اولویت‌بندی و تعیین کاربری های مستعد تغییر در پلاک های شهری با استفاده از تصمیم‌گیری چندمعیاره فازی

بررسی تناسب کاربری های موجود و اولویت بندی کاربری ها برای پلاک های شهری با توجه به مشخصات کالبدی آن ها در ارتباط با سایر کاربری های مجاور، منجر به مدیریت بهینه در محیط شهری خواهد شد. ازاین رو، هدف اصلی این تحقیق، ارائه مدلی برای ارزیابی و اولویت بندی کاربری اراضی شهری بر اساس معیارهای تعریف شده است. در این مدل با توجه به تقریبی بودن نظر کارشناسان در تعیین مقادیر معیارهای ارزیابی شهری، برای برآورد کلی مقادیر این معیارها از محاسبات فازی استفاده گردیده است. اولویت بندی کاربری ها برای هر یک از پلاک های شهری نیز با توجه به فازی بودن مقادیر معیارها، با استفاده از روش topsisفازی صورت گرفته است تا اولویت های تخصیص کاربری برای هر یک از پلاک ها تعیین گردد. درنهایت بر اساس اولویت بندی های انجام گرفته کاربری های مستعد تغییر می توانند شناسایی گردند. توسط مدل پیشنهادی، اولویت کاربری های موجود در شهر با توجه به خصوصیات فیزیکی و کالبدی زمین برای هر کاربری مشخص شده و تصمیم گیرنده در مراحل تصمیم گیری برای تغییر کاربری ها می تواند اولویت کاربری مناسب را برای قطعات مختلف ملاحظه نماید. این مدل با استفاده از داده های مکانی ناحیه یک منطقه 7 تهران مورد پیاده سازی و ارزیابی قرار گرفت. رتبه بندی کاربری zwj;های شهری برای پلاک های موجود در منطقه ی موردمطالعه نشان داد که 77.2 درصد کاربری های موجود دارای اولویت اول برای پلاک های خود هستند. درنتیجه 22.8 درصد پلاک های شهری در منطقه موردمطالعه، کاربری با اولویت اول را به خود اختصاص نداده اند و کاربری این پلاک ها، می توانند مستعد تغییر باشند. نتایج به دست آمده علاوه بر پلاک های شهری با کاربری مستعد تغییر، اولویت های تخصیص کاربری برای هر یک از این پلاک ها را نیز مشخص نموده است.

Ranking and Determining Change-Prone Urban Land-Uses by Fuzzy Multi-Criteria Decision Analysis

Urban landuse allocation is a complicated problem due to diversity in landuses, a large number of parcels and different stakeholders with various and conflicting interests. A variety of studies presents many criteria in this regard. Different methods have been proposed for the optimal allocation of urban landuses. The outputs of these methods are near optimum layouts that offer a suitable landuse for every land unit. However, because of some limitations such as disagreement of stockholders by a specific landuse or the high cost of landuse conversion to a certain landuse, it is not possible for planners to propose desirable landuses for all parcels and as a result, have to use next priorities of the landuses. Thus, prioritizing landuses for parcels along with optimal landuse allocation could be essential in urban landuses planning. Furthermore, due to the approximate nature of landuse evaluation criteria, using fuzzy calculations can be more compatible with the urban landuses allocation models. Therefore, in this study, a parcellevel urban landuse prioritization model based on fuzzy calculation is presented. In the proposed model, at first evaluation criteria are estimated by fuzzy calculations for each parcel. Urban landuse evaluation criteria include neighborhood effects (i.e. compatibility, dependency, and proximity), physical suitability, and per capita. Compatibility and dependency factors depend on the different service level of each landuse. Each landuse is defined in three service level of local, district and regional and different radius of effect is considered according to these service levels. Furthermore, suitability criterion is calculated according to the characteristics and physical properties of land units for each landuse as a fuzzy number. Percapita criterion is calculated as per capita violation in a fuzzy manner and is considered in landuse prioritization. After fuzzy calculations of criteria, the importance of each criterion must be determined. To determine the importance of each criterion in proposed model, the weight of criteria is estimated by subjective and objective weighting approaches. Expert knowledge is used for estimating subjective weights, and Shannon's entropy method applied for determining objective weights. The Fuzzy TOPSIS[1] technique is used to prioritize landuses for each parcel. In fuzzy TOPSIS, after normalization and applying weights to each criterion, positive and negative ideal points are calculated based on the best and worst values of criteria. Finally, with calculating the distance of each landuse as alternatives from worst and best ideal points, landuses will be ranked for each parcel. This procedure is repeated for all parcels in the study area, and therefore, all landuses are ranked for all parcels. The proposed model was implemented on spatial data of region 7, district 1 of Tehran. Ranking urban landuses for parcels in the study area showed that 77.2 percent of current landuses have the first priority for their own parcels. It came that 22.8 percent of parcels in the study area were not allocated the first priority of landuse, and the landuse of these parcels can be susceptible to change. In the landuses of the study area, in terms of susceptibility to changes, residential units have the best situation, and industrial units have worst situation. As a future research, based on proposed model, different scenarios can be proposed for optimal allocation of urban landuses by taking into account stockholders' preferences. For modeling the stakeholders' preferences, approaches such as multiagent systems and game theory can be used. [1] Technique for Order of Preference by Similarity to Ideal Solution