پیاده‌‏روی در شهر: استفاده از الگوریتم‏‌های یادگیری ماشین در جهت ارزیابی قابلیت پیاده‌‏مداری در فضای باز عمومی شهر شیراز

بررسی ساختار شهری در جهت افزایش فعالیت‌های اجتماعی و پیاده‌روی در جهت افزایش تعاملات و سرزندگی شهری مبحثی است که توسط محققین زیادی بررسی شده است. از این رو توجه به ساختارهایی که از یک طرف پیاده‌روی را در فضاهای عمومی شهر افزایش دهند و از طرفی منجر به افزایش مدت‌زمان پیاده‌روی در فضای عمومی شوند بسیار حائز اهمیت است. زیرا منجر به افزایش کیفیت زندگی، سلامتی شهروندان می‌شود. پیچیده کردن ماهیت توسعه و الگوهای ساختار شهر، ما را نیازمند توجه به ابعاد مختلف در جهت شناخت عوامل تاثیرگذار در افزایش پیاده‌روی شهروند در ساختارهای مختلف شهری می‌کند. از این رو روش تحقیق در این پژوهش استفاده از روش پرسش‌نامه و یادگیری ماشین با استفاده از روش رگرسیون می‌باشد. استفاده از روش یادگیری ماشین به محقق امکان بررسی رابطه‌های پیچیده بین متغیرهای مختلف را می‌دهد. هدف از این تحقیق بررسی روابطه آشکار و پنهان بین عوامل مختلف محیطی تاثیرگذار بر روی پیاده‌روی شهروندان در کلان‌شهر شیراز می‌باشد. نتایج این پژوهش نشان می‌دهد که بیش‌ترین تاثیرگذاری را بر میزان زمان پیاده‌روی در فضای شهری پنج عامل حریم خصوصی فردی، بهبود دسترسی به فضاهای عمومی، خالی از زباله، معماری باکیفیت و اتصال عناصر مختلف و فرصت کافی برای حرکت عابران پیاده بیش‌ترین و کم‌ترین تاثیر را عامل نظارتی نظیر حضور بیش‌تر پلیس، توجه بیش‌تر به ایمنی و امنیت شخصی افراد، سیستم دوربین مداربسته دارند. به صورت کلی به وسیله این 16 عامل تاثیرگذار بر پیاده‌مداری می‌توان بیش‌ترین میزان زمان پیاده‌روی در روز را با تقریب 92 درصد پیش‌بینی نمود. نتایج تحقیق می‌تواند توسط مدیران، طراحان و برنامه‌ریزان شهری در جهت افزایش سرزندگی و فعالیت‌های شهری به‌خصوص پیاده‌روی به‌کار گرفته شود.

walking in the city: using machine learning algorithms to evaluate walkability in public open space of shiraz city

many researchers have examined the urban structure to enhance social activities and walking to increase urban vitality and interactions. hence, it is essential to consider those structures that increase the walking rate in public spaces of the city on the one hand, and enhance walking duration in the public space on the other hand, because it leads to a higher quality of life and health of citizens. the complicated nature of development and city structure patterns require use paying attention to various aspects to find the factors affecting the increase in citizen walking in various urban structures. hence, the research method of this study uses questionnaires and machine learning through regression techniques. machine learning technique allows researchers to investigate complex relationships between various variables. the purpose of this study is to examine the overt and covert relationships between various environmental factors affecting the citizens’ walking in shiraz metropolis. the results indicate that the five factors have the highest effect on walking in urban spaces: individual privacy, improved access to public spaces, a public space free of garbage, high-quality architecture and connection between various elements, and enough opportunity for the movement of pedestrians. surveillance factors such as police presence, more attention to the safety and security of individuals, and cctv systems have the lowest effect. in general, these 16 factors affecting walkability help to predict the highest walking time in the day with approximately 92%. urban planners, designers, and managers can use the results of this study to increase urban vitality and activities, especially walking.