بررسی کارآمدی طرح‌های ترافیکی اعمال‌شده با استفاده از شبکه عصبی در محیط gis (مطالعه موردی شهرستان سنندج)

شهرها برای جوابگویی به تقاضای فزاینده ترافیک خودروی شخصی، ترافیک تجاری، حمل‌ونقل عمومی و دسترسی به کاربری های اطراف و همچنین پارکینگ سیستم مدیریت ترافیک شهری نیازمند بهره گیری از سیاست های کنترل ترافیک می باشد، ارایه طرح ها و سیاست هایی نظیر یک‌طرفه کردن معابر، طرح زوج و فرد، ایجاد خطوط ویژه و تعریض معابر ازجمله سیاست هایی است که در راستای مدیریت تقاضای سفرهای شهری توسط مدیریت شهری اعمال می شود. شهر سنندج به دلیل تراکم بالای ترافیک در بخش مرکزی خود اقدام به تدوین و اعمال سیاست های ترافیکی مختلفی نموده است؛ تحقیق حاضر نیز ارزیابی میزان تاثیرگذاری اعمال سیاست های فوق در ابعاد مختلفی نظیر کاهش ترافیک، کاهش تصادفات، طول و زمان سفر و همچنین میزان مصرف انرژی می باشد. تحقیق حاضر ازنظر نوع و ماهیت در حوزه تحقیقات کاربردی جایی می گیرد و ازنظر روش شناسی نیز در حوزه تحقیقات توصیفی_تحلیلی قرار دارد. جامعه ی آمار تحقیق را میزان تصادفات و حجم ترافیک معابر دارای سیاست ترافیکی تشکیل می دهند. بخشی از آمار و اطلاعات موردنیاز از پلیس راهنمایی و رانندگی شهرستان سنندج و شهرداری این شهر اخذ گردید بخش دیگری نیز از طریق برداشت های میدانی انجام پذیرفت. در تجزیه‌وتحلیل اطلاعات نیز از سامانه اطلاعات جغرافیایی (gis) و مدل تحلیل شبکه عصبی بهره گرفته شد. نتایج تحقیق نشان می دهد اعمال سیاست های ترافیکی سبب افزایش 6250 متری طول مسیر طی شده و همچنین افزایش 0.5 لیتری مصرف بنزین خودروها در بخش مرکزی شهر سنندج گردیده است. نتایج همچنین نشان می دهد علی رغم تاثیرگذاری سیاست های اعمال‌شده ترافیکی بر حجم ترافیک اما به دلیل افزایش ضریب خودروی شخصی این تاثیرگذاری بسیار ناچیز جلو می نماید. بنابراین بیشترین تاثیر اعمال سیاست های ترافیکی روان‌سازی ترافیک در بخش مرکزی شهر سنندج می باشد که هدف اصلی این سیاست ها نیز همین موضوع بوده است.

Effectiveness of Traffic Plans Using Neural Network in GIS Environment (Case Study: Sanandaj)

Cities need to take advantage of traffic control policies to address the increasing demand for private car traffic, commercial traffic, public transportation and access to surrounding land uses as well as parking of urban traffic management systems, providing policies and policies such as oneway passages, coupled and individual plans, including Policies are applied to manage urban travel demand by urban management. The city of Sanandaj has been developing and implementing various traffic policies due to its high traffic density in its central part. The present study also evaluates the impact of applying the above policies on various dimensions such as reducing traffic, reducing traffic accidents, traveling time and time, and energy consumption is. The present research is based on the type and nature of Drew in terms of methodology in the field of descriptiveanalytic research. The research community estimates traffic accidents and volume traffic congestion. Part of the statistics and information was obtained from the traffic police of Sanandaj and the municipality of this city. Another part was also taken through field observations. Geographic information system (GIS) and neural network analysis model were used for analyzing information. The results indicate that traffic policies have increased the 6250meterlong route along with a 0.5liter increase in petrol consumption in the central part of the city of Sanandaj. The results also show that, despite the impact of traffic policies on traffic volumes, this effect is negligible due to the increase in the coefficient of personal car.