نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

جهان با سرعت بسیار بالایی در حال شهرنشینی است. جغرافیای مدرن، به‌ویژه سیستم‌های اطلاعات جغرافیایی (GIS) و سیستم‌های موقعیت‌یابی جهانی (GPS) روشی را تغییر می‌دهند که برنامه‌ریزان شهری و حمل‌ونقل در حال جمع‌آوری، کاوش، ترکیب، تجزیه و تحلیل، ارزیابی و ارائه داده‌های خود هستند. برنامه های کاربردی GIS حمل و نقل (یا GIS-T) در کنفرانس های پیشرو و نشریات سطح بالا به جریان اصلی تبدیل شده اند.
حمل و نقل پایدار به ایجاد سیستم‌های حمل‌ونقلی مربوط می‌شود که پایداری را از نظر افزایش شمول اجتماعی، کاهش اثرات خارجی زیست‌محیطی و از نظر اقتصادی امکان‌پذیر ارتقا می‌دهند. این شامل حمل و نقل و همچنین سیستم کاربری زمین است. در زمینه حمل و نقل پایدار، علم GI معمولاً برای کمک به توسعه مفاهیم و روش‌شناسی برای تحرک پاک و پایدار استفاده می‌شود. چه به مدل‌های مکان-تخصیص سیستم‌های دوچرخه عمومی، نقشه‌برداری از مسیرهای کودکان به مدرسه، استفاده از زمین – تعامل حمل‌ونقل یا محاسبه سطوح دسترسی به مشاغل برای افراد فقیر شهری، فناوری‌های GPS و GIS مدرن بی‌شمار هستند.
شش مقاله در این شماره ویژه، تصویر خوبی از استفاده از GIS برای تحلیل و برنامه ریزی حمل و نقل است. ما شاهد استفاده از نقاط قوت GIS معمولی هستیم، مانند تولید نقشه دیجیتال (مقاله 1 و 2) [ 1 ، 2 ]، مدلسازی پویا (ماده 3) [ 3 ]، فهرست فضایی امکانات/رویدادها (مقاله 1، 2، 4، 5). و 6) [ 1 ، 2 ، 4 ، 5 ، 6 ]، ادغام داده های مکانی (مواد 1، 2 و 5) [ 1 ، 2 ، 5 ] و تحلیل فضایی (مقالات 1، 2، 4 و 6) [ 1 ، 2 ، 4 ، 6]، که در آن می توان اشاره کرد که چندین نویسنده از این قابلیت های GIS در ترکیب و ادغام با تکنیک های آماری مختلف (مقاله 1، 3 و 5) استفاده می کنند [ 1 ، 3 ، 5 ].
کلودیا سوارس و همکاران 1 ] ایمنی ترافیک را برای کاربران آسیب‌پذیر جاده با نقشه‌برداری داده‌های مکان تصادف (به اصطلاح نقاط سیاه)، انجام تجزیه و تحلیل تراکم هسته و ترکیب نتایج، از طریق پوشش‌های GIS، با ویژگی‌های مناطق اطراف و رگرسیون آماری سنتی‌تر برای رسیدن به نتیجه‌گیری، تحلیل کرد. کدام عوامل به بهترین نحو سطوح بالای تصادفات رانندگی را توضیح می دهند. آنها با روش خود نقاط قوت یکپارچه سازی داده های مبتنی بر GI را نشان می دهند.
