درک ویژگی هایی که تحرک را شکل می دهند می تواند به دستیابی به سیستم های حمل و نقل پایدارتر کمک کند. مجموعه قابل توجهی از مطالعات علمی سعی در تعیین این ویژگی ها در سطح شهری دارند. با این حال، فقدان مطالعاتی که آن عوامل را برای مناطق ناهمگن موجود در حومه شهرهای بزرگ تحلیل کند، وجود دارد. مطالعه ارائه شده در این مقاله قصد دارد این شکاف را در زمینه دو کریدور شهری در منطقه مادرید پر کند. تجزیه و تحلیل همبستگی برای بررسی اینکه چگونه الگوهای تحرک تحت تأثیر متغیرهای فرم اجتماعی-اقتصادی و شهری قرار می گیرند استفاده می شود. سپس، یک تحلیل خوشه‌ای برای طبقه‌بندی انواع مناطقی که ممکن است در حومه شهر پیدا کنیم، انجام می‌شود. نتایج نشان می‌دهد که ویژگی‌های اصلی منجر به استفاده بیشتر از خودرو، تراکم کم شهری، فعالیت‌های محلی کم، درصد بالای کودکان، و درصد پایینی از سالمندان. در مورد فاصله متغیر تا مرکز شهر، استفاده از ماشین را توضیح نمی دهد. علاوه بر این، برخی از مناطق دور افتاده سفرهای پیاده روی زیادی دارند. این در تحلیل خوشه ای به خوبی قابل درک است. مناطق دور از مرکز شهر وجود دارد، اما متراکم و به خوبی فراهم شده است، که به عنوان مراکز شهری خودکفا عمل می کنند. نتایج تئوری های چند مرکزیت را به عنوان راه حلی برای چالش پراکندگی شهری تقویت می کند.

کلید واژه ها:

تحرک حومه شهر ; عوامل توضیحی ؛ راهروهای شهری ; فرم شهری ؛ کاربری زمین ؛ ویژگی های اجتماعی و اقتصادی ; سفرهای اقامتی ؛ نظرسنجی خانوار ; سفرهای اقامتی

1. مقدمه

شهرها مراکز نوآوری، ثروت و ایجاد شغل هستند، اما اغلب با آلودگی هوا، صدا، گرما و بیماری مشخص می شوند [ 1 ، 2 ]. یکی از چالش های اصلی شهرها در تلاش برای رسیدگی به این مشکلات، تحرک شهری است [ 3 ، 4 ، 5 ]. در واقع، دستیابی به یک تحرک پایدار به یکی از گسترده ترین اهداف در برنامه های سیاست تبدیل شده است، صرف نظر از ایدئولوژی سیاسی تصمیم گیرنده [ 6 ، 7 ، 8 ].]. حفاظت از محیط زیست یا دستیابی به محیط‌های شهری سالم‌تر، اکنون از اهداف اصلی حمل‌ونقل و برنامه‌ریزان شهری است. اقدامات برای دستیابی به این اهداف به خوبی شناخته شده است، و حتی توافق بین بازیگران اصلی در مورد آنچه باید انجام شود وجود دارد (به عنوان مثال، ترویج تغییر روش به سمت پیاده روی، دوچرخه سواری، و حمل و نقل عمومی، کاهش طول سفر یا تشویق کارآیی بیشتر) [ 9 ].
در سطح اروپا، تولید و انتشار اسناد رسمی توصیه‌کننده سیاست‌هایی برای دستیابی به تحرک پایدارتر نیز گسترده و متنوع است [ 10 ، 11 ، 12 ]. در نتیجه، اکثر شهرهای اروپایی در حال برنامه‌ریزی و اجرای اقداماتی مانند ایجاد خطوط اتوبوس‌های مجزا، اجرای خدمات کرایه دوچرخه، یا پیاده‌روی خیابان‌ها هستند [ 13 ، 14 ]. این مداخلات سیاستی، با هدف بهبود کارایی و کارایی سیستم‌های حمل‌ونقل شهری، معمولاً در شهرهای اصلی اجرا می‌شوند، در حالی که حاشیه‌های آنها اغلب نادیده گرفته می‌شوند [ 15 ]]. با این حال، دقیقاً در شهرهای اصلی است که الگوهای تحرک به ویژه در زمینه اروپایی، عمدتاً به دلیل تراکم و نزدیکی خدمات، پایدارتر هستند [ 16 ، 17 ]. در شهرهای مرکزی، اکثر جایگزین های حمل و نقل در دسترس هستند و با اتومبیل ها قابل رقابت هستند (به عنوان مثال، حمل و نقل عمومی، تحرک مشترک، حمل و نقل کوچک، دوچرخه های عمومی، و غیره) [ 18 ، 19 ].
با وجود این، نه تنها در سطح سیاست و برنامه ریزی، بلکه در تحقیقات نیز توجه کمی به حومه شهرها در مقایسه با شهرهای مرکزی شده است. مطالعات متعدد راه‌هایی را برای دستیابی به سیستم‌های حمل‌ونقل پایدارتر در شهرها تجزیه و تحلیل می‌کنند [ 5 ، 18 ، 20 ، 21 ، 22 ، 23 ، 24 ]، در حالی که ادبیاتی که به طور خاص بر حمل و نقل حومه شهر تمرکز دارد، کمیاب است [ 15 ، 16 ، 17 ]. ژنلتی و همکاران در مقاله مروری خود در مورد رویکردهای برنامه ریزی پایدار در حاشیه شهری. [ 25] دریافت که حاشیه های شهری در تحقیقات برنامه ریزی پایدار مرکزی نیستند. فراتر از این، نویسندگان به این نتیجه می رسند که رویکردهای موجود در ادبیات بیشتر بر مسائل مربوط به زمینه متمرکز است تا ارائه چارچوب های جامع برای برنامه ریزی پایدار. اینجاست که تحقیقات باید به جلو حرکت کند، به ویژه در زمینه کنونی پراکندگی عمومی شهری [ 26 ، 27 ]. جمعیت عمدتاً در مناطق حاشیه ای در حال رشد است که اغلب با مناطق مسکونی کم تراکم و وابسته به خودرو مشخص می شود، جایی که روش های حمل و نقل جایگزین ناکارآمد هستند [ 19 ].
دستیابی به یک سیستم حمل و نقل شهری پایدار در سطح منطقه ای مستلزم درک عوامل موثر بر الگوهای تحرک شهری است [ 28 ]. مجموعه قابل توجهی از مطالعات علمی تلاش می کند تا مشخص کند که این عوامل چیست و چقدر مهم هستند [ 29 ، 30 ، 31 ، 32 ، 33 ، 34 ، 35 ، 36 ، 37 ، 38 ، 39 ]. برخی از آنها به عوامل مرتبط با فرم شهری و ویژگی های کاربری اراضی اهمیت زیادی می دهند [ 30 ، 34]، در حالی که دیگران توجه خود را بر ویژگی های اجتماعی-اقتصادی و شخصی افراد متمرکز می کنند [ 36 ]. زمینه های تحلیل ها نیز بسیار متنوع است. برخی از مطالعات بر روی یک شهر متمرکز هستند (به عنوان مثال، [ 29 ، 31 ، 36 ])، در حالی که برخی دیگر مقایسه هایی را بین چندین شهر انجام می دهند (به عنوان مثال، [ 30 ، 33 ، 35 ، 37 ، 39 ]). در نهایت، ما همچنین ممکن است مطالعاتی با اهداف مشابه برای مناطق روستایی پیدا کنیم [ 40 ].
با این حال، فقدان مطالعاتی در مورد تحلیل عوامل شکل دهنده تحرک شهری در ناهمگونی مناطقی که حومه شهرهای بزرگ را تشکیل می دهند، وجود دارد. این پژوهش قصد دارد این خلأ را پر کند. برای این هدف، یک رویکرد جامع اتخاذ شده است که تلاش می کند طیف گسترده ای از مفاهیم را در بر گیرد که – طبق ادبیات – می تواند تأثیر مهمی بر الگوهای سفر داشته باشد (به عنوان مثال، جمعیت شناسی، ویژگی های اجتماعی-اقتصادی، تراکم، کاربری زمین، دسترسی، در دسترس بودن خودرو). ، و غیره.). این تجزیه و تحلیل در زمینه دو راهرو شهری در منطقه مادرید انجام می شود، با توجه به اینکه ممکن است تفاوت های زیادی بین مناطق مختلف، حتی در یک کریدور وجود داشته باشد.
هدف اصلی تحقیق ارائه شده در این مقاله، درک عوامل تعیین‌کننده الگوهای تحرک روزانه در یک بافت حومه شهری، از طریق روش‌های تکرارپذیر است که در خدمت ساده‌سازی و ساختار اطلاعات جغرافیایی است:
  • در مرحله اول، یک مرور ادبیات گسترده مطالعات قبلی ابتدا برای شناسایی ویژگی‌هایی که ممکن است بر تحرک شهری تأثیر بگذارند، انجام می‌شود. سپس مجموعه ای از شاخص های مورد توافق برای اندازه گیری این ویژگی ها پیشنهاد می شود.
  • در مرحله دوم، تجزیه و تحلیل همبستگی بین شاخص ها و در زمینه مناطق حومه شهر مادرید انجام می شود. این تحلیل‌ها به بررسی روابط بین الگوهای حمل‌ونقل شهری و سایر شرایط مانند ویژگی‌های اجتماعی-اقتصادی یا شکل شهری می‌پردازند.
  • در نهایت، یک تحلیل خوشه ای با استفاده از داده های جغرافیایی گردآوری شده در مجموعه شاخص ها اعمال می شود. از طریق این تکنیک اکتشافی، یک طبقه بندی برای طبقه بندی انواع مناطقی که ممکن است در حومه شهرهای بزرگ پیدا کنیم، ایجاد می شود که از نظر موقعیت جغرافیایی و شرایط شهری و اجتماعی متفاوت هستند.
این تحقیق در قالب پروژه تحقیقاتی U-MOVE [ 41]. هدف نهایی این پروژه ارتقاء سطح شهر (به ویژه مناطق حومه شهر) از آن دسته از برنامه های حمل و نقل است که ممکن است تصمیمات سفر پایدارتری را ترویج کنند (به عنوان مثال، اطلاعات حمل و نقل عمومی). با این حال، کار ارائه شده در اینجا مربوط به مرحله اولیه پروژه است، جایی که هدف اصلی شناسایی متغیرهای توضیحی تصمیمات سفر کاربر در یک بافت شهری است. برای این منظور، تحقیقات در دو راهرو شهری منطقه مادرید توسعه یافته است. جدای از شناسایی ویژگی های مؤثر بر تحرک در این زمینه (به عنوان مثال، تراکم شهری، تنوع، وجود کودکان یا سالمندان)، نتایج این کار مبنایی برای وظایف بعدی پروژه است. برای مثال، خوشه‌های شناسایی‌شده برای جمع‌آوری مناطق حمل‌ونقل با همگنی الگوهای تحرک خدمت می‌کنند.

2. مواد و روشها

2.1. مطالعه موردی: دو راهرو شهری در مادرید

منطقه مادرید دارای 6.5 میلیون نفر جمعیت است که در 179 شهرداری توزیع شده است. شهرداری اصلی و شهر اصلی منطقه مادرید است، منطقه ای مرکزی که 3.2 میلیون نفر در آن زندگی می کنند. توزیع سرزمینی با زیرساخت های جاده ای اصلی آن مرتبط است: هشت بزرگراه شعاعی که توسط سه حلقه دایره ای به هم متصل شده اند ( شکل 1 ). این زیرساخت‌های اصلی جاده‌ای به‌عنوان کریدورهای حمل‌ونقل مختلف عمل می‌کنند که ستون فقرات استفاده از زمین و تحرک در تمام منطقه هستند [ 42 ].
میز 1ویژگی های گسترده راهروها را نشان می دهد. جمعیت منطقه مادرید به ویژه در جنوب متمرکز است (یعنی A-42 و A-5). کریدورهای جنوبی عموماً با کاربری مسکونی و درآمد کمتر خانوار مشخص می شوند. کریدورهای شمالی A-1 و A-6 محورهای مهم درجه سوم هستند، اگرچه A-6 همچنین تعداد زیادی از جمعیت را متمرکز می کند. در کریدور A-2 شرقی، می توانیم هسته های مهم جمعیتی و همچنین مناطق صنعتی را پیدا کنیم. تصمیم کنسرسیوم U-MOVE این بود که راهروهای A-2 و A-6 را به عنوان مطالعات موردی برای پروژه انتخاب کنند. دلایل مختلفی از این تصمیم حمایت می کند. اولاً، این کریدورها سنگین ترین جریان های ترافیکی را حمل می کنند و از نظر جمعیت نیز قابل مقایسه هستند. ثانیاً، هر دو کریدور از نظر کاربری زمین – همانطور که در بالا ذکر شد – و سطح درآمد متفاوت هستند: راهرو A-6 بالاترین میانگین درآمد را ارائه می دهد در حالی که سطوح درآمد در راهرو A-2 با بخش های طبقه متوسط ​​و پایین مطابقت دارد. ثالثاً، هر دو راهرو ارتباط خوبی با مرکز شهر مادرید دارند، از طریق قطارهای شهری، اتوبوس های بین شهری و مترو یا قطار سبک. در نهایت، یک تحلیل مقایسه ای بین هر دو راهرو ممکن است از نقطه نظر استراتژیک مورد علاقه باشد. با توجه به اینکه تا سال 2004 یک خط اتوبوس-HOV در A-6 اجرا شد و تا حدی به دلیل موفقیت این ابتکار، خط اتوبوس-HOV دیگری برای کریدور A-2 در آینده نزدیک برنامه ریزی شده است. تحلیل مقایسه ای بین هر دو راهرو ممکن است از نقطه نظر استراتژیک مورد توجه باشد. با توجه به اینکه تا سال 2004 یک خط اتوبوس-HOV در A-6 اجرا شد و تا حدی به دلیل موفقیت این ابتکار، خط اتوبوس-HOV دیگری برای کریدور A-2 در آینده نزدیک برنامه ریزی شده است. تحلیل مقایسه ای بین هر دو راهرو ممکن است از نقطه نظر استراتژیک مورد توجه باشد. با توجه به اینکه تا سال 2004 یک خط اتوبوس-HOV در A-6 اجرا شد و تا حدی به دلیل موفقیت این ابتکار، خط اتوبوس-HOV دیگری برای کریدور A-2 در آینده نزدیک برنامه ریزی شده است.

2.2. شاخص هایی برای مشخص کردن تحرک شهری در مطالعه موردی

در این تحقیق، از شاخص‌هایی برای کشف ویژگی‌های شهری تعیین‌کننده تحرک روزانه استفاده می‌شود. متغیرهای توضیحی که باید در نظر گرفته شوند از مرور ادبیات مطالعات قبلی با اهداف مشابه استخراج شده اند ( بخش 2.2.1 ). انتخاب و محاسبه شاخص‌ها برای اندازه‌گیری این متغیرها با توجه به اطلاعات و مجموعه داده‌های موجود در مطالعه موردی ( بخش 2.2.2 ) انجام می‌شود.

2.2.1. بررسی ادبیات: مفاهیم و متغیرهای پیرامون تحرک شهری

اصطلاح تحرک شهری در اینجا به عنوان مجموع سفرهای فردی درک می شود [ 43 ]. بنابراین، تحرک شهری تنها به سیستم های حمل و نقل بستگی ندارد، بلکه به ویژگی های اجتماعی-اقتصادی افراد، محیط ساخته شده و توزیع فضایی آن نیز بستگی دارد [ 9 ، 44 ، 45 ]. مطالعات خلاصه شده در زیر این روابط را عمیق تر می کند. متغیرهای مختلف در نظر گرفته شده در هر مطالعه در جدول 2 خلاصه شده است و مبنای انتخاب شاخص هستند:
  • (الف) Handy [ 28 ] در تلاش برای درک رابطه بین شکل شهری و رفتار سفر، مروری بر رویکردهای مختلف انجام می‌دهد. او به اهمیت ارائه جایگزینی برای استفاده از خودرو از طریق طراحی شهری، به ویژه در تحولات جدید اشاره می کند. اگر مناطق مسکونی دارای امکاناتی مانند مغازه، مدرسه یا مراکز بهداشتی باشند، پیاده روی ترویج می شود. حمل و نقل عمومی ممکن است یک گزینه باشد اگر یک پیشنهاد رقابتی از خدمات وجود داشته باشد. در این رابطه، توجه به اتصالات با قطار بسیار مهم است.
  • (ب) Kockelman [ 29 ] همچنین بر تأثیر متغیرهای مربوط به فرم شهری بر تحرک مسکونی تمرکز دارد. او مورد منطقه خلیج سانفرانسیسکو را تحلیل می‌کند و دریافت که ترکیب کاربری متعادل زمین و سطوح دسترسی می‌تواند مرتبط‌تر از سایر متغیرهایی باشد که معمولاً برای پیش‌بینی رفتار سفر استفاده می‌شوند. با این وجود، متغیرهای جمعیتی و اجتماعی-اقتصادی هرگز نباید نادیده گرفته شوند.
  • (ج) جولیانو و نارایان [ 30 ] رابطه بین ویژگی های کاربری زمین و تحرک فردی را بررسی می کنند. آنها با استفاده از داده های خاطرات سفر مقایسه ای بین ایالات متحده و بریتانیای کبیر انجام می دهند. بر اساس این تحقیق، تفاوت در سفرهای روزانه و مایل های طی شده عمدتاً با درآمد خانوار و تراکم شهری توضیح داده می شود.
  • (د) Zang [ 31 ] از داده های یک بررسی سفر در بوستون برای تجزیه و تحلیل اینکه چگونه دسترسی مکانی ممکن است انتخاب های سفر غیر کاری را توضیح دهد استفاده می کند. به غیر از قابلیت دسترسی، بسیاری از متغیرهای توضیحی دیگر در این تحقیق گنجانده شده است ( جدول 2 را ببینید ). اهمیت ویژه ای به ویژگی های خانواده مانند اندازه، ترکیب و نزدیکی به امکاناتی مانند مدارس یا مناطق تفریحی داده می شود.
  • (ه) جولیانو و دارگای [ 32 ] مطالعه انجام شده در [ج] را گسترش دادند. نتایج نشان می‌دهد که جدای از درآمد و تراکم، سایر متغیرهای مربوط به جمعیت، اندازه جمعیت، یا مالکیت خودرو و هزینه‌ها نیز عوامل توضیحی برای تحرک شهری هستند.
  • (و) تجزیه و تحلیل ارائه شده توسط Limtanakool و همکاران. [ 33 ] نشان می‌دهد که چگونه عوامل اجتماعی-اقتصادی، ویژگی‌های کاربری زمین و زمان سفر بر انتخاب حالت تأثیر می‌گذارند. نویسندگان از داده های بررسی ملی سفر هلند در سال 1998 در تجزیه و تحلیل استفاده می کنند و همچنین بر اهمیت اهداف سفر هنگام انتخاب روش حمل و نقل تاکید می کنند.
  • (ز) کانگ و همکاران. [ 34 ] بررسی کنید که چگونه الگوهای تحرک تحت تأثیر فشردگی و اندازه شهری است. این تحقیق با تحقیقات قبلی کاملا متفاوت است. از یک طرف، نویسندگان تنها دو متغیر را در نظر می گیرند و تجزیه و تحلیل بسیار کاملی از هر دو انجام می دهند. از سوی دیگر، داده های تلفن همراه به جای داده های نظرسنجی خانوار برای توصیف الگوهای سفر استفاده می شود. این مطالعه شامل هشت شهر در شمال شرقی چین است.
  • (h) کلینگر و لانزندورف [ 35 ] از مدل های رگرسیون برای تجزیه و تحلیل عوامل تعیین کننده انتخاب های مدال در زمینه سه شهر آلمانی استفاده می کنند. آنها بر متغیرهای مربوط به شکل شهری، اقتصاد اجتماعی و زیرساخت‌های حمل‌ونقل و پیشنهاد تمرکز می‌کنند. داده ها از یک نظرسنجی که به طور خاص برای تحقیق انجام شده است استخراج می شود.
  • (i) بل و راسل [ 36 ] از نظرسنجی سفرهای خانگی برای تجزیه و تحلیل عوامل مؤثر بر انتشار گازهای گلخانه ای افراد در سفرهای روزانه استفاده می کنند. متغیرهای مورد تجزیه و تحلیل عمدتاً به ویژگی های شخصی (به عنوان مثال، شغل، سن، جنسیت، سطح تحصیلات، یا درآمد) مرتبط هستند. مطالعه موردی منطقه شهری بارسلون است و نتایج نقشه‌برداری شده اهمیت موقعیت جغرافیایی را در ارتباط با مرکز شهر نشان می‌دهد.
  • (j) Marcinczak و Bartosiewicz [ 37 ] روابط بین الگوهای رفت و آمد و فرم شهری در لهستان را تعیین می کنند. این مطالعه بر تأثیر ساختار فضایی بر سفرهای روزانه انجام شده برای کار متمرکز است. نتیجه گیری در مورد روند به سمت حومه نشینی حیاتی است، اما تجزیه و تحلیل فقط مکان مشاغل را در نظر می گیرد.
  • (ک) رئول و همکاران. [ 38 ] اثرات عوامل تأثیرگذار بالقوه بر حمل و نقل شهری در آینده را از طریق یک رویکرد نوآورانه تعیین می کند. نتایج بر اساس یک مدل تقاضای حمل و نقل مبتنی بر فعالیت است که برای یک شهر مصنوعی توسعه یافته است. نویسندگان سناریوهای مختلف را برای بررسی حمل و نقل شهری در پس زمینه در دسترس بودن حالت، ساختار شهری یا جمعیت سالخورده تحلیل می‌کنند.
  • (ل) سرین و همکاران. [ 39 ] بر یک موضوع بین‌بخشی تمرکز می‌کند، که به طور فزاینده‌ای قابل توجه است: هم افزایی بین حمل و نقل و سلامت. آنها تجزیه و تحلیل می کنند که چگونه ویژگی های طراحی شهری محلی ممکن است پیاده روی را تشویق کند. برای این منظور، داده های حاصل از بررسی های خاص انجام شده در 14 شهر در سراسر جهان با معیارهای عینی محیط ساخته شده ترکیب شده است. نتایج، ارائه شده در سطح محله، نشان می دهد که عوامل اصلی پیش بینی کننده سهم پیاده روی عبارتند از: تراکم، تعداد تقاطع ها و اتصال حمل و نقل عمومی.
این 10 مطالعه بررسی شده چارچوب مناسبی را برای مفهوم سازی و تعریف متغیرهای اصلی پیرامون تحرک شهری تشکیل می دهند ( جدول 2 ). اکثر آنها داده ها را از نظرسنجی های تحرک جمع آوری می کنند تا الگوهای حمل و نقل را به عنوان متغیرهای وابسته سایر متغیرها تجزیه و تحلیل کنند، همانطور که در مورد این تحقیق وجود دارد. با این حال، تفاوت‌های واضحی در حداقل سه جنبه وجود دارد – متغیرها، زمینه‌ها و نوع سفرهای تحلیل‌شده:
  • در رابطه با متغیرها، برخی از آنها بیشتر بر شکل شهری یا ویژگی‌های کاربری زمین متمرکز هستند (به عنوان مثال، (الف) [ 28 ]، (g) [ 34 ] و (l) [ 39 ]). دیگران بیشتر بر ویژگی های اجتماعی-اقتصادی و شخصی متمرکز هستند (به عنوان مثال، (i) [ 36 ]). به‌علاوه، مطالعات گسترده‌تری وجود دارد که سعی می‌کند طیفی از متغیرهای اجتماعی-اقتصادی و کاربری زمین را شامل شود (به عنوان مثال، (د) [ 31 ] و (ه) [ 32 ]).
  • در مورد زمینه های رسمی، تنوع گسترده ای وجود دارد. رویکردهایی وجود دارند که تنها یک شهر یا منطقه شهری را تحلیل می‌کنند (به عنوان مثال، (ب) [ 29 ]، (د) [ 31 ]، و (i) [ 36 ])، در حالی که دیگران در تحلیل خود شهرهای مختلف را شامل می‌شوند یا یک ملی یا ملی را اتخاذ می‌کنند. حتی رویکرد بین المللی (به عنوان مثال، (c) [ 30 ]، (e) [ 32 ]، (f) [ 33 ]، (h) [ 35 ]، و (j) [ 37 ]). در ارجاع به مطالعات موردی، نوآورانه ترین رویکرد مبتنی بر تجزیه و تحلیل یک شهر مصنوعی از طریق مدل حمل و نقل مبتنی بر فعالیت (k) است [ 38 ].
  • در نهایت، اگرچه اکثر مطالعات همه انواع سفرهای روزانه را در نظر می‌گیرند، اما تحقیقاتی را نیز می‌یابیم که فقط به سفرهای رفت‌وآمد (مثلاً (j) [ 37 ]) یا سفرهای غیر کاری (مثلاً (د) [ 31 ] می‌پردازد.
با توجه به بعد اول یعنی متغیرها، این تحقیق در نظر دارد رویکرد جامع تری نسبت به مطالعات قبلی اتخاذ کند. به لطف مرور ادبیات گسترده، تمام مفاهیم کلیدی و متغیرهای مرتبطی که می‌توانند تحرک شهری را توضیح دهند، در نظر گرفته می‌شوند، مگر اینکه محدودیت‌های داده وجود داشته باشد. با توجه به جنبه دوم، زمینه تجزیه و تحلیل، مطالعه ارائه شده در اینجا مناطق حمل و نقل را در دو کریدور شهری منطقه مادرید تجزیه و تحلیل می کند. این دیدگاه به ویژه بدیع است. علیرغم ارتباط سفرهای حومه شهر – که معمولاً با وابستگی به ماشین مشخص می شود – تحقیقاتی که به طور خاص به تحرک حومه شهر و عوامل تعیین کننده آن می پردازد کمیاب است [ 15 ، 16 ، 17 ، 25 ]]. در نهایت، ما به همه انواع سفرها و اهداف به صورت مجموع می پردازیم. در منطقه مادرید، 57 درصد از سفرها به تحرک شغلی و 43 درصد به تحرک غیر شغلی پاسخ می دهند [ 46 ]. بنابراین، هر تحلیل جزئی تنها با در نظر گرفتن سفرهای رفت و آمد یا سفرهای غیر کاری، بخش مهمی از تحرک روزمره را کنار می گذارد.
2.2.2. در دسترس بودن داده ها و شاخص ها
هدف این پژوهش شناخت عوامل اصلی شکل‌دهنده تحرک شهری است. از آنجایی که تحرک نتیجه سفرهای فردی است، از این پس متغیرهای مربوط به الگوهای حمل و نقل را به عنوان متغیرهای وابسته در نظر خواهیم گرفت (مثلاً شاخص های سهم مودال). از طریق روش‌شناسی‌های مختلف، تعاملات بین متغیرهای حمل‌ونقل و سایر متغیرهای مستقل فهرست‌شده در بالا را بررسی می‌کنیم ( جدول 2 ) مربوط به ویژگی های اجتماعی-اقتصادی یا پیکربندی شهری را بررسی می کنیم. بنابراین، جمع آوری داده ها به پیکربندی و پهنه بندی شاخص های حمل و نقل بستگی دارد. در این راستا، با ارزش ترین منبع داده برای جمع آوری داده های مربوط به رفتار حمل و نقل مسکونی، بررسی های تحرک خانگی (HMS) [ 47 ] است. در منطقه مادرید، HMS در سال 2018 انجام شد [47 ] که منبع اصلی داده برای این مطالعه بوده است. نمونه این نظرسنجی، بر اساس مصاحبه های شخصی، شامل 85064 نفر است که در 1259 منطقه حمل و نقل توزیع شده اند [ 46 ]. این مناطق حمل و نقل به منظور تلاش برای به دست آوردن مناطق یکنواخت از نظر ویژگی های اجتماعی-اقتصادی و شهری تعیین شدند و مبنای جمع آوری و تجمیع همه شاخص ها هستند. شکل 2 مناطق حمل و نقل تحت تأثیر دو کریدور کلان شهر را نشان می دهد که در این تحقیق تجزیه و تحلیل شده است ( 91 = n )، که شهرداری ها را به مناطق کوچکتر تقسیم می کند.
منابع داده ای که در آن اطلاعات مربوط به متغیرهای جدول 2 ممکن است در دسترس باشد در زیر توضیح داده شده است (با حروف بزرگ به ترتیب حروف الفبا A-K نامگذاری شده است). این مجموعه داده ها انتخاب شاخص ها و متغیرهای مرتبط را تعیین می کنند:
  • (الف) بررسی تحرک خانگی (HMS) برای منطقه مادرید [ 48 ]. این مهمترین منبع اطلاعاتی است که برای ساختار و سازماندهی بر اساس مناطق تمام داده های جمع آوری شده خدمت کرده است. این متغیرهای حمل و نقل مانند سهم مدال را فراهم می کند.
  • (ب) داده های باز از سازمان حمل و نقل مادرید [ 49 ]. این پایگاه داده حاوی اطلاعاتی در مورد پیشنهاد و زیرساخت حمل و نقل عمومی (PT) است. داده ها در قالب سیستم های اطلاعات جغرافیایی ارائه شده است. اطلاعات برای هر ایستگاه و خط PT ارائه شده است. بنابراین، داده ها باید برای به دست آوردن شاخص های هر منطقه حمل و نقل جمع شوند.
  • (C) اطلاعات جغرافیایی از وزارت حمل و نقل و دستور کار شهری اسپانیا [ 50 ]. اطلاعات موجود در اینجا بسیار گسترده و متنوع است و قلمرو ملی را در بر می گیرد. مورد توجه ویژه در این مورد، اطلاعات مربوط به طبقه بندی خاک، سطح شهری و جمعیت است. داده ها به عنوان مناطق همگن با توجه به ویژگی های کاربری اراضی آنها ارائه می شود. بنابراین، برای به دست آوردن شاخص‌های تقسیم‌بندی‌های سرزمینی مختلف، تغییراتی – عموماً تجمیع‌ها – مورد نیاز است.
  • (د) سیستم اطلاعات سرزمینی از موسسه آمار در منطقه مادرید [ 51 ]. این شامل نقشه برداری و نقشه خیابان با اطلاعات دقیق برای هر خیابان است. این منبع داده برای محاسبه فواصل و یا به دست آوردن اطلاعات فعالیت ها و عرضه خدمات موجود در مناطق مختلف منطقه بسیار مفید است. با این حال، ساده سازی ارقام برای محاسبه شاخص ها در هر منطقه حمل و نقل ضروری است. به عنوان مثال، تعداد فعالیت ها در هر خیابان ارائه می شود و باید تجمیع شود. در حالی که برآورد فاصله تا مرکز شهر بر اساس مرکز مناطق است.
  • (E) موسسه آماری اسپانیا [ 52 ]. آمار جمعیت، جمعیت شناسی و ویژگی های اجتماعی-اقتصادی ساکنان در هر منطقه را می توان در این منبع داده یافت. برخی ارقام در این منبع در سطح شهرداری به دست آمده است و بنابراین برای به دست آوردن شاخص ها به تفکیک خاصی نیاز است.
جدول 3 شاخص های نهایی محاسبه شده در این تحقیق را نشان می دهد و پایگاه های اطلاعاتی مورد استفاده برای جمع آوری اطلاعات لازم را مشخص می کند. شاخص ها با گردآوری داده های موجود در هر منطقه حمل و نقل محاسبه شده اند. انتخاب و محاسبه شاخص ها از چارچوب مفهومی و طبقه بندی استخراج شده از بررسی ادبیات پیروی می کند ( جدول 2 ). علاوه بر این، شاخص های مورد استفاده در نهایت الزامات مشخص شده توسط [ 53 ] را برآورده می کنند )، شفاف و قابل درک و اندازه‌گیری آسان است. در نهایت با توجه به اینکه روش های این تحقیق شامل تحلیل های همبستگی و خوشه ای است، شاخص ها باید به راحتی به متغیرهای عددی تبدیل شوند.

2.3. تحلیل همبستگی برای تبیین تحرک شهری

یکی از اهداف این تحقیق بررسی چگونگی شکل‌دهی متغیرهای مختلف شهری به الگوهای حمل‌ونقل شهری است. دو نوع آزمون همبستگی برای این مورد استفاده می شود: ضریب همبستگی پیرسون و اسپیرمن رو. شاخص‌های مربوط به سهم مودال و در دسترس بودن خودرو متغیرهای وابسته در نظر گرفته می‌شوند که می‌توانند از طریق متغیرهای مربوط به جمعیت شناسی، ویژگی‌های اجتماعی-اقتصادی، تراکم و تنوع، دسترسی به PT و دسترسی جغرافیایی توضیح داده شوند ( جدول 2 ، ستون 2).
تحلیل همبستگی پیرسون توسط حق شناس و واسیری [ 54 ] و بعداً توسط آلونسو و همکاران اعمال شده است. [ 4 ] برای اهداف مشابه. هر دو مطالعه شهرهای مختلف را از منظر جمعی تجزیه و تحلیل می‌کنند و متغیرهای اندازه شهر، تراکم، و تولید ناخالص داخلی را با سهم مودال خصوصی و PT مرتبط می‌کنند (نمونه: به ترتیب 100 و 23 شهر). تحقیق ارائه شده در این مقاله بسیار دقیق تر و تفکیک شده است. شاخص ها در هر منطقه حمل و نقل و نه در هر شهر تجزیه و تحلیل می شوند (نمونه: n ​​= 91 منطقه حمل و نقل)، و دامنه مفاهیم در نظر گرفته شده به لطف بررسی ادبیات انجام شده گسترده تر و با دقت انتخاب شده است ( بخش 2.2.2).). با این حال، برای اینکه تحلیل معتبر باشد، حداقل یکی از متغیرها باید به طور معمول توزیع شود [ 55 ، 56 ]. یک روش بسیار گسترده برای بررسی اینکه آیا متغیرها به طور معمول توزیع شده اند یا خیر، آزمون کولموگروف-اسمیرنوف و شاپیرو-ویلک است. اگر آزمون معنی دار نباشد (Sig. > 0.05 برای سطح اطمینان 95 درصد)، به این معنی است که توزیع نمونه احتمالاً نرمال است [ 56 ]. جدول 4 نتایج این آزمون را برای متغیرهای حمل و نقل (متغیرهای وابسته) نشان می دهد.

از جدول 4 می توان مشاهده کرد که تنها شاخص های سهم PT و در دسترس بودن خودرو به طور معمول توزیع شده اند. بنابراین، همبستگی این سه متغیر با سایر متغیرها از طریق ضریب پیرسون (1) تحلیل می‌شود:

پیرسون همبستگی ضریب=∑ایکسمن-ایکس¯yمن-y¯ایکسمن-ایکس2yمن-y2
  • x i = مقادیر متغیر x در یک نمونه.
  • ایکس¯= میانگین مقادیر متغیر x .
  • y i = مقادیر متغیر y در یک نمونه.
  • y¯= میانگین مقادیر متغیر y .
مقدار ضریب همبستگی پیرسون در بازه 1- و 1 قرار می گیرد. نزدیکتر بودن به -1 نشان دهنده یک همبستگی منفی قوی و نزدیکتر بودن به 1 نشان دهنده یک همبستگی مثبت قوی است [ 57 ]. مقادیر ضریب 0.1 ± به طور کلی به عنوان یک اثر کوچک، ± 0.3 یک اثر متوسط ​​و ± 0.5 یک اثر قوی در نظر گرفته می شود [ 56 ].
سه متغیر وابسته غیر عادی (یعنی سهم ماشین، سهم پیاده‌روی و میانگین مسافت سفر) از طریق Spearman rho تجزیه و تحلیل می‌شوند. این ضریب همبستگی اسپیرمن یک آمار ناپارامتریک است و بنابراین زمانی که داده ها مفروضات پارامتریک را نقض کرده باشند (مثلاً برای داده های غیرعادی توزیع شده) قابل استفاده است [ 58]. ابتدا داده ها را رتبه بندی می کند و سپس معادله پیرسون را اعمال می کند، و بنابراین تفسیرها برای هر دو ضرایب از نظر مقادیر، دامنه ها و نشانه های آنها مشابه است. تجزیه و تحلیل معناداری به حجم نمونه بستگی دارد. هر چه نمونه کوچکتر باشد، ضرایب پیرسون یا اسپیرمن برای اثبات همبستگی بین متغیرها باید بالاتر باشد. با توجه به فرمول‌های توافق شده که اهمیت و اندازه نمونه را در روش‌های پیرسون و اسپیرمن به هم مرتبط می‌کنند، یک نمونه 28 برای تشخیص همبستگی قوی کافی است و نمونه‌های بزرگتر از 84 برای تأیید اثرات کوچک بین متغیرها مورد نیاز است [ 59 ]. در این مورد، نمونه ( n = 91) به اندازه کافی بزرگ است که می تواند تمام اثرات قوی و متوسط ​​و حتی برخی از اثرات کوچک را ثبت کند.

2.4. تجزیه و تحلیل خوشه ای برای طبقه بندی مناطق حمل و نقل بر اساس الگوهای تحرک

مطالعه کریدورهای شهری A-2 و A-6 از طریق شاخص های تدوین شده توسط منطقه حمل و نقل، مستلزم در نظر گرفتن داده های 91 منطقه است. این تصویری را می دهد که به راحتی قابل تفسیر نیست. اگر اطلاعات به صورت تجمیع شده (مثلاً توسط راهرو یا برای دو راهرو) تجزیه و تحلیل شود، می توان تصویر را ساده کرد، اما بسیاری از ویژگی ها از بین می رفت. مناطق شهری و حومه‌ای در مناطق شهری ممکن است کاملاً با یکدیگر متفاوت باشند، حتی اگر از نظر جغرافیایی نزدیک باشند [ 36 ]]. به عنوان یک راه حل میانی برای ساده کردن این چشم انداز، 91 منطقه با توجه به ویژگی های فرم اجتماعی-اقتصادی و شهری به گروه های همگن طبقه بندی می شوند. این امکان تجزیه و تحلیل الگوهای حمل و نقل مشخصه هر نوع منطقه را بدون از دست دادن ویژگی های مهم فراهم می کند، اما در عین حال ارائه و تفسیر داده ها را آسان تر می کند.
روش مورد استفاده برای طبقه‌بندی، تحلیل خوشه‌ای است که هدف آن کاهش ابعاد یک مجموعه داده با بهره‌برداری از شباهت‌ها و تفاوت‌های بین موارد (مناطق حمل‌ونقل) است [ 4 ]. اگر طبقه بندی دارای تعداد فزاینده ای از کلاس های تودرتو باشد، این رویکرد سلسله مراتبی است، و اگر تعداد خوشه ها قبلاً تصمیم گیری شده باشد، غیر سلسله مراتبی است [ 60 ].
اولین و مهمترین مرحله تجزیه و تحلیل خوشه ای، انتخاب متغیرهای مناسب با توجه به هدف طبقه بندی است [ 61 ]. مو و همکاران [ 62 ] دو توصیه اصلی را برای انتخاب متغیرها ارائه کرد. اولاً، متغیرها باید به طور خاص به اهداف تحلیل خوشه‌ای مرتبط باشند. در این مورد، هدف ایجاد یک طبقه بندی است که بتواند تصویر روشنی از انواع پهنه های موجود در کریدورهای کلان شهرها از نظر موقعیت جغرافیایی و شرایط شهری و اجتماعی ارائه دهد. بنابراین، شاخص های مربوط به تمام این مفاهیم کلیدی (تعریف شده در جدول 2) باید در طبقه بندی گنجانده شود. ثانیاً گنجاندن متغیرهای زیاد مناسب نیست. در عوض، بهتر است برای هر مفهوم یک متغیر در نظر گرفته شود و از مرتبط بودن آنها با هدف اصلی اطمینان حاصل شود. در پاسخ به هدف اولیه این تحقیق، طبقه بندی همچنین باید الگوهای حرکتی مختلف موجود در انواع مختلف مناطق را توضیح دهد. به این دلایل، تنها یک شاخص برای هر مفهوم کلیدی انتخاب می شود. در مواردی که بیش از یک شاخص برای هر مفهوم کلیدی موجود باشد، تأثیر آنها بر الگوهای حمل و نقل در نظر گرفته می شود (به عنوان مثال، تأثیرات بالاتر، با توجه به ضرایب همبستگی ترجیح داده می شود). این معیار همچنین از چند خطی قابل توجهی در بین شاخص های انتخاب شده به عنوان متغیرهای طبقه بندی جلوگیری می کند.
روشی که برای تجزیه و تحلیل خوشه ای در این تحقیق دنبال می شود، روشی است که توسط آلونسو و همکاران پیشنهاد شده است. [ 4 ]، از چندین مرحله تشکیل شده و توسط یک مبنای نظری قوی پشتیبانی می شود [ 61 ، 62 ]. اهداف هر دو مطالعه مشابه هستند: طبقه بندی شهرها برای تجزیه و تحلیل پایداری سیستم های حمل و نقل آنها در آلونسو و همکاران. [ 4 ]، و طبقه بندی مناطق حمل و نقل برای درک عوامل شکل دهنده الگوهای تحرک در این مورد. نمونه در این تحقیق در مقایسه با نمونه 23 شهر مورد تجزیه و تحلیل در مطالعه مرجع ، بزرگتر ( n = 91 منطقه حمل و نقل) است. این تفاوت ممکن است برای به دست آوردن گروه ها و نتایج قابل توجه مثبت باشد [ 62]. مراحل این روش به طور خلاصه به شرح زیر است:
  • عادی سازی شاخص های انتخاب شده با استفاده از فرمول Z-scores.
  • تعداد مناسب خوشه ها را از طریق یک روش سلسله مراتبی تنظیم کنید: روش Ward با اندازه گیری فاصله اقلیدسی مربع. تعداد خوشه ها با توجه به برنامه تجمع و دندروگرام تنظیم می شود.
  • از روش غیر سلسله مراتبی k-means برای آزمایش پایداری خوشه های حاصل استفاده کنید. تعداد خوشه ها در مرحله 2 تعریف شده و تکرارها از مرکزهای به دست آمده با روش Ward شروع می شوند.
  • اعتبار راه حل به دست آمده را تست کنید. از یک طرف، با مقایسه راه حل های به دست آمده توسط دو روش خوشه ای استفاده شده. از سوی دیگر، از طریق تجزیه و تحلیل ANOVA، که نشان می دهد آیا متغیرهای طبقه بندی انتخاب شده به طبقه بندی خوشه کمک می کنند یا خیر.

3. نتایج

در این بخش، نتایج حاصل از تجزیه و تحلیل همبستگی و خوشه ای زون ها ارائه شده است. استفاده از نظرسنجی تحرک خانوار [ 48] به عنوان پایگاه داده اصلی شامل محدودیت های خاصی است. برخی از مناطق از تجزیه و تحلیل مستثنی شده اند زیرا نمونه بررسی های انجام شده در منطقه برای در نظر گرفتن نماینده اطلاعات کافی نیست. این مورد 44 منطقه از 135 منطقه است که در کریدورهای A-2 و A-6 تشکیل شده است. بنابراین، تجزیه و تحلیل برای 91 منطقه حمل و نقل انجام می شود. مناطق مستثنی شده بیشتر در کریدور A-2 قرار دارند که مربوط به مناطق صنعتی است که ساکنان بسیار کمی در آن زندگی می کنند. همچنین ممکن است برخی مناطق را در راهروی A-6 مستثنی کنیم که عمدتاً با فعالیت های درجه سوم مشخص می شود. بنابراین، فرض بر این است که نمونه نهایی نماینده مناطق مسکونی در هر دو راهرو A-2 و A-6 است.

3.1. متغیرهای توضیحی برای الگوهای تحرک شهری

نتایج حاصل از آزمون پیرسون و اسپیرمن در جدول 5 در قالب ضرایب همبستگی نشان داده شده است. ضرایب معنی دار دلالت بر علیت بین متغیرها دارد: در سطح اطمینان 95% اگر با دو ستاره (**) مشخص شده باشد، یا سطح اطمینان 90% اگر با یک ستاره (*) مشخص شده باشد. علاوه بر این، در نظر گرفته می شود که مقادیر مطلق بالاتر از 0.5 نشان دهنده اثرات قوی [ 56 ] است. بنابراین، می توانیم روابط زیر را بین متغیرهای انتقال و سایر متغیرهای توضیحی استنباط کنیم:
  • با توجه به توزیع جمعیتی، وجود کودکان و سالمندان هر دو متغیرهای مرتبطی هستند که تحرک را در جهت‌های متضاد شکل می‌دهند. در مناطقی که درصد بیشتری از جمعیت بالای 65 سال دارند، الگوهای حمل و نقل پایدارتر هستند. استفاده و در دسترس بودن ماشین ها به طور قابل ملاحظه ای کمتر است، سهم پیاده روی بیشتر است، و سفرها کوتاه تر است. میزان بچه‌ها تأثیر قوی‌تر و معکوس‌تری دارد، به‌ویژه در سهم ماشین و پیاده‌روی. مناطقی که درصد بیشتری از جمعیت زیر 14 سال دارند، بسیار وابسته به ماشین هستند و با سفرهای پیاده روی کمی مشخص می شوند. در مورد جمعیت در سن کار یا نرخ زنان، هیچ رابطه قابل توجهی با متغیرهای حمل و نقل، حداقل در سطح منطقه، قابل اثبات نیست.
  • در رابطه با مفهوم اجتماعی-اقتصادی، نتایج به سطوح درآمد به عنوان متغیرهای توضیحی اهمیت زیادی می دهند. در این بافت حومه شهر، خانواده های ثروتمندتر در مناطقی زندگی می کنند که سهم خودرو به ویژه بالاتر است، در حالی که سهم پیاده روی به ویژه کمتر است (مقادیر ضریب مطلق > 0.7). این مناطق پردرآمد همچنین با در دسترس بودن خودرو و مسافت های طولانی طی شده مشخص می شوند. همبستگی مثبت بین درآمد و سهم حمل و نقل عمومی ممکن است تعجب آور باشد. این به این دلیل است که ثروتمندترین مناطق نه چندان دور از مرکز شهر قرار دارند و دارای اتصالات شعاعی با کیفیت با وسایل حمل و نقل عمومی هستند (به عنوان مثال، بسیاری از مناطق در کریدور A-6 با یک خط اتوبوس-HOV به شهر مادرید متصل می شوند).
  • تراکم و تنوع مهمترین نقش را در شکل دادن به تحرک بازی می کند. تعداد ساکنان در هر سطح شهری متغیری است که بیشترین تأثیر را بر متغیرهای حمل و نقل دارد. ضرایب همبستگی نشان می‌دهد که در سکونتگاه‌های کم تراکم، سرعت موتور و به‌ویژه استفاده از خودرو بیشتر است. در مقابل، افرادی که در مناطق شهری فشرده‌تر زندگی می‌کنند، سفرهای کوتاه‌تری دارند و بیشتر پیاده‌روی می‌کنند. در مورد تنوع، مناطقی که فعالیت‌ها و خدمات گسترده‌تری دارند، الگوهای سفر پایدارتری را نشان می‌دهند: وابستگی کمتر به خودرو، سفرهای بیشتر با پای پیاده و مسافت‌های کوتاه‌تر. سهم حمل‌ونقل عمومی تنها متغیر حمل‌ونقل است که با هیچ یک از این متغیرهای تراکم یا مرتبط با تنوع به خوبی توضیح داده نمی‌شود.
  • با توجه به دسترسی به حمل و نقل عمومی، مناطق شهری نزدیک به ایستگاه قطار (بافر 800 متر) استفاده بالاتری از PT دارند. با این حال، اثر متوسط ​​است. در مورد تعداد توقف های PT، تأثیر بسیار بالایی بر سهم خودرو دارد اما تأثیر آن بر استفاده از PT قابل توجه نیست. در این بافت شهری، سهم حمل‌ونقل عمومی به عنوان یک شاخص با تغییرات کمی (از 10 تا 20 درصد) در مقایسه با سهم خودرو (از 30 تا 70 درصد) یا سهم پیاده‌روی (از 20 تا 60 درصد) است. این امر یافتن همبستگی قوی با بقیه متغیرها را دشوار می کند.
  • در نهایت، فاصله تا شهر – مرکز شهرداری مادرید – یک عامل توضیحی بسیار جالب است. این متغیر بیشترین تأثیر را بر سهم حمل و نقل عمومی دارد، حتی اگر تأثیر آن خیلی قوی نباشد (ضریب پیرسون <0.5). همانطور که انتظار می رود، افرادی که نزدیک به مرکز شهر زندگی می کنند، سفرهای بیشتری را با وسایل نقلیه عمومی انجام می دهند. با این حال، زندگی دور از مرکز شهر لزوماً به معنای داشتن الگوهای حمل و نقل کمتر پایدار نیست. در واقع، مناطق دوردست، سهم بیشتری از راه رفتن و نرخ موتوری پایین‌تری دارند. دقیقاً به دلیل مسافت، بسیاری از این مناطق به عنوان مناطق ایزوله کار می کنند و برای بسیاری از عملکردها خودکفا هستند.

3.2. طبقه بندی مناطق حمل و نقل

بر اساس معیارهای تعیین شده در بخش 2.3 ، متغیرهای انتخاب شده برای طبقه بندی (یکی برای هر مفهوم کلیدی، اولویت بندی آنهایی که بیشترین تأثیر را بر الگوهای تحرک دارند) جمعیت زیر 14 سال، درآمد خالص خانوار، تراکم شهری، شماره بود. PT توقف می کند و فاصله تا مرکز شهر. سپس، به دنبال مراحلی که در بخش روش‌شناسی نیز توضیح داده شد، پنج خوشه به‌عنوان راه‌حل بهینه شناسایی شدند ( پیوست A را ببینید ). پنج خوشه در جدول 6 توضیح داده شده اند و به صورت گرافیکی در شکل 3 نشان داده شده اند :
  • خوشه 1: مناطق متراکم خودکفا، با جمعیت سالخورده و دور از مرکز شهر. این خوشه از پهنه هایی با بیشترین تراکم شهری (268 نفر در هکتار) تشکیل شده است. بیشتر آنها مراکز تاریخی هستند، با تعداد کمی فرزند (به طور متوسط ​​12٪) و بسیاری از افراد مسن (22٪). این مناطق، مراکز شهری کاربردی هستند که دور از شهر مادرید (30 کیلومتر) هستند و خدمات و فعالیت‌هایی که به لطف تراکم شهری قابل دوام هستند، به خوبی تأمین می‌شوند. آنها بیشترین سهم پیاده روی (57٪ از سفرهای پیاده) و کمترین استفاده از ماشین را دارند.
  • خوشه 2: مناطق متراکم طبقه متوسط ​​در شرق، نزدیکتر به مرکز شهر. این مناطق نیز بسیار متراکم هستند و به خوبی فراهم شده اند. آنها در کریدور A-2، نسبتا نزدیک به مرکز شهر مادرید (به طور متوسط ​​16 کیلومتر) هستند. درآمد بالاتر از مناطق در خوشه 1 است اما در مقایسه با سایر مناطق در این نمونه، به ویژه مناطقی که در کریدور A-6 قرار دارند، پایین است. نزدیک به نیمی از سفرها با پای پیاده انجام می شود. با توجه به سهم زیاد پیاده روی و نزدیکی آنها به مادرید، مردم ساکن در آن مناطق کوتاه ترین سفرها را در این نمونه (4 کیلومتر) انجام می دهند.
  • خوشه 3: مناطق طبقه متوسط ​​با تراکم کم و دور از مرکز شهر. مناطق در این خوشه بسیار دور از شهر مادرید (30 کیلومتر) هستند. علیرغم مسافت، آنها به دلیل عدم فعالیت و خدمات و تراکم کمتر در مقایسه با مناطق به همان اندازه دور در خوشه 1 (55 نفر در هکتار) به عنوان مراکز خودکفا کار نمی کنند. بیش از نیمی از سفرهای آنها با ماشین انجام می شود.
  • خوشه 4: مناطق با خانواده های طبقه بالا با فرزندان که بسیار وابسته به ماشین هستند. مناطقی که با جمعیت جوان مشخص می شوند و بیشترین درصد کودکان (24 درصد) را نشان می دهند. خانواده های ساکن در این مناطق ثروتمند و بسیار وابسته به ماشین هستند (0.74 ماشین به ازای هر ساکن و 67٪ از سفرها با ماشین). فعالیت های کمی در این مناطق ارائه می شود و ساکنان طولانی ترین سفرها (به طور متوسط ​​11 کیلومتر) را دارند.
  • خوشه 5: ثروتمندترین مناطق با تراکم بسیار کم و فعالیت های محلی کم. این خوشه از پراکنده ترین مناطق (34 نفر در هکتار) تشکیل شده است. خانوارهایی با بالاترین درآمد در این مناطق زندگی می کنند (77664 یورو در سال) که عمدتاً در کریدور A-6 قرار دارند. بیشتر سفرها با ماشین (67 درصد) و تعداد بسیار کمی از آنها با پای پیاده انجام می شود. در مورد استفاده از حمل و نقل عمومی، در مقایسه با بقیه خوشه ها (18٪ از سفرها) بالا است. این احتمالاً به دلیل نزدیکی به شهر مادرید و ارتباط نسبتاً خوب توسط PT با مرکز شهر است.

4. بحث

یکی از اهداف اصلی این پژوهش، تعیین مفاهیم و متغیرهای کلیدی تبیین کننده الگوهای تحرک در مناطق برون شهری است. همانند سایر مطالعات، یک تحلیل همبستگی آماری برای توصیف این تعاملات انجام شده است. یافته های اصلی این تحلیل در پاراگراف های زیر تشریح شده و با نتایج تحقیقات قبلی مقایسه شده است.
در مورد جمعیت شناسی، دو متغیر تأثیرات قوی و متضاد بر سهم خودرو و سهم پیاده روی دارند: نرخ جمعیت زیر 14 سال و بالای 65 سال. مناطقی که درصد بیشتری از کودکان دارند بیشتر به ماشین وابسته هستند، در حالی که سفرهای پیاده روی در مناطق با تعداد زیاد تکرار می شود. افراد بالای 65 سال. این نتایج قابل پیش بینی و مطابق با تحقیقات قبلی است (به عنوان مثال، [ 32 ، 36 ]). با این حال، رویکرد در اینجا واضح‌تر و دقیق‌تر است و نتایج طبقه‌بندی‌تر هستند (همبستگی‌های بالاتری پیدا می‌شود). جولیانو و دارگای [ 32 ] فقط درصد سالمندان را در نظر می گیرند در حالی که بل و راسل [ 36 ] میانگین سنی جمعیت را در نظر می گیرند. در مورد متغیر جنسیت، برخلاف سایر مطالعات [ 36]، تفاوت در الگوهای حمل و نقل بین مناطق مختلف را توضیح نمی دهد. این به دلیل رویکرد مطالعه است. در سطح فردی، تفاوت در الگوهای تحرک بین مردان و زنان به مدت طولانی نشان داده شده است [ 63 ]. با این حال، اگر شاخص ها در سطح منطقه حمل و نقل بررسی شوند، درصد هر جنس نزدیک به 50٪ است، با تغییرات اندک نسبت به اکثریت زنان به دلیل میانگین امید به زندگی بالاتر. این تغییرات کوچک برقراری روابط علی با هر متغیر انتقال را غیرممکن می کند. برای بررسی تفاوت‌های جنسیتی در الگوهای حمل‌ونقل، یک مطالعه دقیق‌تر، با تقسیم‌بندی داده‌های مختلف، مورد نیاز است.
سطوح درآمد با استفاده از اتومبیل همبستگی مثبت و با حالت های فعال همبستگی منفی دارد. این علیت نیز در مطالعات قبلی [ 35 ، 36 ] یافت شده است. با این حال، این نتایج احتمالاً بسیار متفاوت خواهد بود اگر زمینه تجزیه و تحلیل شهرداری مادرید باشد و نه منطقه شهری اطراف آن. همانطور که Carpio-Pinedo و همکاران. [ 64 ] نشان داده شده است که در مرکز شهر مادرید درآمدهای بالاتر معمولاً در مناطقی قرار دارد که به خوبی توسط خدمات، تجارت و فعالیت ها فراهم شده است.
این مطالعه نشان می دهد که متغیرهای مربوط به تراکم و تنوع قوی ترین برای استنباط وابستگی خودرو و تحرک فعال هستند. در این راستا، مناطق متراکم تر با کاربری مخلوط، الگوهای حمل و نقل پایدارتری را ارائه می دهند. این بیانیه معمولاً در ادبیات مورد توافق قرار می گیرد و نتایج فقط یافته های مطالعات قبلی را تأیید می کند (به عنوان مثال، [ 28 ، 30 ، 31 ، 34 ]). با این حال، نه تراکم و نه ترکیب فعالیت ها حمایت حمل و نقل عمومی را پیش بینی نمی کند. این یک نتیجه شگفت‌انگیز است که با نتایج به‌دست‌آمده در مطالعات دیگر تناقض دارد (به عنوان مثال، [ 4 ، 30 ، 32])، و احتمالاً ناشی از زمینه این تحقیق است. مطالعات قبلی، اطلاعات را بر اساس جمع‌آوری تجزیه و تحلیل می‌کنند و داده‌های مناطق در مرکز شهر را با داده‌های مناطق حومه شهر ترکیب می‌کنند. نتایج در این ساده سازی ها از نظر آماری بسیار تحت تأثیر عملکرد مناطق مرکزی، با تراکم بالا و حمایت حمل و نقل عمومی بالا است. در حالی که در بافت شهری، این وابستگی متقابل چندان واضح نیست.
با این وجود، خاطرنشان می شود که سهم حمل و نقل عمومی به خوبی با متغیرهای موجود در این مطالعه توضیح داده نشده است. به نظر می رسد مناطقی با درآمد بالاتر، نزدیک به مرکز شهر و ارتباط با راه آهن بیشتر از حمل و نقل عمومی استفاده می کنند. اما با توجه به ضرایب همبستگی به دست آمده، این اثرات چندان قوی نیستند. برای توضیح استفاده از حمل و نقل عمومی به تحلیل عمیق تری نیاز است. از یک طرف، اقدامات دسترسی پیچیده‌تر بر اساس کیفیت خدمات (یعنی شامل کمیت و فراوانی خدمات و نه تنها تعداد توقف‌ها) احتمالاً پیش‌بینی‌کننده‌های بهتری خواهند بود [ 65 ، 66 ]. از سوی دیگر، تجزیه و تحلیل با توجه به اهداف سفر و جدول زمانی می تواند به درک دلایل انتخاب وسیله حمل و نقل عمومی کمک کند.31 ، 37 ]).
اثرات فاصله جغرافیایی تا مرکز شهر بر برخی متغیرهای حمل و نقل ممکن است، پیش از این، شگفت‌انگیز باشد. به نظر می رسد افرادی که دورتر از مرکز شهر مادرید زندگی می کنند تمایل بیشتری به پیاده روی دارند. این یافته های سایر مطالعات را رد می کند (به عنوان مثال، [ 36 ]). به این دلیل که برخی مناطق در حاشیه بیرونی وجود دارد که به عنوان مراکز شهری خودکفا کار می کنند. این مناطق همچنین با تراکم بالاتر، ارائه خدمات و فعالیت‌های گسترده و نرخ‌های موتوری پایین‌تر (مثلاً مناطق در خوشه 1) مشخص می‌شوند.
علاوه بر آزمون‌های همبستگی، یک تحلیل اکتشافی نیز انجام می‌شود: تحلیل خوشه‌ای. هیچ یک از مطالعات آمار اکتشافی کاربردی یا تجزیه و تحلیل خوشه‌ای را برای رویکردی مشابه بررسی نکردند و در این مورد، نتایج روشن‌کننده هستند. به طور خاص، تفاوت های قابل توجهی را بین پنج نوع زون (خوشه) شناسایی شده نشان می دهد. این تفاوت‌ها باید به دقت مورد توجه قرار گیرند، زیرا ممکن است در هنگام پردازش داده‌های انبوه، به تفسیرهای نادرست منجر شوند، همانطور که در اکثر مطالعات در این موضوع وجود دارد (به عنوان مثال، [ 4 ، 30 ، 33 ، 34 ، 35 ، 37 ]).

5. نتیجه گیری ها

ابتکارات مربوط به تحرک روزانه توجه کمی به حومه شهرها در هر دو سطح سیاسی و علمی دارد. با این حال، جمعیت دقیقاً در حومه شهرهای مرکزی، جایی که الگوهای حمل و نقل عموماً پایدارتر هستند، در حال افزایش است. هدف این مطالعه درک عوامل تعیین کننده الگوهای تحرک در زمینه دو راهرو شهری در منطقه مادرید است. اصالت آن اولاً بر اساس ویژگی بافت، مناطق حومه شهر است. دوم، در رویکرد گسترده آن. به لطف مرور ادبیات جامع، تمام مفاهیم کلیدی و متغیرهای مرتبط با تحرک در نظر گرفته شده‌اند، به جز برخی از محدودیت‌های داده. سرانجام،
با توجه به نتایج مفهومی تحقیق، اولین مورد فهرستی از مفاهیم کلیدی و ویژگی های مرتبط (متغیرها) است که با توجه به ادبیات، ممکن است تحرک روزانه را شکل دهد ( جدول 2 ). این می تواند ورودی مفیدی برای تحقیقات آینده باشد. ما متوجه شدیم که مکررترین مفاهیم در مطالعات قبلی ویژگی‌های اجتماعی-اقتصادی، تراکم و تنوع، دسترسی، و اندازه و شکل شهری است.
در مرحله دوم، روابط متقابل بین متغیرهای خاص و الگوهای حمل و نقل بررسی می شود. ویژگی های اصلی که منجر به استفاده بیشتر از خودرو می شود، به ترتیب اهمیت، تراکم شهری کم، فعالیت های محلی کم، درصد بالای کودکان و درصد پایین سالمندان است. جدای از این یافته‌های مورد توافق، نتایج مشخصی که در تحلیل همبستگی به‌دست می‌آیند کمتر قابل پیش‌بینی هستند. از یک طرف، فاصله تا مرکز شهر مادرید، استفاده از ماشین را توضیح نمی دهد. علاوه بر این، مناطق دور سفرهای پیاده روی بیشتری را ارائه می دهند. این در تحلیل خوشه‌ای به خوبی درک می‌شود: مناطقی دور از مرکز شهر، اما متراکم و به خوبی پیش‌بینی شده‌اند، وجود دارند که خودشان به‌عنوان مراکز شهری کار می‌کنند. از سوی دیگر، استفاده از حمل و نقل عمومی یک شاخص با تنوع کمی بین مناطق (12-18٪) است و توضیح از طریق سایر متغیرها دشوار است. به نظر می رسد که مناطق ثروتمندتر نزدیک به مرکز شهر تمایل بیشتری به استفاده از حمل و نقل عمومی دارند (به دلیل ارتباطات ممتازشان). با این حال، جدای از این، نه تراکم و نه شاخص های دسترسی تأثیری بر استفاده از حمل و نقل عمومی ندارند. این یک نتیجه شگفت‌انگیز است، تا حدی به دلیل بافت حومه شهر. با این حال، اقدامات دقیق‌تر دسترسی و در نظر گرفتن سایر متغیرها مانند اهداف سفر برای تعمیق مطالعه در دلایل استفاده از PT در حاشیه شهرها مورد نیاز است. نه تراکم و نه شاخص های دسترسی تأثیری بر استفاده از حمل و نقل عمومی ندارند. این یک نتیجه شگفت‌انگیز است، تا حدی به دلیل بافت حومه شهر. با این حال، اقدامات دقیق‌تر دسترسی و در نظر گرفتن سایر متغیرها مانند اهداف سفر برای تعمیق مطالعه در دلایل استفاده از PT در حاشیه شهرها مورد نیاز است. نه تراکم و نه شاخص های دسترسی تأثیری بر استفاده از حمل و نقل عمومی ندارند. این یک نتیجه شگفت‌انگیز است، تا حدی به دلیل بافت حومه شهر. با این حال، اقدامات دقیق‌تر دسترسی و در نظر گرفتن سایر متغیرها مانند اهداف سفر برای تعمیق مطالعه در دلایل استفاده از PT در حاشیه شهرها مورد نیاز است.
در نهایت، یک طبقه بندی از انواع مناطقی که ممکن است در حومه شهر پیدا کنیم ارائه شده است. 91 منطقه حمل و نقل مورد تجزیه و تحلیل در دو کریدور شهری به پنج خوشه طبقه بندی می شوند که بسیار متفاوت از یکدیگر هستند. به عنوان مثال، سهم خودرو از 28 درصد به طور متوسط ​​در خوشه 1 تا 67 درصد در خوشه 4 متغیر است. این تفاوت ها با ویژگی های آنها توضیح داده می شود: خوشه 1 از مناطق فشرده خودکفا با جمعیت سالخورده تشکیل شده است، در حالی که مناطق در خوشه 4 تشکیل شده است. معمولاً توسط خانواده های ثروتمند با فرزندان ساکن در محله های کم تراکم زندگی می کنند. تفاوت در دو راهرو – کریدور A-2 شرقی که با ویژگی صنعتی تر مشخص می شود و کریدور شمال شرقی A-6 با بسیاری از فعالیت های درجه سوم و ساکنان با درآمد بالا – به غلظت بیشتر انواع خاصی از مناطق تبدیل می شود. مثلا،
نتایج نشان می‌دهد که اگر این مناطق فشرده و خودکفا باشند، تحرک در حاشیه لزوماً ناپایدار نیست. این نظریه‌های چند مرکزیت را به عنوان راه‌حلی برای چالش گسترش شهری تقویت می‌کند (به عنوان مثال، [ 37 ]).
این کار پژوهشی با دو محدودیت اصلی همراه است. از یک طرف، روش های آماری اعمال شده به شاخص های عددی نیاز دارند و بنابراین برخی از متغیرهای طبقه بندی مهم مانند اهداف سفر یا جدول زمانی در تحلیل در نظر گرفته نمی شوند. از سوی دیگر، اقدامات دسترسی اتخاذ شده فراوانی و کیفیت خدمات را در نظر نمی گیرد و قادر به توضیح استفاده از حمل و نقل عمومی نیست. این شکاف ها را می توان در تحقیقات آینده بررسی کرد. علاوه بر این، تکرار روش در مناطق مرکزی شهر برای مقایسه نتایج جالب خواهد بود.
Ijgi 12 00016 g0a1 550
شکل A1. ضرایب تراکم برای خوشه بندی سلسله مراتبی (وارد با فواصل اقلیدسی). خط قرمز نقطه برش را نشان می دهد (با 5 خوشه، مرحله 86).
Ijgi 12 00016 g0a2 550
شکل A2. دندروگرام. خط قرمز نقطه برش را نشان می دهد (با 5 خوشه، مرحله 86).
پس از تعیین تعداد خوشه ها، طبقه بندی با روش k-means تکرار می شود. نتایج در هر دو روش بسیار مشابه است. تنها شش منطقه به خوشه دیگری تغییر می کند (6.5٪ موارد). بنابراین، راه حل پایدار در نظر گرفته می شود (<10٪ موارد به یک خوشه متفاوت) [ 62 ]. طبقه بندی به دست آمده از طریق k-means ترجیح داده می شود: موارد (مناطق) را از یک خوشه به خوشه دیگر تغییر می دهد تا بهترین راه حل را به دست آورد. روش های سلسله مراتبی برای تعیین تعداد بهینه خوشه ها بسیار مفید هستند، اما زمانی که موارد ادغام شدند، در همان خوشه باقی می مانند. بنابراین، k-means می تواند برخی از تجمعات انجام شده در مراحل قبلی را با روش Ward تصحیح کند. در نهایت، برای آزمون اعتبار نتایج، یک تحلیل ANOVA انجام می‌شود ( جدول A2). مقادیر F بسیار بالا نشان می‌دهد که متغیرهای طبقه‌بندی انتخاب‌شده به شکل‌گیری خوشه‌ها کمک می‌کنند [ 52 ]: مناطق موجود در هر خوشه شباهت‌های بالایی را در بین آنها نشان می‌دهند و به طور قابل‌توجهی با بقیه متفاوت هستند.

منابع

  1. بتنکورت، LMA؛ لوبو، جی. هلبینگ، دی. کونرت، سی. غرب، رشد GB، نوآوری، مقیاس‌پذیری و سرعت زندگی در شهرها. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 7301-7306. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. Nieuwenhuijsen، MJ برنامه ریزی شهری و حمل و نقل، قرار گرفتن در معرض محیطی و بهداشت – مفاهیم جدید، روش ها و ابزار برای بهبود سلامت در شهرها. محیط زیست سلامت 2016 ، 15 ، 161-171. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. نیومن، پی. کنورثی، جی. پایداری و شهرها: غلبه بر وابستگی به خودرو . مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  4. آلونسو، آ. مونزون، آ. Cascajo, R. تحلیل مقایسه ای پایداری حمل و نقل مسافر در شهرهای اروپایی. Ecol. اندیک. 2015 ، 48 ، 578-592. [ Google Scholar ] [ CrossRef ]
  5. Nieuwenhuijsen، MJ مسیرهای برنامه ریزی شهری و حمل و نقل به شهرهای بی کربن، زیست پذیر و سالم. بررسی شواهد فعلی محیط زیست بین المللی 2020 , 140 , 105661. [ Google Scholar ] [ CrossRef ]
  6. گلدمن، تی. گورهام، آر. حمل و نقل شهری پایدار: چهار جهت نوآورانه. تکنولوژی Soc. 2006 ، 28 ، 261-273. [ Google Scholar ] [ CrossRef ]
  7. عطارد، م. Shiftan, Y. Sustainable Urban Transport , 1st ed.; Emerald Group Publishing Limited: Bingley، UK، 2015. [ Google Scholar ]
  8. گالو، ام. مارینلی، ام. تحرک پایدار: مروری بر اقدامات و سیاست‌های ممکن. پایداری 2020 ، 12 ، 7499. [ Google Scholar ] [ CrossRef ]
  9. بنیستر، دی. پارادایم تحرک پایدار. ترانسپ سیاست 2008 ، 15 ، 73-80. [ Google Scholar ] [ CrossRef ]
  10. کمیسیون اروپایی. کتاب سبز – به سوی یک فرهنگ جدید برای تحرک شهری . COM (2007) 0551 نهایی; کمیسیون اروپا: بروکسل، بلژیک، 2007. [ Google Scholar ]
  11. کمیسیون اروپایی. برنامه اقدام برای تحرک شهری ; COM (2009) 490 نهایی; کمیسیون اروپا: بروکسل، بلژیک، 2009. [ Google Scholar ]
  12. کمیسیون اروپایی. با هم به سمت تحرک شهری رقابتی و کارآمد از نظر منابع ؛ COM (2013) 0913 نهایی; کمیسیون اروپا: بروکسل، بلژیک، 2013. [ Google Scholar ]
  13. Mozos-Blanco، M.Á. پوزو منندز، ای. آرس-روئیز، آر. Baucells-Aletà, N. راه برای تحرک پایدار. تجزیه و تحلیل مقایسه ای برنامه های تحرک پایدار در اسپانیا ترانسپ سیاست 2018 ، 72 ، 45-54. [ Google Scholar ] [ CrossRef ]
  14. کیبا جانیاک، م. ویتکوفسکی، جی. طرح‌های تحرک شهری پایدار: چگونه کار می‌کنند؟ پایداری 2019 ، 11 ، 4605. [ Google Scholar ] [ CrossRef ]
  15. دی فالکو، اس. آنجلیدو، م. Addie, JPD از “شهر هوشمند” به “کلان شهر هوشمند”؟ ایجاد تاب‌آوری در حاشیه شهری. یورو مقررات شهری گل میخ. 2018 ، 26 ، 205-223. [ Google Scholar ] [ CrossRef ]
  16. کامانی، آر. جیبلی، ام سی; Rigamonti، P. تحرک شهری و شکل شهری: هزینه های اجتماعی و زیست محیطی الگوهای مختلف گسترش شهری. Ecol. اقتصاد 2002 ، 40 ، 199-216. [ Google Scholar ] [ CrossRef ]
  17. باسولاس، ا. باربوسا فیلهو، اچ. دیکنسون، بی. دوتیوالا، ایکس. ایستام، پی. گالوتی، آر. گوشال، گ. گیپسون، بی. هزاری، SA; کاوتز، اچ. و همکاران سازماندهی سلسله مراتبی تحرک شهری و ارتباط آن با زیست پذیری شهر. نات اشتراک. 2019 ، 10 ، 4817. [ Google Scholar ] [ CrossRef ]
  18. مک‌کنزی، جی. تحرک شهری در اقتصاد اشتراک‌گذاری: مقایسه مکانی-زمانی خدمات تحرک مشترک. محاسبه کنید. محیط زیست سیستم شهری 2020 ، 79 ، 101418. [ Google Scholar ] [ CrossRef ]
  19. آلونسو، آ. مونزون، آ. Cascajo، R. اندازه گیری هم افزایی منفی گسترش شهری و بحران اقتصادی بر کارایی حمل و نقل عمومی. بین المللی Reg. علمی Rev. 2017 , 41 , 540-576. [ Google Scholar ] [ CrossRef ]
  20. اسکاربسکی، جی. بیر، ک. زارسکی، ک. کوئیلو، ام. فرناندز، پ. Zbieta Macioszek، E. مدل ترافیک دوچرخه برای برنامه ریزی تحرک شهری پایدار. Energies 2021 , 14 , 5970. [ Google Scholar ] [ CrossRef ]
  21. براتزل، اس. شرایط موفقیت در سیاست حمل و نقل شهری پایدار تغییر سیاست در شهرهای “نسبتا موفق” اروپایی. ترانسپ Rev. 2010 , 19 , 177-190. [ Google Scholar ] [ CrossRef ]
  22. پوه، م. Schippl, J. ادراکات و نگرش های کاربر در مورد حمل و نقل شهری پایدار در میان بزرگسالان جوان: یافته های کپنهاگ، بوداپست و کارلسروهه. جی. محیط زیست. طرح سیاست. 2014 ، 16 ، 337-357. [ Google Scholar ] [ CrossRef ]
  23. ماگدولن، م. فون بهرن، اس. برگر، ال. Chlond، B. سبک‌های تحرک و مالکیت خودرو – پتانسیل‌هایی برای حمل‌ونقل شهری پایدار. پایداری 2021 ، 13 ، 2968. [ Google Scholar ] [ CrossRef ]
  24. Acheampong، RA; کوگورولو، اف. Gueriau، M. Dusparic، I. آیا وسایل نقلیه خودران می توانند تحرک پایدار را در شهرهای آینده امکان پذیر کنند؟ بینش و چالش های خط مشی از ترجیحات کاربر نسبت به گزینه های مختلف حمل و نقل شهری. Cities 2021 , 112 , 103134. [ Google Scholar ] [ CrossRef ]
  25. ژنلتی، دی. لا روزا، دی. اسپیرا، م. کورتینوویس، سی. مروری بر رویکردها و چالش‌ها برای برنامه‌ریزی پایدار در حاشیه‌های شهری. Landsc. طرح شهری. 2017 ، 165 ، 231-243. [ Google Scholar ] [ CrossRef ]
  26. هاریگ، او. بورگارد، دی. Hecht, R. یک رویکرد نظارت شده برای ترسیم مناطق ساخته شده برای نظارت و تجزیه و تحلیل سکونتگاه ها. بین المللی J. Geo-Inf. 2016 ، 5 ، 137. [ Google Scholar ] [ CrossRef ]
  27. Litýnski، P. شدت گسترش شهری در لهستان. بین المللی J. Geo-Inf. 2021 ، 10 ، 95. [ Google Scholar ] [ CrossRef ]
  28. Handy, S. متدولوژی‌هایی برای بررسی ارتباط بین فرم شهری و رفتار سفر. ترانسپ Res. قسمت D Transp. محیط زیست 1996 ، 1 ، 151-165. [ Google Scholar ] [ CrossRef ]
  29. کوکلمن، رفتار سفر KM به عنوان تابع دسترسی، ترکیب کاربری زمین، و تعادل کاربری زمین: شواهدی از منطقه خلیج سانفرانسیسکو. ترانسپ Res. ضبط J. Transp. Res. هیئت 1997 ، 1607 ، 116-125. [ Google Scholar ] [ CrossRef ]
  30. جولیانو، جی. نارایان، دی. نگاهی دیگر به الگوهای سفر و فرم شهری: ایالات متحده و بریتانیای کبیر. مطالعه شهری. 2003 ، 40 ، 2295-2312. [ Google Scholar ] [ CrossRef ]
  31. ژانگ، ام. بررسی رابطه بین فرم شهری و سفر غیر کاری از طریق تحلیل استفاده از زمان. Landsc. طرح شهری. 2005 ، 73 ، 244-261. [ Google Scholar ] [ CrossRef ]
  32. جولیانو، جی. دارگی، جی. مالکیت خودرو، سفر و استفاده از زمین: مقایسه ای از ایالات متحده و بریتانیا. ترانسپ Res. بخش A سیاست سیاست. 2006 ، 40 ، 106-124. [ Google Scholar ] [ CrossRef ]
  33. لیمتانکول، ن. دیجست، ام. شوانن، تی. تأثیر ویژگی‌های اجتماعی-اقتصادی، استفاده از زمین و ملاحظات زمان سفر بر انتخاب حالت برای سفرهای مسافت متوسط ​​و طولانی‌تر. J. Transp. Geogr. 2006 ، 14 ، 327-341. [ Google Scholar ] [ CrossRef ]
  34. کانگ، سی. ما، ایکس. تانگ، دی. لیو، ی. الگوهای تحرک انسانی درون شهری: دیدگاه مورفولوژی شهری. فیزیک یک آمار مکانیک. برنامه آن است. 2012 ، 391 ، 1702-1717. [ Google Scholar ] [ CrossRef ]
  35. کلینگر، تی. Lanzendorf، M. حرکت بین فرهنگ های تحرک: چه چیزی بر رفتار مسافرتی ساکنان جدید تأثیر می گذارد؟ حمل و نقل 2016 ، 43 ، 243-271. [ Google Scholar ] [ CrossRef ]
  36. بل، جی. Rosell, J. تاثیر ویژگی های اجتماعی-اقتصادی بر انتشار CO 2 مرتبط با تحرک شهری: نابرابری در بین افراد. اقتصاد انرژی 2017 ، 64 ، 251-261. [ Google Scholar ] [ CrossRef ]
  37. Marcińczak، S. بارتوسیویچ، ب. الگوهای رفت و آمد و شکل شهری: شواهدی از لهستان. J. Transp. Geogr. 2018 ، 70 ، 31-39. [ Google Scholar ] [ CrossRef ]
  38. رئول، جی. گروب، تی. استولتن، دی. حمل و نقل شهری در نقطه عطف: تحلیلی از عوامل بالقوه تأثیرگذار. ترانسپ Res. قسمت D Transp. محیط زیست 2021 ، 92 ، 102733. [ Google Scholar ] [ CrossRef ]
  39. سرین، ای. سالیس، جی اف. سالوو، دی. هینکسون، ای. کانوی، تی ال. اوون، ن. ون دایک، دی. لو، ام. هیگز، سی. Moudon، AV; و همکاران تعیین آستانه برای طراحی شهری فضایی و ویژگی های حمل و نقل که از پیاده روی برای ایجاد شهرهای سالم و پایدار حمایت می کند: یافته های مطالعه IPEN Adult. Lancet Glob. Health 2022 , 10 , e895–e906. [ Google Scholar ] [ CrossRef ]
  40. Jiménez-Espada، M. نارانجو، JMV; گارسیا، FMM شناسایی الگوهای تحرک در مناطق روستایی با تراکم جمعیتی کم از طریق نظرسنجی های اولویت اعلام شده. Appl. علمی 2022 ، 12 ، 10034. [ Google Scholar ] [ CrossRef ]
  41. U-MOVE. استراتژی های هوشمند برای تحرک پایدار شهری در دسترس آنلاین: https://umove.transyt-projects.es/ (در 18 اکتبر 2022 قابل دسترسی است).
  42. رومرو، سی. مونزون، آ. آلونسو، آ. جولیو، آر. تقاضای بالقوه برای سفرهای رفت و آمد با اتوبوس در راهروهای شهری از طریق استفاده از ابزارهای اطلاعاتی بلادرنگ. بین المللی J. Sustain. ترانسپ 2021 ، 16 ، 314-325. [ Google Scholar ] [ CrossRef ]
  43. شفر، ا. ویکتور، DG تحرک آینده جمعیت جهان. ترانسپ Res. بخش A سیاست سیاست. 2000 ، 34 ، 171-205. [ Google Scholar ] [ CrossRef ]
  44. تیرینوپولوس، ی. آنتونیو، سی. عوامل مؤثر بر انتخاب مدال در تحرک شهری. یورو ترانسپ Res. Rev. 2013 , 5 , 27-39. [ Google Scholar ] [ CrossRef ]
  45. کاولی، سی. تسریع انتقال پایدار و استفاده از زمین در شهرهای با رشد سریع: شناسایی الگوهای مشترک و عوامل توانمند. J. Transp. Geogr. 2021 ، 94 ، 103093. [ Google Scholar ] [ CrossRef ]
  46. دیلویت؛ IPD Encuesta de Movilidad de la Comunidad de Madrid 2018 ; Consorcio Regional de Transportes de Madrid: مادرید، اسپانیا، 2018. [ Google Scholar ]
  47. نیکلاس، جی پی؛ پوچت، پ. پویمبوف، اچ. به سوی شاخص‌های تحرک پایدار: کاربرد در محله لیون. ترانسپ سیاست 2003 ، 10 ، 197-208. [ Google Scholar ] [ CrossRef ]
  48. Consorcio de Transportes de Madrid. در دسترس آنلاین: https://www.crtm.es/conocenos/planificacion-estudios-y-proyectos/encuesta-domiciliaria/edm2018.aspx (در 18 اکتبر 2022 قابل دسترسی است).
  49. Consorcio de Transportes de Madrid. داتوس آبیرتوس. در دسترس آنلاین: https://data-crtm.opendata.arcgis.com/ (دسترسی در 18 اکتبر 2022).
  50. وزارت حمل و نقل، Movilidad y Agenda Urbana. Centro descargas. Organismo Autónomo Centro Nacional de Información Geográfica. در دسترس آنلاین: https://centrodedescargas.cnig.es/CentroDescargas/ (دسترسی در 18 اکتبر 2022).
  51. نومکالس. Instituto de Estadística de la Comunidad de Madrid. در دسترس آنلاین: https://www.madrid.org/nomecalles/DescargaBDTCorte.icm (دسترسی در 18 اکتبر 2022).
  52. INE. Instituto de Estadística Nacional. در دسترس آنلاین: https://www.ine.es/ (دسترسی در 18 اکتبر 2022).
  53. می، AD; پیج، م. هال، A. توسعه مجموعه ای از ابزارهای پشتیبانی تصمیم برای حمل و نقل شهری پایدار در بریتانیا. ترانسپ سیاست 2008 ، 15 ، 328-340. [ Google Scholar ] [ CrossRef ]
  54. حق شناس، ح. وزیری، م. شاخص های حمل و نقل پایدار شهری برای مقایسه جهانی. Ecol. اندیک. 2012 ، 15 ، 115-121. [ Google Scholar ] [ CrossRef ]
  55. Huck, S. Reading Statistics and Research ; پیرسون: بوستون، MA، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  56. Field, A. Discovering Statistics Using IBM SPSS Statistics , 3rd ed.; SAGE: Thousand Oaks، CA، USA، 2013. [ Google Scholar ]
  57. روسو، آر. اگه، ال. Guns, R. Becoming Metric-Wise: A Bibliometric Guide for Researchers ; انتشارات چاندوس: کمبریج، بریتانیا، 2018. [ Google Scholar ]
  58. Boslaugh, S. Statistics in a Nutshell , 2nd ed.; اورلی: سباستوپل، کالیفرنیا، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  59. Bonett، DG; Wright، TA مورد نیاز اندازه نمونه برای تخمین همبستگی های پیرسون، کندال و اسپیرمن. Psychometrika 2000 ، 65 ، 23-28. [ Google Scholar ] [ CrossRef ]
  60. ناردو، م. سایسانا، م. سالتلی، ا. تارانتولا، اس. هافمن، اچ. Giovannini, E. Handbook on Constructing Composite Indicators: Methodology and User Guide ; OECD: پاریس، فرانسه، 2005. [ Google Scholar ]
  61. Milligan، GW; Cooper, MC بررسی رویه‌ها برای تعیین تعداد خوشه‌ها در یک مجموعه داده. Psychometrika 1985 ، 50 ، 159-179. [ Google Scholar ] [ CrossRef ]
  62. مو، JF; مشکی، WC; بابین، بی جی; اندرسون، تجزیه و تحلیل داده های چند متغیره RE ، ویرایش هفتم. پیرسون: بوستون، MA، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  63. میرالس-گواش، سی. Melo, MM; Marquet, O. تحلیل جنسیتی از تحرک روزمره در مناطق شهری و روستایی: از چالش ها تا پایداری. جنس. فرقه مکان. 2015 ، 23 ، 398-417. [ Google Scholar ] [ CrossRef ]
  64. Carpio-Pinedo، J. بنیتو مورنو، ام. Lamíquiz-Daudén، PJ Beyond use land، سفرهای قابل پیاده روی. رویکردی مبتنی بر داده‌های کاربری زمین در سطح قطعه و تحلیل شبکه. J. Maps 2021 ، 17 ، 23-30. [ Google Scholar ] [ CrossRef ]
  65. ماووا، اس. ویتن، ک. مک کرینور، تی. O’Sullivan، D. دسترسی به مقصد مبتنی بر GIS از طریق حمل و نقل عمومی و پیاده روی در اوکلند، نیوزیلند. J. Transp. Geogr. 2012 ، 20 ، 15-22. [ Google Scholar ] [ CrossRef ]
  66. فورد، AC؛ Barr, SL; داوسون، RJ; جیمز، پی. تجزیه و تحلیل دسترسی حمل و نقل با استفاده از GIS: ارزیابی حمل و نقل پایدار در لندن. بین المللی J. Geo-Inf. 2015 ، 4 ، 124-149. [ Google Scholar ] [ CrossRef ]
Ijgi 12 00016 g001 550
شکل 1. منطقه مادرید، مرزهای اداری (شهرداری ها)، بزرگراه های شعاعی، و راهروهای مرتبط. (نرم افزار QGIS).
Ijgi 12 00016 g002 550
شکل 2. مناطق حمل و نقل (محدود شده در HMS-2018) در مقابل مرزهای اداری (شهرداری) کریدورهای حمل و نقل A6 و A2. (نرم افزار QGIS).
Ijgi 12 00016 g003 550
شکل 3. خوشه های نقشه برداری جغرافیایی در دو راهرو (A-2 و A-6). (نرم افزار QGIS).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید