اندازه گیری دسترسی به ASF های مختلف از حمل و نقل عمومی با استفاده از اندازه گیری فاصله مکانی در شهرهای هند

خلاصه

امروزه دسترسی به امکانات یکی از موضوعات مورد بحث در برنامه ریزی شهری پایدار است. در تحقیق حاضر، دو معیار دسترسی فاصله فضایی برای ارزیابی دسترسی به امکانات، خدمات و امکانات (ASF) از حمل و نقل عمومی (PT) با فاصله پیاده روی در شش شهر هند استفاده شد. مرحله اول اندازه گیری فاصله را با استفاده از فاصله اقلیدسی با یک رویکرد روشمند جدید به دست آمده از منطقه ساخته شده با وضوح فضایی 30 متر از داده های Landsat، و برای روش فاصله شبکه، فواصل واقعی جاده با استفاده از OpenStreetMap (OSM) محاسبه می کند. برای محدوده آستانه های مختلف فواصل به دست آمد. این در حالی است که در مرحله دوم شاخص هایی مانند منطقه ساخته شده، اتصال به شبکه، و تراکم شبکه با درصد ASF ها برای فرآیند عادی سازی برای رتبه بندی شهر ارزیابی و ترکیب می شوند. مطالعه حاضر دسترسی به ASF های مختلف از PT را در سطح شهر ارزیابی می کند و بررسی می کند که آیا دسترسی واقعی به شبکه جاده (با اندازه گیری فاصله) در شهرهای هند به سطح بالایی از دسترسی کمک می کند یا خیر. در حالی که فاصله اقلیدسی و شبکه را ارزیابی می کند، یک رویکرد منحصر به فرد را با استفاده از ابزارهای آماری اتخاذ می کند. این یک چارچوب برای معیارهای کلی در هر شش شهر با رتبه بندی آنها برای دسترسی آنها مدل می کند. نتایج سناریوهای مختلفی را از نظر رتبه شهرها نشان می‌دهد که به شدت تحت تأثیر معیارهای فاصله (اقلیدسی در مقابل شبکه) قرار گرفته‌اند و بنابراین بر استفاده دقیق از این اقدامات به‌عنوان ابزار پشتیبانی برای برنامه‌ریزی تأکید می‌کنند. این امر شناسایی موانع محلی و مشکلات دسترسی به شبکه را که فاصله واقعی را تحت تأثیر قرار می دهد، تسهیل می کند. این رویکرد منحصر به فرد می تواند به سیاست گذاران کمک کند تا شکاف های پوشش PT را برای دستیابی به ASF شناسایی کنند. علاوه بر این، به اجرای حیاتی با برنامه ریزی استراتژیک کمک می کند که با استفاده از این معیارهای فاصله قابل دستیابی است.

کلید واژه ها:

دسترسی _ حمل و نقل عمومی ؛ شبکه ; فاصله اقلیدسی ; امکانات رفاهی ; معیارهای فاصله

1. معرفی

در پنج دهه گذشته، دسترسی در برنامه ریزی فیزیکی و مدل سازی فضایی محوری بوده است. هانسن (1959) دسترسی را به عنوان سهولت دسترسی به یک مقصد مطلوب از طریق پیوند کاربری زمین و فعالیت ها با شبکه حمل و نقل تعریف کرد [ 1 ]. بعداً، محققان خواستار تغییر پارادایم از برنامه‌ریزی مبتنی بر حرکت خودرو به برنامه‌ریزی مبتنی بر دسترسی [ 2 ] شدند. شواهد نشان می دهد که دسترسی بهتر به خدمات از طریق حالت های امکان پذیر با تأثیر کمتر بر محیط زیست، یک عامل تأثیرگذار در دستیابی به دسترسی پایدار است [ 3 ].

در سال های اخیر، حمل و نقل عمومی به طور فزاینده ای بر بهبود پایداری متمرکز شده است [ 4 ]. بهبود دسترسی به حمل و نقل عمومی (PT) می تواند به عنوان یک راه موثر برای کاهش هزینه های خارجی و اثرات منفی وسایل نقلیه موتوری در نظر گرفته شود [ 5 ]. دسترسی بهتر مردم را ترغیب می کند تا از حالت های حمل و نقل سازگار با محیط زیست، از جمله پیاده روی و دوچرخه سواری استفاده کنند. این ویژگی‌هایی که اشکال مختلف فعالیت بدنی (مانند پیاده‌روی) را ترویج می‌کنند را می‌توان به عنوان «قابلیت پیاده‌روی در محله» نام برد و اغلب مقاصدی مانند فروشگاه‌های خرده‌فروشی و پارک‌ها و ویژگی‌های طراحی جامعه مانند اتصال به خیابان و دسترسی به پیاده‌رو را در نظر می‌گیرند [ 6 ، 7 ]. ].

1.1. نیاز به دسترسی در مورد هند

در هند طی یک دوره زمانی، علیرغم تلاش‌های قابل توجه برای تقویت رشد حمل‌ونقل عمومی در مناطق شهری، سهم اتوبوس‌ها از کل وسایل نقلیه ثبت‌شده از 1/11 درصد در سال 1951 به 1/1 درصد در سال 2011 کاهش یافت [ 8 ]. به طور مشابه، سهم حمل‌ونقل غیرموتوری (NMT) کاهش یافته است، و اگرچه پیاده‌روی و دوچرخه‌سواری همچنان 33 درصد در بیشتر شهرهای هند را تشکیل می‌دهند، این درصد سال به سال کاهش می‌یابد. برعکس، در کشورهای توسعه یافته، با نمونه های برجسته از لندن، برلین و کپنهاگ، رنسانس NMT در حال وقوع است، با سهام NMT حدود 30٪ [ 9 ]. با تمرکز بر این مسائل فعلی، سیاست‌ها در هند اکنون فرصت نزدیک‌تر کردن مردم و فعالیت‌ها به PT را برجسته می‌کنند [ 10 ]]؛ و حتی بهبود زیرساخت‌ها برای دوچرخه‌سواری، پیاده‌روی و پوشش کلی شبکه شهر را هدف قرار می‌دهند [ 11 ]. این به بهبود زیرساخت NMT کمک می کند و در نتیجه دسترسی به خدمات مختلف برای رسیدن به PT را افزایش می دهد.

مسافتی که مردم تا ایستگاه های اتوبوس پیاده روی می کنند، نقش مهمی در استفاده بهینه از حمل و نقل عمومی ایفا می کند. هر چه درصد افرادی که در نزدیکی ترانزیت زندگی یا کار می کنند بیشتر باشد، احتمال استفاده آنها از این سرویس بیشتر است [ 12 ]. مطالعات در کشورهای توسعه یافته با اندازه گیری دسترسی در شهرهای مختلف و مناطق شهری با ابعاد فضایی در رسیدن به حمل و نقل عمومی با استفاده از امتیاز پیاده روی به سرعت بر روی این موضوع متمرکز شده است [ 4 ، 13 ]. چند مطالعه دیگر در مورد مداخله شهری برای دسترسی به انواع امکانات و خدمات برای مسافت‌های قابل پیاده‌روی، شهرها را در سطح جهانی، صرف نظر از اندازه آنها [ 14 ] مقایسه کرده و آنها را رتبه‌بندی کرده است [ 15 ].]. اقدامات بالقوه دسترسی فضایی برای ارزیابی فاصله برای رسیدن به PT و سایر خدمات شهری در شهرهای جنوب جهانی، به ویژه در هند، کمی مورد بررسی قرار گرفته است. پیگیری اتصال خدمات و امکانات مختلف به PT یک هدف مهم در برنامه ریزی اخیر در شهرهای هند است.

تحقیقات قبلی چندین مطالعه در مورد دسترسی با استفاده از سیستم اطلاعات جغرافیایی GIS در سطح شهر انجام شد، مرتبط با دسترسی به مشاغل، اتصالات با استفاده از حمل و نقل عمومی، رسیدن به نزدیکترین حمل و نقل از محل کار [ 15 ، 16 ، 17 ]. اما تمرکز بر سایر امکانات و خدمات اتصال به PT در سطح شهر بسیار نادر است – این مطالعات تاکنون بر سطح محله متمرکز شده اند [ 18 ]. فقط چند مطالعه در سطح شهر انجام شده است، مانند مطالعه انجام شده در منطقه شهری پونا در هند، که نشان داد 41٪ از کودکان مدرسه ای به حمل و نقل عمومی دسترسی ندارند [ 19 ]]. بسیاری از دانش‌آموزان در هند به دلیل خدمات ناکافی PT در برخی از بخش‌های شهر به مدارس جامعه خود محدود شده‌اند، زیرا خانواده‌های کم‌درآمد نمی‌توانند هزینه‌های حمل و نقل خصوصی را برای رسیدن به مدارس در فاصله دور بپردازند [ 20 ]. پیاده‌سازی فناوری‌های مکانی برای دسترسی به سلامت در بسیاری از کشورهای توسعه‌یافته گسترده شده است، اما استفاده از این رویکردها در هند نسبتاً کند بوده است [ 21 ]. تنها مقدار کمی از تحقیقات در ارتباط فضایی دسترسی به زیرساخت های مراقبت های بهداشتی با ساکنان و شبکه جاده ها در هند انجام شده است [ 22 ].

روش‌های زیادی برای اندازه‌گیری دسترسی شهرها وجود دارد، اما نمی‌توان آن‌ها را برای همه شهرها و شهرستان‌ها در سراسر جهان تعمیم داد، زیرا دسترسی تحت‌تاثیر شبکه محلی، کیفیت داده‌ها و بافت محلی قرار می‌گیرد [ 23 ]. یک رویکرد جایگزین برای مقابله با مسائل منحصر به فرد و خاص در مورد سکونتگاه ها در هند مورد نیاز است. دسترسی در مقیاس محله به خوبی تثبیت شده است، اما اغلب یک شهر از نظر پویایی، با در نظر گرفتن الگوهای کاربری زمین و شبکه، موجودیت همگنی نیست. در این مطالعه، یک نمره جامع دسترسی تجمعی و شاخص شهرها انجام شده است. علاوه بر این، نقشه فضایی شبکه شهر و منطقه ساخته شده همراه با مداخلات گسسته در نظر گرفته شده است.

پژوهش حاضر در شش شهر هند با بیش از 1.5 میلیون نفر جمعیت انجام شده است. بنابراین، دامنه مطالعه حاضر ارزیابی دسترسی به امکانات، خدمات و امکانات مختلف (ASFs) از PT در سطح شهر و بررسی اینکه آیا دسترسی واقعی به شبکه جاده‌ای (با اندازه‌گیری فاصله) در شهرهای هند کمک می‌کند یا خیر است. سطح بالایی از دسترسی روش در این مطالعه انعطاف‌پذیرتر و استفاده آسان‌تر است و به ارائه اطلاعات مفید برای تصمیم‌گیری در مورد بهبود دسترسی به ASF از PT کمک می‌کند. همچنین کارایی را از منظر فضایی فراهم می کند و در نتیجه به سیاست گذاران کمک می کند.

1.2. سوال و فرضیه تحقیق

دسترسی به خدمات و امکانات مختلف به عنوان یک تسهیل کننده مهم شناخته می شود و به یکی از دغدغه های اصلی در هر طرح دسترسی تبدیل می شود. برای ادغام خدمات مختلف، دسترسی جغرافیایی نقش مهمی در سراسر جهان ایفا می کند. برای درک این اهمیت، سه سوال تحقیق مورد بررسی قرار گرفت: (1) نقش شاخص های مختلف دسترسی فضایی چیست؟ (2) چگونه می توان دسترسی فضایی در شهرهای هند را با استفاده از ترکیبی از شاخص های مختلف اندازه گیری کرد؟ و (3) دسترسی بین ASF و PT چگونه اندازه گیری می شود؟ این مطالعه تلاشی برای درک این موضوع است که آیا شهرهای هند از سطح دسترسی بالایی برخوردار هستند، به ویژه در شهرهایی با جمعیت بیش از 1.5 میلیون نفر، یعنی شهرهای بیش از یک میلیون نفر در هند. مؤلفه هایی که به دسترسی مرتبط هستند، مانند منطقه ساخته شده و تراکم شبکه، نیز در این مطالعه قرار گرفتند. باید درک کرد که آیا شهرها دسترسی بهتری دارند و آیا دسترسی ASFs به PT زیاد است و می تواند در سطح کل شهر اندازه گیری شود. شاخص هایی مانند منطقه ساخته شده، تراکم شبکه و اتصال برای اطلاع از سطوح دسترسی شهرها با هم ترکیب می شوند. دو فرضیه برای شناسایی سطوح دسترسی فضایی بر اساس معیارهای فاصله در مورد شهرهای هند ساخته شد: (1) فاصله ASF از PT نقش مهمی در تعریف دسترسی شهرها ایفا می کند. (2) دسترسی فضایی در یک شهر را می توان بر اساس شاخص های مختلف اندازه گیری و ارزیابی کرد. شاخص هایی مانند منطقه ساخته شده، تراکم شبکه و اتصال برای اطلاع از سطوح دسترسی شهرها با هم ترکیب می شوند. دو فرضیه برای شناسایی سطوح دسترسی فضایی بر اساس معیارهای فاصله در مورد شهرهای هند ساخته شد: (1) فاصله ASF از PT نقش مهمی در تعریف دسترسی شهرها ایفا می کند. (2) دسترسی فضایی در یک شهر را می توان بر اساس شاخص های مختلف اندازه گیری و ارزیابی کرد. شاخص هایی مانند منطقه ساخته شده، تراکم شبکه و اتصال برای اطلاع از سطوح دسترسی شهرها با هم ترکیب می شوند. دو فرضیه برای شناسایی سطوح دسترسی فضایی بر اساس معیارهای فاصله در مورد شهرهای هند ساخته شد: (1) فاصله ASF از PT نقش مهمی در تعریف دسترسی شهرها ایفا می کند. (2) دسترسی فضایی در یک شهر را می توان بر اساس شاخص های مختلف اندازه گیری و ارزیابی کرد.

این مقاله در شش بخش – مقدمه، مرور ادبیات، انتخاب مورد و جمع‌آوری داده‌ها، تجزیه و تحلیل داده‌ها، نتایج، بحث‌ها و نتیجه‌گیری سازماندهی شده است. مقدمه اهمیت برنامه ریزی دسترسی و عوامل مؤثر بر دسترسی را نشان می دهد. همچنین نیاز به انجام این مطالعه را در شهرهای هند برای اندازه گیری دسترسی، به ویژه برای ASFs از PT بیان می کند. بخش دوم مرور ادبیات را با شناسایی معیارهای مختلف دسترسی با اشاره به موارد کشورهای توسعه یافته تشریح می کند که به انتخاب شاخص ها کمک می کند. بخش سوم در مورد انتخاب شهرها و جمع آوری داده ها توضیح می دهد. بخش چهارم تجزیه و تحلیل داده ها را بر اساس پارامترهایی از جمله بررسی کیفیت داده ها، اندازه گیری دسترسی با اندازه گیری فاصله، شاخص انحراف، عادی سازی و غیره ارائه می دهد. در بخش پنجم و ششم، نتایج ارائه شده و سپس بحث مفصلی در مورد خروجی مطالعه ارائه شده است. بخش آخر به بیان نکات پایانی برای مطالعه می پردازد.

2. بررسی ادبیات

رویکردهای مختلفی برای دستیابی به توسعه پایدار شهری از طریق فرم شهر وجود دارد. یکی از جنبه های کلیدی پایداری که امروزه بر روی آن متمرکز شده است، دسترسی است، یعنی اینکه چقدر فضاهای سبز، مشاغل و خدمات برای جوامع در دسترس هستند و چقدر با امکانات پیاده روی و دوچرخه سواری در ارتباط هستند [ 24 ]. دسترسی بیشتر به تراکم و ارتباطات حمل و نقل بستگی دارد که به نوبه خود به توزیع کاربری زمین بستگی دارد [ 25 ]. توسعه دسترسی برای مسافت پیاده روی معقول در شهرهای کشورهای در حال توسعه، به دلیل سطح بالایی از الگوهای توسعه ترکیبی ضروری است [ 26 ]]. شهرهایی که به خوبی طراحی شده‌اند به مردم اجازه می‌دهند تا سطوح بالایی از دسترسی به خدمات و امکانات را داشته باشند و نزدیکی و تعاملات اجتماعی را تشویق کنند. این به طیف وسیعی از خدمات حمل و نقل عمومی اجازه می دهد و از نظر استفاده از منابع برای هر نفر مصرف کمتری دارد [ 27 ]. شواهد نشان می دهد که دسترسی بهتر به خدمات توسط حمل و نقل عمومی امکان پذیر تأثیر منفی کمتری بر محیط زیست دارد [ 3 ]. بنابراین، در دسترس بودن حمل و نقل عمومی باید نزدیک به فعالیت ها باشد، به طوری که دسترسی به آنها بسیار آسان تر می شود [ 28 ]. بسیاری از شهرها بر بهبود دسترسی به PT تمرکز می‌کنند، که اغلب شامل برخی مداخلات پیاده‌روی یا دوچرخه‌سواری برای اتصال از مبدا به مقصد سفر است، و این منجر به بهبود اتصال مایل آخر می‌شود [ 29 ]]. همانطور که در شکل 1 نشان داده شده است، دسترسی یک پارامتر به پارامتر دیگر را به یکدیگر مرتبط می کند، به عنوان مثال، دسترسی به پیاده روی و دوچرخه سواری را بهبود می بخشد تا دسترسی محلی بیشتری را فراهم کند. این تأثیر مستقیم بر دسترسی حمل و نقل عمومی خواهد داشت و به طور غیرمستقیم بر مسافت رفت و آمد مشاغل، خدمات و امکانات تفریحی و بهداشتی تأثیر می گذارد. به طور کلی، نیاز به سیاست هایی برای بهبود تحرک با حالت، شبکه جاده و مسیر، طراحی و تشویق وسایل نقلیه غیر موتوری در یک منطقه شهری دارد.

2.1. اندازه گیری دسترسی: روش ها و تکنیک ها

اندازه‌گیری دسترس‌پذیری یک جزء ضروری در بسیاری از برنامه‌های حمل‌ونقل و دسترسی است، زیرا شواهدی برای تهیه دستورالعمل‌ها و خط‌مشی‌ها ارائه می‌کند و در عین حال شاخص دسترسی را ایجاد می‌کند [ 30 ]. معیارهای دسترسی اغلب عمدتاً بر یک حالت خاص یا مجموعه محدودی از انواع مقصد، مانند مشاغل تمرکز می‌کنند. معیارهای دسترسی بر اساس دو جنبه اصلی، یعنی رفتار سفر و در دسترس بودن بالقوه فرصت ها طبقه بندی می شوند [ 31 ]. اینها به چهار دسته مهم از اقدامات فعال تقسیم می شوند: (1) مبتنی بر گرانش، (ب) مبتنی بر توپولوژی، (iii) مبتنی بر فاصله، و (IV) مبتنی بر ابزار [ 32]. همه این اقدامات در حال حاضر بر روی علاقه فزاینده به فناوری های داده های مکانی متمرکز شده اند و انتظار می رود نتایج دقیق زیادی داشته باشند [ 33 ]. مطالعات در حال حاضر به طور گسترده ای با استفاده از نقشه برداری مبتنی بر سیستم اطلاعات جغرافیایی (GIS) از دسترسی به حمل و نقل عمومی انجام می شود [ 13 ، 32 ، 34 ]. علاوه بر این، مطالعات با تمرکز بر دسترسی به مراقبت های بهداشتی و زمان سفر به بیمارستان ها در حال حاضر گسترده است و فاصله تا مغازه ها و امکانات فرهنگی عامل مهمی است [ 35 ].

اندازه‌گیری‌ها با مجموعه‌ای از پارامترهای مربوط به (1) یک واحد فضایی مبتنی بر جمعیت، (2) یک معیار دسترسی، و (3) یک اندازه‌گیری فاصله انتخاب شده برای اندازه‌گیری دسترسی [ 36 ] توصیف می‌شوند. در حین ارزیابی دسترسی جغرافیایی، استفاده از این معیارها ممکن است بسته به اندازه گیری فاصله انتخاب شده، نتایج متفاوتی ایجاد کند. برخی از محققان با محاسبه دسترسی به نزدیک‌ترین مرکز با استفاده از کوتاه‌ترین فاصله اقلیدسی، (توسعه اندازه‌گیری فاصله مینکوفسکی ) ، فاصله شبکه یا ترکیبی از انواع فاصله، دسترسی جغرافیایی امکانات بهداشتی را بررسی کردند . در حالی که مطالعات کمی از انتخاب فاصله منهتن و فاصله اقلیدسی استفاده کردند [ 37]، اما تحقیقات بعداً به این نتیجه رسیدند که مقایسه فاصله اقلیدسی و فاصله شبکه قابل اعتمادتر است [ 38 ، 39 ]. علاوه بر این، در نظر گرفتن معیارهای فاصله شبکه بیشتر به فرآیند تصمیم گیری برای مکان یابی منابع و ساخت تاسیسات جدید کمک می کند [ 40 ].

علاوه بر این، در کشورهای مختلف، دسترسی با استفاده از ابزارهای دسترسی چندگانه (AI) آزمایش می شود. یکی از این موارد، تجزیه و تحلیل شبکه فضایی برای سیستم های حمل و نقل شهری چندوجهی (SNAMUTS) در استرالیا است، که در آن از ابزارهای سیستم های اطلاعات جغرافیایی (GIS) برای ارزیابی ارتباط بین شبکه حمل و نقل عمومی با خوشه بندی کاربری زمین و تجسم نقاط قوت و ضعف آن در سراسر مناطق شهری استفاده می کند. با نقشه برداری فضایی تجزیه و تحلیل شبکه فضایی سیستم های دسترسی حمل و نقل عمومی (SNAPTA) در بریتانیا به شناسایی موانع کمک می کند و یک شاخص دسترسی برای ادغام NMT با PT ایجاد می کند. این ایده با هدف شناسایی “آیا با هزینه معقول و با سهولت معقول می توان به خدمات و فعالیت ها دست یافت” توسعه یافته است. چند مطالعه، مانند Isochrones Maps to Facilities (IMaFa) در اسپانیا و روش رسیدن به حداکثر اندازه توصیه‌شده مرکز خرید (MaReSi) در نروژ، دسترسی به فعالیت‌هایی مانند مراکز خرید را اندازه‌گیری می‌کند. ابزار IMaFa خدمات را در یک منطقه بافر با استفاده از فاصله اقلیدسی و زمان سفر در طول یک شبکه انجام شده در GIS محاسبه می کند. MaReSi خدمات را با استفاده از مسافت پیاده روی و دوچرخه از محل سکونت تا مرکز خرید در فاصله 1 تا 2 کیلومتری جاده تا سایت محاسبه می کند.41 ].

شاخص دسترسی کاربری زمین و حمل و نقل عمومی (LUPTAI) که در استرالیا توسعه یافته است، با هدف تعیین کمیت دسترسی از طریق پیاده روی و شبکه حمل و نقل عمومی به مقاصدی مانند آموزش، خرید بهداشتی، مشاغل است. LUPTAI پیاده روی را به دو صورت در نظر می گیرد: این که آیا این یک حالت دسترسی برای یک مقصد با در نظر گرفتن فواصل پیاده روی است، یعنی (400، 600، 800، 1000 و 1200 متر) یا یک حالت دسترسی به حمل و نقل عمومی (0-20). ، 20-40 و 40 به علاوه دقیقه) [ 42 ]. ابزارهایی مانند Walk ^Score® ( www.walkscore.com ) توسعه یافته در ایالات متحده، دسترسی به نزدیکترین حمل و نقل عمومی و خدماتی مانند خرید و منابع آموزشی (مدارس و کتابخانه ها) را با امتیاز پیاده روی آزمایش می کند و این ابزار در دامنه عمومی موجود است [ 6 ]]. همه این ابزارها برای مداخلاتی شناخته می شوند که جنبه های فاصله فیزیکی، زمان سفر و هزینه سفر را پوشش می دهند.

با مقایسه همه این ابزارهای هوش مصنوعی صرف نظر از قوت و ضعف آنها، یک مطالعه نشان داد که ابزارهایی با استفاده از جداسازی فضایی اندازه‌گیری شده توسط شبکه موجود به جای اندازه‌گیری‌های گرانشی، سطح بالایی از ارزش ارتباطی در سطح زمین دارند، به این معنی که حتی کاربران غیرمتخصص نیز می‌توانند به راحتی تفسیر جریان های شبکه یا اتصال پیوند [ 43 ]. بنابراین، مطالعه ارائه شده معیارهای دسترسی فضایی مورد استفاده محققان در گذشته را اتخاذ می کند [ 36 ، 37 ، 44]. با این حال، این مطالعات اغلب در کشورهای در حال توسعه مانند هند انجام نشده است. از این رو، کار کمی در مورد دسترسی به استنادهای هندی قبلاً انجام شده است. این مطالعه از داده‌های مکانی برای توسعه شاخصی برای مقایسه دسترسی در شهرهای هند، با حذف عوامل هزینه و زمان استفاده می‌کند، زیرا آنها برای مقایسه شهرهای مختلف پیچیدگی ایجاد می‌کنند. در اینجا، فاصله از ASF ها با استفاده از فاصله اقلیدسی و شبکه بررسی می شود و ما هر دو تکنیک را در داخل و بین شهرها در زمینه هند مقایسه می کنیم.

2.2. انتخاب شاخص ها

در چند مطالعه، ارزیابی در مقیاس کلان کاربری و پوشش زمین، تراکم شغل و تراکم جمعیت را در نظر گرفت [ 44 ، 45 ]. با این حال، اطلاعات جمعیتی هند با سرشماری سال 2011 مطابقت دارد و طرح های مستبدانه استفاده از زمین بیش از یک دهه قدمت دارند. بنابراین، این مطالعه فقط شامل منطقه ساخته شده استخراج شده از تصاویر Landsat 8 است و بنابراین ASF های نقشه برداری شده از سال 2018-2019 هستند.

یک ارزیابی جامع دسترسی فضایی به سیاستگذاران کمک می کند تا اقدامات مناسب برای بهبود دسترسی کلی در شهرها انجام دهند. شاخص های مربوطه از ادبیات مختلف در مورد تحرک/ پیاده روی [ 46 ، 47 ، 48 ]، برای پوشش زمین [ 49 ]، و برای تراکم شبکه، اتصال [ 50 ، 51 ] انتخاب شده اند، همانطور که در جدول 1 نشان داده شده است.

انتخاب فرصت‌های متنوع و چندگانه گزینه مناسبی برای ارزیابی طرح‌های دسترسی به روشی بسیار بهتر ارائه می‌دهد. آموزش، مراقبت های بهداشتی، اوقات فراغت، فعالیت های سرگرمی، و قابلیت های رفت و آمد معمولاً به عنوان خواسته های اصلی زندگی شهری معاصر دیده می شود. بر خلاف زیرساخت های توسعه اقتصادی، زیرساخت های اجتماعی شامل امکانات و مکان هایی است که در درجه اول به نیازهای خاص زندگی روزمره پاسخ می دهد [ 52 ]. با این درک، ابزارهای مختلف در کشورهای توسعه یافته به عنوان مرتبط با دسترسی به یک زیرساخت خاص، مانند بهداشت [ 39 ، 52 ]، پارک ها و فضاهای سبز [ 38 ، 53 ]، مدارس [ 54 ، شناسایی شدند.55 ]، حمل و نقل [ 32 ، 56 ، 57 ، 58 ]. هدف مشترک این مطالعات محدود کردن استفاده از وسایل نقلیه شخصی و تشویق دسترسی به حمل و نقل عمومی با پیاده روی و دوچرخه بود. بر این اساس، بخش های مختلف به عنوان ASFs طبقه بندی می شوند ( جدول 2 ). در هند، طبق دستورالعمل‌ها، سیاست‌ها و چند مطالعه تحقیقاتی، فعالیت‌های تفریحی را به عنوان «امکانات رفاهی» در قانون سازمان‌های محلی شهری شناسایی کرده‌اند (دولت هند، 1992) [ 59 ]، در حالی که ایستگاه‌های پلیس و دفاتر پست در این دسته در نظر گرفته می‌شوند. از “خدمات” [ 60]. آموزش و بهداشت در رده “امکانات” در قانون اصلاح قانون اساسی 83 (دولت هند، 2002) در نظر گرفته شده است که بر دسترسی جهانی تمرکز دارد [ 61 ].

2.3. شناسایی مسافت قابل اعتماد پیاده روی

برای اندازه‌گیری دسترسی با استفاده از فاصله، محققان از فواصل پیاده‌روی استاندارد مشابه قانون شست برنامه‌ریزان، یعنی 400 و 800 متر استفاده کردند [ 62 ، 63 ]. حتی بانک جهانی پیشنهاد می کند که خدمات اتوبوسرانی باید در مسافت کمتر از 400 متر برای تشویق عابران پیاده در دسترس باشد [ 64 ]. چند فاصله توصیه شده دیگر از بررسی های ادبیات مختلف در جدول 3 نشان داده شده است.

سیاست های هند که دسترسی را تشویق می کند، فواصل ایده آل را برای دسترسی به امکانات و خدمات شهری مشخص می کند. دستورالعمل‌های تدوین و اجرای برنامه‌های توسعه شهری و منطقه‌ای-2015 (URDPFI) [ 72 ] حکم می‌کند که فاصله ایده‌آل برای تسهیلات و ترانزیت باید در فاصله 600 تا 800 متری در دسترس باشد. کد رنگ مورد استفاده برای نگاشت و شناسایی فواصل اقلیدسی و شبکه در جدول 4 نشان داده شده است .

3. روش شناسی

این مقاله چارچوبی را برای ارزیابی دسترسی در سطح کلان با کمک شاخص های مشتق شده از مطالعات ادبیات برای ASF های مختلف از PT، همانطور که در شکل 2 نشان داده شده است، معرفی می کند.

3.1. گزیده ای از شهرهای هند

جمعیت شهری هند با سرعت بی سابقه ای در حال رشد است. اکثر توسعه های جدید در شهرهای بزرگ مانند کلان شهرها (بیش از 4 میلیون نفر جمعیت) و شهرهای بیش از یک میلیون نفر (بیش از 1 میلیون نفر) رخ می دهد که در هند به عنوان شهرهای ردیف 2 شناخته می شود [ 73 ].]. طبق گزارش Wilber Smith Associates، دو نوع شاخص دسترسی توسعه یافته است: (1) شاخص دسترسی به حمل و نقل عمومی و (2) شاخص دسترسی به خدمات. شاخص دسترسی حمل و نقل عمومی به صورت معکوس میانگین فاصله (بر حسب کیلومتر) تا نزدیکترین ایستگاه اتوبوس/ایستگاه راه آهن (حومه شهر/مترو) فرموله شده است. شاخص دسترسی به خدمات به عنوان درصد سفرهای کاری قابل دسترسی در 15 تا 30 دقیقه برای هر شهر محاسبه می شود. برای هر دو شاخص، شهرهای رده متوسط، یعنی شهرهایی که در شهرهای ردیف 2 قرار دارند، در مقایسه با شهرهای رده پایین و بالا دسترسی بهتری دارند [ 74 ، 75 ].]. با این حال، حتی این مطالعه فقط به چند شهر سطح 2 پرداخته است، همانطور که در شکل 4 نشان داده شده است. علاوه بر این، مطالعات در هند به ندرت به طور خاص برای دسترسی به هر ASF در یک چشم انداز وسیع تر و چگونگی تأثیر آن بر دسترسی شهر انجام می شود.

پیش از این در هند، مطالعات انجام شده در سطح شهر بر ارزیابی دسترسی به مشاغل از طریق حمل و نقل عمومی متمرکز بود. این مطالعات بیشتر در شهرهای ردیف 1 یا شهرهایی با جمعیت بیش از 3 میلیون نفر طبق سرشماری سال 2011 انجام می شود، مانند بمبئی، دهلی، کلکته، چنای، حیدرآباد، بنگالورو، احمدآباد، سورات و پونا. تنها تعداد محدودی از مطالعات بر روی مسائل دسترسی از طریق پیاده روی به حمل و نقل عمومی در سطح شهر به امکانات آموزشی تمرکز کرده اند [ 70 , 76 ]]. با این حال، این مطالعات برای شهرهای سطح 2 محدود بود. اکثر شهرهای ردیف 2 هند با جمعیت 1.5 تا 3.0 میلیون نفر دارای میانگین طول سفر کمتر از 6 کیلومتر هستند و شعاع شهری (که به عنوان توزیع جمعیت بر اساس فاصله از مرکز شهر تعیین می شود) در 15 کیلومتری از مرکز شهر است. مرکز، همانطور که در شکل 3 a,b نشان داده شده است [ 77 ، 78 ].

برای مطالعه کنونی، شهرهای بزرگ با جمعیت بیش از 3.1 میلیون نفر نادیده گرفته شدند، زیرا این شهرها ویژگی های منحصر به فردی را در مقایسه با شهرهای بیش از یک میلیون نفر در هند نشان می دهند. علاوه بر این، مطالعات محدودی برای شهرهای انتخاب شده در فهرست کوتاه در مورد دسترسی به PT انجام شد (PT در این مطالعه فقط ایستگاه‌های اتوبوس را در نظر می‌گیرد). بنابراین، با محدود کردن این محدوده، مطالعه حاضر سعی دارد دسترسی به ASF های مختلف از ایستگاه های اتوبوس در سطح شهر را ارزیابی کند. همه این شهرها بر اساس اندازه جمعیت و وجود یک تسهیلات حمل و نقل عمومی در شهر همانطور که در شکل 4 نشان داده شده است در فهرست نهایی قرار گرفتند. برای این مقاله، از 11 شهر فهرست نهایی، تنها 6 شهر در نظر گرفته شد (ویساخاپاتنام، ناگپور، بوپال، جیپور، لاکنو و ایندور)، همانطور که در شکل 4 نشان داده شده است.با نوار رنگ آبی، و بر این اساس در شکل 5 ترسیم شده اند .

میانگین فاصله بین ایستگاه‌های اتوبوس در تمام شش شهر منتخب تقریباً زیر 500 متر بود که با استفاده از ابزار همسایگی متوسط در ArcGIS 10.5.1 محاسبه شد. این فاصله قابل اعتماد بین ایستگاه های اتوبوس (<500 متر) مطابق با گروه بانک جهانی [ 64 ] است. شکل شهر از مطالعه ای شناسایی شده است که در آن الگوهای رشد پویا، تراکم و توسعه همراه با شبکه راه [ 77 ] در نظر گرفته شده است و در جدول 5 ذکر شده است .

3.2. جمع آوری داده ها

داده های ثانویه و مکانی از منابع مختلف جمع آوری شد، همانطور که در جدول A1 در پیوست A نشان داده شده است. داده ها با استفاده از OpenStreetMap (OSM) در Google Earth (GE) نقشه برداری می شوند و برای تجزیه و تحلیل به ArcGIS 10.5.1 وارد می شوند، همانطور که در شکل 6 نشان داده شده است. برای منطقه ساخته شده، تصویر Landsat 8 از داده WGS84 در جدول 6 نشان داده شده است.. باندهای 4، 3 و 2 برای ایجاد تصاویر ترکیبی با رنگ واقعی ترکیب شدند. برای تجزیه و تحلیل پوشش زمین، طبقه‌بندی نظارت شده توسط طبقه‌بندی‌کننده نظارت‌شده مبتنی بر پیکسل انجام شد که در آن سایر پوشش‌های زمین مانند جنگل، کشاورزی و بدنه‌های آبی از این مطالعه حذف شدند و تنها منطقه ساخته شده ترسیم و مورد استفاده قرار گرفت. داده‌های OSM در GE با منطقه ساخته‌شده همپوشانی داشتند، زیرا دسترسی برای شناسایی ویژگی‌ها و برچسب‌های موقعیت جغرافیایی بسیار مهم است. ترکیب مشاهدات زمین با ویژگی‌های OSM ابزاری برای نقشه‌های بزرگ است و فرصت‌های قابل توجهی را برای ایجاد ایده‌ها ارائه می‌دهد [ 81 ].

4. تجزیه و تحلیل داده ها

هدف تجزیه و تحلیل توسعه یک روش ارزیابی گام به گام است. ابتدا کیفیت و صحت داده ها با آزمایش آنها برای یک شهر بررسی شد و ثانیا پردازش و نقشه برداری داده ها با اندازه گیری قابلیت دسترسی توسط اقلیدسی و فاصله شبکه برای شاخص های مختلف در شش شهر انجام شد. از ادبیات، اتصال شبکه، تراکم شبکه و شاخص انحراف با استفاده از معادلات مربوطه محاسبه شد. در نهایت، امتیاز تجمعی دسترسی (شاخص) با ترکیب شاخص‌های مربوطه در طی فرآیند عادی‌سازی محاسبه شد.

4.1. کیفیت و دقت داده ها

کیفیت تحقیق ممکن است با قابلیت اطمینان و اعتبار اطلاعات و داده ها تعریف شود. داده های دقیق و بدون خطا از ویژگی های کلیدی دقت داده ها هستند [ 82 ]. این مطالعه از منطقه ساخته شده استخراج شده از Landsat 8 استفاده می کند. در ابتدا، این مطالعه ارزیابی دقت طبقه بندی پوشش زمین را با استفاده از GE با شهر ناگپور برای سال 2018 بررسی می کند. طبقه بندی نظارت شده برای طبقه بندی تصویر شهر ناگپور برای سیستم مختصات پیش بینی شده استفاده شد. از “WGS_1984_UTM_Zone_44N”. در طبقه بندی پوشش زمین، ساخته شده و غیرساخته طبقه بندی شدند (به شکل A1 در پیوست A مراجعه کنید.). پس از طبقه بندی انواع پوشش زمین، 20 نقطه تصادفی در ArcGIS 10.5.1 ایجاد شد و نقاط تصادفی برای باز کردن در GE به KML تبدیل شدند. مقدار هر نقطه تصادفی از GE برای ارزیابی دقت تأیید شد. همانطور که در معادلات (1) و (2) نشان داده شده است، از GE برای اندازه گیری تعداد پیکسل های حقیقت زمینی به درستی طبقه بندی شده استفاده شد. از آنجایی که GE دارای وضوح بالایی است، منبع مهمی از اطلاعات است، به ویژه در یک منطقه شهری که در آن الگوی پوشش زمین موزاییکی پیچیده از کاربری های مختلف زمین است [ 83 ].]. منبع داده ها باز است، و بنابراین، یک رویکرد تفسیر بصری دستی در رابط GE برای 26 نوامبر 2018 انجام شد. نتیجه نشان می دهد که دقت کلی پوشش زمین برای سال 2018 80٪ و کاپا (K) 0.84 است. که هم در دقت کلی و هم در دقت کاپا قابل قبول است (به شکل A2 در پیوست A مراجعه کنید ).

ثانیا، داده های به دست آمده از منابع دولتی مختلف با استفاده از OSM در GE نقشه برداری شدند. برای بررسی دقت، حقیقت‌یابی زمینی به‌طور تصادفی در شهر ناگپور برای سه منطقه در سال 2018 با یک حلقه حائل 800 متری از ایستگاه اصلی اتوبوس در هر منطقه انجام شد، همانطور که در شکل A3 در پیوست A نشان داده شده است.. به طور کلی ضریب کاپا برای درک عدم تطابق کرت ها انجام می شود و بیشتر در طبقه بندی پوشش اراضی استفاده می شود که در ابتدا انجام شد. در این مورد، نقطه داده مدارس، زمین های بازی و تفریحات و غیره در OSM فرض شد و با مراجعه مستقیم به سایت و بررسی وجود ASF ها با استفاده از مختصات GPS، حقیقت یابی زمینی انجام شد. عدم تطابق عمدتاً در زمین بازی و مناطق تفریحی دیده می شود، جایی که با دستیابی به مکان دقیق تأیید می شود. در جایی که چند مکان به ندرت ناسازگار هستند، و هنگامی که یک یا دو مکان پیدا می شود، این مکان ها در فرآیند ارزیابی به خدمات دیگر کشیده می شوند. نتایج در جدول A2 در ضمیمه A برای هر منطقه نشان داده شده است، و دقت کلی در همه مناطق نشان داده شده است.شکل A4 در پیوست A. نتایج دقت تأیید می کند که دقت کلی بالای 90.0٪ و کاپا (K) بالای 0.85 در همه موارد است. مطالعات نشان داد که دقت بالاتر از 75 درصد قابل اعتماد و قابل قبول است [ 83 ]. قبلاً، مطالعه‌ای در ناگپور که بر روی تصاویر Google Earth ارجاع‌شده اعتبارسنجی (GEI) با حقیقت‌یابی زمین برای تفریح و زمین‌های بازی انجام شده بود، 95 درصد دقت تأیید شده، با مقدار کاپا 0.93 (یعنی 93 درصد) داشت که از همان روش پیروی می‌کرد [ 84 ] ]. مطالعات دیگر در شهرهای هند تصاویر Landsat 8 را با داده های GE و OSM مقایسه کردند که منجر به 87 درصد دقت کل در استفاده از زمین در مقیاس بزرگ شد [ 85 ]. این نشان می دهد که داده های OSM در شهرهای هند به اندازه کافی برای تجزیه و تحلیل قابل اعتماد هستند.

جمع دقت=عدد از درست توطئه ها جمع عدد از توطئه ها

(1)

ک مشاهده شده دقت =مشاهده شده دقت-شانس. فرصت توافق1-شانس. فرصت توافق

(2)

4.2. پردازش داده ها

در ابتدا، فاصله ایستگاه‌های اتوبوس تا شبکه‌ها در نظر گرفته می‌شود و با توجه به سطوح مختلف فاصله شاخص‌های دسترسی، کدگذاری رنگی به شبکه اختصاص می‌یابد. علاوه بر این، این شبکه با منطقه ساخته شده موجود همپوشانی دارد (این کار برای طبقه بندی سطوح دسترسی بر اساس فاصله انجام می شود)، همانطور که در شکل 7 ، برای شهر بوپال نشان داده شده است. روند مشابهی برای پنج شهر دیگر اتخاذ شد و درصد مساحت ساخته شده در شکل 8 مشاهده شده است . ارتباط زیاد منطقه ساخته شده با PT به کاهش مسافت سفر کمک می کند و بالعکس [ 4 ].

4.3. اندازه گیری دسترسی

دو معیار دسترسی انتخاب شده است (1) فاصله اقلیدسی و (2) فاصله شبکه – هر دوی این معیارها یک جزء واحد دارند. اولین معیار فاصله نزدیکی است، در حالی که مورد دوم فاصله واقعی با استفاده از شبکه زمینی موجود محاسبه می شود. علاوه بر این، اتصال شبکه، تراکم و شاخص انحراف بر این اساس تجزیه و تحلیل می‌شوند.

4.3.1. اندازه گیری فاصله اقلیدسی با استفاده از ابزار نزدیک

Near-tool برای محاسبه فاصله در ArcGIS 10.5.1 استفاده می شود. این ابزار فاصله هر نقطه در کلاس تا نقطه بعدی را در یک کلاس ویژگی متفاوت محاسبه می کند (ESRI، 2018). در اینجا، مبدا ASFها و مقصدها ایستگاه های اتوبوس هستند. این فرآیند بر اساس قضیه فیثاغورث معادله (3) است.

آ=(ایکس1-ایکس2)2+(y1-y2)2آ=|ایکس1-ایکس2|+|y1-y2|

(3)

از معادله (3) a = کوتاهترین فاصله بین دو نقطه (ASF و ایستگاه اتوبوس)

x 1، y 1 مختصات جغرافیایی مرکز هر ASF است.

x 2, y 2 مختصات جغرافیایی هر ایستگاه اتوبوس هستند.

سطوح دسترسی فاصله اقلیدسی تا 2400 متر در نظر گرفته شده است. بالاتر از این محدوده فاصله، امکانات ایستگاه اتوبوس در دسترس نیست. در ابتدا، فاصله از ایستگاه اتوبوس تا نزدیکترین ASF اندازه گیری می شود. به عنوان مثال، در شکل 9 ، برای بیمارستان ها و کلینیک ها، فاصله از ایستگاه های اتوبوس اندازه گیری شده است. بسته به محدوده مسافت، هر بیمارستان و درمانگاه یک رنگ و نماد تعیین می شود که منطقه ساخته شده را با همان رنگ قطع می کند ( شکل 7)). به طور مشابه، این روند برای بخش های باقی مانده از ASFs در تمام شش شهر تکرار می شود. از آنجایی که تمام ASF ها به عنوان یک نقطه نشان داده می شوند، علاوه بر این برای تفریح و زمین های بازی، نقاط در ورودی در نظر گرفته می شوند. در اینجا، درصد ASFs برای محدوده دسترسی بسیار بالا (0-400 متر) در جدول 7 نشان داده شده است ، و درصد کل ASFs در ترکیب (میانگین مکان های تفریحی، زمین های بازی، سالن های سینما، سایر خدمات، بیمارستان ها و درمانگاه ها، مدارس و کالج ها ) نشان داده شده است. ) که برای فاصله اقلیدسی برای کل محدوده (0-2400 متر) در تمام شش شهر ذکر شده است، جدول 8 نشان داده شده است .

4.3.2. فاصله شبکه

یک لایه شبکه برای اولین بار در ArcGIS 10.5.1 ایجاد شد. با استفاده از ابزار Network Analyst مبدا و مقصد مشخص می شود. کوتاه ترین قسمت برای رسیدن به ایستگاه های اتوبوس از ASFs در تحلیلگران شبکه اندازه گیری می شود. ابزار تحلیل شبکه ArcGIS از الگوریتم Dijkstra برای یافتن کوتاه ترین مسیر بین دو نقطه در طول شبکه استفاده می کند. محدودیت‌های یک‌طرفه نادیده گرفته می‌شوند، در حالی که دور برگردان در تقاطع‌ها مجاز است، زیرا هیچ حالتی در نظر گرفته نشده است، و هیچ مانعی در نظر گرفته نشده است که حرکت در امتداد جاده‌ها را محدود کند. تحلیلگر شبکه ArcGIS 10.5.1 به تمام نقاطی که در تجزیه و تحلیل استفاده می شود اجازه می دهد تا به نزدیکترین موقعیت متعامد بچسبند و فاصله را اندازه گیری کنند. کدهای رنگی مختلف بر اساس فواصل 400 تا 2400 متر داده می شود.

در این مورد، داده های شبکه OSM نسبت به طرح های توسعه شهری موجود در شهرهای منتخب دقیق تر و به روزتر است. یک ابزار تجزیه و تحلیل توپولوژی در ArcGIS 10.5.1 برای بازرسی ها و اصلاحات لازم در سیستم جاده ای OSM استفاده می شود. بر این اساس، شبه گره ها و خطاهای آویزان را اصلاح کرد.

فاصله از نزدیکترین ایستگاه اتوبوس تا ASF محاسبه شد. برای مثال، در اینجا، بیمارستان ها و کلینیک ها با در نظر گرفتن کل فاصله شبکه تا یک ایستگاه اتوبوس نقشه برداری می شوند و رنگ متفاوتی با توجه به محدوده فاصله، همانطور که در شکل 10 نشان داده شده است، اختصاص می دهند. به طور مشابه، فاصله برای بخش‌های باقی‌مانده ASFs در هر شش شهر اندازه‌گیری می‌شود. در اینجا، درصد ASFها برای محدوده دسترسی بسیار بالا در جدول 9 نشان داده شده است ، و درصد کل ASFs ترکیبی برای فاصله شبکه در تمام شش شهر، همانطور که در جدول 10 نشان داده شده است، ذکر شده است.

در تمام موارد جدول 8 و جدول 10 برای فاصله اقلیدسی و شبکه، مشاهده شده است که بیش از 68٪ از ASFها در سطح متوسط دسترسی هستند. بنابراین، اتصال و چگالی شبکه برای محدوده دسترسی بسیار بالا 0-400 متر و محدوده متوسط-بالا 0-1200 متر مورد بررسی قرار گرفته است. کل شبکه شهر برای شناسایی شرایط شبکه موثر بر درصد دسترسی مورد بررسی قرار می گیرد.

4.4. اتصال و تراکم شبکه

“اتصال یک شبکه ممکن است به عنوان درجه کامل بودن پیوندهای بین گره ها تعریف شود” [ 86 ]. هر چه میزان اتصال در یک شبکه جاده ای بیشتر باشد، آن سیستم کارآمدتر است. هنگام بررسی هر شبکه جاده ای، باید ارتباط اتصال با پیوندها و گره ها را بررسی کرد. مطالعات نشان داده است که در پاسخ به افزودن هر لینک جدید در آینده یا بهبود پیوندهای موجود، تغییرات در ساختار یک شبکه جاده‌ای تأثیر بیشتری بر دسترسی فیزیکی خواهد داشت. اگر تعداد پیوندهای بیشتری وجود داشته باشد که گره‌ها را به هم متصل می‌کنند، شانس داشتن کوتاه‌ترین قسمت بر دسترسی به روش بهتری تأثیر می‌گذارد [ 51 ]]. با در نظر گرفتن همین معیارها، این مطالعه از یک شاخص بتا برای شناسایی اینکه کدام شهر دارای نسبت کارآمدی از پیوندها به گره‌ها است که بر اتصالات بین ASF و ایستگاه‌های اتوبوس تأثیر می‌گذارد، استفاده می‌کند.

شاخص بتا همانطور که در رابطه (4) نشان داده شده است، بیان می شود، که در آن E تعداد کل یال ها و V تعداد کل رئوس در شبکه است. یک شبکه حمل و نقل بسیار متصل ارزش بالایی خواهد داشت و یک شبکه ساده دارای ارزش پایینی است [ 50 ]. با افزایش تعداد یال ها (پیوندها)، اتصال بین رئوس (گره ها) افزایش می یابد و شاخص بتا به تدریج تغییر می کند.

β=E/V

(4)

که در آن E = لبه ها، V = رئوس.

در اینجا، در این مطالعه، کل یال‌ها و رئوس شهر برای محدوده فاصله 0-400 متر و 0-1200 متر از ایستگاه‌های اتوبوس تا شبکه به طور مستقیم محاسبه می‌شوند. این کار با استفاده از ابزار بافر در ArcGIS 10.5.1 انجام می شود. نسبت کل یال ها به رئوس در بخش های 0-400 متر و 0-1200 متر و به همین ترتیب برای کل شهر در منطقه بافر مسطح محاسبه می شود. نسبت لبه ها به رئوس به طور کلی محاسبه می شود و نه در یک تقاطع، همانطور که در شکل 11 نشان داده شده است ، برای شهر بوپال، و تجزیه و تحلیل مشابهی برای شهرهای دیگر انجام می شود که در جدول 11 خلاصه شده است.

به طور مشابه، چگالی شبکه با استفاده از رابطه (5)، برای هر شش شهر در سطوح مختلف، همانطور که در شکل 12 نشان داده شده است، محاسبه می شود . تراکم شبکه راه، مقدار کل طول شبکه راه به اندازه شهر ضرب در 100 است [ 87 ، 88 ]. در اینجا، در این مورد، مساحت کل در محدوده 0-400 متر، 0-1200 متر و کل شهر بر این اساس محاسبه می شود، طول راه ها در نظر گرفته شده و جمع می شوند.

دی=(∑L/اس) ∗100%

(5)

که در آن D چگالی شبکه راه‌ها، ∑ L جمع کل طول جاده و S مساحت شهر (کیلومتر مربع) است.

4.5. شاخص انحرافی

شاخص انحراف (DI) اندازه گیری مقدار انحراف از کوتاه ترین مسیر است که دو نقطه را به هم متصل می کند، همانطور که در رابطه (6) نشان داده شده است [ 89 ]. شاخص انحراف یک رابطه بین فاصله شبکه و فاصله اقلیدسی را در یک شاخص خلاصه می کند. مقدار شاخص انحراف بالاتر به این معنی است که فاصله شبکه به میزان بیشتری از فاصله اقلیدسی منحرف می شود و بالعکس.

دیمن=شبکه فاصله اقلیدسی فاصله ×100

(6)

(در اینجا فاصله شبکه جاده همه ASFها تا PT/ فاصله اقلیدسی همه ASFها تا PT و سپس ضرب در 100).

همانطور که پیش بینی شد، میانگین فاصله شبکه محاسبه شده بیشتر از میانگین فاصله اقلیدسی برای تمام شش شهر است، همانطور که در جدول 6 نشان داده شده است. مقادیر شاخص انحراف برای شش شهر در شکل 13 ارائه شده است.

4.6. عادی سازی و معیار برای مقایسه شهرها

واحدهای مختلف مقادیر شاخص مانند فواصل، درصد چگالی به عنوان یک واحد مشترک در فرم استاندارد استاندارد شده اند. چنین نرمال سازی برای جلوگیری از ناهماهنگی ضروری است، زیرا یک مقدار شاخص ممکن است بین 0 تا 200 باشد و مقدار شاخص دیگر ممکن است در محدوده 0 تا 50 باشد. در این مطالعه از نرمال سازی برداری بر اساس رابطه (7) استفاده شده است. ابعاد مختلف ویژگی ها به ویژگی های غیر بعدی تبدیل می شوند که امکان مقایسه بین معیارها را فراهم می کند [ 90 ]. از آنجایی که معیارهای مختلف به طور کلی در واحدهای مختلف اندازه گیری می شوند، بنابراین به یک واحد واحد در محدوده 0-1 وارد می شود. یک ماتریس ارزیابی متشکل از m جایگزین و n ایجاد می کندمعیارها، با تقاطع هر جایگزین و معیاری که به عنوان X _ij ارائه شده است، بنابراین، یک ماتریس (X _ij )m × n دارند [ 91 ]. به طور کلی، این تکنیک عادی سازی در مطالعات تجزیه و تحلیل تصمیم گیری چند معیاره مانند TOPSIS، AHP [ 92 ، 93 ] استفاده می شود.

ماتریس (X _ij )m × n نرمال می شود تا R = (r _ij )m × n را تشکیل دهد.

r¯منj=ایکسمنj∑من=1مترایکسمنj2

(7)

که در آن i = 1، 2، ……، m و j = 1، 2، …، n .

بنچمارک برای مقایسه سطح عملکرد شاخص هایی که برای سنجش عملکرد شهرها استفاده می شود، استفاده می شود. این بیشتر بین کشورها قابل مقایسه است و امکان تأیید را برای سایرین در سطح مورد نظر فراهم می کند [ 21 ، 93 ].

تجزیه و تحلیل میزان حساسیت

تحلیل حساسیت مطالعه ای است در مورد اینکه چگونه عدم قطعیت در خروجی یک روش یا سیستم ریاضی (عددی یا غیر آن) را می توان تقسیم کرد و به منابع منحصر به فرد عدم قطعیت در ورودی های آن اختصاص داد. تجزیه و تحلیل حساسیت، استحکام نتایج را آزمایش می کند، به عنوان مثال، اینکه آیا نتایج تولید شده با استفاده از یک روش خاص دقیق و یکسان با نتایج به دست آمده توسط روش های دیگر است، بدون تغییر یا تحت تأثیر یک فاز خاص درگیر در فرآیند عادی سازی فوق [ 94 ].]. در اینجا، این تجزیه و تحلیل فقط برای بررسی اینکه آیا رتبه های تولید شده توسط هر دو روش نرمال سازی مشابه هستند یا خیر انجام می شود. اگرچه در این مطالعه روش برداری برای مقیاس مجدد امتیاز شاخص ها اتخاذ شده است، نتیجه برای همه ASF ها نیز با نتایج به دست آمده با استفاده از روش تغییر مقیاس دیگر (حداقل-حداکثر) نرمال سازی مقایسه می شود. در اینجا تبدیل بر اساس محدوده ای از مقادیر است. معادله (8)

نorمترمنلآzآتیمنon=واقعی ارزش-کمترین ارزشبیشترین ارزش-کمترین ارزش

(8)

5. نتایج

نتایج به دست آمده از تجزیه و تحلیل در دو مرحله قرار می گیرد. در ابتدا، در مرحله اول، مطالعه تفاوت بین فاصله اقلیدسی و شبکه برای همه ASFها از ایستگاه‌های اتوبوس را با ارزیابی آن برای هر شش شهر مقایسه می‌کند. مرحله اول شامل چهار معیار ارزیابی است – (1) درصد ASFهای موجود در محدوده مختلف فواصل 0-400، 401-800 و 801-1200 متر، (ii) همبستگی بین فاصله اقلیدسی و شبکه برای کل شهر، (iii) ) میانگین فواصل اقلیدسی و شبکه برای کل شهر، (iv) تفاوت بین فواصل اقلیدسی و شبکه در محدوده مختلف فواصل برای ASFها از نظر بخش (0-400، 401-800، 801-1200 متر). در مرحله دوم، بحث با مرتبط کردن معیارهای (v) منطقه ساخته شده، اتصال شبکه، تراکم شبکه با درصد ASFها در محدوده 0-400 متر و شاخص انحراف. در نهایت، (vi) عادی سازی با ادغام نتایج دو مرحله انجام می شود.

(من): درصد ASF های موجود در محدوده های مختلف فواصل، 0-400، 401-800 و 801-1200 متر

مقایسه بین فاصله اقلیدسی و شبکه (0-400 متر) برای ASFهای سطح بسیار بالا در شکل 14 نشان داده شده است . نتیجه نشان می دهد که 50% تا 69% از ASF های ترکیبی به راحتی از طریق فاصله اقلیدسی 0-400 متر قابل دسترسی هستند، اما از طریق فاصله شبکه، درصد ASF ترکیبی برای همان محدوده تقریباً نیمی از فاصله اقلیدسی در تمام شش شهر است. این مشاهدات حاکی از وجود موانع فیزیکی محلی و طبیعی است. موقعیت نامطلوب ایستگاه های اتوبوس و مسیرهای اتوبوس؛ و مسائل شبکه، که باعث افزایش فاصله و کاهش دسترسی به ASF ها می شود.

درصد ASFها در بخش‌های فردی شناسایی‌شده (به عنوان مثال بیمارستان و کلینیک) با مقایسه جدول 7 با جدول 9 برای محدوده دسترسی بسیار بالا (0-400 متر) مشاهده می‌شود. در شهر ویساخاپاتنام، برای بیمارستان ها و کلینیک ها، تفاوت کم (77/9 درصد) بین فاصله اقلیدسی و شبکه نشان دهنده دسترسی بالا با استفاده از شبکه است. در شهر ناگپور، برای زمین های بازی، تفاوت زیاد (26.31٪) بین فاصله اقلیدسی و شبکه نشان دهنده دسترسی کم با استفاده از شبکه در محدوده 0-400 متر است. برای سایر خدمات، درصد اختلاف بین اقلیدسی و شبکه در محدوده 0 تا 400 متر 44.44 درصد است که در مقایسه با سایر بخش‌ها در شهر بوپال زیاد است.

نتایج جدول 8 و جدول 10 برای محدوده 0 تا 400 متر ASF ترکیبی مقایسه شده است. مشاهده می شود که شهر ایندور از نظر فاصله اقلیدسی بیشترین درصد و شهر جیپور کمترین درصد را دارد. این سناریو در مورد فاصله شبکه کاملاً متفاوت است، جایی که تقریباً 30٪ از ASFهای ترکیبی در مورد شهر ایندور همانطور که در شکل 14 نشان داده شده است غیرقابل دسترسی هستند . مشاهده شده است که تقریباً 70 درصد از ASFهای ترکیبی در محدوده 1200 متری شبکه در همه شهرها قابل دسترسی هستند ( جدول 10).). مهم‌تر از همه، بیمارستان‌ها و کلینیک‌ها، سایر خدمات دسترسی بالایی به ایستگاه‌های اتوبوس در همه شهرها در محدوده 0 تا 400 متر در مقایسه با بقیه ASFs از طریق اقلیدسی و همچنین فاصله شبکه دارند.

(II): همبستگی بین اقلیدسی و فاصله شبکه

همبستگی کلی اقلیدسی و فاصله شبکه برای کل ASFها در همه شهرها با استفاده از روش همبستگی پیرسون برای یافتن رابطه انجام می شود. اول، شواهد نشان می دهد که همبستگی بالا با نرخ های بسیار مشابه در همه شهرها به جز شهر ایندور همانطور که در جدول A3 در پیوست A نشان داده شده است. در سطح معنی داری 0.01 (2 دنباله) تأیید شده است. ^{از آنجایی که واریانس} R2 فقط رابطه بین اقلیدسی و فاصله شبکه را نشان می دهد، از این رو تجزیه و تحلیل آمار توصیفی برای شناسایی تفاوت بین فاصله اقلیدسی و شبکه در متر انجام می شود.

(iii): میانگین فاصله اقلیدسی و شبکه

آمار توصیفی در بسته آماری علوم اجتماعی (SPSS 16.0) برای شش شهر منتخب انجام شده است و میانگین ترکیبی میانگین ASF برای هر شهر در جدول 12 آورده شده است. این زمینه را برای شناسایی میانگین تفاوت در شهر فراهم می کند. این تفاوت در شهر ناگپور با 212.4 متر در مقایسه با سایر شهرها بسیار کمتر است در حالی که در شهر جیپور بیشتر بود.

(IV): تفاوت بین فواصل اقلیدسی و شبکه در محدوده های مختلف فواصل برای ASFها از نظر بخش (0-400، 401-800، 801-1200 متر)

همبستگی، تفاوت میانگین بین اقلیدسی و فاصله شبکه برای ASFها مشاهده شد، زیرا آنها بر شناسایی اتصالات شبکه در شهر برای رسیدن به ایستگاه‌های اتوبوس تأثیر می‌گذارند. همانطور که در جدول 11 نشان داده شده است، با در نظر گرفتن کل شهر، همبستگی بالایی در بین تمام شهرها مشاهده شد . در حال حاضر، با در نظر گرفتن آن برای محدوده آستانه های مختلف 0-400، 401-800، 801-1200 متر برای ASF ها بر اساس بخش در هر شش شهر، همانطور که در جدول A4 در ضمیمه A نشان داده شده است. برای محدوده 0-400 متر، همبستگی مشاهده شده 0.02 تا 0.86، p <0.001، برای 401-800 0.09 تا 0.79، p <0.001 است. و برای 801-1200 متر 0.25 تا 0.91، p< 0.001. این مقادیر هنگام مقایسه همه بخش‌های ASFs همبستگی قابل‌توجهی را نشان می‌دهند، و دامنه تا R2 ⁼ 0.91 و به R2 ⁼ 0.02 در هر شش شهر تغییر می‌کند. حتی در این مورد همبستگی بسیار پایینی در شهر ایندور نسبت به پنج شهر دیگر مشاهده می شود. میانگین تفاوت بین فاصله اقلیدسی و شبکه در هر محدوده در هر شش شهر به 50٪ در هر بخش برای همه ASFها می رسد. تفاوت حاصل بین فاصله اقلیدسی و شبکه متفاوت است که بسیار منطقی است زیرا بر اساس واقعیت زمینی است.

(v): ارتباط منطقه ساخته شده، اتصال شبکه و تراکم شبکه با درصد AFS در محدوده 0 تا 400 متر:

رابطه بین اتصال ساخته شده و شبکه و تراکم یکی از ویژگی های مهم برای شناسایی دسترسی شهر است [ 56 ]. در هر شش شهر، همانطور که در شکل 15 نشان داده شده است، مشاهده می شود که شهر ایندور دارای بالاترین درصد مساحت و شهر ویساخاپاتنام کمترین است.

علیرغم تراکم شبکه کمتر و منطقه ساخته شده، شهر ویساخاپاتنام دارای بالاترین درصد ASFهای ترکیبی قابل دسترسی با استفاده از فاصله شبکه از ایستگاه های اتوبوس در مقایسه با پنج شهر دیگر است. ASF ها با استفاده از فاصله شبکه از ایستگاه های اتوبوس قابل دسترسی هستند. در مورد شهر جیپور، اگرچه دارای تراکم شبکه بالا و اتصال بهتر است، همانطور که در جدول 11 نشان داده شده است، اما درصد کمی از ASFهای ترکیبی موجود در این محدوده را دارد که به نوبه خود بر دسترسی تأثیر می گذارد. برای شهر لاکنو، تراکم شبکه در مقایسه با پنج شهر دیگر بسیار بالا است.

Visakhapatnam کمترین شاخص انحرافی را برای همه ASFهای ترکیبی 0-400 متری دسترسی دارد، و همچنین برای کل شبکه شهر، که در شکل 13 نشان داده شده است. طول لبه‌های شبکه جاده‌ای که ایستگاه‌های اتوبوس را از ASFs به هم متصل می‌کند در مقایسه با بقیه شهرها کمتر است. در حالی که در مورد شهر جیپور، جایی که طول لبه آن 0 تا 400 متر ارتفاع دارد، واژگون شده است. در مورد ایندور، شاخص انحراف بسیار بالا است، که نشان می دهد طول لبه در ایستگاه های اتوبوس متصل کننده شهر از تمام ASF های ترکیبی در مقایسه با بقیه شهر، به طور قابل ملاحظه ای زیاد است. از یافته ها مشهود است که چند شهر از یک بعد قوی و در بعد دیگر ضعیف هستند. برای ایجاد نتایج منسجم از تجزیه و تحلیل های مختلف، نرمال سازی انجام می شود.

(vi): نتایج تحلیل نرمالیزاسیون و حساسیت

نتایج فواصل اقلیدسی و شبکه به طور جداگانه مورد ارزیابی قرار می گیرند و بر این اساس به شهرها رتبه هایی داده می شود. عملکرد برای محدوده بالای دسترسی با در نظر گرفتن 0-400 متر و 0-1200 متر برای فاصله اقلیدسی و شبکه ارزیابی شد. برای فاصله اقلیدسی، درصد ASFهای قابل دسترسی ( جدول 7 )، منطقه ساخته شده ( شکل 8 ) و میانگین فاصله از جدول A4 پیوست A در نظر گرفته شده و همانطور که در جدول 13 و جدول 14 نشان داده شده است، نرمال شد . به طور مشابه، برای فاصله شبکه، درصد ASFهای قابل دسترسی ( جدول 10 )، اتصال به شبکه ( جدول 11 ) و میانگین فاصله از ضمیمه A جدول A4 در نظر گرفته شد و نرمال شد و نتایج در جدول 15 و جدول 16 نشان داده شده است.

نتایج روش برداری با روش حداقل- حداکثر برای همان شاخص هایی که به روش برداری از جدول 13 تولید شده اند مقایسه شده است . با مرتب کردن مجدد آنها بر حسب رتبه، مشاهده می شود که امتیازات هر دو روش متفاوت است، اما ترتیب رتبه ها کاملاً مشابه بود، همانطور که در جدول 17 نشان داده شده است. در روش برداری، تقسیم واحدهای متریک در مقایسه با روش min-max دقیق‌تر است.

از نتایج کلی نرمال سازی، مشاهده می شود که در محدوده 0-400 متر و 0-1200 متر فاصله اقلیدسی، شهر ایندور در مقایسه با سایر شهرها رتبه اول را دارد، همانطور که در جدول 13 نشان داده شده است. با این حال، هنگامی که از طریق فاصله شبکه در نظر گرفته شود، در رتبه پایین تر قرار می گیرد. وقتی از طریق فاصله شبکه در نظر گرفته شود، شهر بوپال از نظر اتصال به شبکه رتبه اول را دارد و میانگین فاصله برای رسیدن به ASF از ایستگاه های اتوبوس زیاد است. در مورد شهر Visakhapatnam برای فاصله اقلیدسی، فقیرتر است زیرا منطقه ساخته شده در محدوده 0-400 متر بسیار کم است. با این حال، در مقایسه با فاصله شبکه، رتبه دوم را دارد. این به این دلیل است که مقدار زیادی از ASF های ترکیبی در این محدوده قابل دسترسی هستند ( جدول 10 ) در مقایسه با شهرهای لاکنو، جیپور و ایندور.

6. بحث و گفتگو

در این بخش، انتخاب شاخص های مناسب برای اندازه گیری دسترسی به طور مفصل مورد بحث قرار می گیرد. رویکردهای فاصله ای مورد استفاده برای ارزیابی سطوح دسترسی و رتبه بندی شهرها در بخش زیر در نظر گرفته شده است. محدودیت ها و محدودیت های داده برای مطالعه حاضر مورد بحث است. به طور کلی، نحوه اعمال نتایج برای برنامه ریزی به طور مفصل به شرح زیر مورد بحث قرار می گیرد:

(من): انتخاب شاخص ها و نگرانی های روش شناختی

تمرکز اصلی انتخاب مناسب ترین شاخص ها برای تعریف دسترسی به ASF از PT است. این ممکن است به عوامل متعددی مانند هدف تحقیق یا کاربرد، تعداد و انواع داده های موجود، مفروضات روش شناختی و انتخاب های انجام شده (نوع فاصله) بستگی داشته باشد. ارزیابی ASFها به این دلیل انجام می‌شود که هدف این مطالعه درک تنوع در دسترسی در شهرهای مختلف از PT است، و به ویژه اینکه کدام ASF (مانند بیمارستان‌ها و کلینیک‌ها) در دسترس‌تر هستند.

استفاده از اندازه‌های فاصله ساده مانند اقلیدسی و شبکه ممکن است مناسب‌ترین باشد [ 38 ]، زیرا بومی‌سازی شده‌اند و ارزیابی ASFها از PT آسان است. انتخاب منطقه ساخته شده برای ارزیابی فاصله در این مطالعه برای شناسایی ویژگی ها و برچسب های موقعیت جغرافیایی بسیار مهم است. این به عنوان پس‌زمینه‌ای برای طبقه‌بندی سطوح دسترسی بر اساس فاصله با استفاده از روش مبتنی بر شبکه عمل می‌کند. در چندین کشور توسعه یافته، اهمیت ابزارهای دسترسی در عمل برنامه ریزی افزایش یافته است [ 41 ]. اما با کشورهای در حال توسعه، این هنوز در مرحله شروع است. با این حال، امروزه، در دسترس بودن داده ها در OSM، اجرای GIS را با ماژول حمل و نقل تسهیل کرده است (به عنوان مثال، توسعه تحلیلگر شبکه ESRI) [ 39]. امکان تمرکز بر دسترسی سطح شهر با استفاده از پارامترهای مختلف برای ارزیابی فضایی در این تحقیق در مقایسه شهرهای مختلف آسان‌تر شد. از این رو، فرض ارائه شده در فرضیه ثابت شد، زیرا این مطالعه از شاخص‌های مختلفی (بر اساس عناصر فیزیکی مانند ساخته‌شده، اتصال و تراکم ASFs) تشکیل شده است. اگرچه دسترسی به هر ASF متفاوت است، گروه بندی بر اساس سطوح دسترسی مختلف با ارزیابی ترکیبی از شاخص های تأثیرگذار، امتیازات و رتبه های مختلفی اختصاص داده می شود.

(II): فاصله نزدیک می شود

اندازه گیری فاصله های اقلیدسی در نرم افزار ArcGIS 10.5.1 آسان است و به طور سنتی در برنامه های کاربردی برنامه ریزی استفاده می شود [ 39 ]. آنها هنگام اندازه گیری فاصله بین ASF و PT نیازی به لایه خیابان شبکه ندارند. با این حال، در حین اندازه‌گیری با اندازه‌گیری‌های شبکه، معمولاً هنگام تنظیم به کارهای اضافی مانند اتصال دستی نقاط به شبکه نیاز است. فواصل اقلیدسی به اندازه کافی فاصله های واقعی را نشان نمی دهند. دسترسی را می‌توان با روش‌های مختلفی اندازه‌گیری کرد، همانطور که در ادبیات بحث شده است، اما اندازه‌گیری دسترسی با روش فاصله شبکه یک ابزار ضروری برای هر مطالعه و در هر مقیاس (شهر، منطقه و محله) است زیرا بر واقعیت زمین تمرکز دارد [ 48 ].]. این امر به شناسایی مشکلات در سطح عمیق‌تر کمک می‌کند و ارائه توصیه‌هایی برای بهبود در تهیه طرح اصلی یا منطقه‌ای برای مقامات شهری و محلی آسان‌تر می‌کند. فواصل شبکه مورد استفاده دقیق تر و نزدیکتر به فواصل واقعی هستند. از آنجایی که آنها با استفاده از بخش‌های جاده محاسبه می‌شوند، نشان‌دهنده مسافت‌های واقعی هستند که کاربر باید پیاده‌روی کند/رانند تا به ASF برسد، که به خوبی از ادبیات قابل درک است [ 40 ]]. با این حال، فواصل شبکه می تواند این اثر را به حداقل برساند زیرا هنگام تولید شبکه در ArcGIS 10.5.1، مرکزهای ASFs قبل از محاسبه فاصله به نزدیکترین عنصر شبکه خیابان منتقل می شوند. اگرچه ممکن است فرصت‌هایی برای استفاده از فاصله شبکه و نقاط دسترسی وجود داشته باشد، اما محققان ممکن است فاصله اقلیدسی را برای کاهش زمان محاسبات ترجیح دهند، زمانی که در صورت عدم دسترسی به داده‌های شبکه دقیق، معیارهای دسترسی در نظر گرفته می‌شوند.

(iii): محدودیت ها و محدودیت های داده

داده ها در تحقیق نقش بسیار زیادی در انتخاب عناصر برای ارزیابی قابلیت استفاده دارند، که در تحلیل ادبیات ذکر شده است، این مطالعه از داده های ثانویه استفاده می کند. در چنین مواقعی چاره ای جز استفاده از آنچه که در اختیار دارد نیست. با این حال، کیفیت و دقت داده ها مشخص می شود. در تمامی شهرها شاخص ها در محدوده شهرداری اندازه گیری شد. از آنجایی که هیچ داده مکانی ASFs خارج از شهر در نظر گرفته نمی شود. به همین دلیل، «اثر مرزی» ممکن است وجود داشته باشد و بر نتیجه فاصله اقلیدسی و شبکه تأثیر بگذارد که توسط مطالعات مشابه آپاریسیو [ 36 ، 37 ] گزارش شده است.

(IV): پیامدهای نتایج در برنامه ریزی

یافته‌های این مطالعه تشویق می‌کند که تقریباً 70٪ از ASFها در فاصله 1200 متری ایستگاه‌های اتوبوس از طریق فاصله شبکه در هر شش شهر وجود دارند. با این حال، افزایش تراکم ASF در 400 متر در مناطق نزدیک به ایستگاه اتوبوس نیز پیشنهاد می‌شود. این منجر به درصد بالاتری از سواری با اتوبوس می شود. روش ارزیابی آماری برای انجام رگرسیون خطی به راحتی قابل درک است. تجزیه و تحلیل نشان می دهد که همبستگی معنی داری برای شاخص های مختلف وجود دارد. به طور خاص، یک همبستگی قوی بین شاخص های اندازه گیری شده با فاصله اقلیدسی و شبکه در کل سطح شهر (بالاتر از 0.55، p< 0.001) در تمام شهرها. تغییرات فضایی قابل توجهی در دسترسی جغرافیایی در شش شهر مشاهده شد. تجزیه و تحلیل نشان می دهد که صرف نظر از استفاده از حالت سفر و تراکم جمعیت، اکثر ASFها در شهرهای لاکنو و جیپور از طریق فاصله شبکه به PT دسترسی کمی دارند. در همین حال، در شهرهای ویساخاپاتنام و ایندور زیاد است که تفاوت قابل توجهی با نتایج فاصله اقلیدسی دارد. علاوه بر این، کل داده‌ها به صورت درصد نشان داده می‌شوند که به تصمیم‌گیری کمک می‌کند و می‌تواند در مطالعات بعدی که حمل‌ونقل عمومی، زیرساخت NMT و خطوط اتوبوس با اولویت بالا را تشویق می‌کند، استفاده شود. رنگ قرمز مشخص شده در شبکه ها و نقشه های شبکه به عنوان یک چالش برجسته است و اجرای ایستگاه های اتوبوس آینده را در آینده نشان می دهد.

توزیع نابرابر ASF ها وجود دارد، جایی که بیشتر آنها فقط در مرکز شهر متمرکز شده اند، مانند Visakhapatnam. این مانع دسترسی نزدیکترین ایستگاه اتوبوس به چند ASF در مکان‌های دیگر، به‌ویژه در مناطق تازه توسعه‌یافته می‌شود. در نظر گرفتن منطقه ساخته شده و تراکم شبکه به بهبود تعداد ASF های اضافی در سطح دسترسی بالا که به ایستگاه های اتوبوس و اهداف نزدیک تر هستند در بهبود شرایط شبکه که در آن توسعه در آینده رخ می دهد کمک می کند. این امر با معیارهای فضایی مورد مطالعه در این تحقیق ارائه شده است.

مکان ایستگاه های اتوبوس مورد استفاده برای ارزیابی قابلیت اطمینان خدمات اتوبوس، تأثیر مستقیمی بر عملکرد سیستم و خدمات حمل و نقل دارد. با این حال، این مطالعه خطاها را در انتخاب انواع فاصله با روش تجمیع [ 36 ]، هزینه و زمان [ 58 ] و جمعیت [ 38 ] ارزیابی نمی کند.]. چنین دقت های محدودی را می توان برای مطالعات آینده ترکیب کرد تا مکان های ایستگاه اتوبوس مبتنی بر تقاضا را خودکار کند که بر توزیع کاربری زمین و تقاضا برای خدمات تأکید دارد. نتایج نشان‌دهنده پیامدهای سیاست و طراحی در هر شش شهر است، به طوری که در مرحله اولیه، مقررات جدید دستورالعمل‌های موجود باید در سطح سیاست اجرا شود. زیرساخت های آتی ASF ها باید طبق در نظر گرفتن با اندازه گیری فاصله تا نزدیکترین PT برنامه ریزی شود. دستورالعمل‌های برنامه‌ریزی عابر پیاده در کد هندی IRC: 103-2012 باید برای گنجاندن فاکتور فاصله به همراه کیفیت زیرساخت عابر پیاده تجدید نظر شود [ 95]. شبکه جدید باید با ارائه تعداد قابل توجهی پیوندهای اتصال گره ها برنامه ریزی شود. مقایسه شهرها یک چارچوب مشترک برای شناسایی سطح دسترسی به هر شهر و مسائل موجود در آن شهرها ایجاد می کند [ 9]. استفاده از این نوع در مطالعات مشابه به مقایسه شهرها با شهرهای معیار شده در سطح جهانی کمک خواهد کرد و مطمئناً راه جدیدی را هموار خواهد کرد. این مطالعه بر ارزیابی سطح شهر متمرکز است، به دلیل مقیاس / تراکم فعالیت‌ها، دسترسی به شهر را در آینده مختل خواهد کرد. این رتبه ها برای درک موقعیت شهر با مقایسه عملکرد آن با سایر شهرها و رقابت برای ایستادن به عنوان معیار و تبدیل شدن به هدفی برای شهرهای دیگر برای دستیابی و بهبود PT تعیین می شود. خلاصه کردن ماهیت رتبه بندی در این مطالعه نشان می دهد که شهر بوپال، ایندور، ویساخاپاتنام دارای رتبه بالایی است که به عنوان یک معیار برجسته است، در حالی که ناگپور، جیپور و لاکنو رتبه پایینی را برای برد شبکه 0 تا 400 متر کسب می کنند. به طور کلی، هر چه رتبه بالاتر باشد، دسترسی به ASF ها از ایستگاه های اتوبوس را بهتر تشویق می کند.

7. نتیجه گیری

این مطالعه یک رویکرد منحصر به فرد را اتخاذ می کند زیرا چندین ASF را ادغام می کند و دسترسی جغرافیایی مکانی به ASF ها را از ایستگاه های اتوبوس با استفاده از اندازه گیری فاصله اقلیدسی و شبکه در شش شهر هند ارزیابی می کند. این مطالعه تلاش می‌کند تا سطح دسترسی به هر بخش ASF را که ایستگاه‌های اتوبوس را به هم متصل می‌کند، شناسایی کند. برخی از ASFها از محل سکونت ممکن است دسترسی بالایی در سطح محله داشته باشند، اما هنوز از اتصال مناسبی به ایستگاه اتوبوس برخوردار نیستند. گاهی اوقات، افرادی که به نزدیکترین ASFs در یک محله می روند ممکن است مورد بحث قرار گیرند، زیرا ممکن است ترجیح دهند به سایر ASFها دورتر از خانه نقل مکان کنند. این مطالعه پیوندهای فاصله قابل پیاده‌روی بین ایستگاه‌های اتوبوس و ASF را برای تشویق مردم به استفاده از حمل‌ونقل عمومی در نظر می‌گیرد. نقشه شبکه که با منطقه ساخته شده همپوشانی دارد به شناسایی مناطقی که اصلاً حمل و نقل ندارند و مناطقی که فقط چند ایستگاه اتوبوس دارند کمک می کند. کار حاضر مجموعه‌ای از شاخص‌ها را پیشنهاد می‌کند که می‌توانند در برنامه‌ریزی شهری بیشتر مورد استفاده قرار گیرند. اندازه گیری ها به دو دسته عمده تقسیم می شوند: اقلیدسی و شبکه. اول با استفاده از فاصله خط مستقیم و دومی مسافت را با استفاده از شبکه جاده محاسبه می کند. نتایج دقیق‌تر و دقیق‌تری هنگام استفاده از فاصله شبکه به دست می‌آید، اگرچه استفاده از فاصله شبکه به داده‌ها و تجزیه و تحلیل بیشتری نیاز دارد (به عنوان مثال، یک لایه شبکه). نتایج به دست آمده با استفاده از فاصله اقلیدسی فاصله را بیش از حد برآورد می کند. نتایج این تحقیق ضرورت برنامه ریزی کاربری اراضی را با افزایش تراکم ASF ها در مناطق نزدیک به ایستگاه های اتوبوس متمرکز در فاصله 400 متری ترانزیت نشان می دهد.

در هند، سیاست‌های فعلی در مورد دسترسی، ایجاد زیرساخت‌های جدید را هدف قرار می‌دهند، اما نحوه دستیابی به دسترسی در شهرها و اقدامات ارزیابی مورد نیاز برای برنامه‌ریزی دسترسی را تعریف نمی‌کنند. در این تحقیق، ASF های مختلف بر اساس سطوح دسترسی شناسایی و با سایر شاخص ها برای رتبه بندی ترکیب شده اند. در مجموع، درصدها در سطوح و نمرات مختلف را می‌توان برای مطالعات بیشتر در نظر گرفت و از نظر روش‌شناسی، مفروضات پذیرفته‌شده و محدودیت‌ها، به محققان و برنامه‌ریزان کمک می‌کند.

در هر زمینه، شاخص های مورد استفاده برای ارزیابی دسترسی به ASFs از PT ابزار بسیار مهمی برای برنامه ریزی مناطق شهری در هند است. آنها ممکن است چارچوبی برای توسعه سیاست های حمل و نقل عمومی مختلف در شهرداری ها و مناطق شهری (مناطق، مناطق شهری) فراهم کنند.

تحقیقات بیشتر ممکن است شامل اصلاح و اضافه کردن شاخص‌ها باشد تا بتوانند ادغام کاربری‌های مختلف زمین را که به PT متصل می‌شوند با عوامل مرتبطی که بر دسترسی تأثیر می‌گذارند، بیشتر تقویت کنند. روش مشابهی را می توان در شهرهای دیگر هند نیز برای ارزیابی دسترسی پذیرفت. این تحقیق به بررسی امکان گنجاندن برخی از عوامل مانند شیب، ارتفاع و وضعیت جاده می‌پردازد که بر دسترسی برای رسیدن به PT بدون در نظر گرفتن کوتاه‌ترین فاصله تأثیر می‌گذارد. این روش‌ها را می‌توان در آینده برای حمل و نقل دیگر مانند متروها نیز به کار برد، زیرا انتخاب مبدا و مقصد ممکن است بر تفسیر متفاوت برای یک شهر تأثیر بگذارد.

پیوست اول

جدول A1. داده های سازمان های دولتی و غیردولتی مختلف.

شکل A1. ایجاد نقاط تصادفی در ArcMap و نقطه باز کردن در Google Earth.

شکل A2. ارزیابی دقت کاربری اراضی پوشش اراضی: 2018.

شکل A3. همپوشانی ASFها در Google Earth؛ برای ارزیابی دقت در 3 حوزه با حقیقت یابی زمینی.

جدول A2. ارزیابی دقت و ضریب کاپا برای منطقه Trimurti Nagar (ASFs).

شکل A4. نتایج ارزیابی دقت کلی و ضریب کاپا برای 3 ناحیه.

جدول A3. همبستگی برای کل شهر اقلیدسی و فاصله شبکه.

جدول A4. همبستگی و تفاوت میانگین فاصله برای ASFها از نظر بخش در هر شش شهر، برای محدوده (0-400، 401-800، 801-1200 متر).

منابع

سقاپور، ت. مریدپور، س. تامپسون، RG اندازه گیری دسترسی دوچرخه سواری در مناطق شهری. بین المللی J. Sustain. ترانسپ 2017 ، 11 ، 381-394. [ Google Scholar ] [ CrossRef ]
برنامه ریزی و طراحی برنامه اسکان انسانی سازمان ملل متحد برای تحرک شهری پایدار. نایروبی، کنیا. 2013. در دسترس آنلاین: https://unhabitat.org/planning-and-design-for-sustainable-urban-mobility-global-report-on-human-settlements-2013 (در 9 ژانویه 2019 قابل دسترسی است).
Le Clercq، F. برتولینی، L. دستیابی به دسترسی پایدار: ارزیابی سیاست اندازه گیری آمستردام در منطقه. محیط ساخته شده 2003 ، 29 ، 36-47. [ Google Scholar ] [ CrossRef ]
بوک، جی. Kwon, Y. معیارهای قابل مقایسه دسترسی به حمل و نقل عمومی با استفاده از مشخصات عمومی خوراک حمل و نقل. Sustainability 2016 , 8 , 224. [ Google Scholar ] [ CrossRef ][ Green Version ]
سقاپور، ت. مریدپور، س. تامپسون، RG دسترسی به حمل و نقل عمومی در مناطق شهری: رویکردی جدید شامل تراکم جمعیت طیبه سقاپور، سارا مریدپور، راسل جی. تامپسون. J. Transp. Geogr. 2016 ، 8 ، 273-274. [ Google Scholar ] [ CrossRef ]
دانکن، DT; آلدشتات، جی. ولین، جی. Melly، SJ اعتبارسنجی امتیاز پیاده‌روی ^® برای تخمین پیاده‌روی همسایگی: تجزیه و تحلیل چهار منطقه شهری ایالات متحده. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2014 ، 8 ، 4160-4179. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Lo, RH Walkability: چیست؟ J. Urban 2009 , 2 , 145-166. [ Google Scholar ] [ CrossRef ]
Chhibber، V. حمل و نقل جاده ای کتاب سال. دهلی نو. 2012. در دسترس آنلاین: https://morth.nic.in/sites/default/files/Road_Transport_Year_Book_2012_13.pdf (در 9 اکتبر 2018 قابل دسترسی است).
رود، پی. فلوتر، جی. توموپولوس، ن. دوچرتی، جی. شوینگر، پی. ماهندرا، ا. نیش، دبلیو. شهرها، LSE؛ فریدل، بی. گومز، آ. و همکاران دسترسی در شهرها: حمل و نقل و فرم شهری. LSE شهرهای پاپ. 2014 ، 3 ، 1-61. [ Google Scholar ]
Singal، B. سیاست ملی حمل و نقل شهری. دهلی نو. 2014. موجود به صورت آنلاین: https://www.urbantransportnews.com/wpcontent/uploads/2018/08/National_Urban_Transport_Policy_2014.pdf (در 9 اکتبر 2018 قابل دسترسی است).
گورتو، ا. ویلیامز، سی. توسعه چشم اندازهای کشوری در مورد ارائه خدمات عمومی Springer: برلین، آلمان، 2015; ISBN 9788132221609. [ Google Scholar ]
García-Palomares, JC; گوتیرز، جی. کاردوزو، OD دسترسی پیاده‌روی به حمل‌ونقل عمومی: تحلیلی بر اساس داده‌های کوچک و GIS. محیط زیست طرح. B طرح. دس 2013 ، 40 ، 1087-1102. [ Google Scholar ] [ CrossRef ]
پولمن، اچ. Dijkstra, L. اندازه گیری دسترسی به حمل و نقل عمومی در شهرهای اروپایی ; DG منطقه ای و شهری سیاست: بروکسل، بلژیک، 2015. [ Google Scholar ]
سن، ر. کوئرسیا، دی. Ruiz، CV مقیاس پذیر جمع آوری داده های شهری از وب. در کنفرانس بین المللی وب و رسانه های اجتماعی ; انجمن برای پیشرفت هوش مصنوعی (www.aaai.org): کالیفرنیا، کالیفرنیا، ایالات متحده آمریکا، 2016; صص 1-6. [ Google Scholar ]
Kaufmann, T. رتبه‌بندی جهانی شهرها بر اساس دسترسی به خدمات. در دسترس آنلاین: https://web.northeastern.edu/nulab/a-global-ranking-of-cities-by-accessibility-to-services/ (در 25 مارس 2019 قابل دسترسی است).
زویجست، ام. دن بوش، وی. بروکسل، ام. سالزبرگ، آ. منشی، تی. گوپتا، ن. Maarseveen, V. GIS برای دسترسی چندوجهی به مشاغل برای فقرای شهری در احمدآباد. سیزده. WCTR 2013 ، 1 ، 1-20. [ Google Scholar ]
کومار، S. حمل و نقل شهری در هند: مسائل، چالش ها و راه پیش رو. یورو ترانسپ تله. یورو 2012 ، 52 ، 1-26. [ Google Scholar ]
بهادر، س. Kotharkar، R. ارزیابی پایداری محله‌های کاربری مختلط از طریق رفتار و ادراک ساکنان سفر: مورد ناگپور، هند. پایداری 2015 ، 7 ، 12164-12189. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سینگ، وی. Deshpande, P. People Near Transit, Transit Near People. 2019. در دسترس آنلاین: https://www.itdp.in/wp-content/uploads/2019/05/People-Near-Transit-Transit-Near-People.pdf (دسترسی در 7 فوریه 2019).
هالدر، جی. دسترسی به تحصیل در بنگال غربی: تحلیل جغرافیایی-اجتماعی . Sodhganga: Mysore، هند، 2012. [ Google Scholar ]
سولانکی، هنگ کنگ؛ احمد، ف. گوپتا، SK; Nongkynrih، B. حمل و نقل جاده ای در شهری هند: پیامدهای آن بر سلامت. هند J. جامعه پزشکی. خاموش انتشار هندی. قبلی Soc. پزشکی 2016 ، 41 ، 16-22. [ Google Scholar ]
رویز، وزارت بهداشت؛ شارما، AK کاربرد GIS در بهداشت عمومی در هند: بررسی، تحلیل و توصیه‌های مبتنی بر ادبیات. هند جی. بهداشت عمومی 2016 ، 60 ، 51-58. [ Google Scholar ]
درهانسکی، م. پریده، م. مرادبک، ع. محمد، ع. اوولابی، ف. عبدالوهاب تایو; اسنیزا، م. عبدالخالد، SH اندازه گیری توسعه شهری و عملکرد شهر. Intech 2016 , i , 13. [ Google Scholar ]
ویلیامز، ک. برتون، ای. مایک، جی. دستیابی به شهری پایدار. فرم ؛ مرکز توسعه پایدار: لندن، بریتانیا، 1986. [ Google Scholar ]
وایدیا، سی. مسائل شهری، اصلاحات و راه رو به جلو در هند . وزارت امور اقتصادی، وزارت دارایی، دولت هند: دهلی نو، هند، 2009; صص 1-12.
جعفری، ف. قربانی، ر. تراکم شهری و توسعه پایدار اجتماعی در محلات مطالعه موردی: تبریز، ایران. جغرافیا 2013 ، 3 ، 457-467. [ Google Scholar ]
Banister, D. توسعه پایدار شهری و حمل و نقل – یوروویژن برای 2020. Transp. Rev. 2000 , 20 , 113-130. [ Google Scholar ] [ CrossRef ]
لیتمن، تی. اندازه گیری توانایی افراد برای دستیابی به کالاها و فعالیت های مورد نظر . موسسه سیاست حمل و نقل ویکتوریا: ویکتوریا، BC، کانادا، 2016. [ Google Scholar ]
سقاپور، ت. مریدپور، س. تامپسون، RG اندازه گیری دسترسی پیاده روی در مناطق شهری. ترانسپ Res. ضبط J. Transp. Res. هیئت 2017 ، 2661 ، 111–119. [ Google Scholar ] [ CrossRef ]
چپمن، اس. Weir, D. روشهای برنامه ریزی دسترسی اکتبر 2008 ; آژانس حمل و نقل نیوزلند: ولینگتون، نیوزلند، 2008.
برهنی، ام جی، اندازه گیری فرصت فضایی در برنامه ریزی استراتژیک. Reg. گل میخ. 1978 ، 12 ، 463-479. [ Google Scholar ] [ CrossRef ]
Vale، DS; سارایوا، م. پریرا، ام. دسترسی فعال: مروری بر اقدامات عملیاتی دسترسی پیاده روی و دوچرخه سواری. J. Transp. کاربری زمین 2015 ، 1 ، 1-27. [ Google Scholar ] [ CrossRef ]
یاوسون، DO; آرما، FA; Okae-Anti، D. اساندوه، پی کی; افریفا، EKA افزایش دسترسی به داده های مکانی در غنا: اولویت بندی عوامل تأثیرگذار با استفاده از AHP. بین المللی جی. اسپات. زیرساخت داده Res. 2011 ، 6 ، 290-310. [ Google Scholar ]
چن، YY; وی، پی. لای، جی اچ. فنگ، GC؛ لی، ایکس. گونگ، ی. روش ارزیابی دسترسی حمل و نقل عمومی برای مناطق شهری بر اساس GIS. Procedia Eng. 2016 ، 137 ، 132-140. [ Google Scholar ]
کمپیل، م. جاکوبز-کریزیونی، سی. دایکسترا، ال. Lavalle، C. نقشه برداری دسترسی به خدمات عمومی در اروپا: یک رویکرد مبتنی بر پتانسیل بازار. حفظ کنید. جامعه شهرها 2019 ، 47 ، 101372. [ Google Scholar ] [ CrossRef ]
آپاریسیو، پی. عبدالمجید، م. ریوا، م. Shearmur، R. مقایسه رویکردهای جایگزین برای اندازه‌گیری دسترسی جغرافیایی خدمات بهداشتی شهری: انواع فاصله و مسائل مربوط به خطای تجمع. بین المللی J. Health Geogr. 2008 ، 7 ، 1-14. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
آپاریسیو، پی. گلب، جی. دوبه، ع. کینگهام، اس. گووین، ال. Robitaille، É. رویکردهای اندازه‌گیری دسترسی فضایی بالقوه به خدمات بهداشتی شهری مورد بازبینی قرار گرفت: انواع فاصله و مسائل مربوط به خطای تجمع. بین المللی J. Health Geogr. 2017 ، 16 ، 1-24. [ Google Scholar ] [ CrossRef ] [ PubMed ]
La Rosa، D. دسترسی به فضاهای سبز: شاخص های مبتنی بر GIS برای برنامه ریزی پایدار در یک بافت شهری متراکم. Ecol. اندیک. 2014 ، 42 ، 122-134. [ Google Scholar ] [ CrossRef ]
Azzopardi, J. اثر اندازه‌گیری‌های فاصله و نمایش ویژگی‌ها بر معیارهای دسترسی مبتنی بر فاصله . دانشگاه لوند: لوند، سوئد، 2018. [ Google Scholar ]
اسپادون، جی. براندولی، بی. الر، DM; رودریگز، JFJ تشخیص تناقضات مبتنی بر فاصله چند مقیاسی در شهرها از طریق شبکه های پیچیده. جی. کامپیوتر. علمی 2019 ، 30 ، 209–222. [ Google Scholar ] [ CrossRef ]
هال، آ. سیلوا، سی. لوکا، ب. ابزارهای دسترسی برای برنامه ریزی عملی ; دفتر هزینه: بروکسل، بلژیک، 2012; ص 205-237. ISBN 9789892031873. [ Google Scholar ]
پیتوت، ام. Yigitcanlar، T. Sipe، N. ابزار Evans، R. استفاده از زمین و دسترسی به حمل و نقل عمومی (LUPTAI) – برنامه توسعه و آزمایشی برای نویسنده Gold Coast. در مقالات انجمن ATRF ; پژوهش آنلاین گریفیث: کوئینزلند، استرالیا، 2006; صص 1-18. [ Google Scholar ]
بروملستروت، ام. کرتیس، سی. لارسون، ا. میلاکیس، دی. کورتیس، سی. لارسون، ا. میلاکیس، دی. نقاط قوت و ضعف ابزارهای دسترسی در عمل برنامه ریزی: قوانین فناورانه مبتنی بر کارگاه های تجربی. یورو طرح. گل میخ. 2016 ، 24 ، 1176-1196. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مونوز، UH; Källestål، C. مدل‌سازی دسترسی جغرافیایی و پوشش فضایی شبکه مراقبت‌های بهداشتی اولیه در استان غربی رواندا. بین المللی J. Health Geogr. 2012 ، 11 ، 40. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
کوهساری، م.ج. اوون، ن. سرین، ای. گیلز-کورتی، بی. Sugiyama، T. پیاده‌روی و راه رفتن برای حمل و نقل: مشخص کردن محیط ساخته شده با استفاده از نحو فضا. بین المللی J. Behav. Nutr. فیزیک عمل کنید. 2016 ، 13 ، 1-9. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ها، PTH; ون دن بوش، اف. کوانگ، NN; Zuidgeest، M. فرم شهری و دسترسی به مشاغل. محیط زیست Urban ASIA 2011 ، 2 ، 265-285. [ Google Scholar ] [ CrossRef ]
کناپ، جی. یوینگ، آر. کلیفتون، کی. دیدن فیل: اقدامات چند رشته ای شهری. پراکندگی ; دانشگاه مریلند: کالج پارک، MD، ایالات متحده آمریکا، 2005. [ Google Scholar ]
Geurs، KT; Ritsema van Eck, J. اقدامات دسترسی: بررسی و برنامه های کاربردی. ارزیابی اثرات دسترسی سناریوهای حمل و نقل استفاده از زمین، و اثرات اجتماعی و اقتصادی مرتبط. RIVM Rep. 2001 , 787 , 1-265. [ Google Scholar ]
کاپولا، پی. پاپا، ای. ابزارهای برنامه ریزی دسترسی برای توسعه پایدار و یکپارچه استفاده از زمین/حمل و نقل (LUT): یک کاربرد در رم. Procedia Soc. رفتار علمی 2013 ، 87 ، 133-146. [ Google Scholar ] [ CrossRef ]
آگامپاتیان، آر. استفاده از GIS برای اندازه‌گیری قابلیت پیاده‌روی: مطالعه موردی در شهر نیویورک . موسسه فناوری Oyal (KTH): استکهلم، سوئد، 2014. [ Google Scholar ]
رودریگ، جی پی؛ کامتویس، سی. Slack، B. جغرافیای سیستم های حمل و نقل . Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2016; ISBN 9781317210108. [ Google Scholar ]
سهو، پ. Dash، RK توسعه زیرساخت و رشد اقتصادی در هند. J. آسیا و اقیانوسیه اقتصاد. 2009 ، 14 ، 351-365. [ Google Scholar ] [ CrossRef ]
بویر، دی. اندازه گیری رشد شهری، شکل شهری و دسترسی به عنوان شاخص های گسترش شهری در همیلتون، نیوزیلند . دانشگاه لوند: لوند، سوئد، 2015. [ Google Scholar ]
فن، پ. خو، ال. یو، دبلیو. چن، جی. دسترسی به فضای سبز شهری عمومی در حاشیه شهری: مورد شانگهای. Landsc. طرح شهری. 2016 ، 165 ، 177-192. [ Google Scholar ] [ CrossRef ]
یی، L. ارزیابی دسترسی به مدارس ابتدایی – مورد یوهوا، چانگشا، چین . مؤسسه بین المللی علوم اطلاعات جغرافیایی و رصد زمین: Enschede، هلند، 2004. [ Google Scholar ]
Somenahalli, SVC; تیلور، دسترسی به شبکه جاده MAP و معایب اجتماعی-اقتصادی در سراسر منطقه شهری آدلاید. ترانسپ توسعه دهنده اقتصاد 2016 ، 2 ، 1-8. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بیلک، م. امیرچه، L. پیش بینی تأثیر خط مترو بر روی دسترسی در حمل و نقل عمومی مبتنی بر GIS با مدلسازی زمان سفر: مطالعه موردی منطقه شمال غربی الجزایر، الجزایر. J. Remote Sens. GIS 2017 , 6 , 1000195. [ Google Scholar ] [ CrossRef ]
جرو، او. تنکانن، اچ. سالونن، ام. آحاس، ر. Toivonen، T. شهرهای پویا: مدل‌سازی دسترسی مبتنی بر مکان به عنوان تابعی از زمان. Appl. Geogr. 2018 ، 95 ، 101-110. [ Google Scholar ] [ CrossRef ]
Bhagat، RB Urbanization و دسترسی به امکانات اولیه در هند. هند شهری 2011 ، 31 ، 1-14. [ Google Scholar ]
شانکارالینگ، برنامه ریزی شهری SK برای شهر آتانی: یک رویکرد فضایی . دانشگاه کارناتاک: دارواد، هند، 2012; در دسترس آنلاین: https://shodhganga.inflibnet.ac.in/bitstream/10603/21354/12/cover%20page.pdf (دسترسی در 20 ژوئن 2020).
راماچاندران، وی . وضعیت بهداشت و آموزش در هند پرسش های مهم در توسعه کشور . ماموریت توانمندسازی جوانان دالیت بیکار: دهلی، هند، 2015. [ Google Scholar ]
بوچکوفسکا، اس. کولومبل، ن. Lapparent، M. De Euclidean در مقابل فاصله شبکه در محل کسب و کار: ترکیبی احتمالی از مدل‌های مانع-پواسون. HALarchives-ouvertes. ان Reg. علمی 2016 ، 21. [ Google Scholar ]
El-geneidy، AM دسترسی عابر پیاده به حمل و نقل: شناسایی افزونگی ها و شکاف ها با استفاده از تجزیه و تحلیل منطقه خدمات متغیر دسترسی عابر پیاده به حمل و نقل: شناسایی افزونگی ها و شکاف ها با استفاده از تجزیه و تحلیل منطقه خدمات متغیر. در مجموعه مقالات هشتاد و نهمین نشست سالانه هیئت تحقیقات حمل و نقل، واشنگتن دی سی، ایالات متحده آمریکا، 10 تا 14 ژانویه 2010. [ Google Scholar ]
آرمسترانگ رایت، ای. تیریز، اتوبوس اس. خدمات کاهش هزینه ها، افزایش استانداردها ; بانک بین المللی برای بازسازی و توسعه، بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2003. [ Google Scholar ]
آپاریسیو، پی. Séguin، A.-M.; Naud, D. کیفیت محیط شهری پیرامون ساختمانهای مسکونی عمومی در مونترال: رویکردی عینی مبتنی بر GIS و تجزیه و تحلیل آماری چند متغیره. Soc. اندیک. Res. 2008 ، 86 ، 355-380. [ Google Scholar ] [ CrossRef ]
هیرش، جی. مور، کالیفرنیا؛ Evenson، KR; رودریگز، دی. Roux، AVD در مطالعه چند قومیتی آترواسکلروز. صبح. J. قبلی پزشکی 2013 ، 45 ، 158-166. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
تورنتون، LE; پیرس، جی آر. مکدونالد، ال. بره، KE; Ellaway، A. آیا انتخاب معیار دسترسی به سوپرمارکت محله بر ارتباط با مصرف میوه و سبزیجات در سطح فردی تأثیر می گذارد؟ مطالعه موردی از گلاسکو. بین المللی J. Health Geogr. 2012 ، 11 ، 1-12. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کامروززمان، م. Yigitcanlar، T. یانگ، جی. محمد، MA اقدامات طرد اجتماعی مرتبط با حمل و نقل: بررسی انتقادی ادبیات. Sustainability 2016 , 8 , 696. [ Google Scholar ] [ CrossRef ][ Green Version ]
واتی، ک. بورک، ام. Sipe، APN; Dodson، روندهای دوچرخه سواری کودکان APJ، دسترسی و استفاده از امکانات شهری در محیط های شهری منتخب استرالیا. دوچرخه سواری کودکان برای حمل و نقل: وضعیت و عوامل تعیین کننده. در مجموعه مقالات سی و ششمین انجمن تحقیقات حمل و نقل استرالیا، ATRF 2013، بریزبن، QLD، استرالیا، 2 تا 4 اکتبر 2013. در دسترس آنلاین: https://espace.library.uq.edu.au/view/UQ:727069 (در 20 ژوئن 2020 قابل دسترسی است).
بهادر، س. Kotharkar، R. چارچوب برای اندازه گیری پایداری محله ها در ناگپور، هند. ساختن. محیط زیست 2018 ، 127 ، 86-97. [ Google Scholar ] [ CrossRef ]
واتی، ک. طرد اجتماعی مرتبط با حمل و نقل در احمدآباد ; مؤسسه بین المللی علوم اطلاعات جغرافیایی و رصد زمین: Enschede، هلند، 2009. [ Google Scholar ]
گل، م. رهنمودهای تدوین و اجرای طرح های توسعه شهری و منطقه ای (URDPFI). وزیر توسعه شهری 2015 ، I ، 447. [ Google Scholar ]
کوثرکار، ر. بهادر، ص. دستیابی به فرم شهر فشرده از طریق توزیع تراکم: موردی از شهرهای هند. J. Urban. طرح. توسعه دهنده 2020 ، 146 ، 1-15. [ Google Scholar ] [ CrossRef ]
Wilbur، SA مطالعه در مورد سیاست ها و استراتژی های ترافیک و حمل و نقل در مناطق شهری در هند. وزیر توسعه شهری 2008 ، 105-109 . [ Google Scholar ]
کوثرکار، ر. بهادر، پ. ساردا، N. اندازه گیری فرم شهری فشرده: موردی از شهر ناگپور، هند. پایداری 2014 ، 6 ، 4246-4272. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
شاه، جی. سطوح دسترسی حمل و نقل عمومی برای احمدآباد، هند. J. Public Transp. 2016 ، 19 ، 19-35. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کومار، ص. ترانزیت توسعه محور در شهرهای هند. دانشکده برنامه ریزی و معماری، دهلی UP/1269. 2018. در دسترس آنلاین: https://www.metrorailnews.in/transit-oriented-development-development-oriented-transit-indian-cities/ (دسترسی در 20 ژوئن 2020).
Pai, M. حمل و نقل در شهرها ; Embarq، مرکز حمل و نقل پایدار: دهلی نو، هند، 2007. [ Google Scholar ]
دفتر اداره کل ثبت احوال و کمیسر سرشماری. I. سرشماری هند. در دسترس آنلاین: https://censusindia.gov.in/ (در 12 ژوئیه 2019 قابل دسترسی است).
مرکز ملی انفورماتیک پلتفرم داده های دولت باز (OGD). در دسترس آنلاین: https://data.gov.in/ (در 20 اوت 2018 قابل دسترسی است).
یانگ، دی. فو، CS؛ اسمیت، AC; Yu, Q. نقشه کاربری زمین باز: یک استراتژی نقشه برداری کاربری منطقه ای برای ترکیب OpenStreetMap با مشاهدات زمین. ژئو اسپات. Inf. علمی 2017 ، 20 ، 269-281. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
جایا، MI; سیدی، ف. اسحاق، آی. Affendey، LS; جبار، کارشناسی ارشد مروری بر تحقیقات کیفیت داده در دستیابی به کیفیت بالای داده در سازمان. جی. تئور. Appl. Inf. تکنولوژی 2017 ، 95 ، 2647–2657. [ Google Scholar ]
تیلاهون، الف. ارزیابی دقت طبقه‌بندی پوشش زمین کاربری اراضی با استفاده از Google Earth. صبح. جی. محیط زیست. Prot. 2015 ، 4 ، 193. [ Google Scholar ] [ CrossRef ]
لاهوتی، س. کفی، م. لاهوتی، ع. Saito, O. روش شناسی نقشه برداری از فضاهای سبز شهری عمومی با استفاده از GIS: نمونه ای از شهر ناگپور، هند. پایداری 2019 ، 11 ، 2166. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
گلدبلات، آر. تو، دبلیو. هانسون، جی. Khandelwal، AK تشخیص مرزهای مناطق شهری در هند: مجموعه داده ای برای طبقه بندی تصاویر مبتنی بر پیکسل در موتور گوگل ارت. Remote Sens. 2016 ، 8 ، 634. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بامفورد، سی جی; رابینسون، اچ. جغرافیای حمل و نقل . گراهام، CGC، اد. مک دونالد و ایوانز: پلیموث، بریتانیا، 1978; ISBN 0712107304. [ Google Scholar ]
قتیاشات، د. مخمره، ز. طالب، ح. خلیفت، ع. ایمیل، J. الگوی کاربری زمین شهری و ویژگی های شبکه راه با استفاده از GIS در شهر السالت، اردن. مد. Appl. علمی 2018 ، 12 ، 128-142. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ژائو، اف. چاو، ال. لی، ام. اوباکا، آی. گان، الف. پیش‌بینی مدل رگرسیون دسترسی پیاده روی ترانزیت، جایگزین روش بافر. ترانسپ Res. ضبط 2003 ، 03 ، 34-41. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Cubukcu، KM; طاها، ح. آیا فاصله اقلیدسی و فاصله شبکه با هم مرتبط هستند؟ محیط زیست Proc. J. 2016 , 1 , 167. [ Google Scholar ] [ CrossRef ]
Sa, W. عادی سازی مقادیر ویژگی در روش Topsis ; CreativeTime: Szczecin، لهستان، 2014. [ Google Scholar ]
Ewa, R. مدل های تصمیم گیری چند معیاره با استفاده از روش Topsis برای داده های واضح و فاصله. چند. تصمیم گیری معیارها ماک دانشگاه اقتصاد کاتو. 2011 ، 6 ، 200-230. [ Google Scholar ]
Łatuszyńska، A. تجزیه و تحلیل تصمیم گیری چند معیاره با استفاده از روش تاپسیس برای داده های فاصله ای در تحقیق در سطح توسعه جامعه اطلاعاتی. Folia Oeconomica Stetin. 2014 ، 13 ، 63-76. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کوثرکار، ر. Pallapu، AV; بهادر، ص. ارزیابی پایداری مبتنی بر خوشه شهری یک شهر هندی: مورد ناگپور. ج. طرح شهری. توسعه دهنده 2019 ، 2 ، 145-146. [ Google Scholar ] [ CrossRef ]
دیزداراوغلو، دی. Yigitcanlar، T. Dawes، L. یک مدل نمایه سازی در سطح خرد برای ارزیابی پایداری اکوسیستم شهری. پایداری هوشمند. محیط ساخته شده 2012 ، 1 ، 291-315. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کنگره جاده هند Guidelines for Pedestrian Facility 2012, 75. موجود آنلاین: https://go.itdp.org/download/attachments/60296563/IRC%202012%20%28Guidelines%20For%20Pedestrian%20Facilities%29.pdfacess ? در 29 سپتامبر 2019).