بلژیک از طریق لنز درخواست‌های سفر ریلی: آیا جغرافیا هنوز مهم است؟

خلاصه

این مقاله از درخواست‌های سفر راه‌آهن آنلاین از برنامه زمان‌بند یاب iRail برای ارزیابی مناسب بودن آن نوع داده‌های بزرگ برای برنامه‌ریزی حمل‌ونقل و بررسی تغییرات زمانی و منطقه‌ای تقاضای سفر با قطار در بلژیک استفاده می‌کند. درخواست‌های سفر در یک دوره دو ماهه جمع‌آوری می‌شوند و شامل جریان‌های مبدأ-مقصد بین ایستگاه‌هایی است که توسط شرکت راه‌آهن ملی بلژیک در سال 2016 اداره می‌شوند. روش Louvain برای شناسایی جوامع ایستگاه‌های متصل به هم استفاده می‌شود. نتایج نشان‌دهنده تأثیر ساختارهای شهری و شبکه‌ای بر سازمان فضایی خوشه‌ها است. همچنین در مورد پیامدهای تغییرات زمانی و منطقه‌ای مشاهده‌شده این خوشه‌ها برای تقاضای سفر حمل‌ونقل و برنامه‌ریزی بیشتر بحث می‌کنیم.

کلید واژه ها:

کلان داده ؛ حمل و نقل ریلی ; بلژیک ؛ روش لووان

1. معرفی

جریان‌های سفر معمولاً با نمودارها نشان داده می‌شوند، که در آن گره‌ها مبدا هستند و مقصدها و لبه‌ها بر اساس شدت جریان‌ها وزن می‌شوند. برنامه‌های کاربردی متعددی با استفاده از روش‌های تشخیص جامعه تلاش کرده‌اند گروه‌هایی از گره‌ها را که پیوندهای محکمی را به اشتراک می‌گذارند، شناسایی کنند. نمونه هایی برای رفت و آمد از خانه به محل کار عبارتند از: جمهوری چک [ 1 ]، ایرلند [ 2 ]، اسلوونی [ 3 ]، بریتانیا [ 4 ] و شهر بروکسل [ 5 ] (در بلژیک). با این حال، همه این مقالات بر جریان سفر بین واحدهای اداری، همه شیوه های حمل و نقل با هم تکیه دارند.

تکیه بر داده های دقیق تر، به عنوان مثال تقسیم بر حالت حمل و نقل یا در سطح ایستگاه های حمل و نقل عمومی، به جای ترسیم اداری، ممکن است بینش بیشتری در مورد رفتار سفر ارائه دهد. فناوری‌های اطلاعات و ارتباطات (ICT) علی‌رغم محدودیت‌ها و منتقدان، برای این منظور بسیار مهم هستند ( برای بررسی به [ 6 ] مراجعه کنید) و همچنین فرصت‌های زیادی را در جغرافیای انسانی ارائه می‌دهد [ 7]]. در دسترس بودن آنها در جریان، یعنی داده هایی که به طور مداوم در طول زمان به روز می شوند، به ویژه برای برنامه ریزی حمل و نقل جذاب است. در این مقاله، ما از یک مجموعه اصلی «داده‌های بزرگ» بهره می‌بریم: درخواست‌های سفر با قطار در بلژیک که از طریق iRail، یک وب‌سایت و برنامه زمان‌بند یاب انجام می‌شود. گره ها نشان دهنده ایستگاه های قطار هستند، در حالی که وزن یک پیوند

(i, j)

تعداد درخواست های سفر بین ایستگاه های i و j است .

بنابراین، سهم این مقاله دوگانه است. اولین هدف ما ارزیابی پتانسیل مجموعه داده های ساخته شده از درخواست های سفر به عنوان نماینده ای برای داده ها در مورد جریان های واقعی سفر است. چنین اطلاعاتی را می توان تقریباً از تمام وب سایت ها یا برنامه های کاربردی شرکت حمل و نقل عمومی جمع آوری کرد و از نظر غنا و در دسترس بودن در مقایسه با نظرسنجی های سنتی تر سفر (به بخش 2 مراجعه کنید ) مزایای قوی دارد. در اینجا، این ارزیابی بر مطالعه موردی سفر با راه آهن در بلژیک متکی است. بنابراین هدف دوم ما ارائه یک تحلیل کامل از ساختار فضایی رفت و آمد با قطار در بلژیک است. چنین مطالعه عمیقی هرگز در ادبیات موجود ارائه نشده است (نزدیکترین نمونه [ 8]). دلیل این کمبود محدودیت های در دسترس بودن داده ها است، قوانین حریم خصوصی تحمیل شده توسط شرکت راه آهن ملی بلژیک که مانع از افشای اطلاعات رسمی در مورد استفاده از حمل و نقل ریلی (مانند فروش بلیط) می شود. بنابراین، «داده‌های بزرگ» و به‌طور دقیق‌تر درخواست‌های سفر در وب‌سایت زمان‌بندی یاب و برنامه iRail بین دسامبر 2015 و فوریه 2016، به عنوان نماینده‌ای برای غلبه بر این محدودیت‌ها استفاده می‌شوند.

این هدف دوم از طریق سؤال تحقیق زیر مورد بررسی قرار می گیرد: کدام یک از ساختارهای شبکه شهری و راه آهن بیشترین تأثیر را بر تقاضای سفر با قطار در بلژیک دارد؟ این بر اساس ادبیات جغرافیای اقتصادی است: با توجه به مدل جاذبه تجارت (نگاه کنید به [ 9 ، 10 ، 11 ]) و، به ویژه، کاربردهای آن در رفت و آمد (به عنوان مثال، [ 12 ، 13 ، 14 ، 15 ، 16 ]، و [ 17] برای بلژیک)، تقاضای سفر باید متناسب با وزن مبدا و مقصد باشد. بنابراین، اولین فرضی که برای مطالعه موردی ما مورد آزمایش قرار گرفت این است که جوامع شناسایی شده در نمودار درخواست‌های سفر با ساختار شهری بلژیک مطابقت دارند.

مدل جاذبه تجارت، با این حال، همچنین فرض می‌کند که تعاملات بین دو مکان با هزینه حمل و نقل یا فاصله بین این مکان‌ها نسبت معکوس دارد [ 9 ، 18 ]. در اینجا ذکر این نکته مهم است که زیرساخت راه آهن با شبکه تقاضای سفر متفاوت است ( شکل 1 را ببینید ). آنها گره های مشابهی دارند (ایستگاه های قطار)، اما پیوندهای آنها متفاوت است. برای اولی، یک پیوند نشان دهنده وجود یک خط راه آهن بین دو ایستگاه است، در حالی که برای دومی، تعداد مسافرانی است که بین این ایستگاه ها سفر می کنند. اگرچه شبکه راه آهن در بلژیک بسیار توسعه یافته است (به بخش 3.1 مراجعه کنید)، چگالی و سرعت یا فرکانس عملیات آن در سراسر کشور متفاوت است. ادبیات جغرافیای حمل و نقل مثال های مختلفی از چگونگی تأثیر ناهمسانگردی در یک شبکه حمل و نقل (به عنوان مثال، راه آهن پرسرعت) بر زمان و هزینه سفر ارائه می دهد (به عنوان مثال، [19، 20 ، 21 ، 22 ، 23 ] ) . از این رو، فرضیه دوم ما این است که شبکه فیزیکی راه آهن (از طریق مسافت سفر) بر شکل و اندازه جوامع شناسایی شده در شبکه تقاضای سفر تأثیر می گذارد.

روش ما شامل استفاده از یک الگوریتم تشخیص جامعه (روش لووین؛ رجوع کنید به [ 24 ]) برای این شبکه تقاضای سفر، سپس مقایسه الگوی فضایی جوامع با ساختارهای شبکه شهری و راه آهن، با نمایش نقشه‌کشی و شاخص‌های نظریه گراف است. مرکزیت، با پیروی از رویکردی مشابه [ 25 ]. این روش بر روی هشت زیرمجموعه از داده‌ها انجام می‌شود که از همه درخواست‌ها شروع می‌شود و سپس تغییرات زمانی، زبانی و منطقه‌ای را بررسی می‌کند. ساختار رفت و آمد شهری و خانه به محل کار بلژیک به طور گسترده در تحقیقات قبلی مورد مطالعه قرار گرفته است. به عنوان مثال، [ 26 ]، برای اولی، و [ 27 ، 28] را ببینید]، برای دومی. ما انتظار داریم سازمان فضایی رفت و آمد با قطار با این مطالعات مطابقت داشته باشد، به این معنی که درخواست‌های سفر به طور دقیق جریان‌های سفر واقعی را نشان می‌دهند. اگر ویژگی‌های خاص ظاهر شوند، این سؤال این است که مشخص شود آیا آنها به حالت مورد مطالعه (حمل و نقل ریلی) نسبت داده می‌شوند یا به خود مجموعه داده.

برای پاسخ به این اهداف، مقاله به شرح زیر تنظیم شده است. بخش 2 ویژگی های مجموعه داده را معرفی می کند. مطالعه موردی و روش مورد استفاده در بخش 3 به تفصیل آمده است . نتایج در بخش 4 ارائه شده و در بخش 5 بیشتر مورد بحث قرار گرفته است . نتیجه گیری در بخش 6 ارائه شده است .

2. درخواست های سفر در مقابل جریان های سفر

اطلاعات مربوط به رفتار سفر معمولاً از طریق بررسی‌های مسافرتی خانواده‌ها یا کارگران، مانند بررسی ملی سفر خانواده‌ها در ایالات متحده [ 29 ] یا، برای مطالعه موردی بلژیکی ما، نظرسنجی BELDAM (مخفف برای تحرک‌های روزانه بلژیک) [ 30 ] جمع‌آوری می‌شود. همچنین برای مروری بر آمار سفرهای ملی در اروپا به [ 31 ] مراجعه کنید. با این حال، و اگرچه آنها می توانند انواع مختلفی داشته باشند (مبتنی بر سفر یا استفاده زمانی؛ به [ 32 ، 33 ] مراجعه کنید)، همه این بررسی ها بر نمونه های نسبتاً کوچکی تکیه دارند و (در بهترین حالت) تنها به صورت سالانه انجام می شوند. بنابراین، این بررسی‌ها فاقد غنای حجم و سرعتی هستند که فناوری‌های ICT ارائه می‌کنند.

برای جمع‌آوری اطلاعات در مورد جریان سفر، وضعیت ایده‌آل سیستم حمل‌ونقلی است که در آن همه مسافران ملزم به ارائه بلیط الکترونیکی به دروازه یا ترمینال خودکار هم برای ورود و هم برای خروج از سیستم هستند (مترو سیستم‌های حمل‌ونقل زمینی هستند که نزدیک‌ترین به این شرح هستند). . در این صورت، داده‌های جامع و بلادرنگ در مورد جریان سفر، در قالب یک ماتریس مبدا-مقصد (O/D) قابل جمع‌آوری است.

با این وجود، در دسترس بودن این داده ها محدود است. به نظر می رسد نمونه های منتشر شده در ادبیات علمی به دلایل بالقوه مختلف محدود به لندن [ 34 ]، پکن [ 35 ] و شانگهای [ 36 ] است. محتمل ترین آنها فنی هستند: همه سیستم های حمل و نقل مجهز به دستگاه های کنترل خودکار بلیط نیستند و مسافر اغلب هنگام خروج مجبور نیست بلیط یا کارت هوشمند خود را اسکن کند، در نتیجه جزء مقصد ماتریس O/D را از دست می دهد. . سیستمی که در بالا توضیح داده شد، مسائل مربوط به حریم خصوصی را نیز مطرح می کند، زیرا امکان کنترل همه جابجایی های یک فرد را فراهم می کند.

جمع‌آوری درخواست‌های سفر در یک وب‌سایت یا برنامه برنامه‌یابی آنلاین، جایگزینی زیبا برای این کاستی‌ها ارائه می‌کند. آنها طبیعتاً اطلاعات مبدا مقصد هستند و تا زمانی که آدرس IP دستگاه مورد استفاده برای درخواست ذخیره نشده باشد، حریم خصوصی را تهدید نمی کند. آنها همچنین داده های بلادرنگ را ارائه می دهند، اگرچه جامع بودن آنها همچنان یک سوال باز است. در نهایت، آنها دارای ویژگی منحصر به فردی هستند که می‌توان در هنگام برنامه‌ریزی برای سفر آینده، درخواست کرد. بنابراین اطلاعات روشنگری برای برنامه ریزی حمل و نقل آینده نگر ارائه می دهد که هیچ مجموعه داده دیگری نمی تواند ارائه دهد.

با این حال، مجموعه داده درخواست‌های سفر چالش‌های روش‌شناختی خود را نشان می‌دهد. یکی از موارد اصلی این است که ارزیابی کنیم که آیا جریان واقعی سفر را نشان می دهد یا خیر. درخواست به این معنی نیست که کاربر واقعاً سفر کرده است و بالعکس. با استفاده از مطالعه موردی ما به عنوان مثال، کاربران می توانند چندین بار قبل از سفر یک درخواست را ارائه دهند. دوستان مسافران ممکن است زمان رسیدن قطار را بررسی کنند. و کاربرانی که به سفر عادت دارند و جدول زمانی را می دانند ممکن است قبل از سفر نیازی به استفاده از iRail نداشته باشند. علاوه بر این، همین اطلاعات در وب سایت های دیگر، به ویژه [ 37 ]، وب سایت رسمی شرکت ملی راه آهن بلژیک نیز موجود است.

این سوال که آیا نمونه درخواست های آنلاین معرف تقاضای واقعی سفر است یا خیر دشوار است. در واقع، ممکن است استدلال شود که تنها کاربرانی که از قبل جدول زمانی را نمی‌دانند، از سرویس iRail استفاده خواهند کرد، بنابراین فقط نشان دهنده رفتار غیر معمول است. با این حال، این سرویس همچنین به‌روزرسانی‌های بی‌درنگ تاخیرهای احتمالی را ارائه می‌دهد، سرویسی که می‌تواند برای مسافران و همچنین مسافران گاه به گاه مورد استفاده قرار گیرد. توجه داشته باشید که در هر صورت، این مقاله سعی در استنباط اعداد مطلق مسافران ندارد، بلکه بر فرکانس نسبی مسیرها در بین تمام سفرها تکیه دارد.

3. داده ها و روش

3.1. سازه های شهری و راه آهن بلژیک

بلژیک کشوری پرجمعیت (حدود 360 نفر در هر کیلومتر مربع، در مجموع 11 میلیون نفر در سال 2016) است که به سه منطقه اداری تقسیم شده است: فلاندر، والونیا و منطقه پایتخت بروکسل (BCR)، همانطور که در شکل 2 الف نشان داده شده است . هر یک از این مناطق دارای دولت و زبان خاص خود هستند (هلندی در فلاندر، فرانسوی در والونیا، هر دو در BCR). توجه داشته باشید که والونیا گسترده تر است و از این رو شبکه شهری شل تری دارد که در نتیجه مسافت های طولانی تری طی می شود.

بلژیک دارای یک سلسله مراتب شهری واضح است ( شکل 2 الف) که تحت سلطه منطقه شهری بروکسل است که در مرکز BCR و در مرکز کشور واقع شده است. BCR تا سال 2016 10٪ از جمعیت بلژیک را تشکیل می دهد [ 38 ] (18٪ برای منطقه شهری بروکسل همانطور که توسط [ 26 ] تعریف شده است) و حدود 350000 مسافر در روز را جذب می کند [ 28 ، 39 ]. توجه داشته باشید که اگرچه منطقه شهری بروکسل بزرگترین منطقه در بلژیک است و برخی از شهرهای همسایه را شامل می شود، شهر لوون از نفوذ خود دور می ماند.

همه این مناطق شهری توسط راه آهن اصلی به هم متصل می شوند ( شکل 2 ب). در سال 1835 اولین راه آهن قاره اروپا در بلژیک بین مچلن و بروکسل ساخته شد. سپس بسیاری از شرکت‌های خصوصی راه‌آهن‌های خود را ساختند، و حداکثر گسترش شبکه بلژیکی در سال 1912 از 5000 کیلومتر فراتر رفت ([ 40 ]؛ همچنین رجوع کنید به [ 41 ، 42] ).]). امروزه، شبکه بلژیکی میراث خطوط خصوصی اصلی است که در شرکت راه آهن ملی بلژیک (SNCB، برای “Société Nationale des Chemins de Fer Belge”؛ مخفف هلندی مربوطه NMBS، برای “Nationale Maatschappij der Belgische Spoorwegen” است. با این حال، مخفف فرانسوی بیشتر در انگلیسی است و بنابراین در سراسر این مقاله استفاده خواهد شد.) طول این شبکه راه آهن به 3595 کیلومتر [ 43 ]، برای کشوری با وسعت 30528 کیلومتر مربع، و در مرکز BCR است. در سال 2015، تا 226.5 میلیون مسافر از این خطوط ریلی استفاده کردند (از جمله سفرهای بین المللی؛ رجوع کنید به [ 44]). توجه داشته باشید که یکی از ویژگی های مهم این شبکه، اصطلاحاً “Jonction Nord-Midi” است که بروکسل-شمال را به ایستگاه های بروکسل-میدی متصل می کند و به قطارها اجازه می دهد از مرکز شهر عبور کنند.

3.2. مجموعه داده iRail

3.2.1. جمع آوری داده ها

ما داده ها را از یک سرویس وب در دسترس عموم که توسط iRail اجرا می شود جمع آوری کردیم. iRail هم یک وب‌سایت است و هم یک برنامه (نگاه کنید به [ 45 ]) و یک API (رابط برنامه‌نویسی برنامه، نگاه کنید به [ 46 ]) که به شخص اجازه می‌دهد تا پایگاه داده سفر SNCB را مستقیماً از وب‌سایت یا از طریق یک برنامه شخص ثالث جستجو کند. برای جزئیات فنی بیشتر به [ 47 ] مراجعه کنید. داده هایی که iRail بر آنها تکیه دارد شامل برنامه ها و مسیرهای بین ایستگاه ها است. اطلاعات توسط SNCB در قالب استاندارد GTFS به عنوان بخشی از خط مشی داده باز آنها به اشتراک گذاشته می شود. داده‌های این مطالعه از API [ 46 ] جمع‌آوری شده است که به طور مداوم 1000 درخواست اخیر را نمایش می‌دهد. بنابراین ما نظرسنجی [ 46] در فواصل زمانی 30 ثانیه ای برای ایجاد مجموعه داده جامع از پرس و جوها. جمع‌آوری داده‌ها از 20 دسامبر 2015 در ساعت 10 ساعت 2 تا 28 فوریه 2016 در ساعت 20 ساعت 15 اجرا شد و 869581 پرسش ارائه کرد. جمع‌آوری داده‌ها در دوره‌های زیر قطع شد، یا به دلیل حملات انکار سرویس به سرور iRail یا به دلیل از کار افتادن سرور جمع‌آوری داده‌های ما: 31 دسامبر 2015 ساعت 14:00 تا 17:00. 27 دسامبر 2015 05:00–09:00; 27 آذر 1394 14:00; 31 دسامبر 2015 14:00–17:00; 31 دسامبر 2015 21:00 تا 01 ژانویه 2016 14:00; 02 ژانویه 2015 16:35–18:15; 03 ژانویه 2015 16:00–19:00; و 17 ژانویه 2016 09:10–10:03. برای کاهش اثرات خرابی احتمالی سرور خود، مجموعه داده‌ها را کپی کردیم، به طوری که پس از 17 ژانویه 2016 دیگر وقفه‌ای در جمع‌آوری داده‌ها رخ نداد.

بیشتر درخواست‌های iRail API شامل درخواست‌هایی برای سفر بین دو ایستگاه است، اما برخی از آنها، برای مثال، Liveboard یک ایستگاه خاص را شامل می‌شوند. علاوه بر این، در مجموعه داده اصلی، ایستگاه ها یا با استفاده از یک شناسه منحصر به فرد یا با استفاده از یک نام (که می تواند به زبان فرانسوی، هلندی یا انگلیسی باشد) کدگذاری شدند. مورد دوم مبهم هستند زیرا آنها فقط شهر مقصد را نشان می‌دهند (مثلاً بروکسل، گنت) و نه ایستگاه دقیق، بنابراین تصمیم گرفتیم فقط به ایستگاه‌های راه‌آهنی که با یک شناسه منحصربه‌فرد شناسایی شده‌اند تکیه کنیم. در نهایت، ما همچنین درخواست‌هایی را به یا از ایستگاه‌های بین‌المللی (به عنوان مثال، پاریس شمالی، لیل اروپا یا لندن سنت پانکراس) حذف کردیم، و به مجموعه داده‌های iRail از 551301 جست‌وجو بین جفت ایستگاه‌های بلژیکی ختم شد.

هر درخواست شامل فیلدهای زیر است: مهر زمانی درخواست، ایستگاه عزیمت، ایستگاه ورود، مهر زمانی برنامه ریزی شده سفر (در صورت اطلاع)، زبان، عامل کاربر (نشان دهنده مرورگر وب استفاده شده) و برنامه درخواست کننده. از این فیلدها فقط از پنج مورد اول استفاده کردیم. مهر زمانی برنامه ریزی شده سفر فقط در کسری از پرس و جوها وجود داشت و در زمان مطالعه، همیشه نمی توانست به طور منحصر به فرد تجزیه شود، به طوری که تصمیم گرفته شد از آن استفاده نشود.

3.2.2. تنظیم

هدف این کار مستلزم مقایسه مجموعه داده iRail با تقاضای سفر مشاهده شده است. از آنجایی که آمار فروش بلیت ها به صورت عمومی در دسترس نیست، این کالیبراسیون تنها می تواند به میانگین تعداد مسافرانی که از یک ایستگاه معین در سال های 2014 و 2015 حرکت می کنند، در طول روزهای هفته تکیه کند (داده های [48، 49 ] ) . همبستگی (پیرسون) بین لاگ این متغیر و گزارش تعداد کل درخواست‌های iRail بر اساس مبدا برای هر دو سال بالا است ( ρ = 0.86*** و 0.84***)، و هیچ چیز پرت ظاهر نمی‌شود ( شکل 3 ) . . همانطور که در شکل 4 نشان داده شده است، تعداد درخواست ها به ازای هر ایستگاه در مجموعه داده iRail نیز با اهمیت شهرها، از نظر توزیع رتبه بندی مطابقت دارد.. توجه داشته باشید که 17 ایستگاه هرگز در درخواست ها ظاهر نمی شوند (25 ایستگاه فقط برای مبدا، 29 ایستگاه برای مقصد): همه آنها مربوط به ایستگاه های کوچک (روستایی) هستند و نسبتاً به خوبی در سراسر کشور پراکنده شده اند. از این رو، اگرچه محدودیت‌های آن باید در نظر گرفته شود، هیچ سوگیری مکانی قوی در مجموعه داده iRail ظاهر نمی‌شود، بنابراین، به نظر ما، می‌توان از آن برای مطالعه تقاضای سفر با قطار در بلژیک استفاده کرد.

3.3. روش شناسی

3.3.1. زیر مجموعه های مطالعه موردی

از مجموعه درخواست‌های iRail، ما چندین زیرمجموعه ایجاد می‌کنیم تا تفاوت‌ها را در نتایج تشخیص جامعه، بسته به محدودیت‌های زبان، زمانی یا مکانی، تحلیل کنیم. به طور خاص، ما این موارد را مطالعه می کنیم: (1) مجموعه داده های عمومی. (2) زیر مجموعه ای به استثنای ایستگاه های داخل منطقه پایتخت بروکسل (بدون بروکسل). (3) تمام درخواست های ارائه شده در روزهای هفته؛ (4) تمام درخواست های انجام شده در آخر هفته؛ (5) درخواست های ارائه شده به زبان هلندی؛ (6) درخواست های ارائه شده به زبان فرانسه؛ و در نهایت، (7) آنهایی که برای سفر بین ایستگاه های داخل منطقه RER ساخته شده اند. جزئیات بیشتر در مورد این انتخاب ها در بخش 4 آورده شده است ، و ویژگی های شبکه های مختلف استخراج شده در جدول 1 آورده شده است.. توجه داشته باشید که این زیرمجموعه ها هفت نمودار مختلف را نشان می دهند و روش Louvain برای تشخیص جامعه به طور مستقل روی هر یک از آنها اجرا می شود.

3.3.2. تشخیص جامعه

با استفاده از داده‌های هر یک از هفت زیرمجموعه درخواست‌ها، ما هفت شبکه مبدا-مقصد ایجاد می‌کنیم: یک ایستگاه i به ایستگاه j دیگری با وزن مرتبط است.

w_{i j}

که برابر است با تعداد درخواست سفر از i به j یا بالعکس. در این شبکه‌ها، ما از روش Louvain برای استخراج پارتیشن‌ها در جوامع استفاده می‌کنیم. یکی از معیارهایی که کیفیت پارتیشن یک شبکه را کمی می کند، مدولاریته نامیده می شود که در رابطه ( 1 ) Q نشان داده می شود :

Q = 1 2 متر \sum سی \sum i, j \in C آ من ج - ک من ک j 2 متر

(1)

که در آن m مجموع تمام وزن های لبه های شبکه است، $k_{i}$ نشان دهنده درجه گره i است ، A ماتریس مجاورت وزنی شبکه و C نشان دهنده جوامع پارتیشنی است که مدولار بودن آن باید ارزیابی شود. به حداکثر رساندن دقیق مدولاریت یک مسئله محاسباتی سخت است و روش لوون یک اکتشافی سریع است که منجر به یک راه حل تقریبی می شود. در مرحله اولیه سازی، این روش بهینه سازی حریصانه هر گره را به جامعه متفاوتی نسبت می دهد. در مرحله 1، الگوریتم سپس گره ها را از یک جامعه به جامعه دیگر منتقل می کند، اگر بهره در مدولاریت Q مثبت باشد. وقتی همه گره ها درمان شدند و Qدیگر بهبود نمی یابد، الگوریتم مرحله 2 را اعمال می کند، گره های یک جامعه را با هم ادغام می کند تا یک شبکه کوچکتر جدید ایجاد کند، جایی که هر گره نشان دهنده یکی از جوامع یافت شده در دور اول است. سپس الگوریتم مرحله 1 را دوباره شروع می کند و سعی می کند گره های این شبکه جدید را از یک جامعه به جامعه دیگر منتقل کند تا ماژولار بودن را بهبود بخشد. الگوریتم به همین ترتیب ادامه می‌دهد و مراحل 1 و 2 را تکرار می‌کند تا زمانی که Q دیگر بهبود نیابد، و آخرین پارتیشن را که حداکثر محلی از مدولاریت است، برمی‌گرداند [ 24 ].

بهینه سازی مدولاریت معادل است، در همان زمان، به حداقل رساندن اندازه برش و به حداکثر رساندن شاخص تنوع (برای جزئیات بیشتر به [ 50 ] مراجعه کنید). به حداقل رساندن اندازه برش منجر به یک جامعه واحد می شود، در حالی که به حداکثر رساندن شاخص تنوع به نفع تعداد زیادی از جوامع با اندازه یکسان است. این دو هدف با یکدیگر مخالف هستند و بنابراین اندازه برش برای مطالعه موردی ما به دلیل ساختار شبکه نسبتاً بالا باقی خواهد ماند. درخواست ها به BCR یا از BCR در واقع بیش از 50٪ از همه درخواست ها را تشکیل می دهند ( جدول 1 را ببینید) و 80 درصد سایر ایستگاه ها حداقل از طریق یک درخواست به BCR متصل می شوند. بنابراین اجتناب ناپذیر است که تقسیم گراف به جوامع منجر به قطع شدن برخی از پیوندهای دارای وزن بالا شود و در نتیجه ماژولار بودن را کاهش دهد.

روش Louvain اشکالات اکتشافی به حداکثر رساندن مدولاریت جهانی را به اشتراک می گذارد. [ 51 ، 52 ، 53 ، 54 ، 55 ] را ببینید. به طور خاص، اثر تفکیک می تواند باعث ادغام جوامع کوچک با دیگر جوامع بزرگتر شود. علاوه بر این، تابع مدولاریته به شدت تخریب شده است، به طوری که جوامع حاصل به اکتشافات و مقداردهی اولیه آنها وابسته هستند [ 55 ]. به عنوان مثال، روش Louvain به ترتیبی که گره ها به الگوریتم تغذیه می شوند حساس است (به [ 24 ] مراجعه کنید).

از آنجایی که روش Louvain بسته به ترتیبی که گره ها در آن در نظر گرفته می شوند ممکن است به نتایج متفاوتی منجر شود، الگوریتم تشخیص جامعه را 1000 بار اجرا می کنیم و از نتایج، ساختار غالب را استخراج می کنیم. برای انجام این کار، ابتدا هسته‌های جوامع را شناسایی می‌کنیم، یعنی گروه‌هایی از گره‌ها که همیشه در یک جامعه با هم تخصیص داده می‌شوند. سپس، با طبقه‌بندی هر یک از گره‌های باقی‌مانده با جامعه‌ای که اغلب به آن اختصاص داده می‌شود، ساختار غالب را شناسایی می‌کنیم. در این مرحله، اگر گره های هر دو هسته در اکثر اجراها با هم طبقه بندی شوند، ممکن است دو هسته از جوامع مختلف نیز ادغام شوند.

برای مقایسه پارتیشن های مختلف یک شبکه و اندازه گیری شباهت دو پارتیشن، از اطلاعات متقابل نرمال شده استفاده می کنیم (NMI؛ [ 56 ] را ببینید). NMI مقدار اطلاعاتی را که یک پارتیشن در مورد دیگری می دهد اندازه گیری می کند. اگر Ω و Γ را به عنوان دو پارتیشن نشان دهیم، اطلاعات متقابل نرمال شده بین Ω و Γ با ( 2 ) داده می شود:

ن م من (Ω ، Γ) = \sum ک \sum j پ ( ω ک \cap γ j ورود به سیستم ( پ ( ω ک \cap γ j ) پ ( ω ک ) پ ( γ j ) ) ( - \sum ک پ ( ω ک ) log P ( ω ک ) - \sum j پ ( γ j ) log P ( γ j ) ) / 2 ،

(2)

جایی که $P (ω_{k})$ ، $P (γ_{j})$ و $P (ω_{k} \cap γ_{j})$ احتمالات یک گره از شبکه در اجتماع است $ω_{k}$ در پارتیشن Ω، در جامعه $γ_{j}$ در پارتیشن Γ و در تقاطع $ω_{k}$ و $γ_{j}$ ، به ترتیب. NMI همیشه مقادیری بین صفر و یک می گیرد. صفر نشان دهنده حالتی است که هیچ اطلاعاتی توسط یک پارتیشن در مورد پارتیشن دیگر داده نمی شود و مقدار یکی در مورد پارتیشن های یکسان است.

3.3.3. ویژگی های جوامع

پارتیشن‌های موجود در جوامع با استفاده از چهار آمار توصیفی بیشتر مقایسه می‌شوند. اولاً، برای هر گره، تعداد دفعاتی را می دانیم که توسط جامعه نهایی خود در 1000 تکرار روش Louvain (بیان شده در درصد) تحت تأثیر قرار می گیرد. این مقادیر در شکل A1 ارائه شده است . پایداری هر جامعه ( جدول 2 ) به عنوان میانگین این مقدار در تمام گره های متعلق به آن جامعه محاسبه می شود. ما از این پایداری به عنوان معیاری برای استحکام پارتیشن به دست آمده استفاده می کنیم.

ثانیاً، برای هر سفر بین دو گره، می توانیم مسافت طی شده در کنار شبکه راه آهن را اندازه گیری کنیم. توجه داشته باشید که ما به زمان سفر متکی نیستیم، زیرا درخواست سفر از طریق برنامه iRail ممکن است اتصالات بالقوه متفاوتی را با زمان‌های سفر متفاوت نشان دهد. بنابراین، کوتاه‌ترین زمان سفر ممکن است بسته به زمان روز تغییر کند، که در مورد مسافت سفر صدق نمی‌کند. میانگین مسافت طی شده از یک جامعه ( جدول 3 ) میانگین این مسافت های سفر (بر حسب کیلومتر) در تمام درخواست هایی است که دو گره متعلق به یک جامعه را به هم مرتبط می کنند.

ثالثاً، یک شاخص مجاورت فضایی

S C (i)

اگر ایستگاه های یک جامعه در فضا به هم پیوسته باشند یا برعکس، پراکنده باشند را اندازه گیری می کند. برای هر ایستگاه i ، همانطور که در رابطه ( 3 ) نشان داده شده است، محاسبه می شود

N_{c} (i)

مخفف تعداد جوامع مختلف بین ایستگاه i و آن است

n - 1

نزدیکترین همسایگان توجه داشته باشید که n در اینجا پنج تنظیم شده است و نزدیکترین همسایگان با استفاده از فاصله در کنار شبکه راه آهن تعیین می شوند.

اس سی (i) = 1 - ن ج ( من ) n

(3)

S C (i)

در اینجا از صفر (اگر همه ایستگاه ها متعلق به یک جامعه متفاوت هستند، که نشان دهنده همجواری فضایی کم است) تا

1 - 1 / n

(زمانی که همه n نزدیکترین همسایه به یک جامعه تعلق دارند، به عنوان مثال، 0.8 در اینجا، زیرا

n = 5

). سپس مقادیر متوسط برای هر جامعه با استفاده از تمام گره های متعلق به آن جامعه محاسبه می شود ( جدول 4 ).

در نهایت، ما مرکزی ترین گره (یعنی ایستگاه قطار) هر جامعه را با مرکزیت میانی [ 57 ] شناسایی می کنیم. مرکزیت بین گره i تعداد کوتاه ترین مسیرها از همه گره ها به تمام گره های دیگر است که از i عبور می کنند . در اینجا بر اساس شبکه تقاضای سفر است، نه بر اساس شبکه راه آهن ( شکل 1 ). در مورد میانگین فاصله سفر، این شاخص تنها با استفاده از سفرهای بین دو ایستگاه متعلق به یک جامعه محاسبه می شود. نتایج در جدول A1 ارائه شده است . توجه داشته باشید که در بخش 4 ، جوامعی را که کمتر از پنج ایستگاه قطار را شامل می‌شوند، از نتایج حذف می‌کنیم.

4. نتایج

4.1. همه درخواست ها

اجازه دهید ابتدا تمام درخواست های موجود در مجموعه داده iRail را در نظر بگیریم (آمار توصیفی در جدول 1 ). جوامع شناسایی شده برای این مطالعه موردی کلی کاملاً پایدار هستند ( جدول 2 )، به جز آخرین مورد (7) که فقط شامل هشت ایستگاه قطار است. جوامع همچنین در فضا بسیار به هم پیوسته هستند ( شکل 5 a)، که با مقادیر شاخص مجاورت فضایی ( جدول 4 ) تایید می شود. میانگین فواصل سفرهای درخواستی، مستقل از وسعت فضایی آنها، بین اکثر جوامع مشابه است ( جدول 3 ). از این رو، جوامع بزرگ (به عنوان مثال، 1، 2) رفتار سفر متفاوت را منعکس نمی کنند، بلکه یک اثر پیوندی بین گره ها هستند.

یک ساختار شعاعی شفاف با مرکزیت بروکسل ظاهر می شود. این منطقه شهری مرکزی ترین گره های کل شبکه و سه جامعه را در بر می گیرد (3، 5، و 6؛ جدول A1 را ببینید ). توجه داشته باشید که انجمن 6، که در یک حلقه متحدالمرکز در اطراف BCR سازماندهی شده است، یک استثنا است. گره‌های مرکزی جوامع باقی‌مانده با نواحی اصلی شهری مطابقت دارند، هرچند شایان ذکر است که با کمال تعجب، دو تا از بزرگترین شهرها (لیژ و شارلوا؛ به شکل 2 الف مراجعه کنید) در جامعه 1 گنجانده شده‌اند که گره مرکزی آن نامور است. شهر کوچکتر، اما یک چهارراه مهم در شبکه راه آهن.

زیر مجموعه بدون بروکسل ( شکل 5 ب) امکان مطالعه عمیق تر ساختار منطقه ای تقاضای سفر را با حذف درخواست ها به یا از ایستگاه های قطار واقع در داخل BCR می دهد. توجه داشته باشید که زیرمجموعه no Brussels با نیمی از تعداد کل درخواست ها مطابقت دارد و شباهت با حالت کلی با توجه به شاخص NMI ( جدول 1 ) نسبتاً محدود است. هم این از دست دادن تقریباً نیمی از کل درخواست‌ها و هم یافته‌های محدود ارزش NMI، اهمیت بروکسل را در مقایسه با سایر شهرهای بلژیک در ساختار فضایی تقاضای سفر با قطار در بلژیک برجسته می‌کند. ثبات برای همه جوامع این زیر مجموعه بالا است ( جدول 2 ).

میانگین مسافت سفر ( جدول 3 ) برای این زیرمجموعه بدون بروکسل به طور قابل توجهی بزرگتر از زیر مجموعه عمومی است ( t = – 18.76 ***). با این حال، احتمالاً نتیجه موقعیت جغرافیایی-مرکزی بروکسل در بلژیک است نه نشانه تفاوت در تمایل به سفر.

مقادیر بالای شاخص مجاورت ( جدول 4 ) نشان دهنده ساختار فضایی قوی جوامع برای زیرمجموعه بدون بروکسل است. همانطور که انتظار می رفت، با حذف بروکسل از منطقه مورد مطالعه، ساختار شعاعی اطراف این شهر با یک قطبش منطقه ای (فلاندر در مقابل والونیا) جایگزین می شود. فلاندر به دو بخش اصلی (2 و 3) تقسیم شده است که مربوط به نیمه غربی و شرقی آن است. مراکز (به جدول A1 مراجعه کنید ) به ترتیب گنت و آنتورپ هستند، یعنی دو شهر بزرگ فلاندر. ساختار فضایی در والونیا نیز بسیار قوی است. دو جامعه (1 و 4) نزدیک به موارد مشاهده شده در مطالعه موردی کلی هستند. با این حال، استان والون برابانت در اینجا به خودی خود یک جامعه است (5) که از جامعه 1 جدا شده است.

همچنین شایان ذکر است که مرز زبانی بین فلاندر (هلندی زبان) و والونیا (فرانسه زبان) به خوبی مشخص است: مرز زبانی با محدودیت های جوامع مطابقت دارد. تقاضای سفر برون مرزی کم است. این با کارهای قبلی در مورد رفت و آمد از خانه به محل کار [ 17 ] یا تماس های تلفنی [ 58 ] در بلژیک سازگار است.

4.2. تغییرات زمانی

تقاضای سفر در طول روزهای هفته احتمالاً منعکس کننده الگوی رفت و آمد از خانه به محل کار است، در حالی که سهم سفرهای تفریحی احتمالاً در آخر هفته بیشتر است. از این رو، مقایسه روزهای هفته و زیر مجموعه های آخر هفته، امکان مطالعه بیشتر تأثیر ساختار شهری بر الگوی فضایی جوامع را فراهم می کند. اولی به عنوان همه درخواست‌هایی است که از دوشنبه 0 صبح تا جمعه 12 بعد از ظهر انجام می‌شود، در حالی که دومی دوره شنبه 0 صبح تا یکشنبه 12 بعد از ظهر را پوشش می‌دهد. با توجه به عدم قطعیت در زمان سفر واقعی (به بخش 3.2 مراجعه کنید)، ما ترجیح دادیم درخواست‌ها را بر اساس روز جدا کنیم تا تقسیم‌بندی دقیق‌تر.

اگرچه برداشت بصری ( شکل 6 الف) ممکن است متفاوت باشد، جوامع زیرمجموعه روزهای هفته بیشتر شبیه به زیرمجموعه عمومی هستند تا آنهایی که در آخر هفته شناسایی می شوند ( جدول 1 را ببینید ). همچنین توجه داشته باشیم که روزهای هفته 76 درصد از درخواست‌ها را تشکیل می‌دهند (یعنی بیش از 5/7)، که نشان می‌دهد تعداد درخواست‌ها در روز به طور متوسط در آخر هفته کمتر است.

در طول هفته، ساختار فضایی جوامع شامل دو حلقه متحدالمرکز در اطراف بروکسل است که هر یک به ربع تقسیم می‌شوند. هر سه اجتماع حلقه اول (4، 6 و 7) به BCR نزدیک هستند و گره مرکزی آنها در آن قرار دارد ( جدول A1 ). حلقه دوم به پنج جامعه (1، 2، 3، 5 و 8) تقسیم می شود که هر کدام در شهری است که با بروکسل متفاوت است. به نظر می رسد که این حلقه متحدالمرکز دوم در مقایسه با مطالعه موردی عمومی اهمیت پیدا می کند، به ویژه با ظهور یک جامعه در مرکز لیژ و دیگری در مونس، دو شهر منطقه ای والونیا (نگاه کنید به شکل 2 a ) .

ساختار متحدالمرکز تا حدودی در طول آخر هفته ناپدید می شود و با یک ساختار نسبتا شعاعی جایگزین می شود. هنوز سه جامعه با یک گره مرکزی در BCR وجود دارد (3، 5 و 6)، و اهمیت کلی آنها مشابه است (169 ایستگاه در مقابل 166 برای روزهای هفته)، اگرچه به نظر می رسد که آنها کمتر از بروکسل دورتر هستند (شکل 6 ب ) . . جوامع دیگر بسیار شبیه به موارد مشاهده شده در حالت کلی هستند. همچنین لازم به ذکر است که میانگین مسافت سفر درخواست‌ها در آخر هفته به میزان قابل توجهی در حدود 3 کیلومتر بیشتر از روزهای هفته است.

t = - 30.851

***).

در نهایت، مجاورت جوامع ( جدول 4 ) بین روزهای هفته و آخر هفته و با مطالعه موردی عمومی مشابه است.

4.3. تغییرات زبانی

تمایز واضحی بین جوامع واقع در فلاندر و والونیا ظاهر می شود. برای مطالعه بیشتر این تمایز، ما جوامع شناسایی شده در درخواست های ارائه شده به زبان هلندی را با جوامع فرانسوی مقایسه می کنیم ( شکل 7 ). هر دو تفاوت زیادی با مطالعه موردی عمومی (مقادیر پایین NMI، جدول 1 را ببینید ) و با یکدیگر نشان می‌دهند. فلاندر و والونیا هر دو به هر دو زبان مورد بررسی قرار می گیرند، اما کاملاً واضح است که ایستگاه هایی که در یک زیر مجموعه ظاهر نمی شوند و بنابراین در شکل 7 سیاه باقی می مانند.، در مناطق دیگر متمرکز شده اند (یعنی والونیا برای درخواست های ارائه شده به زبان هلندی و فلاندر برای درخواست های ارائه شده به زبان فرانسوی). از این رو، اصطکاک فاصله ناشی از مرز زبانی در نتایج ما ظاهر می‌شود، اگرچه بزرگی آن اندازه‌گیری نشده است (برای چنین رویکردی، ما خواننده را به سایر مطالعات اختصاص داده شده به رفت‌وآمد در بلژیک ارجاع می‌دهیم، به عنوان مثال، [17] ) .

الگوی فضایی جوامع در فلاندر در این زیرمجموعه اخیر شباهت‌هایی با الگوی مشاهده‌شده برای مجموعه داده کلی نشان می‌دهد. دو جامعه در بروکسل (3 و 5) متمرکز هستند، در حالی که گره‌های مرکزی جوامع 2 و 4 گنت و آنتورپ هستند ( جدول 2 ). از این رو، ساختار فضایی متحدالمرکز یا شعاعی در اطراف بروکسل نیست، بلکه چند هسته ای است. ایستگاه‌های قطار واقع در والونیا و در زیرمجموعه درخواست‌های ارائه‌شده به زبان هلندی به‌طور تصادفی ظاهر نمی‌شوند: آنها عمدتاً مربوط به شهرهای بزرگ (شاید به عنوان جاذبه گردشگری) و منطقه دیدنی آردن هستند. اکثر آنها تحت تأثیر جامعه 3 (مرکز بروکسل) هستند، اما هیچ الگوی واضحی ظاهر نمی شود. به دلیل این «تصله‌کاری» در والونیا، شاخص همجواری هم به‌طور متوسط و هم در هر جامعه بسیار پایین است (جدول 4 ).

این عدم وجود ساختار فضایی در منطقه زبانی دیگر برای زیرمجموعه فرانسوی محدودتر است، با اکثر ایستگاه‌های فلاندر در جوامع 1 یا 4 (هر دو در بروکسل متمرکز شده‌اند؛ جدول A1 را ببینید ). یک نتیجه قابل توجه این است که جامعه 3 به دو بخش تقسیم می شود، اولی در BCR و استان برابانت والون و قسمت دوم در جنوب استان لوکزامبورگ. به نظر می رسد دلیل اصلی ظهور جوامع 2 و 5 باشد که مراکز آن نامور و لیژ هستند. در مورد زیرمجموعه هلندی، ساختار فضایی جوامع به این ترتیب چند هسته ای است، اگرچه بروکسل نفوذ بیشتری را حفظ می کند.

علیرغم تراکم کمتر جمعیت مشاهده شده در والونیا، میانگین مسافت سفر به طور قابل توجهی کمتر است (

t = - 40.312

***) برای زیر مجموعه فرانسوی نسبت به هلندی ( جدول 3 ). این پارادوکس ظاهری به احتمال زیاد به تراکم (و فرکانس) کمتر شبکه قطار در والونیا و شبکه شهری تنگ‌تر در منظره‌ای کمتر تپه‌ای در فلاندر مرتبط است، از این رو به استفاده از روش‌های حمل‌ونقل جایگزین، مانند دوچرخه، که القای متفاوتی دارد. عادات سفر (نگاه کنید به، به عنوان مثال، [ 28 ، 59 ، 60 ]). برعکس، شاخص مجاورت بزرگتر است ( جدول 4 ). به طور کلی، این نتایج سازماندهی فضایی قوی‌تری از جوامع در زیرمجموعه فرانسوی را نشان می‌دهد که با ساختار شهری سست‌تر سازگار است (شهرها نسبت به فلاندر از یکدیگر جداتر هستند).

4.4. تغییرات منطقه ای: منطقه RER

بروکسل به وضوح در نتایج قبلی ما ظاهر می شود زیرا هر دو شهر دارای بزرگترین منطقه نفوذ است که در چهارراه اصلی شبکه ملی قطار واقع شده است. هدف ما در اینجا ارزیابی ساختار فضایی تقاضای سفر با قطار در مجاورت آن، با محدود کردن این زمان منطقه مورد مطالعه به منطقه RER است. RER مخفف «Réseau Express Régional»، یک شبکه قطار سریع حومه‌ای به و از بروکسل است که توسط دولت برنامه‌ریزی شده و تا ژوئن 2016 تا حدودی تکمیل شده است [ 61 ، 62 ]. با گسترش، منطقه RER (که توسط یک قانون طراحی شده است؛ [ 63 ] را ببینید) منطقه ای را که این سرویس در آن عمل می کند، مشخص می کند.

از مطالعه موردی کلی مشخص است که این منطقه به جوامع مختلفی تقسیم شده است که همه آنها از مرزهای منطقه RER فراتر می روند. توجه داشته باشید که این منطقه RER قرار است تمام شهرداری‌ها را در «حدود 30 کیلومتری منطقه پایتخت بروکسل» در بر بگیرد (نگاه کنید به [ 63 ]؛ ص 94)، که کمتر از میانگین مسافت سفر درخواست‌ها (42.8 کیلومتر) است. بنابراین می توان ارتباط این خط کشی منطقه RER را زیر سوال برد و اینکه آیا ساختار تقاضای سفر آن زمانی که از بقیه بلژیک جدا است متفاوت است یا خیر. بیایید ببینیم داده های ما تا چه اندازه در پاسخ به این سوال کمک می کنند. شکل 8 جوامع شناسایی شده در زیر مجموعه RER را نشان می دهد (همه درخواست ها از و به یک ایستگاه قطار واقع در منطقه RER).

در رابطه با سوال اول، قبلاً اشاره کردیم که در زیرمجموعه عمومی فقط جامعه 6 از یک حلقه متحدالمرکز در اطراف BCR تشکیل شده است ( شکل 5 a). از 40 ایستگاه قطار آن، 28 ایستگاه در داخل منطقه RER قرار دارند. علاوه بر این، دو تا از جوامع (2 و 4) موجود در داخل منطقه RER حتی یک ایستگاه در BCR را شامل نمی‌شوند. ساختار فضایی جوامع، با این وجود، بین زیرمجموعه های عمومی و RER بسیار مشابه است ( شکل 5 a و شکل 8 ). این نیز با مقدار نسبتاً بالای NMI در جدول 1 تأیید شده است . توجه داشته باشید که منطقه RER شامل 30٪ از ایستگاه های قطار در بلژیک است، در حالی که درخواست از و به این ایستگاه ها 37٪ از کل را تشکیل می دهد ( جدول 1) .، نشان دهنده تأثیر زیاد تقاضای سفر در داخل منطقه RER بر جوامع شناسایی شده برای مطالعه موردی عمومی است.

میانگین فاصله بین دو ایستگاه در یک درخواست به وضوح در زیر مجموعه RER کوچکتر است ( جدول 3 ). مجاورت نیز کمی کوچکتر است ( جدول 4 )، که ممکن است به دلیل وزن بالاتر BCR باشد که تعداد زیادی از ایستگاه های قطار را در بر می گیرد که اغلب بسیار نزدیک به یکدیگر هستند. تفاوت اصلی این است که بروکسل، در مورد RER، گره مرکزی همه جوامع به جز یکی است ( جدول 4 ). از این رو، ساختار فضایی آنها به صورت شعاعی در اطراف بروکسل برای بخش شرقی و جنوبی منطقه RER (جامعه 1 و 4) است. بخش غربی ساختار کمتری دارد و دو اجتماع (2 و 3) در یکدیگر مخلوط شده اند.

به طور کلی، ارتباط منطقه RER در یافته های ما نشان داده نشده است. نفوذ بروکسل، همانطور که با تقاضای سفر اندازه گیری می شود، از مرزهای آن به سمت والونیا فراتر می رود. در مقابل، برخی از مناطق در شمال و غرب منطقه RER به نظر می رسد تحت نفوذ شهرهای واقع در فلاندر هستند. هر دو نتیجه با ادبیات ساختار شهری بلژیک مطابقت دارند (نگاه کنید به [ 26 ]).

5. بحث

5.1. جوامع شهری یا شبکه گرا؟

سوال تحقیق ما این بود که بررسی کنیم که آیا ساختار فضایی جوامع بیشتر منعکس کننده ساختار شهری یا شبکه راه آهن است. تأثیر قوی مؤلفه اول باید یک ساختار متحدالمرکز را در مناطق شهری ایجاد کند، در حالی که دومی منجر به ساختاری نسبتاً شعاعی در کنار خطوط راه‌آهن اصلی می‌شود. نتایج ما نشان می‌دهد که هر دو الگوی متحدالمرکز و شعاعی در نتایج ظاهر می‌شوند (به بخش 4 مراجعه کنید )، اگرچه با اهمیت متفاوت در زیر مجموعه داده‌های در نظر گرفته شده.

گره مرکزی یک جامعه در بیشتر موارد با یک شهر بزرگ مطابقت دارد ( جدول A1 )، و این شهرها همچنین رایج ترین گره ها در مجموعه داده iRail هستند، هم به عنوان مبدا و هم به عنوان مقصد ( شکل 4 ). از آنجایی که روش Louvain تضمین می‌کند که جوامع از ایستگاه‌های قطار تشکیل شده‌اند که تعاملات نسبتاً قوی با یکدیگر دارند، بنابراین، جوامع می‌توانند به عنوان “مناطق نفوذ” در نظر گرفته شوند، که در اصول خود مشابه مناطق بازار ریلی است [64 ] . توجه داشته باشید که پایداری جامعه در سطح گره ( شکل A1 ) امکان ارزیابی استحکام این مناطق حوضه آبریز را فراهم می کند.

با این حال، شهرهای بلژیک از نظر اندازه متفاوت هستند (به بخش 3 مراجعه کنید )، و زیر مجموعه های مختلف داده ارائه شده در بخش 4 نیز ساختار چند سطحی تقاضای سفر را نشان می دهد. این مورد به ویژه برای زیر مجموعه های بدون بروکسل، روزهای هفته و آخر هفته صادق است. بروکسل، بزرگترین شهر بلژیک، تنها منطقه شهری است که گره مرکزی بیش از یک جامعه را برای همه زیرمجموعه ها تشکیل می دهد (به استثنای مورد بدون بروکسل). آنتورپ و گنت (در فلاندر) به عنوان مرکز یک جامعه برای اکثر مطالعات موردی ظاهر می شوند، در حالی که در والونیا، جامعه ای با محوریت لیژ نیز یافت می شود، اما تنها برای دو مورد از مطالعات موردی.

با این حال، نتایج دیگر با آنچه از جوامع شهری محور انتظار می رود متفاوت است. رابطه بین اندازه شهر تشکیل دهنده گره مرکزی و اندازه جامعه ضعیف است. در میان شهرهای بزرگ، شارلوا هرگز مرکز یک جامعه نیست. با توجه به شهرهای کوچکتر، علیرغم (یا به دلیل) ساختار شهری متراکم در فلاندر ( شکل 2 )، هیچ منطقه شهری دیگری نمی تواند جامعه خود را تشکیل دهد، در حالی که در والونیا، شهر نسبتا کوچک نامور مرکز بزرگترین جامعه است. اکثر مطالعات موردی

یک ساختار شعاعی با مرکزیت بروکسل در بیشتر زیرمجموعه‌های داده نیز قابل مشاهده است، که با نفوذ قوی شبکه راه‌آهن در جوامع سازگار است. این نفوذ در والونیا و بخش شرقی فلاندر، جایی که ساختار شهری و شبکه راه‌آهن تراکم کمتری دارند، بیشتر به نظر می‌رسد. به عنوان مثال، کل خط بروکسل-نامور-لوکزامبورگ (گوشه جنوب شرقی بلژیک) به جز زیرمجموعه فرانسوی در همان جامعه گنجانده شده است. در استان هاینو (گوشه جنوب غربی)، ما همچنین می‌توانیم جوامعی را به شکل مثلث مشاهده کنیم که اساس آنها در آن استان و اجلاس‌های آن‌ها در BCR است (برای عموم، بدون بروکسل و زیر مجموعه‌های آخر هفته).

بنابراین، هر دو ساختار شبکه شهری و راه آهن بر الگوی فضایی جوامع تأثیر می گذارند. به طور دقیق‌تر، به نظر می‌رسد دو عامل وزن یک شهر را در نتایج ما توضیح می‌دهند: (1) اندازه آن (همانطور که از مدل گرانشی کلاسیک تجارت انتظار می‌رود). و (2) موقعیت آن در شبکه راه آهن. بروکسل هم بزرگ‌ترین شهر بلژیک و هم قلب شبکه ریلی آن است و از این رو یک شهر دور افتاده است. آنتورپ، گنت و لیژ، در میان شهرهای بزرگ دیگر، هاب های اصلی شبکه هستند که اتصالات بین چندین خط را ارائه می دهند. این مورد کمتر برای شارلوا است (به طور دقیق، ما در اینجا به ایستگاه های Antwerp-Central، Liège-Guillemins، Gent-Sint-Pieters و Charleroi-Sud اشاره می کنیم)، تنها شهری که به عنوان یک مرکز اجتماعی ظاهر نمی شود. برعکس، هاب های شبکه راه آهن واقع در شهرهای کوچکتر (به عنوان نامور برای زیرمجموعه فرانسوی) یا حتی یک هاب کاملاً کاربردی (مانند Ottignies برای زیر مجموعه RER) هنوز هم می توانند مراکز جوامع را تشکیل دهند. به طور خاص، قابل توجه است که برای زیر مجموعه RER همه ایستگاه های نزدیک به اتصال Ottignies متعلق به یک جامعه هستند، در حالی که این مورد برای شهرهای نسبتا بزرگتر مانند Aalst، Mechelen یا Termonde صادق نیست. هر دو عامل (اندازه یک شهر و موقعیت آن در شبکه راه‌آهن) با ادبیات جغرافیای اقتصادی و حمل‌ونقل مطابقت دارند و باید برای شبکه‌های راه‌آهن دیگر غیر از شبکه بلژیک معتبر باشند. قابل توجه است که برای زیرمجموعه RER همه ایستگاه های نزدیک به تقاطع Ottignies متعلق به یک جامعه هستند، در حالی که این مورد برای شهرهای نسبتا بزرگتر مانند Aalst، Mechelen یا Termonde صادق نیست. هر دو عامل (اندازه یک شهر و موقعیت آن در شبکه راه‌آهن) با ادبیات جغرافیای اقتصادی و حمل‌ونقل مطابقت دارند و باید برای شبکه‌های راه‌آهن دیگر غیر از شبکه بلژیک معتبر باشند. قابل توجه است که برای زیرمجموعه RER همه ایستگاه های نزدیک به تقاطع Ottignies متعلق به یک جامعه هستند، در حالی که این مورد برای شهرهای نسبتا بزرگتر مانند Aalst، Mechelen یا Termonde صادق نیست. هر دو عامل (اندازه یک شهر و موقعیت آن در شبکه راه‌آهن) با ادبیات جغرافیای اقتصادی و حمل‌ونقل مطابقت دارند و باید برای شبکه‌های راه‌آهن دیگر غیر از شبکه بلژیک معتبر باشند.

به طور کلی، ساختار فضایی تقاضای سفر با قطار در بلژیک، همانطور که توسط مجموعه داده iRail نشان داده شده است، از سه لایه تودرتو تشکیل شده است: اول، یک ساختار شعاعی با مرکز بروکسل. دوم، یک تقسیم بندی منطقه ای در کنار مرز زبانی بین فلاندر و والونیا ظاهر می شود. سوم، یک ساختار متحدالمرکز در اطراف هاب اصلی شبکه قطار وجود دارد که بیشتر از مناطق شهری تشکیل شده است. این سازمان چند سطحی در شکل 9 طرحواره شده است. توجه داشته باشید که هدف آن رسمی کردن ساختار فضایی به جای نمایش گسترش دقیق ناحیه نفوذ هر شهر است. به عنوان مثال، منطقه بین بروکسل و گنت (در شمال غربی) اساساً مختلط است و جامعه متمرکز در گنت فقط به غرب آن شهر گسترش می یابد. با این وجود، گنت یک مرکز اجتماعی برای پنج زیر مجموعه از هفت زیر مجموعه است. به نظر ما، بنابراین دایره خودش را در شکل 9 سزاوار است .

این یافته‌ها با فرضیه اولیه ما مطابقت دارد که ساختار شبکه شهری و راه‌آهن بر تقاضای سفر با قطار در بلژیک تأثیر می‌گذارد. آنها همچنین نشان می‌دهند که حتی در یک کشور متراکم با حمل‌ونقل عمومی نسبتاً کارآمد، مانند بلژیک، مسافت همچنان یک عامل کلیدی رفتار سفر است، همانطور که توسط مدل جاذبه تجارت و تئوری مربوط به مناطق بازار فرض می‌شود. با این حال، عمدتاً سازگاری آنها با کار موجود در ساختار شهری و رفت‌وآمد بلژیک [ 26 ، 27 ، 28 ] یک پشتیبانی قوی از این فرضیه است که درخواست‌های سفر تصویری دقیق از جغرافیای جریان‌های سفر واقعی ارائه می‌دهند.

5.2. پیامدهای تصمیمات خط مشی

نتایج ارائه شده در بخش 5.1 برای هر کسی که با زمینه بلژیکی آشنا است ساده است، بنابراین از استحکام مجموعه داده iRail پشتیبانی می کند. بنابراین، درخواست‌های سفر می‌توانند بیشتر برای بررسی سؤالات غیر ضروری در مورد برنامه‌ریزی حمل و نقل مورد استفاده قرار گیرند. به طور خاص، دو بحث اصلی در حال حاضر در بلژیک در مورد آینده SNCB وجود دارد. اولین مورد مربوط به سرویس RER است. به دلیل محدودیت های بودجه ای، تکمیل شبکه در اطراف بروکسل (توسعه از دو به چهار مسیر در هر خط) از ژوئیه 2016 برای خطوط بروکسل-نیولز و بروکسل-اوتیگنیس نامشخص است [ 62 ، 65]. نتایج ما نشان می دهد که این دو خط متعلق به یک جامعه هستند، از جمله بسیاری از ایستگاه های واقع در داخل BCR، هم برای حالت کلی و هم برای زیر مجموعه RER ( شکل 8 ). علاوه بر این، پنج ایستگاه اصلی بروکسل (بروکسل-جنوب، بروکسل-مرکزی، بروکسل-شمال، بروکسل-شومان و بروکسل-لوکزامبورگ) مقصد 18 درصد درخواست‌های Ottignies و 80 درصد از Nivelles هستند. این به طور کامل از اهمیت تکمیل زیرساخت همانطور که در ابتدا برنامه ریزی شده بود پشتیبانی می کند.

یک بحث کمکی در مورد RER این است که سیاستگذاران محلی از چهار شهر بزرگ دیگر بلژیک (آنتورپ، شارلوا، گنت و لیژ) هر از گاهی از توسعه یک سرویس RER در شهر خود دفاع می کنند [61 ] . تحلیل‌های ارائه‌شده در اینجا، اگرچه به‌طور خاص برای پاسخ به این سؤال طراحی نشده‌اند، نشان می‌دهند که ارائه چنین خدماتی تنها در مناطق شهری که گره مرکزی یک جامعه هستند، یعنی آنتورپ، گنت و لیژ، اما نه در شارلوا، منطقی است. در میان شهرهای کوچکتر، نامور نیز یک نامزد بالقوه است.

بحث دوم در مورد آینده شرکت ملی راه آهن، که عمدتا توسط سیاست گذاران اهل فلاندر ایجاد می شود، جدا شدن احتمالی آن به دو شرکت منطقه ای (فلاندرز و والونیا) است [ 66 ، 67 ]. یافته های ما در واقع نشان می دهد که اکثر جوامع مرزهای زبانی را زیر پا نمی گذارند. با این حال، این تقسیم منطقه ای، دومین سطح از ساختار فضایی است که در بخش 5.1 توضیح داده شده استکه اصلی ترین آن یک سازه شعاعی است که مرکز آن بروکسل است. الگوی فضایی اکثر جوامع متمرکز در آن شهر مستقل از مرزهای منطقه است. علاوه بر این، پنج ایستگاه اصلی قطار در داخل BCR مقصد درخواست‌های سفر از 423 ایستگاه مختلف (یا 78٪ از تمام ایستگاه‌ها) و مبدأ درخواست‌های سفر به سمت 431 ایستگاه (80٪) هستند. سازمان نهادی آینده راه آهن بلژیک هرچه که باشد، بنابراین نیاز آشکاری برای حفظ سطح بالایی از خدمات به بروکسل و از بروکسل وجود دارد.

با این وجود، می توانیم برخی از ویژگی های پیشنهاد حمل و نقل ریلی را زیر سوال ببریم. به طور خاص، به لطف “Jonction Nord-Midi” (به بخش 3 مراجعه کنیدایستگاه های اصلی بروکسل به یکدیگر متصل هستند. بنابراین، سرویس‌های قطار مختلف می‌توانند هنگام پیوستن به شهرهای دیگر در بروکسل تماس بگیرند، برای مثال IC-01 («IC» مخفف «بین‌شهری»، یعنی اتصالات سریع بین شهری است.) اتصال Oostend به Eupen، از طریق گنت، بروکسل و لیژ (و معاون) برعکس) یا اتصال IC-05 که از شارلوا به آنتورپ از طریق بروکسل می‌رود. در مجموعه داده iRail، 11٪ از درخواست های Ghent-Sint-Pieters مقصد بروکسل مرکزی است، در حالی که برای لیژ، تنها 0.2٪ است. مقادیر مربوطه از Liège-Guillemins 5٪ و 0.5٪ است. از ایستگاه Charleroi-Sud، 12٪ از درخواست ها بروکسل مرکزی به عنوان مقصد، و 2٪ به Antwerpen-Centraal هستند. در جهت دیگر، سهام برای بروکسل مرکزی 9 درصد و برای شارلوا 0.7 درصد است. هر دو مثال نشان می دهد که تقاضای سفر بین دو شهر بلژیکی که با مرز زبانی از هم جدا شده اند کم است، حتی اگر ارتباط مستقیمی بین این شهرها وجود داشته باشد. ممکن است کسی استدلال کند که یک سرویس قطار از یک شهر منطقه ای به بروکسل و بازگشت کارآمدتر خواهد بود. با این حال، ارزیابی این سوال بر اهداف این مقاله غلبه می کند.

5.3. چالش ها و مسیرهایی برای تحقیقات آینده

اولین مشارکت این مقاله، همانطور که در بخش 1 بیان شد ، ارزیابی این بود که آیا مجموعه داده های ساخته شده از درخواست های سفر می توانند جریان های سفر واقعی را نشان دهند یا خیر. نتایج ما پتانسیل آنها را تأیید می کند، حتی اگر مجموعه داده iRail دو چالش روش شناختی اصلی را ایجاد کند که باید به آنها پرداخت. اول، همانطور که در بخش 2 توضیح داده شده است، درخواست سفری که در وب سایت یا برنامه iRail ارائه شده است به این معنی نیست که سفر واقعاً انجام شده است. بنابراین، تعداد درخواست‌ها را نمی‌توان به راحتی به پیش‌بینی تعداد مطلق مسافران تبدیل کرد. با این حال، با استفاده از داده‌های جمع‌آوری‌شده فقط در یک دوره دو ماهه، در نهایت به نمایش دقیقی از اهمیت نسبی هر پیوند می‌رسیم که برای مطالعه ساختار فضایی تقاضای سفر با قطار در بلژیک کافی است. مشکل دوم این است که iRail تنها یکی از وب‌سایت‌ها و برنامه‌های برنامه‌یابی مختلف است که برای راه‌آهن بلژیک وجود دارد. تجزیه و تحلیل ارائه شده در این مقاله از تکیه بر درخواست های سفر ارائه شده در برنامه رسمی SNCB سود می برد، حتی اگر الگوی مشاهده شده در اینجا با جغرافیای بلژیک سازگار باشد.

ما نتوانستیم هیچ اثر منتشر شده‌ای را پیدا کنیم که بر اساس درخواست‌های سفر برای مطالعه تقاضای سفر باشد. با این وجود، مجموعه داده‌های مشابه iRail برای همه وب‌سایت‌ها یا برنامه‌های برنامه‌یابی وجود دارد، مشکل اصلی در دسترس بودن محدود آنها به دلیل حفظ حریم خصوصی یا دلایل تجاری است. با این وجود، نتایج ارائه شده در اینجا راه های جدیدی را برای تحقیقات جغرافیایی بیشتر بر اساس مجموعه داده های مشابه با iRail باز می کند.

اولین جهت برای کارهای آینده برنامه ریزی سرزمینی است. درخواست های سفر سطح بالایی از جزئیات مکانی و زمانی را امکان پذیر می کند. در زمینه توسعه پایدار، آنها می توانند برای ارزیابی موقعیت یک زیرساخت پیشنهادی استفاده شوند که بالاترین تمایل را برای سفر با قطار (یا سایر وسایل حمل و نقل عمومی) و برنامه های بهینه برای به حداکثر رساندن سهم حمل و نقل عمومی نسبت به این زیرساخت ارائه می دهد.

مسیر دوم برای تحقیق این است که داده‌های ICT در مورد اهداف سفر، مانند مجموعه داده iRail، اطلاعات مکمل مجموعه داده‌ها در جریان سفر مشاهده‌شده را ارائه می‌دهد که می‌تواند به برنامه‌ریزی حمل‌ونقل آینده‌نگر منجر شود. به یاد بیاوریم که تحلیل‌های انجام‌شده در اینجا بر تاریخ درخواست تکیه می‌کنند و قابلیت استفاده از داده‌ها را برای ارزیابی تغییرات زمانی تقاضای سفر کاهش می‌دهند. در زمینه «شهرهای هوشمند» [ 68]، مجموعه داده از گنجاندن تاریخ و زمان سفر درخواستی به شیوه ای قوی تر بهره می برد. به عنوان مثال، SNCB ممکن است از افزایش درخواست‌ها به سمت یک مقصد معین (مثلاً سواحل بلژیک) به عنوان شاخصی استفاده کند که پیشنهاد قطار باید در زمان سفرهای درخواستی افزایش یابد (به‌جای تکیه صرفاً بر پیش‌بینی‌های آب و هوا). با این حال، قبل از اینکه بتوانیم تردد قطارها را در آینده بر اساس درخواست های سفر پیش بینی کنیم، کارهای بیشتری درخواست می شود.

6. نتیجه گیری

این مقاله نشان می‌دهد که درخواست‌های سفر از طریق یک برنامه آنلاین، دید دقیقی از تقاضای سفر با قطار در بلژیک ارائه می‌دهد. با استفاده از روش‌های تشخیص جامعه در سطح ایستگاه، ما تأثیر ساختارهای شبکه شهری و راه‌آهن را بر الگوی فضایی تقاضای سفر نشان می‌دهیم. نتایج با رفت و آمد در بلژیک مطابقت دارد. ساختاری چند سطحی پدیدار می‌شود که شامل یک ساختار شعاعی با مرکزیت بروکسل، یک تقسیم منطقه‌ای بین مناطق هلندی و فرانسوی زبان بلژیک و یک ساختار متحدالمرکز در اطراف شهرها است. اهمیت شهرهای ثانویه به زیر مجموعه زمانی، زبانی یا منطقه ای در نظر گرفته شده بستگی دارد.

مطالعه انجام شده در اینجا ارتباط مجموعه داده های “کلان داده” را برای جغرافیا و علوم منطقه ای نشان می دهد، زیرا فناوری اطلاعات و ارتباطات راه های متعددی را برای جمع آوری داده ها (زمان واقعی) در مورد رفتار سفر ارائه می دهد. تحلیل‌های پیشنهاد شده در اینجا پیامدهای مستقیمی برای برنامه‌ریزی حمل‌ونقل دارند، حتی اگر برای اطمینان از سازگاری جغرافیایی آنها قبل از اینکه بتوانیم به طور کامل از پتانسیل مجموعه داده‌های درخواست سفر برای حمل‌ونقل آینده یا برنامه‌ریزی سرزمینی استفاده کنیم، به کار بیشتری نیاز است. با این وجود، نتیجه اصلی این است که ساختارهای فضایی برآمده از تحلیل‌های ما با تئوری‌های جغرافیایی «قدیمی خوب»، به‌ویژه مدل گرانشی تجارت و نواحی بازار ریلی سازگار هستند. بنابراین، به نظر ما، «داده های بزرگ» نباید به عنوان جایگزین یا رقیب مدل های نظری تلقی شوند.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

BCR	منطقه بروکسل-پایتخت
فناوری اطلاعات و ارتباطات	فناوری اطلاعات و ارتباطات
RER	Réseau Express Régional
SNCB	شرکت ملی راه آهن بلژیک

پیوست اول

شکل A1. پایداری جوامع بر اساس زیرمجموعه مجموعه داده iRail (تعداد دفعاتی، بیش از 1000 تکرار که یک گره تحت تأثیر جامعه نهایی خود قرار می گیرد، بر حسب درصد). الف ) عمومی؛ ( ب ) بدون بروکسل. ( ج ) روزهای هفته؛ ( د ) آخر هفته؛ ( ه ) درخواست ها به زبان هلندی. ( f ) درخواست‌ها به زبان فرانسه. ( g ) منطقه RER.

جدول A1. گره مرکزی جوامع بر اساس مرکزیت بین (بین براکت = نام ایستگاه قطار).

منابع

کلاپکا، پ. هالاس، م. ارلباخ، ام. تونف، پ. Bednar، M. یک رویکرد تجمعی چند مرحله ای برای تعریف منطقه عملکردی جمهوری چک: استفاده از داده های رفت و آمد سال 2001. موراو. Geogr. 2014 ، 22 ، 2-13. [ Google Scholar ]
کشاورز، سی. Fotheringham، مناطق عملکردی مبتنی بر شبکه AS. محیط زیست طرح. A 2011 , 43 , 2723-2741. [ Google Scholar ] [ CrossRef ]
کنجار، م. لیسک، ا. Drobne, S. روش‌هایی برای تعیین مناطق عملکردی با استفاده از داده‌های مسافران. در مجموعه مقالات سیزدهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، گیماره، پرتغال، 11-14 مه 2010.
Coombes، M. از مفهوم شهر-منطقه تا مرزهای حکمرانی: مورد انگلیسی. مطالعه شهری. 2013 ، 52 ، 1113-1133. [ Google Scholar ] [ CrossRef ]
توماس، آی. کوتلز، سی. جونز، جی. پیترز، دی. بازبینی گسترش تراکم شهری بروکسل: روش‌های جدید، داده‌های جدید… نتایج جدید؟ e-Belgeo 2013 ، 1–2 ، 1–11. [ Google Scholar ] [ CrossRef ]
توموپولوس، ن. گیونی، م. Rietveld, P. ICT for Transport: Opportunities and Threats ; انتشارات ادوارد الگار: چلتنهام، انگلستان، 2015. [ Google Scholar ]
کیچین، آر. انقلاب داده ها: داده های بزرگ، داده های باز، زیرساخت های داده و پیامدهای آنها . Sage: Thousand Oaks، CA، USA، 2014. [ Google Scholar ]
Vanoutrive، T. مالدرن، LV; جورکین، بی. توماس، آی. ورهتسل، ا. Witlox، F. رفت و آمد راه آهن به محل کار در بلژیک: یک رویکرد چند سطحی. بین المللی J. Sustain. ترانسپ 2012 ، 6 ، 67-87. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
برگستراند، JH معادله گرانش در تجارت بین‌الملل: برخی مبانی اقتصاد خرد و شواهد تجربی. کشیش Econ. آمار 1985 ، 67 ، 474-481. [ Google Scholar ] [ CrossRef ]
گرسلند، سی. Beauguitte, L. مدل سازی جذابیت مکان های جهانی: یک نظرسنجی در سراسر جهان بر روی 9000 دانشجوی کارشناسی. در مجموعه مقالات پنجاهمین کنگره اروپایی انجمن بین المللی علم منطقه ای در مورد: رشد و توسعه پایدار منطقه ای در اقتصاد دانش خلاق، یونکوپینگ، سوئد، 19 تا 23 اوت 2010.
ژیرو، تی. Commenges, H. Spatial Position: Spatial Position Models. بسته R نسخه 1.0. 2015. در دسترس آنلاین: http://CRAN.R-project.org/package=SpatialPosition (در 9 سپتامبر 2016 قابل دسترسی است).
سرورو، آر. Wu، KL Polycentrism، رفت و آمد، و مکان مسکونی در منطقه خلیج سانفرانسیسکو. محیط زیست طرح. A 1997 , 29 , 865-886. [ Google Scholar ] [ CrossRef ] [ PubMed ]
وانگ، اف. مدلسازی الگوهای رفت و آمد در شیکاگو در یک محیط GIS: دیدگاه دسترسی به شغل. پروفسور Geogr. 2000 ، 52 ، 120-133. [ Google Scholar ] [ CrossRef ]
وانگ، اف. توضیح تغییرات درون شهری رفت و آمد با نزدیکی شغل و ویژگی های کارگران. محیط زیست طرح. برنامه B دس 2001 ، 28 ، 169-182. [ Google Scholar ] [ CrossRef ]
Sohn, J. آیا الگوهای رفت و آمد نشانگر خوبی از ساختار فضایی شهری هستند؟ J. Transp. Geogr. 2005 ، 13 ، 306-317. [ Google Scholar ] [ CrossRef ]
ماته، تی. Wintr, L. رفت و آمد در مناطق مرزی: یک یادداشت. Appl. اقتصاد Lett. 2009 ، 16 ، 735-738. [ Google Scholar ] [ CrossRef ]
Dujardin, C. Effet de Frontière et Intégration Spatiale: Les migrations alternantes et la frontière linguistique en Belgique. L’espace Géogr. 2001 ، 2001 ، 307-320. [ Google Scholar ]
رودریگ، جی پی؛ کامتویس، سی. Slack، B. جغرافیای سیستم های حمل و نقل . Routledge: لندن، بریتانیا، 2013. [ Google Scholar ]
اسپیکرمن، ک. وگنر، ام. قاره در حال انقباض: نقشه های زمان جدید-فضای اروپا. محیط زیست طرح. برنامه B دس 1994 ، 21 ، 653-673. [ Google Scholar ] [ CrossRef ]
اسپیکرمن، ک. وگنر، ام. شبکه های فرا اروپایی و دسترسی نابرابر در اروپا. یورو J. Reg. توسعه دهنده 1996 ، 4 ، 35-42. [ Google Scholar ]
ویکرمن، R. راه آهن پرسرعت در اروپا: تجربه و مسائل برای توسعه آینده. ان Reg. علمی 1997 ، 31 ، 21-38. [ Google Scholar ] [ CrossRef ]
Givoni، M. توسعه و تأثیر قطار سریع السیر مدرن: بررسی. ترانسپ Rev. 2006 , 26 , 593-611. [ Google Scholar ] [ CrossRef ]
Levinson، DM تاثیرات دسترسی راه آهن پرسرعت. J. Transp. Geogr. 2012 ، 22 ، 288-291. [ Google Scholar ] [ CrossRef ]
بلوندل، وی. Guillaume, JL; لامبیوت، آر. Lefebvre, E. آشکار شدن سریع جوامع در شبکه بزرگ. J. Stat. مکانیک. تئوری. انقضا 2008 ، 2008 ، 10008. [ Google Scholar ] [ CrossRef ]
گویمرا، آر. موسا، اس. تورتسچی، آ. آمارال، LN شبکه حمل و نقل هوایی در سراسر جهان: مرکزیت غیرعادی، ساختار جامعه، و نقش های جهانی شهرها. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2005 ، 102 ، 7794-7799. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ورهتسل، ا. ون هکه، ای. Halleux, JM; Decroly، JM; Merenne-Schoumaker، B. Noyaux D’habitats et region Urbaines Dans Une Belgique Urbanisée ; گزارش فنی، Monographie de L’enquète Socio-Economique 2001; SPF Economie: بروکسل، بلژیک، 2009.
ون هکه، ای. توماس، آی. بیلن، م. Halleux, JM; Lambotte، JM; ریکسون، جی. Verhetsel, A. Le Mouvement Pendulaire en Belgique ; گزارش فنی، Monographie de L’enquète Socio-Economique 2001; SPF Economie: بروکسل، بلژیک، 2009.
ورهتسل، ا. توماس، آی. بیلن، ام. رفت و آمد در مناطق شهری بلژیک. J. Transp. کاربری زمین 2010 ، 2 ، 109-131. [ Google Scholar ] [ CrossRef ]
اداره بزرگراه فدرال National Household Travel Survey 2016. موجود به صورت آنلاین: https://www.nationalhouseholdtravelsurvey.com/l (در 9 سپتامبر 2016 قابل دسترسی است).
کورنلیس، ام. بلژیک روزانه موبیلیتی-بلدام. 2012. در دسترس آنلاین: http://www.belspo.be/belspo/organization/Publ/pub_ostc/agora/ragjj150_fr.pdf (دسترسی در 9 سپتامبر 2016).
اهم، ا. ویمن، جی. ردلباخ، ام. شولز، آ. آکرمانز، ال. Vannacci، L. آنویرکاتی، ای. ون گرینزون، الف. تجزیه و تحلیل آمار سفر ملی در اروپا. 2013. در دسترس آنلاین: http://publications.jrc.ec.europa.eu/repository/bitstream/JRC83304/tch-d2.1_final.pdf (دسترسی در 9 سپتامبر 2016).
هوبرت، جی پی؛ آرموگم، ج. Axhausen، KW; بی‌حرکتی و تحرک Madre، JL از طریق بررسی‌های مبتنی بر سفر در مقابل استفاده از زمان مشاهده می‌شود. ترانسپ Rev. 2008 , 28 , 641-658. [ Google Scholar ] [ CrossRef ]
گریک، آر. گهلرت، تی. Leisch, F. استفاده از زمان در نظرسنجی های سفر و بررسی استفاده از زمان – دو روی یک سکه؟ ترانسپ Res. بخش A سیاست سیاست. 2015 ، 76 ، 4-24. [ Google Scholar ] [ CrossRef ]
راث، سی. کانگ، اس ام. باتی، م. بارتلمی، ام. ساختار جنبش های شهری: فعالیت چند مرکزی و جریان های سلسله مراتبی درهم تنیده. PLoS ONE 2011 ، 6 ، e15923. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لانگ، ی. تیل، جی. ترکیب داده‌های کارت هوشمند و بررسی سفر خانوار برای تجزیه و تحلیل روابط شغل و مسکن در پکن. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 53 ، 19-35. [ Google Scholar ] [ CrossRef ]
سان، اس. دوان، ز. یانگ، دی. لی، W. چند مرکزیت ساختار شهری: تحلیل حرکات فضایی در شانگهای با داده های کارت هوشمند. در مجموعه مقالات بیست و یکمین کنگره جهانی سیستم های حمل و نقل هوشمند، ITSWC 2014: اختراع مجدد حمل و نقل در جهان متصل ما، دیترویت، MI، ایالات متحده آمریکا، 7-11 سپتامبر 2014.
SNCB. در دسترس آنلاین: http://www.belgianrail.be/en (در 9 نوامبر 2016 قابل دسترسی است).
DGSIE. جمعیت-جمعیت Chiffres 2010–2016. در دسترس آنلاین: http://statbel.fgov.be/fr/modules/publications/statistiques/population/population_-_chiffres_population_2010_-_2012.jsp (دسترسی در 9 سپتامبر 2016).
Thisse, JF; Thomas, I. Bruxelles au sein de l’économie belge: Un bilan. چشم انداز را منعکس می کند. اقتصاد 2010 ، 80 ، 1-18. [ Google Scholar ]
Van der Herten, B. Le Temps du Train, 175 ans de Chemins de fer en Belgique, 75e Anniversaire de la SNCB ; Presses Universitaires de Louvain: Louvain la Neuve, Belgium, 2001. [ Google Scholar ]
Denis, J. (Ed.) Geographie de la Belgique ; Bulletin du Credit Communal: بروکسل، بلژیک، 1992; پ. 616.
کمیته ملی جغرافیا جغرافیای مختصر بلژیک ; انتشارات آکادمی: گنت، بلژیک، 2012; پ. 46. [ Google Scholar ]
Infrabel. خطوط راه آهن در دسترس آنلاین: http://www.infrabel.be/en/about/our-rail-network/railway-lines (در 9 سپتامبر 2016 قابل دسترسی است).
SNCB. گزارش فعالیت های SNCB 2015. 2015. موجود به صورت آنلاین: http://www.belgianrail.be/en/corporate/~/media/1212C2ABEFCA4BC0A236781FECE168E5.ashx (در 9 سپتامبر 2016 قابل دسترسی است).
آی ریل. در دسترس آنلاین: https://irail.be/ (در 9 نوامبر 2016 قابل دسترسی است).
iRail API. در دسترس آنلاین: https://hello.irail.be/api/1-0/ (در 9 نوامبر 2016 قابل دسترسی است).
کولپارت، پی. چوا، ا. وربورگ، آر. ماننس، ای. ون دی وال، آر. Vande Moere، A. گزارش های API حمل و نقل عمومی در مورد جریان سفر به ما چه می گویند. در مجموعه مقالات بیست و پنجمین کنفرانس بین المللی همراه در شبکه جهانی وب. کمیته راهبری کنفرانس های بین المللی وب جهانی، مونترال، QC، کانادا، 11 تا 15 آوریل 2016. صص 873-878.
SNCB. Nombre de Voyageurs Montes Par Gare en 2014. موجود به صورت آنلاین: https://www.belgianrail.be/fr/~/media/73AECBB3473141C1AA565C122AB6259C.ashx (در 9 سپتامبر 2016 قابل دسترسی است).
SNCB. Nombre de Voyageurs Montes Par Gare en 2015. موجود به صورت آنلاین: http://www.belgianrail.be/fr/~/media/8F764D77F60F48B188A8742652C6E48F.ashx (در 9 سپتامبر 2016 قابل دسترسی است).
دلون، جی سی; Schaub، MT; یالیراکی، SN; Barahona، M. ثبات یک پارتیشن گراف: یک چارچوب مبتنی بر پویایی برای تشخیص جامعه. در Dynamics On و Of Complex Networks ; Springer: برلین، آلمان، 2013; جلد 2، ص 221-242. [ Google Scholar ]
لانچیچینتی، آ. رادیچی، اف. راماسکو، جی جی. فورتوناتو، اس. یافتن جوامع آماری معنی دار در شبکه ها. PLoS ONE 2011 ، 6 ، e18961. [ Google Scholar ] [ CrossRef ] [ PubMed ]
تراگ، وی. ون دورن، پی. Nesterov، Y. محدوده باریک برای تشخیص جامعه بدون محدودیت وضوح. فیزیک Rev. E 2011 , 84 , 016114. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Traag، VA; کرینگز، جی. ون دورن، پی. مقیاس های معنادار در ساختار جامعه. علمی Rep. 2013 , 1-10. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لی، سی. کانینگهام، پی. تشخیص جامعه: ارزیابی موثر در شبکه های اجتماعی بزرگ. J. مجتمع Netw. 2014 ، 2 ، 19-37. [ Google Scholar ] [ CrossRef ]
خوب، BH; د مونتجویه، YA; Clauset, A. عملکرد به حداکثر رساندن مدولاریت در زمینه های عملی. فیزیک Rev. E 2010 , 81 , 046106. [ Google Scholar ] [ CrossRef ] [ PubMed ]
آنا، ال. جین، AK خوشه بندی داده قوی. در مجموعه مقالات کنفرانس IEEE Computer Society در سال 2003 در مورد دید کامپیوتری و تشخیص الگو، مدیسون، WI، ایالات متحده آمریکا، 18-20 ژوئن 2003. جلد 2.
فریمن، LC مجموعه ای از معیارهای مرکزیت مبتنی بر بین بودن. Sociometry 1977 ، 40 ، 35-41. [ Google Scholar ] [ CrossRef ]
بلوندل، وی. کرینگز، جی. توماس، I. مناطق و مرزهای تلفن همراه در بلژیک و در منطقه شهری بروکسل. بروکسل استود. 2010 ، 42 ، 1-12. [ Google Scholar ]
دی ویت، ا. ماچاریس، سی. Mairesse, O. حمل و نقل عمومی رایگان چقدر متقاعد کننده است؟: نظرسنجی در بین مسافران در منطقه پایتخت بروکسل. ترانسپ سیاست 2008 ، 15 ، 216-224. [ Google Scholar ] [ CrossRef ]
واندنبولکه، جی. دوژاردین، سی. توماس، آی. دی گئوس، بی. دگراو، بی. میوزن، آر. پانیس، رفت و آمد چرخه LI در بلژیک: عوامل تعیین کننده فضایی و استراتژی های اشتراک-دوچرخه. ترانسپ Res. بخش A سیاست سیاست. 2011 ، 45 ، 118-137. [ Google Scholar ] [ CrossRef ]
SNCB. نژاد. در دسترس آنلاین: http://www.belgianrail.be/en/ /media/91715610D054471E8B2D70D3CD3B6562.pdf (دسترسی در 9 سپتامبر 2016).
JC RER a Bruxelles: Quel etait le projet? Qu’en est-il Maintenant؟ در دسترس آنلاین: https://www.rtbf.be/info/regions/bruxelles/detail_rer-a-bruxelles-quel-etait-le-projet-qu-en-est-il-maintenant?id=9202743 (دسترسی در 9 سپتامبر 2016).
Ordonnance Portant Assentiment à la Convention du 4 آوریل 2003 Entre l’Etat fedéral, la Région Flamande, la Région Wallone et la Région de Bruxelles-Capitale, Visant à mettre en Oeuvre le Program du Réseau de Réseau Express R’eg, R’egional Autour de Bruxelles ; Moniteur Belge: بروکسل، بلژیک، 2004.
Huff, DL تحلیل احتمالی مناطق تجاری مراکز خرید. اقتصاد زمین 1963 ، 39 ، 81-90. [ Google Scholar ] [ CrossRef ]
Attout، X. RER: سناریو فاجعه در حال حاضر؟ Le Soir 2016. موجود به صورت آنلاین: http://www.lesoir.be/1264492/article/actualite/regions/brabant-wallon/2016-07-12/rer-scenario-catastrophe-en-vue (دسترسی در 9 سپتامبر 2016 ).
Jan Peumans (N-VA): Il serait bon de regionaliser la SNCB. Le Soir 2015. در دسترس آنلاین: http://www.lesoir.be/933608/article/actualite/belgique/politique/2015-07-11/jan-peumans-n-vail-serait-bon-regionaliser-sncb (دسترسی در 9 سپتامبر 2016).
RTBF. آیا منطقه ای شدن SNCB Est-Elle ممکن است؟ در دسترس آنلاین: https://www.rtbf.be/info/belgique/detail_une-regionalisation-de-la-sncb-est-elle-realisable?id=9178419 (دسترسی در 9 سپتامبر 2016).
کیچین، آر. شهر بی‌درنگ؟ کلان داده و شهرسازی هوشمند. GeoJournal 2014 ، 79 ، 1-14. [ Google Scholar ] [ CrossRef ]

شکل 1. تصویر شبکه راه آهن در مقابل شبکه تقاضای سفر (نمادهای شهر و جریان سفر متناسب با اندازه/حجم آنها؛ رنگ هر ایستگاه قطار نشان دهنده جامعه آن است).

شکل 2. ( الف ) ساختار اداری و شهری بلژیک. و ( ب ) موقعیت ایستگاه قطار.

شکل 3. درخواست iRail در مقابل تقاضای سفر مشاهده شده. ( الف ) در مقابل مسافران در سال 2014؛ ( ب ) در مقابل مسافران در سال 2015.

شکل 4. رتبه – توزیع اندازه درخواست های iRail. ( الف ) ریشه ها؛ ( ب ) مقاصد.

شکل 5. جوامع در مجموعه داده iRail برای زیرمجموعه های ( a ) کلی و ( ب ) بدون بروکسل (در افسانه: O = جوامع دیگر، با کمتر از پنج گره؛ N = در مجموعه داده وجود ندارد).

شکل 6. جوامع شناسایی شده در مجموعه داده iRail در ( الف ) روزهای هفته و ( ب ) آخر هفته (در افسانه: O = جوامع دیگر، با کمتر از پنج گره؛ N = در مجموعه داده وجود ندارد).

شکل 7. جوامع در مجموعه داده iRail برای درخواست های انجام شده به زبان هلندی ( الف ) و ( ب ) فرانسوی (در افسانه: O = جوامع دیگر، با کمتر از پنج گره؛ N = در مجموعه داده وجود ندارد).

شکل 8. جوامع شناسایی شده در منطقه RER (توجه داشته باشید: O = جوامع دیگر، با کمتر از پنج ایستگاه قطار).

شکل 9. نمایش طرحی تقاضای سفر با قطار در بلژیک.

جدول 1. آمار توصیفی زیر مجموعه ها. NMI، اطلاعات متقابل نرمال شده؛ O/D، مبدا-مقصد.

جدول 2. میانگین پایداری جوامع (در درصد؛ مقادیر بالا = پایداری بالا؛ بین براکت = انحراف استاندارد).

جدول 3. میانگین مسافت سفر در کنار شبکه راه آهن (کیلومتر؛ بین براکت = انحراف معیار).

جدول 4. مقدار متوسط شاخص مجاورت فضایی (بین براکت = انحراف معیار).

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب