شناسایی ساختارهای فضایی داده‌های حمل‌ونقل شهری با رویکرد تحلیل عاملی
کد مقاله : 1024-SPATIAL (R1)
نویسندگان
زهرا صفائی عارف *، موسی گلعلی‌زاده
دانشگاه تربیت مدرس
چکیده مقاله
حمل‌ونقل شهری یکی از ارکان اساسی توسعه پایدار و ارتقای کیفیت زندگی در کلان‌شهرها محسوب می‌شود و اتخاذ تصمیمات بهینه در این حوزه مستلزم درک دقیق رفتار مسافران، تراکم جمعیت، ویژگی‌های محیطی و الگوهای حرکتی است. داده‌های مرتبط با حمل‌ونقل معمولاً فضایی و چندمتغیره هستند؛ به این معنا که هر مکان، مانند یک ایستگاه، با مجموعه‌ای از ویژگی‌ها توصیف می‌شود و روابط میان این ویژگی‌ها ممکن است بر اساس موقعیت جغرافیایی متفاوت باشد. در این راستا، تحلیل عاملی ابزار موثری برای شناسایی ساختارهای پنهان وابستگی میان متغیرهای مدل به شمار می‌رود، اما روش‌های کلاسیک معمولاً قادر به در نظر گرفتن ناهمگونی فضایی داده‌ها نیستند. در مقاله حاضر، از روشی استفاده شده است که خوشه‌بندی فضایی و تحلیل عاملی را به‌صورت همزمان ترکیب می‌کند تا امکان شناسایی خوشه‌های فضایی و برآورد پارامترهای مدل‌های عاملی مختص هر خوشه فراهم شود. این رویکرد که بر روی داده‌های متروی توکیو پیاده شد، امکان تحلیل همزمان ساختارهای فضایی و وابستگی‌های متغیرها را میسر ساخته و می‌تواند ابزاری ارزشمند برای مطالعه شبکه‌های حمل‌ونقل و برنامه‌ریزی شهری ارائه دهد.
کلیدواژه ها
حمل‌و‌نقل شهری، تحلیل عاملی، خوشه‌بندی، وابستگی فضایی، توکیو.
وضعیت: پذیرفته شده برای ارائه شفاهی