با همکاری مشترک دانشگاه پیام نور و انجمن جغرافیا و برنامه ریزی روستایی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی‌ارشد طراحی شهری، دانشگاه صنعتی جندی‌شاپور، دزفول، ایران

2 استادیار گروه شهرسازی، دانشگاه صنعتی جندی‌شاپور، دزفول، ایران

10.30473/psp.2025.74213.2767

چکیده

شبکه معابر شهری به‌عنوان ستون فقرات ساختار کالبدی شهرها، نقش محوری در توسعه کالبدی، بهبود دسترسی‌پذیری و کاهش نابرابری‌های فضایی ایفا می‌کند. این پژوهش با رویکرد چندمقیاسه، شبکه معابر شهر خرم‌آباد را از طریق روش‌های Space Syntax و خوشه‌بندی K-Means تحلیل می‌کند تا الگوهای فضایی مؤثر بر توسعه کالبدی در مقیاس‌های محلی، میانی و کلان شناسایی شوند. هدف پژوهش، بررسی تغییر نقش معابر در شکل‌دهی به گسترش مناطق مسکونی، تجاری و زیرساخت‌های شهری با گسترش مقیاس تحلیل است. داده‌های اولیه از پایگاه OpenStreetMap استخراج شده و معابر به‌صورت خطوط محوری در نرم‌افزار DepthmapX مدل‌سازی شدند. شاخص‌های کلیدی شامل یکپارچگی، انتخاب و اتصال‌پذیری در هر مقیاس محاسبه و تحلیل شدند. نتایج نشان می‌دهد که در مقیاس محلی، معابری با دسترسی بالا (۵۵ درصد خطوط) محورهای اصلی حرکت و دسترسی به خدمات محلی را تشکیل می‌دهند؛ در مقیاس میانی، معابر با پیوستگی بالا (۴۸ تا ۵۲ درصد) تعادل‌بخش جریان ترافیک و اتصال بین‌منطقه‌ای هستند؛ و در مقیاس کلان، معابری با انتخاب بالا (۵۵ درصد) ارتباطات گسترده شهری را پشتیبانی می‌کنند و به توسعه زیرساخت‌های کلیدی کمک می‌نمایند. با این حال، نبود داده‌های ترافیکی واقعی، تأیید عملکرد معابر را محدود کرد. این یافته‌ها امکان ارائه راهکارهایی نظیر تقویت معابر میانی، بهبود زیرساخت‌های ترافیکی و ارتقای دسترسی در مناطق حاشیه‌ای را برای توسعه کالبدی متعادل فراهم می‌کند. این پژوهش چارچوبی نوین برای بهینه‌سازی شبکه معابر در شهرهای درحال‌توسعه ارائه می‌دهد و پیشنهاد می‌کند در مطالعات آتی، از داده‌های GPS یا شمارش ترافیک در شهرهای مشابه با ویژگی‌های توپوگرافی کوهستانی و در مقیاس‌های چندگانه استفاده شود.

کلیدواژه‌ها

Batty, M. (2009). Accessibility: In search of a unified theory. Environment and Planning B: Planning and Design, 36(2), 191-194. https://doi.org/10.1068/b3602ed
Ebtahi, S. M., & Colleagues. (2017). Investigating the capabilities of Space Syntax technology in analyzing urban spaces. National Conference on Contemporary Iranian Architecture and Urban Planning, Tehran, Iran. (in Persian)
Hillier, B., & Hanson, J. (1984). The social logic of space. Cambridge University Press.
Hillier, B., Penn, A., Hanson, J., Grajewski, T., & Xu, J. (1993). Natural movement: Or, configuration and attraction in urban pedestrian movement. Environment and Planning B: Planning and Design, 20(1), 29-66. https://doi.org/10.1068/b200029
Hosseini, S. B., & Rezaei, M. (2019). Spatial analysis of urban roads using Space Syntax: A case study of Yazd city. Urban Studies Quarterly, 8(32), 45-58. (in Persian)
Jiang, B., & Claramunt, C. (2004). Topological analysis of urban street networks. Environment and Planning B: Planning and Design, 31(1), 151-162. https://doi.org/10.1068/b306
Karimi, K. (2012). A configurational approach to analytical urban design: ‘Space syntax’ methodology. Urban Design and Planning, 165(4), 197-210. https://doi.org/10.1680/udap.11.00041
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281-297). University of California Press
Mazaheri, M. (2016). Analysis of the spatial structure of Boroujerdiha House using Space Syntax. International Conference on Architecture and Urban Planning, Tehran, Iran. (in Persian)
Mohammadzadeh, Sh., & Mansouri, S. A. (2018). The relationship between the Mozaffariyeh complex and the spatial organization of Tabriz from the Qara Qoyunlu to the Qajar period. Bagh-e Nazar, 15(68), 15-24. (in Persian)
Oluwafunke, A., & Oluropo, O. (2021). Space syntax: Evaluating the influence of urban form and socio-economy on walking behaviour in neighbourhoods of Akure, Nigeria. Urban Studies and Public Administration, 4(2), 1-15.
Rezaei, M., & Pourmohammadi, M. (1397/2018). Assessing the accessibility of urban road networks using Space Syntax: A case study of Sari city. Journal of Urban Planning and Research, 9(34), 45-60. (in
Persian)
Shakoui, A., & Colleagues. (2016). Designing traffic zones using an enhanced K-Means algorithm. Journal of Geographical Sciences and Technology, 6(2), 45-60. (in Persian)
Turner, A. (2007). From axial to road-centre lines: A new representation for space syntax and a new model of route choice for transport network analysis. Environment and Planning B: Planning and Design, 34(3), 539-555. https://doi.org/10.1068/b32067
Wang, J., & Cao, X. (2023). Big data analytics for urban form and function: A review of applications and challenges. Cities, 141, 104468. https://doi.org/10.1016/j.cities.2023.104468
Schneider, C., & Durmus, S. (2022). GPS-based urban movement analysis: Insights from Mannheim, Germany. Transportation Research Part A: Policy and Practice, 165, 177-192. https://doi.org/10.1016/j.tra.2022.08.012
Li, Y., Liu, X., & Zhang, Y. (2021). Big data-driven traffic signal control optimization in Shenzhen, China. Journal of Intelligent Transportation Systems, 25(4), 392-407. https://doi.org/10.1080/15472450.2020.1820337
Chen, H., & Wang, L. (2024). Multi-scale traffic pattern analysis using GPS data in Guangzhou, China. Sustainable Cities and Society, 102, 105234. https://doi.org/10.1016/j.scs.2023.105234
Al-Sheikh, A., & Al-Saleh, M. (2023). Deep learning algorithms for traffic flow prediction in Kuwait City: A case study using real-time data. Journal of Advanced Transportation, 2023, 9876543. https://doi.org/10.1155/2023/9876543
Zhang, T., & Huang, Y. (2022). Geospatial data applications in smart cities: Enhancing urban mobility and accessibility. Urban Informatics, 1(1), 45-60. https://doi.org/10.1007/s44212-022-00003-2