ارزیابی و مقایسه چهار سناریوی مختلف مدل کاربری زمین از نوع مدل گرین-لاری (مطالعه موردی منطقه کلان شهری تهران)
Publish place: 1st Urban Planing and Management Conference
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,950
This Paper With 32 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
URBANPLANING01_047
تاریخ نمایه سازی: 21 مرداد 1388
Abstract:
مدل گرین – لاری به دلیل سادگی، ساختار علت و معلولی نیرومند و نیازهای اطلاعاتی محدود، از معدود مدلهای کاربری زمین است که در برآورد اشتغال و جمعیت مقبولیت یافته است. این مقاله به ارزیابی برآورد اشتغال و جمعیت با استفاده از مدل گرین- لاری پویا شده در یک دوره زمانی ده ساله در منطقه کلان شهری تهران و با دو سناریوی وجود و عدم وجود تحرک جمعیت و اشتغال پیشین و دو وضعیت زمانی گام به گام سالیانه و یک گام ده ساله می پردازد. در این مقاله، سطحی از اشتغال پایه به طور تدریجی در تکرارهای مختلف سالهای دوره برنامه ریزی وارد منطقه می شود. ورود تدریجی اشتغال و جاگیری آنها در منطقه موجب تغییرات تدریجی پارامترهای تاثیر گذار در انتخاب محل اشتغال خدمانی و محل سکونت می شود. بنابراین، اگر در انتخاب محل اشتغال و محل سکونت در سطح منطقه کلان شهری تهران انعطاف و تحرک بسیار بالا باشد، سناریوی تحرک جمعیت و اشتغال پیشین و در غیر این صورت سناریوی عدم تحرک جمعیت و اشتغال پیشین نتایج بهتری را به دست می دهند. به این منظور، بر اساس دو سناریو مطرح شده و دو روش مدلسازی گام به گام سالیانه و یک گام ده ساله، چهار سناریو مورد مدل سازی واقع می شوند. مقایسه نتایج حاصل از برآوردهای اشتغال و جمعیت چهار سناریو با مشاهدات موجود، نشان می دهد که سناریوی عدم تحرک جمعیت و اشتغال پیشین در شرایط گام به گام سالیانه و یک گام ده ساله، نتایج بهتری را در بازسازی جمعیت و اشتغال منطقه کلان شهری تهران در دوره ده سال 1375-1365 به دست می دهند.
Keywords:
Authors
فرشید عشق آبادی
کارشناس ارشد برنامه ریزی شهری و منطقه ای؛ دانشگاه شهید بهشتی
امیررضا ممدوحی
استادیار مهندسی و برنامه ریزی حمل و نقل، موسسه عالی آموزش و پژوهش مدی
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 :