آلیستر فورد و همکاران 2 ] یک ابزار GIS برای ارزیابی دسترسی به حالت‌های مختلف حمل‌ونقل با استفاده از هزینه تعمیم‌یافته توسعه داد. در مدل آنها، که بر اساس داده های در دسترس عموم است، تفاوت در دسترسی ارائه شده توسط حالت های مختلف حمل و نقل قابل ارزیابی است. آنها استفاده از GIS را به عنوان یک ابزار همه کاره برای ادغام اجزای کاربری زمین و سیستم حمل و نقل در یک متریک دسترسی نشان می دهند که امکان تجزیه و تحلیل سناریوهای مختلف توسعه زیرساخت را از نظر تأثیر آنها بر دسترسی بدون نیاز به اجرای یک داده سنتی 4 مرحله ای فراهم می کند. مدل حمل و نقل
سیمون بکر لوپس و همکاران [ 3 ] به چگونگی استفاده از مدل‌های رگرسیون فضایی مبتنی بر GIS برای پیش‌بینی تقاضای سفر پرداخته‌اند. با معرفی متغیرهای فضایی جهانی و محلی در مدل تولید سفر، آنها توانستند نتایج بهتری نسبت به استفاده از یک رویکرد رگرسیون خطی چندگانه غیرمکانی سنتی ایجاد کنند. آنها نشان می‌دهند که مهم است که وابستگی فضایی را در مدل‌های رگرسیون لحاظ کنیم و رویه‌های آماری فضایی متفاوتی که در محیط GIS در دسترس هستند، چنین گنجاندنی را امکان‌پذیر می‌سازند. با این حال، چنین مدل‌هایی به توسعه بیشتری نیاز دارند تا بتوانند با پویایی شهرهای در حال رشد سریع مقابله کنند تا بتوانند پیش‌بینی‌های قابل اعتمادتری داشته باشند.
ریموند هانگ و همکاران 4 ] به دنبال استفاده از یکی از تکنیک‌های جدید مهم جمع‌آوری داده‌های مکانی، اسکن لیزری، برای مدیریت عملیات راه‌آهن زیرزمینی بوده‌اند. آنها روش های جایگزینی را معرفی می کنند که قادر به جایگزینی سیگنال های سیستم های ماهواره ای ناوبری جهانی هستند که در محیط های زیرزمینی وجود ندارند. استفاده از این روش‌ها باعث می‌شود تا دقت بیشتری در موقعیت‌یابی دارایی‌های سیستم راه‌آهن که ساکن هستند (مانند خطوط تونل، کابل‌ها و غیره ) و همچنین دارایی‌هایی که در حال حرکت هستند، مانند قطارها، دقت بیشتری داشته باشد. نظارت بر زمان واقعی چنین دارایی ها به طور بالقوه برای مدیریت سیستم راه آهن زیرزمینی مفید خواهد بود.
یونسو لی و پیتر اودور [ 5] به مشکل تخصیص ترافیک، بخشی از فرآیند مدل‌سازی حمل‌ونقل که در آن ترافیک پیش‌بینی‌شده به بخش‌های خاصی از شبکه اختصاص می‌یابد، نگاه کرده‌اند. آنها تعدادی الگوریتم جغرافیایی ایجاد کرده‌اند که انواع مختلفی از امپدانس‌های شبکه را در نظر می‌گیرند که بسته به موقعیتی که باید مدل‌سازی شود، به امپدانس مطلق و نسبی طبقه‌بندی می‌شوند. به این ترتیب، مدل برای مقابله با شرایط شبکه خاص که بر امپدانس تأثیر می‌گذارند، مانند نسبت حجم به ظرفیت، نوع جاده و بسته شدن بالقوه خطوط و پل‌ها، متنوع‌تر می‌شود. آنها از یک پلت فرم مبتنی بر GIS برای مقابله با انواع مختلف امپدانس استفاده می کنند که امکان مدل سازی دقیق تر و دستکاری امپدانس چند ویژگی و تخصیص ترافیک واقعی تر را فراهم می کند.
Zhengdong Huang و Xuejun Liu [ 6 ] به این موضوع پرداخته‌اند که چگونه می‌توان مکان ایستگاه‌های اتوبوس را در شبکه‌های چندوجهی در شهری بزرگ و در حال توسعه سریع در چین بهینه کرد. برای این منظور، آنها یک مدل پوشش مبتنی بر GIS را به کار گرفتند که با داده‌های تقاضای سفر گره‌ای وزنی کار می‌کند و امکان بهینه‌سازی مکان‌های ایستگاه اتوبوس را از طریق یک فرآیند سلسله مراتبی فراهم می‌کند. با معرفی سه نوع ایستگاه اتوبوس که هر کدام از نظر اهمیت در شبکه دارای ویژگی های متفاوتی هستند، می توان تحلیل موقعیت مکانی موثرتری را انجام داد.
مقاله‌های این شماره ویژه نشان می‌دهد که اجزای ژئو فضایی سیستم‌های حمل‌ونقل ما یک مفهوم عالی برای تجزیه و تحلیل و پیوند مجموعه‌های داده غیرمرتبط را تشکیل می‌دهند. کاربرد ترکیبی چندین تکنیک تحلیلی و آماری فضایی بینش های جدیدی را ارائه می دهد و نوید بزرگی را برای گسترش آینده این حوزه در حال ظهور نشان می دهد.

منابع

  1. ماچادو، CAS؛ Giannotti، MA; نتو، اف سی؛ تریپودی، ع. پرشیا، ال. Quintanilha، JA مشخص کردن مناطق لکه سیاه برای کاربران آسیب پذیر جاده در سائوپائولو (برزیل) و رم (ایتالیا). ISPRS Int. J. Geo-Inf. 2015 ، 4 . در دسترس آنلاین: https://www.mdpi.com/2220-9964/4/2/858 (در تاریخ 23 اکتبر 2015) قابل دسترسی است. [ Google Scholar ] [ CrossRef ]
  2. فورد، AC؛ Barr, SL; داوسون، RJ; جیمز، پی. تجزیه و تحلیل دسترسی حمل و نقل با استفاده از GIS: ارزیابی حمل و نقل پایدار در لندن. ISPRS Int. J. Geo-Inf. 2015 ، 4 . در دسترس آنلاین: https://www.mdpi.com/2220-9964/4/1/124 (در تاریخ 23 اکتبر 2015) قابل دسترسی است. [ Google Scholar ] [ CrossRef ]
  3. لوپس، اس بی؛ برودینو، NCM؛ دا سیلوا، ابزارهای تحلیلی مبتنی بر ANR GIS برای برنامه ریزی حمل و نقل: مدل های رگرسیون فضایی برای پیش بینی تقاضای حمل و نقل. ISPRS Int. J. Geo-Inf. 2014 ، 3 . در دسترس آنلاین: https://www.mdpi.com/2220-9964/3/2/565 (در تاریخ 23 اکتبر 2015) قابل دسترسی است. [ Google Scholar ] [ CrossRef ]
  4. ریموند هونگ، آر. کینگ، بی. Chen, W. مسائل مفهومی در مورد توسعه سیستم های اسکن لیزری راه آهن زیرزمینی. ISPRS Int. J. Geo-Inf. 2015 ، 4 . موجود به صورت آنلاین: https://www.mdpi.com/2220-9964/4/1/185 (در 23 اکتبر 2015 قابل دسترسی است). [ Google Scholar ] [ CrossRef ]
  5. لی، ای. Oduor، PG با استفاده از عوامل تصمیم گیری چند ویژگی برای تخصیص ترافیک اصلاح شده همه یا هیچ. ISPRS Int. J. Geo-Inf. 2015 ، 4 . در دسترس آنلاین: https://www.mdpi.com/2220-9964/4/2/883 (در تاریخ 23 اکتبر 2015) قابل دسترسی است. [ Google Scholar ] [ CrossRef ]
  6. هوانگ، ز. لیو، ایکس. یک رویکرد سلسله مراتبی برای بهینه سازی توزیع ایستگاه اتوبوس در شهرهای بزرگ و سریع در حال توسعه. ISPRS Int. J. Geo-Inf. 2014 ، 3 . در دسترس آنلاین: https://www.mdpi.com/2220-9964/3/2/554 (در تاریخ 23 اکتبر 2015) قابل دسترسی است. [ Google Scholar ] [ CrossRef ]

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *