بهینه سازی اسکان موقت پس از وقوع بحران با استفاده از الگوریتم رقابت استعماری (منطقه 8 شهرداری شیراز)
عنوان مقاله: بهینه سازی اسکان موقت پس از وقوع بحران با استفاده از الگوریتم رقابت استعماری (منطقه 8 شهرداری شیراز)
شناسه ملی مقاله: FSFGS01_021
منتشر شده در نخستین همایش ملی «آینده نگاری راهبردی در حوزه علوم جغرافیایی و مطالعات شهری- منطقه ای» در سال 1397
شناسه ملی مقاله: FSFGS01_021
منتشر شده در نخستین همایش ملی «آینده نگاری راهبردی در حوزه علوم جغرافیایی و مطالعات شهری- منطقه ای» در سال 1397
مشخصات نویسندگان مقاله:
محمد خدادادی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد لار
مصطفی خبازی - استادیار دانشگاه شهید باهنر کرمان، کرمان، ایران
خلاصه مقاله:
محمد خدادادی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد لار
مصطفی خبازی - استادیار دانشگاه شهید باهنر کرمان، کرمان، ایران
شیراز بخشی از منطقه لرزه خیز جین خوردگی زاگرس را تشکیل می دهد که دارای استعداد لرزه خیزی بالا و پیوسته ای است. هدف پژوهش حاضر، تعیین تعداد و مکان پناهگاه ها، تعیین مسیرهایی از بلوک های ساختمانی به پناهگاه و تخصیص جمعیت به پناهگاه ها در منطقه 8 شیراز می باشد. در این پژوهش به منظور تعیین مکان پناهگاه ها برای تخصیص بهینه جمعیت به چناهگاه ها، 12 مکان مناسب و با 9 معیار شامل: فاصله از شبکه معابر، فاصله از مراکز خطر، تراکم جمعیت، بافت شهری، فاصله از بیمارستان، فاصله از مراکز پشتیبانی، ظرفیت هر مکان، پراکندگی و شعاع پوشش درنظر گرفته شده است. در این پژوهش از الگوریتم بهینه سازی رقابت استعماری (ICA) استفاده شده است. برای این کار جمعیت موجود در هر بلوک به عنوان تقاضاهای هر بلوک درنظر گرفته شده است. بر این اساس، 92% از جمعیت موجود به پناهگاه هایی با فاصله کمتر از 600 متری دسترسی دارند. بیشترین ریسک مسیر و ریسک پناهگاه به ترتیب 239 و 121 بوده است. همچنین حداکثر زمان تخلیه از پناهگاه به بیمارستان نیز 17 دقیقه بوده است. در نهایت الگوریتم رقابت استعماری (ICA) با الگوریتم اجتماع ذرات (PSO) مقایسه شده است.
کلمات کلیدی: زلزله، مدیریت بحران، اسکان موقت، بهینه سازی، الگوریتم رقابت استعماری (ICA)، الگوریتم، اجتماع ذرات (PSO)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/813982/