلیل و مشاهده شد. 7 . توزیع متناظر بقیه وزن معیارها، همانطور که در جدول 8 نشان داده شده است، مجدداً محاسبه شد. جدول 9 ارائه شده است، مجدداً محاسبه شد.. برای معیار HPD، تغییرات کاهشی و افزایشی به مقدار وزن اولیه (اصلی) به ترتیب حدود 10٪ و 10-15٪، تغییرات قابل مشاهده قابل توجهی را در نقشه های تناسب حاصل ایجاد نمی کند. این نشان می‌دهد که در وزن‌های درون باند تغییرات بین 20% تا حدود 40-45%، مدل نسبت به تغییرات ذهنی نیست، در حالی که به تغییرات وزن‌های خارج از این باند حساس است. بنابراین، می توان گفت که حساسیت وزنی مدل معیار HPD در محدوده 20٪ تا حدود 40-45٪ است. پایداری ترتیب اولویت رتبه هنگامی که وزن معیار HPD فراتر از مقدار وزن جدید 40٪ افزایش می یابد نیز با حساسیت مدل مرتبط است ( جدول 8). کاهش و افزایش مقدار وزن معیار اولیه DHM تا حدود 20٪ منجر به تغییرات بصری قابل توجهی در نقشه مناسب نمی شود، که نشان می دهد مدل به تغییرات وزن در محدوده بین 10٪ و 40-45٪ حساس است. برای این منظور، ترتیب اولویت رتبه بندی معیارها هنگامی که وزن معیار DHM از مقدار وزن جدید 40٪ افزایش می یابد، مطابق و مطابق با حساسیت مدل است ( جدول 9 ). نتایج SA همچنین نشان می‌دهد که معیارهای دیگر تأثیر فضایی قابل‌توجهی بر نتیجه تصمیم‌گیری ارزیابی تناسب دارند، زیرا معیارهای HPD و DHM فقط در محدوده‌های حساسیت مدل مشخص شده از وزن‌ها غالب هستند.
نتیجه تحقیق نقشه پایه ای را ارائه می دهد که برای ارزیابی تأثیر بلندمدت تقاضاهای فعلی و آتی خدمات آتش نشانی و اورژانس مفید است. با این حال، نیاز به تطبیق ارائه خدمات بهتر حفاظت از آتش به موازات خواسته های سیستم پیچیده شهری پویا وجود دارد. از این منظر محدودیت هایی در برخی از ابعاد این تحقیق وجود دارد. کلید در میان این موارد در دسترس بودن داده است. متغیرهای اضافی باید در نظر گرفته شوند، مانند کاربری زمین و پوشش برای ارزیابی در دسترس بودن فضاهای باز برای توسعه سایت جدید، و کسب سوابق تاریخی از داده های حادثه آتش سوزی برای برآورد خطر آتش سوزی شهری، همانطور که توسط Uddin و Warnitchai توصیه شده است. 40 ] توصیه می شود.]. اعتبار سنجی نتایج تحقیقات ما با بررسی متقابل مناطق خطر آتش سوزی شهری با داده های واقعی حادثه آتش برای مدل سازی ریسک و گسترش انجام می شود. تحقیقات آینده به سمت گنجاندن این عوامل انتخابی علاوه بر استفاده از سوابق بازرسی ساختمان برای پیش بینی خطر آتش سوزی و بهبود ظرفیت برنامه ریزی تسهیلات اضطراری آتش سوزی هدایت می شود. با همکاری اداره آتش نشانی شهرداری کلانشهر استانبول (IMM) و سیاست گذاران، یک رویکرد مبتنی بر داده برای کمک به بهینه سازی برنامه ریزی تسهیلات آتش نشانی و خدمات اضطراری با استفاده از تکنیک های یادگیری ماشین، کدگذاری جغرافیایی و تجسم اطلاعات جغرافیایی ایجاد خواهد شد. سایر متغیرهای مربوط به اندازه و نوع امکانات آتش نشانی مانند تجهیزات آتش نشانی، تعداد پرسنل و ظرفیت خودرو، باید در بهینه سازی تلاش های برنامه ریزی تسهیلات با توجه به محدودیت های بودجه و استراتژی های صرفه جویی در هزینه در نظر گرفته شود. در این مورد، ممکن است نیازی به ساخت یک ایستگاه آتش نشانی جدید در مناطقی نباشد که گزینه های گسترش زیرساخت های موجود و بهبود ظرفیت اطفای حریق به عنوان جایگزین های مقرون به صرفه برای پاسخگویی مناسب به تقاضای فزاینده برای خدمات حفاظت آتش نشانی ایجاد شود.
یک ارزیابی جامع از خطر آتش سوزی شامل مناطق خارج از مناطق شهری برای در نظر گرفتن اثرات آتش سوزی جنگل در ایستگاه آتش نشانی و برنامه ریزی تسهیلات اضطراری که در محدوده مطالعه فعلی در نظر گرفته نشده است، پیشنهاد می شود.

5. نتیجه گیری ها

این مطالعه چارچوبی را با استفاده از یک مدل AHP-Entropy یکپارچه مبتنی بر GIS برای ارزیابی مناسب بودن مکان‌یابی امکانات اضطراری جدید شهری در فاصله سفر پنج دقیقه‌ای در استانبول، ترکیه ایجاد می‌کند تا توسط برنامه‌ریزان و تصمیم‌گیرندگان درگیر در این زمینه استفاده شود. خدمات مدیریت اضطراری 19 DM و متخصص، از جمله پرسنل آتش نشانی، در فرآیند تصمیم گیری گروهی (GDM) از طریق روش AHP شرکت داشتند. با رویکرد مقایسه زوجی تکنیک AHP، ترجیحات DM ها از اهمیت نسبی شش معیار تعیین کننده از طریق ارزیابی پرسشنامه های اجرا شده با استفاده از تکنیک دلفی به دست آمد. بر اساس این ارزیابی ها، وزن های ذهنی معیارها استخراج شد. با این حال، به دلیل دخالت انسان در وزن معیارها و سایر عدم قطعیت ها که تأثیر منفی بر نتیجه تصمیم دارند، از روش وزن آنتروپی شانون (EWM) برای افزایش عینیت ارزیابی ها استفاده شد. برای دستیابی به یک نتیجه جامع‌تر و قابل اطمینان‌تر، وزن‌های حاصل از روش‌های AHP و آنتروپی ادغام شدند و متعاقباً به عنوان ورودی در GIS از طریق رویکرد ترکیبی خطی وزن‌دار (WLC) برای تولید یک نقشه تناسب نهایی طبقه‌بندی‌شده از مکان‌های جدید تأسیسات اضطراری شهری استفاده شدند. از شاخص های مناسب 39.3 کیلومتر وزن‌های حاصل از روش‌های AHP و آنتروپی ادغام شدند و متعاقباً به‌عنوان ورودی در GIS از طریق رویکرد ترکیبی خطی وزن‌دار (WLC) برای تولید یک نقشه تناسب نهایی طبقه‌بندی‌شده از مکان‌های جدید تأسیسات اضطراری شهری استفاده شدند. از شاخص های مناسب 39.3 کیلومتر وزن‌های حاصل از روش‌های AHP و آنتروپی ادغام شدند و متعاقباً به‌عنوان ورودی در GIS از طریق رویکرد ترکیبی خطی وزن‌دار (WLC) برای تولید یک نقشه تناسب نهایی طبقه‌بندی‌شده از مکان‌های جدید تأسیسات اضطراری شهری استفاده شدند. از شاخص های مناسب 39.3 کیلومتر2 (3.3%)، 77.7 کیلومتر مربع ( 6.8%) و 206.6 کیلومتر مربع ( 18.0%) به ترتیب دارای تناسب بسیار زیاد، زیاد و متوسط ​​طبقه‌بندی شدند. این نتیجه تفسیر و ارزیابی نقشه بصری را تأیید می کند که نشان می دهد تقریباً یک سوم منطقه مورد مطالعه، حدود 28.1 درصد در معرض خطر آتش سوزی شهری است و باید برای برنامه ریزی فوری و ساخت ایستگاه های آتش نشانی شهری جدید برای ارائه خدمات حفاظت آتش کافی در اولویت قرار گیرد. .
دقت و استحکام مدل AHP-Entropy پیشنهادی ما با انجام یک تحلیل حساسیت (SA) با استفاده از روش یک در یک زمان (OAT) که نتایج آن برای معیارهای با قوی‌ترین تأثیر، HPD و DHM، از نظر جغرافیایی تأیید شد. تجسم شده است. حساسیت مدل برای معیار HPD بین تغییرات در مقادیر وزنی 20٪ تا 40-45٪ ارزیابی شد در حالی که برای معیار DHM بین 10٪ و 40-45٪ تعیین شد. این نتیجه با ثبات رتبه‌بندی معیار همبستگی دارد، که سازگاری، استحکام و قابلیت اطمینان مدل را نشان می‌دهد.
روش پیشنهادی ما با ترکیب GIS و AHP-Entropy می‌تواند در سطح جهانی در حوزه‌های کاربردی گسترده‌تر تصمیم‌گیری گروهی مرتبط با برنامه‌ریزی اضطراری و اجتناب از خطر و سایر بلایا تکرار شود، زیرا استفاده از آن آسان، قابل اعتماد و موثر است. یافته‌های تحقیق برای هماهنگی و همکاری با مقامات برنامه‌ریزی استانبول، در راستای استراتژی‌های نظارتی و برنامه‌ریزی برای ارائه خدمات حفاظت آتش و اضطراری کافی، به اشتراک گذاشته خواهد شد. تحقیقات آینده در این رابطه به سمت دستیابی به وقوع آتش سوزی و سایر داده های مرتبط برای مدل سازی بلادرنگ خطر آتش سوزی شهری، استفاده از تکنیک های یادگیری ماشین و هوش مصنوعی است.

منابع

  1. دوسیو، م. Dunarintu، A. تاثیر اجتماعی-اقتصادی شهرنشینی. بین المللی J. Acad. Res. حساب. مالی مدیریت علمی 2012 ، 2 ، 47-52. [ Google Scholar ]
  2. موسسه آماری TUIK ترکیه آمار اصلی، جمعیت و جمعیت. در دسترس آنلاین: https://www.turkstat.gov.tr/UstMenu.do?metod=temelist# (در 21 مارس 2020 قابل دسترسی است).
  3. IMM. گزارش سالانه ; شهرداری کلانشهر استانبول: استانبول، ترکیه، 2016. [ Google Scholar ]
  4. Girgin, S. رویدادهای natech در طول زلزله 17 اوت 1999 Kocaeli: عواقب و درس های آموخته شده. سیستم خطرات زمین. علمی 2011 ، 11 ، 1129-1140. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. بانک جهانی. پروژه کاهش خطر لرزه ای و آمادگی اضطراری ISMEP استانبول ؛ گروه بانک جهانی: استانبول، ترکیه، 2009. [ Google Scholar ]
  6. افشاری، ع. وطن پرست، م. Ćoćkalo، D. کاربرد تصمیم گیری چند معیاره در برنامه ریزی شهری: بررسی. J. Eng. مدیریت رقابت کنید. 2016 ، 6 ، 46-53. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. لین، سی. کو، جی. پنگ، ی. السعدی، FE تجمع نزدیکترین ماتریسهای سازگاری با اجماع قابل قبول در AHP-GDM. ان اپراتور Res. 2020 ، 1-17. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. هوانگ، سی.-ال. یون، کی روش برای تصمیم گیری چند ویژگی. در تصمیم گیری چند ویژگی ; Springer: برلین/هایدلبرگ، آلمان، 1981; صص 58-191. [ Google Scholar ]
  9. Saaty، TL فرآیند سلسله مراتب تحلیلی: برنامه ریزی، تعیین اولویت ها، تخصیص منابع . McGraw-Hill Int. Book Co: نیویورک، نیویورک، ایالات متحده آمریکا، 1980. [ Google Scholar ]
  10. روی، ب. طبقه بندی و انتخاب در حضور دیدگاه های متعدد. Rairo-Oper. Res.-Oper. Res. 1968 ، 2 ، 57-75. [ Google Scholar ]
  11. روی، بی. رویکرد برتری و مبانی روش‌های الکتره. در Readings in Multiple Criteria Decision Aid ; Springer: برلین/هایدلبرگ، آلمان، 1990; صص 155-183. [ Google Scholar ]
  12. دیاکولاکی، دی. ماوروتاس، جی. پاپایاناکیس، L. تعیین وزن هدف در مسائل چند معیاره: روش انتقادی. محاسبه کنید. اپراتور Res. 1995 ، 22 ، 763-770. [ Google Scholar ] [ CrossRef ]
  13. Steuer, R. بهینه سازی چند معیاره: محاسبات تئوری و کاربرد . جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 1986. [ Google Scholar ]
  14. ادواردز، دبلیو. منافع اجتماعی. مهندس اقتصاد 1971 ، 6 ، 119-129. [ Google Scholar ]
  15. ادواردز، دبلیو. چگونه از اندازه گیری سودمندی چند ویژگی برای تصمیم گیری اجتماعی استفاده کنیم. IEEE Trans. سیستم مرد. سایبرن. 1977 ، 7 ، 326-340. [ Google Scholar ] [ CrossRef ]
  16. برانس، جی.-پی. L’ingénièrie de La Decision; Elaboration D’instruments D’aide À La Decision. La Méthode PROMETHEE ; Nadeau, R., Landry, M., Eds. Université Laval, Faculté des Sciences de l’administration: Québec, QC, Canada, 1982. [ Google Scholar ]
  17. برانس، ج.-پی. Vincke, P. Note-A Preference Ranking Method: (The PROMETHEE Method for Multiple Criteria Decision-Making). مدیریت علمی 1985 ، 31 ، 647-656. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. Malczewski، J. Rinner, C. تجزیه و تحلیل تصمیم چند معیاره در علم اطلاعات جغرافیایی ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  19. Malczewski، J. GIS و تجزیه و تحلیل تصمیم گیری چند معیاره . John Wiley and Sons Ltd.: Hoboken, NJ, USA, 1999. [ Google Scholar ]
  20. Malczewski، J. تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS: بررسی ادبیات. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 703-726. [ Google Scholar ] [ CrossRef ]
  21. اردن، تی. Coskun، MZ خطرات طبیعی و علوم سیستم زمین انتخاب سایت چند معیاره برای خدمات آتش نشانی: تعامل با فرآیند سلسله مراتب تحلیلی و سیستم های اطلاعات جغرافیایی. سیستم خطرات زمین. علمی 2010 ، 10 ، 2127-2134. [ Google Scholar ] [ CrossRef ]
  22. زرداری، NH; احمد، ک. شیرازی، س.م. روشهای وزن دهی یوسف، ZB و تأثیر آنها بر نتایج مدل تصمیم گیری چند معیاره در مدیریت منابع آب ؛ Springer: برلین/هایدلبرگ، آلمان، 2015. [ Google Scholar ]
  23. عالیانوری، ع. کتیبه، ح. شریف زاده، م. کاربرد روش AHP دلفی فازی برای تخمین و طبقه بندی تونل قمرود از خطر جریان آب زیرزمینی. عرب جی. ژئوشی. 2012 ، 5 ، 275-284. [ Google Scholar ] [ CrossRef ]
  24. ژنگ، ن. یاماشیکی، YA; تاکارا، ک. یاماشیکی، ی. Tachikawa، Y. ارزیابی آسیب پذیری در برابر خطر سیل منطقه ای از طریق تجزیه و تحلیل چند معیاره فضایی در حوضه رودخانه Huaihe، چین. آنو. جی هیدرول. مهندس Jsce 2009 ، 53 ، 127-132. [ Google Scholar ]
  25. لی، پی. وو، جی. کیان، ح. ارزیابی کیفیت آب های زیرزمینی با دو روش تصمیم گیری چند معیاره. بین المللی جی. ژئومات. Geosci. 2012 ، 2 ، 868-877. [ Google Scholar ]
  26. سهو، م. سهو، س. دار، ع. پرادان، ب. ارزیابی اثربخشی روش های وزن دهی عینی و ذهنی برای ارزیابی آسیب پذیری آبخوان در بافت شهری. جی هیدرول. 2016 ، 541 ، 1303-1315. [ Google Scholar ] [ CrossRef ]
  27. ارتباط دادن.؛ چن، اچ. Xu، C.-Y.; یان، پی. لان، تی. لیو، ز. دونگ، سی. ارزیابی خطر سیل ناگهانی بر اساس روش فرآیند تحلیل سلسله مراتبی بهبود یافته و الگوریتم خوشه‌بندی حداکثر احتمال یکپارچه. جی هیدرول. 2020 , 584 , 124696. [ Google Scholar ] [ CrossRef ]
  28. گارسیا-آیلون، اس. توماس، آ. Ródenas، JL چشم انداز فضایی در ارزیابی پس از زلزله برای بهبود استراتژی های کاهش: تجزیه و تحلیل زمین آماری آسیب لرزه ای به کار گرفته شده در یک مطالعه موردی واقعی. Appl. علمی 2019 ، 9 ، 3182. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  29. لو، پی. بای، اس. طوفانی، وی. Casagli، N. تشخیص زمین لغزش از طریق تجزیه و تحلیل نقطه داغ بهینه شده بر روی پراکنده های پایدار و پراکنده های توزیع شده. Isprs J. Photogramm. Remote Sens. 2019 ، 156 ، 147–159. [ Google Scholar ] [ CrossRef ]
  30. مقصوم، ع. اسلم، بی. خلیل، یو. قربانزاده، ا. اشرف، ح. توفیل، RF; فاروق، د. Blaschke, T. Geo-Information یک مدل DRASTIC مبتنی بر GIS و یک مدل DRASTIC تعدیل شده (DRASTICA) برای ارزیابی حساسیت آب های زیرزمینی در امتداد مسیر کریدور اقتصادی چین-پاکستان (CPEC). ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 332. [ Google Scholar ] [ CrossRef ]
  31. عربامری، الف. کاربرد فرآیند تحلیل سلسله مراتبی (AHP) برای مکان یابی ایستگاه های آتش نشانی: مطالعه موردی شهر ماکو. Merit Res. J. Artsoc. علمی انسانی. 2014 ، 2 ، 001–010. [ Google Scholar ]
  32. چوداری، پ. چهتری، SK; جوشی، KM; Shrestha، BM; Kayastha، P. کاربرد یک فرآیند تحلیل سلسله مراتبی (AHP) در رابط GIS برای انتخاب محل آتش سوزی مناسب: مطالعه موردی از شهر متروپولیتن کاتماندو، نپال. اجتماعی اقتصادی برنامه ریزی کنید. علمی 2016 ، 53 ، 60-71. [ Google Scholar ] [ CrossRef ]
  33. لای، دبلیو. هان لون، ال. چی، ال. جینگ یی، سی. Yi-jiao, C. مطالعه و اجرای برنامه ریزی سایت های آتش نشانی بر اساس GIS و AHP. Procedia Eng. 2011 ، 11 ، 486-495. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. وهاب، اس دی; خیاط، ق مدل‌سازی تحلیل مناسب برای ایجاد ایستگاه‌های آتش‌نشانی جدید در شهر اربیل با استفاده از فرآیند تحلیل سلسله مراتبی و سیستم‌های اطلاعات جغرافیایی. J. Remote Sens. Gis 2014 , 2 , 2052–5583. [ Google Scholar ]
  35. Wang, W. انتخاب مکان ایستگاه های آتش نشانی در شهرها بر اساس سیستم اطلاعات جغرافیایی و فرآیند تحلیل سلسله مراتبی فازی. اینگ. دس سیستم اطلاعات 2019 ، 24 ، 619–626. [ Google Scholar ] [ CrossRef ]
  36. یعقوب، م.م. جلیل، AM ارزیابی خطر آتش سوزی شهری با استفاده از GIS: مطالعه موردی در شارجه، امارات. بین المللی اطلاعات جغرافیایی Res. توسعه دهنده J. 2014 ، 5 ، 1-8. [ Google Scholar ]
  37. دونگ، ایکس. لی، ی. پان، ی. هوانگ، ی. Cheng, X. مطالعه برنامه ریزی ایستگاه آتش نشانی شهری بر اساس ارزیابی خطر آتش سوزی و فناوری GIS. Procedia Eng. 2018 ، 211 ، 124-130. [ Google Scholar ] [ CrossRef ]
  38. حبیبی، ک. لطفی، س. کوهساری، م. تحلیل فضایی مکان های ایستگاه آتش نشانی شهری با ادغام مدل AHP و منطق IO با استفاده از GIS (مطالعه موردی منطقه 6 تهران). J. Appl. علمی 2008 ، 8 ، 3302-3315. [ Google Scholar ] [ CrossRef ]
  39. تالی، ج. مالک، م. دیویا، س. نصرت، ع. Mahalingam، B. مدل مکان – تخصیص اعمال شده به خدمات عمومی شهری: تجزیه و تحلیل فضایی ایستگاه های آتش نشانی در منطقه شهری میسور کارناتاکا، هند. بین المللی J. Adv. Res. توسعه دهنده 2017 ، 2 ، 795-801. [ Google Scholar ]
  40. الدین، م. Warnitchai، P. پشتیبانی تصمیم برای برنامه ریزی زیرساخت: یک مدل مکان-تخصیص جامع برای ایستگاه آتش نشانی در سیستم پیچیده شهری. نات. خطرات 2020 ، 102 ، 1475-1496. [ Google Scholar ] [ CrossRef ]
  41. کانمن، دی. اسلوویچ، اس. اسلوویچ، پی. Tversky، A. قضاوت تحت عدم قطعیت: اکتشافی و سوگیری ها . انتشارات دانشگاه: کمبریج، انگلستان، 1982. [ Google Scholar ]
  42. وبر، ام. تصمیم گیری با اطلاعات ناقص. یورو جی. اوپر. Rcscarch 1987 ، 28 ، 44-57. [ Google Scholar ] [ CrossRef ]
  43. جهان، ع. مصطفی، ف. ساپوان، اس ام. اسماعیل، من; چارچوبی برای وزن دهی معیارها در مرحله رتبه بندی فرآیند انتخاب مواد. بین المللی J. Adv. Manuf. تکنولوژی 2012 ، 58 ، 411-420. [ Google Scholar ] [ CrossRef ]
  44. عالمی اردکانی، م. میلانی، ع. یاناکوپولوس، اس. شکوهی، غ. در مورد تأثیر وزن دهی ذهنی، عینی و ترکیبی در تصمیم گیری چند معیاره: مطالعه موردی بر روی بهینه سازی تاثیر کامپوزیت ها. سیستم خبره Appl. 2016 ، 46 ، 426-438. [ Google Scholar ] [ CrossRef ]
  45. دینگ، ز. زو، ام. وو، زی. فو، ی. لیو، ایکس. ترکیب رویکرد AHP-Entropy با GIS برای انتخاب محل دفن زباله های ساختمانی – مطالعه موردی شنژن. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 2254. [ Google Scholar ] [ CrossRef ][ Green Version ]
  46. دهدشت، گ. سلیم فروتی، م. Zin، RM; Abidin, NZ یک رویکرد ترکیبی با استفاده از آنتروپی و TOPSIS برای انتخاب محرک های کلیدی برای اجرای ساخت و ساز ناب موفق و پایدار. PLoS ONE 2020 , 15 , e0228746. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  47. IMM. مناطق خطر بحرانی و مکان ایستگاه: مطالعه ایمنی و حفاظت در برابر آتش . شهرداری متروپولیتن استانبول: استانبول، ترکیه، 1989; جلد 7. [ Google Scholar ]
  48. EnviroIssues، Entrada/San Juan، New Ventures Group، VIA Architecture. گزارش نهایی مطالعه مکان یابی ایستگاه 20 آتش نشانی ; اداره آتش نشانی سیاتل: سیاتل، WA، ایالات متحده آمریکا، 2008. [ Google Scholar ]
  49. کارامان، اچ. شاهین، م. النشایی، ع. آهین، س. ویژگی های ارزیابی تلفات زلزله Maeviz-Istanbul (Hazturk). J. Earthq. مهندس 2008 ، 12 ، 175-186. [ Google Scholar ] [ CrossRef ]
  50. ایستمن، جی. کیم، پی. تولدانو، جی. Jin, W. GIS و تصمیم گیری (ژنو: UNITAR). مقعدی چند معیاره مدیریت کاربری اراضی. 1993 ، 33-42. [ Google Scholar ]
  51. شانون، سی تئوری ریاضی ارتباطات. بل سیست. فنی J. 1948 , 27 , 379-423. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. دینگ، ایکس. چونگ، ایکس. بائو، ز. ژو، ی. روش ارزیابی جامع ژانگ، اس. فازی بر اساس روش وزن آنتروپی و کاربرد آن در ارزیابی ایمنی محیطی آب منطقه منبع آب آشامیدنی هشن‌شان، منطقه مخزن سه دره، چین. Water 2017 , 9 , 329. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. طاهریون، م. کرموز، م. باغوند، الف. توسعه یک شاخص اتروفیکاسیون فازی مبتنی بر آنتروپی برای ارزیابی کیفیت آب مخزن. جی. محیط زیست. شفا دادن. علمی مهندس 2010 ، 7 ، 1-14. [ Google Scholar ]
  54. Zou، Z.-H. یی، ی. سان، J.-N. روش آنتروپی برای تعیین وزن شاخص های ارزیابی در ارزیابی مصنوعی فازی برای ارزیابی کیفیت آب. جی. محیط زیست. علمی 2006 ، 18 ، 1020-1023. [ Google Scholar ] [ CrossRef ]
  55. مونیر، ن. هونتوریا، ای. Jiménez-Sáez, F. رویکرد استراتژیک در تصمیم گیری چند معیاره ; Springer International Publishing: Cham، سوئیس، 2019. [ Google Scholar ]
  56. جعفری، ع. نجفی، ع. پورقاسمی، HR; رضاییان، ج. ستاریان، الف. نسبت فرکانس مبتنی بر GIS و شاخص مدل‌های آنتروپی برای ارزیابی حساسیت زمین لغزش در جنگل خزر، شمال ایران.بین المللی جی. محیط زیست. علمی تکنولوژی 2014 ، 11 ، 909-926. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  57. یوسف، ع.م. پرادان، بی. پورقاسمی، HR; عبداللهی، س. ارزیابی حساسیت زمین لغزش در حوضه وادی جوره، منطقه جیزان، عربستان سعودی با استفاده از دو مدل دو متغیره در GIS. Geosci. J. 2015 ، 19 ، 449-469. [ Google Scholar ] [ CrossRef ]
  58. وانگ، کیو. لی، دبلیو. یان، اس. وو، ی. نسبت فرکانس مبتنی بر GIS و شاخص مدل‌های آنتروپی به نقشه‌برداری حساسیت زمین لغزش (داگوان، چین).محیط زیست علوم زمین 2016 ، 75 ، 780. [ Google Scholar ] [ CrossRef ]
  59. خو، اچ. مک.؛ لیان، جی. خو، ک. Chaima، E. ارزیابی خطر سیل شهری بر اساس الگوریتم خوشه‌ای K-means یکپارچه و روش وزن آنتروپی بهبود یافته در منطقه هایکو، چین.جی هیدرول. 2018 ، 563 ، 975-986. [ Google Scholar ] [ CrossRef ]
  60. رشید، MFA قابلیت های یک رویکرد تحلیل تصمیم چند معیاره مبتنی بر GIS در مدل سازی مهاجرت.جئوژورنال 2019 ، 84 ، 483-496. [ Google Scholar ] [ CrossRef ]
  61. علی نژاد، ع. خلیلی، ج. روش‌ها و کاربردهای جدید در تصمیم‌گیری با ویژگی‌های چندگانه (MADM) ; Springer: برلین/هایدلبرگ، آلمان، 2019؛ ISBN 9783030150082. [ Google Scholar ]
  62. وو، جی. سان، ج. لیانگ، ال. Zha, Y. تعیین وزن برای بازده متقاطع نهایی با استفاده از آنتروپی شانون. سیستم خبره Appl. 2011 ، 38 ، 5162-5165. [ Google Scholar ] [ CrossRef ]
  63. وانگ، دی. سینگ، وی. زو، ی. وو، جی. خطای مشاهده تصادفی و عدم قطعیت در ارزیابی کیفیت آب. Adv. منبع آب 2009 ، 32 ، 1526-1534. [ Google Scholar ] [ CrossRef ]
  64. وایج، اس. شوپس، جی. Van De Giesen، N. چرا پیش بینی های هیدرولوژیکی باید با استفاده از نظریه اطلاعات ارزیابی شوند. هیدرول. سیستم زمین علمی 2010 ، 14 ، 2545-2558. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  65. کوی، ی. فنگ، پی. جین، جی. لیو، ال. ارزیابی ظرفیت حمل منابع آب و تشخیص بر اساس تجزیه و تحلیل جفت مجموعه و بهبود روش وزن آنتروپی. آنتروپی 2018 ، 20 , 359. [ Google Scholar ] [ CrossRef ][ Green Version ]
  66. ایستمن، جی. جین، دبلیو. پیتر، ا. رویه های Toledano، J. Raster برای تصمیم گیری های چند معیاره / چند هدفه. فتوگرام مهندس سنسورهای از راه دور 1995 , 61 , 539-547. [ Google Scholar ]
  67. Erden، T. بلایا و فعالیت های مدیریت اضطراری توسط ابزارهای جغرافیایی با اشاره ویژه به ترکیه. Disaster Adv. 2012 ، 5 ، 29-36. [ Google Scholar ]
  68. Jankowski، P. یکپارچه سازی سیستم های اطلاعات جغرافیایی و روش های تصمیم گیری چند معیاره. بین المللی جی. جئوگر. Inf. سیستم 1995 ، 9 ، 251-273. [ Google Scholar ] [ CrossRef ]
  69. نایمبیلی، PH; Erden، T. سیستم های پشتیبانی تصمیم گیری فضایی (SDSS) و برنامه های نرم افزاری برای مدیریت بلایای زلزله با اشاره ویژه به ترکیه. نات. خطرات 2018 ، 90 ، 1485-1507. [ Google Scholar ] [ CrossRef ]
  70. اردن، تی. Karaman, H. تجزیه و تحلیل پارامترهای زلزله برای تولید نقشه های خطر با ادغام AHP و GIS برای منطقه Küçükçekmece. سیستم خطرات زمین. علمی 2012 ، 12 ، 475-483. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  71. کارامان، اچ. Erden، T. ایجاد نقشه خطر زلزله خالص و عناصر در معرض خطر (NEaR) برای شهر استانبول از طریق تجزیه و تحلیل تصمیم گیری چند معیاره فضایی. نات. خطرات 2014 ، 73 ، 685-709. [ Google Scholar ] [ CrossRef ]
  72. Malczewski، J. Rinner, C. GIScience, Spatial Analysis, and Decision Support. در تجزیه و تحلیل تصمیم گیری چند معیاره در علم اطلاعات جغرافیایی ; Springer: برلین/هایدلبرگ، آلمان، 2015; ص 2-21. [ Google Scholar ]
  73. نایمبیلی، PH; اردن، تی. Karaman, H. ادغام GIS، AHP و TOPSIS برای تجزیه و تحلیل خطر زلزله. نات. خطرات 2018 ، 92 ، 1523-1546. [ Google Scholar ] [ CrossRef ]
  74. ایستمن، جی آر IDRISI Taiga Guide to GIS and Image Processing ; Clark Labs دانشگاه کلارک: Worcester، MA، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  75. کارور، اس جی ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. بین المللی جی. جئوگر. Inf. سیستم 1991 ، 5 ، 321-339. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  76. نیرگس، تی. یانکوفسکی، پی. منطقه ای و شهری GIS: یک رویکرد پشتیبانی تصمیم . Guilford Press: نیویورک، نیویورک، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  77. چن، ی. یو، جی. خان، اس. تحلیل حساسیت فضایی وزن‌های چند معیاره در ارزیابی تناسب زمین مبتنی بر GIS. محیط زیست مدل. نرم افزار 2010 ، 25 ، 1582-1591. [ Google Scholar ] [ CrossRef ]
  78. علی نژاد، ع. امینی، ع. تحلیل حساسیت تکنیک TOPSIS: نتایج تغییر در وزن یک ویژگی در رتبه بندی نهایی گزینه ها. J. Optim. مهندسی صنعتی 2011 ، 7 ، 23-28. [ Google Scholar ]
  79. سالتلی، ا. چان، ک. اسکات، ام. تجزیه و تحلیل حساسیت. سری احتمالات و آمار ; جان ویلی پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  80. تایس هرست، جی ال. Cresswell، HP; Jakeman، AJ با استفاده از یک مدل مبتنی بر فیزیکی برای انجام تجزیه و تحلیل حساسیت جریان جانبی زیرسطحی در جنوب شرقی استرالیا. محیط زیست مدل. نرم افزار 2003 ، 18 ، 729-740. [ Google Scholar ] [ CrossRef ]
  81. زوراس، اس. تریانتفیلو، ع. هرلی، P. d تجزیه و تحلیل حساسیت شبکه برای کالیبراسیون یک مدل هواشناسی پیش آگهی در زمین پیچیده توسط یک آزمایش غربالگری. محیط زیست مدل. نرم افزار 2007 ، 22 ، 33-39. [ Google Scholar ] [ CrossRef ]
  82. فیک، ر. هال، بی. فیک، RD; Hall, GB International Journal of Geographical Information Science روشی برای بررسی بعد فضایی حساسیت وزنی چند معیاره روشی برای بررسی بعد فضایی حساسیت وزنی چند معیاره. تیلور فر. 2010 ، 18 ، 815-840. [ Google Scholar ] [ CrossRef ]
  83. یو، جی. Wen, J. ارزیابی رضایت چند معیاره از توزیع فضایی پناهگاه های اضطراری شهری بر اساس برآورد جمعیت با دقت بالا. بین المللی J. Disaster Risk Sci. 2016 ، 7 ، 413-429. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  84. چن، ی. یو، جی. خان، اس. چارچوب فضایی برای تجزیه و تحلیل حساسیت وزنی در تصمیم گیری چند معیاره مبتنی بر AHP. محیط زیست مدل. نرم افزار 2013 ، 48 ، 129-140. [ Google Scholar ] [ CrossRef ]
  85. چن، ی. یو، جی. شهباز، ک. Xevi، E. تجزیه و تحلیل حساسیت مبتنی بر GIS وزن های چند معیاره. در مجموعه مقالات هجدهمین کنگره جهانی IMACS/MODSIM، کنز، استرالیا، 13 تا 17 ژوئیه 2009. صص 13-17. [ Google Scholar ]
  86. فیضی زاده، ب. یانکوفسکی، پ. Blaschke، T. رویکرد تحلیل عدم قطعیت و حساسیت صریح فضایی مبتنی بر GIS برای تجزیه و تحلیل تصمیم چند معیاره. محاسبه کنید. Geosci. 2014 ، 64 ، 81-95. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  87. شالاپ-آیچا، س. Jankowski، P. ادغام ارزیابی چند معیاره محلی با تجزیه و تحلیل عدم قطعیت-حساسیت صریح فضایی. تف کردن شناخت. محاسبه کنید. 2016 ، 16 ، 106-132. [ Google Scholar ] [ CrossRef ]
  88. هانسن، اف. می، آر. ون دایک، جی. Rød، JK مجموعه ابزار تحلیل تصمیم چند معیاره فضایی برای مکان یابی بر اساس اجماع ساختارهای انرژی تجدیدپذیر. جی. محیط زیست. ارزیابی کنید. مدیر سیاست 2018 ، 20 ، 1840003. [ Google Scholar ] [ CrossRef ]
  89. المشرقی، م.ح. آخیر، JBM; رحیم، س. لیهان، ک. Haider، تجزیه و تحلیل حساسیت مبتنی بر AR GIS وزن‌های چند معیاره برای ارزیابی تناسب زمین محصول سورگوم در جمهوری استان ایب یمن. J. Basic Appl. علمی Res. 2011 ، 1 ، 1102-1111. [ Google Scholar ]
  90. Daniel, C. 131 توجه: در مورد تغییر یک عامل در یک زمان. بیومتریک 1958 ، 14 ، 430-431. [ Google Scholar ] [ CrossRef ]
  91. دانیل، سی. برنامه های یکباره. مربا. آمار دانشیار 1973 ، 68 ، 353-360. [ Google Scholar ] [ CrossRef ]
  92. معماریانی، ع. امینی، ع. علی‌نژاد، الف. تحلیل حساسیت روش وزن‌دهی ساده افزودنی (SAW): نتایج تغییر در وزن یک ویژگی در رتبه‌بندی نهایی گزینه‌ها. J. Ind. Eng. 2009 ، 4 ، 13-18. [ Google Scholar ]
  93. فنگ، سی. چن، سی. تعیین وزن معیارها روش وزن دهی به خطر افتاده. Traffic Transp. 1992 ، 14 ، 51-67. [ Google Scholar ]
  94. زنگ، اف. لی، ز. ژو، ز. Du, S. سیستم فیوژن تصمیم گیری طبقه بندی خطا بر اساس وزن های ترکیبی و روش رای گیری بهبود یافته. Processes 2019 , 7 , 783. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  95. زنگنه مادر، ز. مصلی، او. کاربرد آنتروپی FAHP و شانون در ارزیابی اهمیت معیارها در زوال خط لوله . ICSC15: ونکوور، BC، کانادا، 2015. [ Google Scholar ]
  96. Al-Aomar, R. یک روش ترکیبی ahp-آنتروپی برای استخراج وزن معیارهای ذهنی و عینی. بین المللی J Ind. Eng. تئوری کاربردی Pr. 2010 ، 17 ، 12-24. [ Google Scholar ]
  97. وو، جی. دوان، ک. زو، جی. ژائو، ایکس. تانگ، دی. ارزیابی پایداری یکپارچه جامعه مسکونی اجاره ای عمومی بر اساس روش ترکیبی AHP-Entropy Weight and Cloud Model. Sustainability 2017 , 9 , 603. [ Google Scholar ] [ CrossRef ][ Green Version ]
  98. سینگ، جی. شارما، SK; Srivastava، R. ارزیابی اولویت مبتنی بر آنتروپی AHP عوامل کاهش مصرف سوخت هواپیما. بین المللی جی. سیست. ایسور. مهندس مدیریت 2019 ، 10 ، 212-227. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00419 g001 550
شکل 1. استان استانبول ایستگاه های آتش نشانی موجود و تراکم جمعیت را نشان می دهد.
Ijgi 09 00419 g002 550
شکل 2. نقشه تفصیلی که مناطق کلان شهر استانبول را نشان می دهد.
Ijgi 09 00419 g003 550
شکل 3. نمودار جریان مدل AHP-Entropy مبتنی بر GIS برای مناسب بودن ایستگاه آتش نشانی شهری جدید.
Ijgi 09 00419 g004a 550 Ijgi 09 00419 g004b 550 Ijgi 09 00419 g004c 550
شکل 4. ( الف ) لایه نقشه معیار تراکم جمعیت بالا (HPD) پردازش شده مربوط به مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری. ( ب ) لایه نقشه معیار نزدیکی پردازش شده به جاده اصلی (PMR) مربوط به مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری. ( ج ) لایه نقشه معیار فاصله پردازش شده از ایستگاه های آتش نشانی موجود (DEF) مربوط به مکان های مناسب برای تأسیسات ایستگاه آتش نشانی شهری. د ) لایه نقشه معیار DHM پردازش شده (تراکم تأسیسات مواد خطرناک) مربوط به مکان های مناسب برای تأسیسات ایستگاه آتش نشانی شهری. ( ه) لایه نقشه معیار تراکم ساختمان چوبی پردازش شده (WBD) مربوط به مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری. ( و) لایه نقشه معیار فاصله پردازش شده از خطر زلزله (DER) مربوط به مکان های مناسب برای تاسیسات ایستگاه آتش نشانی شهری.
Ijgi 09 00419 g005 550
شکل 5. نقشه نهایی مناسب بودن ایستگاه آتش نشانی شهری استان استانبول.
Ijgi 09 00419 g006 550
شکل 6. ( a-f ) خروجی های تجزیه و تحلیل حساسیت شبیه سازی شده (SA) از نظر جغرافیایی در مقادیر وزن برش 0، 20، 29.3، 40، 60 درصد و 80 درصد برای معیار HPD مشاهده شد.
Ijgi 09 00419 g007 550
شکل 7. ( a-f ) خروجی های SA شبیه سازی شده به صورت جغرافیایی در مقادیر وزنی برش 0، 20، 27.6، 40، 60 درصد و 80 درصد برای معیار DHM مشاهده شدند.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید