ارزیابی کارایی الگوی تلفیقی CA-ANN در مدل‎سازی رشد شهری (مطالعه موردی: کلان شهر تهران)

اهداف: پیدایش محیطی در هم تنیده، آلوده و پرازدحام در شهر تهران، لزوم مدیریت بهینه منابع طبیعی و استفاده درست از پهنه زمین در این شهر را بیش از پیش نمایان ساخته است. هدف اصلی این پژوهش، شبیه سازی توسعه شهری کلان شهر تهران بین سال‎های ۱۹۹۰ و ۲۰۱۰ میلادی و نهایتا ارزیابی کارآیی مدلهای ترکیبی و رایج سلولی مبتنی بر الگوی ترکیبی سلول های خودکار و الگوریتم شبکه عصبی مصنوعی است. روش: به دلیل وجود توانایی­ها و مزایایی که شبکه­ عصبی در تشخیص الگوهای مکانی دارا است، در این پژوهش از شبکه­ پرسپترون چندلایه جهت شبیه‎سازی و پیش­بینی توسعه­ شهری استفاده شده است. پارامترهایی از قبیل فاصله از نزدیکترین شیء و یا پیکسل شهری، فاصله از خیابان­ها و راه­ها، فاصله از مراکز جذب نیز به­عنوان پارامترهای موثر در رشد و توسعه شهری در نظر گرفته شده­اند. یافته‎ها/ نتایج: به­ کارگیری تلفیقی مدل سلول‎های خودکار و الگوریتم بهینهسازی شبکه عصبی مصنوعی، می­تواند در فرایند کالیبراسیون قوانین انتقال سلول‎های خودکار بهبود ایجاد کند. مقایسه آماری واقعیت زمینی شهر تهران در سال ۲۰۱۰ با تصاویر شبیه سازی شده حاصل از مدل ترکیبی و نیز مدل رایج رستری سلول های خودکار، بیان گر دقت بالاتر مدل پیشنهادی است، به ­گونه‎ای که طبق نتایج مدل‎سازی مبتنی بر دو تصویر، شاخص کاپا و دقت کلی برای مدل ترکیبی به ترتیب به میزان ۷۶% و ۹۰.۶۹% و برای مدل رایج رستری، به میزان ۷۰.۴۷% و ۸۷.۸۵% و نیز طبق مدل‎سازی مبتنی بر سه تصویر، این شاخص‎ها به ترتیب برای مدل ترکیبی به میزان ۶۹.۱۸% و ۸۴.۸۸%  و برای مدل رایج رستری به میزان ۶۳.۳۷% و ۸۲.۹۸% برآورد شده است. نتیجه‎گیری: پژوهش حاضر نشان داد که بررسی روند تغییرات مکانی-زمانی پدیده ها از جمله گسترش شهرها، نیازمند به کارگیری الگوهایی پویا در زمان است. در این میان، الگوی ترکیبی خودکاره­های سلولی به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگی های قدرتمند مکانی، در این گونه مدلسازی ها می‎توانند استفاده شوند.

کلیدواژه ها:

کلانشهر تهران ، گسترش شهری ، سلول های خودکار ، شبکه عصبی مصنوعی ، شاخص کاپا