|
|
خوشه بندی مناطق شهری مشهد بر اساس فاکتورهای فراوانی حریق و حوادث ، جمعیت و مساحت با استفاده از الگوریتم دسته بندی k-means
|
|
|
|
|
نویسنده
|
سلمانی بیدسکان حسن ,خوشدل حسین ,علیزاده علی
|
منبع
|
ششمين همايش ملي آتشنشاني و ايمني شهري - 1403 - دوره : 6 - ششمین همایش ملی آتشنشانی و ایمنی شهری - کد همایش: 03240-16249 - صفحه:0 -0
|
چکیده
|
امروزه در ارزیابی کیفیت زندگی در شهرها مقوله ایمنی یکی از شاخصهای مهم تلقی میشود. فضای عمومی شهری به دلیل خصوصیات خاص خود در معرض انواع تهدیدهای ایمنی قرار دارد. بهبود ایمنی شهری یک هدف مهم در توسعه شهری با حفظ کارکردهای فعلی شهرها است و شناسایی و کنترل عوامل ریسک ایمنی فضاهای عمومی شهری به لحاظ نظری و عملی از اهمیت بالایی برخوردار است. بررسی داده های مربوط به حوادث آتش سوزی گذشته و تعیین فراوانی وقوع حریق و حوادث در محیط های مختلف ، تجزیه و تحلیل عوامل موثر بر فراوانی حریق و حوادث در هر محیط، تحلیل مکان وقوع حریق ها و حوادث و فراوانی وقوع آنها در سطح شهر و همچنین زمان رسیدن ماموران آتش نشانی به محل حادثه و تلاش در جهت کاهش آنها، از مهم ترین مسایل در زمینه پیشگیری از وقوع و بهبود اثربخشی خدمات امدادرسانی و کاهش تلفات و خسارات می باشند. تحقیق حاضر با هدف دسته بندی 13 منطقه مختلف شهر مشهد بر اساس سه فاکتور مهم فراوانی حریق و حوادث شهری ، جمعیت و مساحت مناطق شهری صورت گرفته است. جامعه آماری تحقیق داده های جمعیت و مساحت مناطق مختلف شهر مشهذ و نیز داده های حریق و حوادث شهر مشهد طی سالهای 1397 تا 1400 بوده که در بازه زمانی فوق بالغ بر 84000 داده ی آماری می باشد که از این تعداد عملیات بالغ بر 36000 عملیات مربوط به اطفای حریق و بالغ بر 48000 عملیات نیز مربوط به حوادث می باشد . جهت تحلیل داده های تحقیق از نرم افزار spss و روش آماری خوشه بندی k-means استفاده گردید. نتایج تحقیق نشان می دهد که با انتخاب 3 خوشه جهت دسته بندی مناطق شهر مشهد ، در خوشه 1 ، هشت منطقه و در خوشه 2 فقط یک منطقه و در خوشه 3 چهار منطقه قرار میگیرند. قرار گرفتن منطقه 2 شهرداری در یک خوشه مجزا نشان دهنده اهمیت این منطقه می باشد .
|
کلیدواژه
|
خوشه بندی ،حریق و حوادث، مناطق شهری مشهد ، الگوریتم دسته بندی k-means
|
آدرس
|
, iran, , iran, , iran
|
پست الکترونیکی
|
cmasdiver2007@gmail.com
|
|
|
|
|
|
|
|
|
clustering of urban areas of mashhad based on the factors of frequency of fire and accidents, population and area using k-means classification algorithm
|
|
|
Authors
|
|
|
|
Keywords
|
clustering ,fire and accidents ,urban areas of mashhad ,k-means classification algorithm
|
|
|
|
|
|
|
|
|
|
|