مدیریت پیشگیری از جرم بهمنظور کاهش حوادث در شبکه های فاضلاب شهری با استفاده از سامانه اطلاعات جغرافیایی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 427
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NWWCE01_107
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
وقوع حوادث متعدد در شبکههای آب و فاضلاب شهری به دلایل مختلف، یکی از معضلاتی است که در طول سالیان اخیر در برخی از شهرها باعث آلودگی آبهای زیرزمینی و بروز مشکلات جدی زیستمحیطی گردیده است. در راستای کاهش اینگونه خطرات و جلوگیری از بروزآلودگیهای زیستمحیطی، ضمن تحلیل علل وقوع جرایم انسانی که منجر به وقوع حادثه میگردد طراحی مدل ارزیابی و پیشبینی حوادث بااستفاده از سیستم اطلاعات جغرافیایی ) GIS ( براساس اطلاعات و گزارشات حوادث و نقشه شبکه فاضلاب و به کمک فرایند تحلیل سلسله مراتبی (AHP) ضروری به نظرمی رسد. این مدل قابلیت ارزیابی سوابق حوادث قبلی، علت وقوع هرکدام، با تاکید بر عوامل انسانی موثر، تواناییپیشبینی احتمال وقوع حوادث در آینده را دارا میباشد. در این تحقیق با انتخاب منطقه مطالعاتی شاهینشهر بهعنوان نمونه موردی کلیه اطلاعاتمربوط به حوادث شبکه در یک دوره 18 ماهه جمعآوری شد و براساس این اطلاعات و نقشه شبکه فاضلاب شاهینشهر و به کمک فرایند تحلیلسلسله مراتبی ) (AHP مدلی در محیط GIS طراحی گردید و به عوامل موثر در بروز حوادث وزن دهی انجام گرفت. با طبقهبندی وزنهای نهایی به سه کلاس مختلف حوادثی که در اثر عوامل انسانی به وقوع پیوستهاند جانمایی گردیده و نوع جرم مرتبط با حادثه مذکور مشخص گردید. مدلمذکور قابلیت گزارشگیری از سوابق حوادث قبلی و پیشبینی احتمال وقوع حوادث آتی در شبکه فاضلاب شهری را دارا میباشد. همچنین باتوجه به عامل انسانی موثر در وقوع حادثه، مناطق جرم خیز را با استفاده از سامانه اطلاعات جغرافیایی در منطقه مطالعاتی جانمایی مینماید
Keywords:
Authors
فرهاد کتیرایی
کارشناس ارشد سنجش از دور و سامانه اطلاعات جغرافیایی، شرکت آب و فاضلاب استان اصفهان، واحد GIS
پیام قدیریان
مشاور ارشد برنامه ریزی شهری ملبورن استرالیا
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 :