مکانیابی و تخصیص بهینه چینش کاربری های خدماتی با استفاده از الگوریتم NSGA-II
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 713
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_336
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
تحقق بهره برداری پایدار از زمین با توجه به روند سریع صنعتی شدن و شهرنشینی یک مسیله بسیار مهم مدیریت زمین است. با توجه به ویژگی های منابع زمینی و ارزیابی مناسب بودن آن بر اساس فن آوری خاص علمی و مدیریتی، چینش صحیح کاربری اراضی را می توان عاملی برای آرایش معقول تر و توزیع فضایی مناسب تری برای رسیدن به اهداف خاص اقتصادی، اجتماعی، زیست محیطی و بهبود بهره وری استفاده از زمین، حفظ تعادل نسبی اکوسیستم زمین و تحقق بخشیدن به بهره برداری پایدار از منابع زمین دانست. محدودیت زمین شهری و منابع آن ، مشکلات همجواری کاربری ها و عدم پاسخگویی برخی کاربری ها به نیازهای منطقه ، منجر به افزایش برخی کاربری ها وضرورت چینش و مکانیابی مناسب و کارای آن ها می شود. هدف از این تحقیق ارایه مدلی براساس الگوریتم چندهدفه ی NSGA-II برای یافتن بهترین مکان برای کاربری های خدماتی می باشد. توابع هدف مورد مطالعه در این پژوهش بیشینه سازی سازگاری کاربری ها، بیشینه سازی مطلوبیت کاربری ها و بیشینه سازی وابستگی کاربری ها می-باشد. همچنین در این تحقیق قیود مسیله تامین سرانه مورد نیاز منطقه مورد مطالعه و حفظ کاربری های خدماتی موجود باتوجه به کمبود این کاربری ها در محدوده مورد مطالعه می باشد. محدوده مورد مطالعه منطقه 16 شهرداری تهران و داده های مورد استفاده، داده های 2000 طرح تفصیلی می باشد. در نهایت یک مدل چینش بهینه کاربری های خدماتی با توجه به توابع هدف و قیود مسیله در محدوده مورد مطالعه ارایه شده است. در مدل های بدست آمده توابع هدف بهتر از حالت موجود می باشد و کمبود سرانه تا حد زیادی تامین شده است.
Keywords:
Authors
سمیرا همبری امیرآبادی
دانشجوی کارشناسی ارشد مهندسی نقشه برداری گرایش سیستم های اطلاعات جغرافیایی دانشگاه تهران
فرشاد حکیم پور
استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :