آزمایش اندازه‌گیری سرزندگی در مقیاس کوچک بر اساس ارزیابی مدل 5 بعدی با داده‌های چند منبع: یک مورد جامعه اسکان مجدد در سوژو

خلاصه

در چهاردهمین برنامه پنج ساله چین، بازآفرینی شهری به یکی از حیاتی ترین استراتژی ها برای فعال سازی شهرهای موجود تبدیل شده است. از آنجایی که ایجاد فضاهای شهری پر جنب و جوش جزء حیاتی بازآفرینی شهری است، درک الگوهای سرزندگی جامعه به تدوین سیاست های بازآفرینی واکنشی و مداخلات طراحی کمک می کند. با این حال، فقدان معیارهای اندازه‌گیری در مقیاس محلی و روش‌های جمع‌آوری داده‌ها، محدودیت‌های مهمی را برای ارزیابی و تجدید حیات جامعه ایجاد کرده است. با در نظر گرفتن روستای جدید Suzhou Nanhuan به عنوان یک منطقه مطالعاتی، تحقیق ما شامل یک رویکرد مطالعه مقایسه ای برای بررسی مکانیسم اصلی محرک سرزندگی شهری با پشتیبانی از یک مدل نظری (نظریه ۵ بعدی)، ورودی داده چند منبعی، فناوری‌های عکاسی بلادرنگ، و ابزارهای تحلیل آماری (فرایند تحلیل سلسله مراتبی). نتیجه نشان می‌دهد که در سطح جامعه، ابعاد اصلی «۳ بعدی» («تراکم»، «تنوع»، «طراحی») عناصر کلیدی برای شکل‌دهی کیفیت و عملکرد فضایی پر جنب و جوش باقی می‌مانند، و عوامل چگالی به‌طور قابل‌توجهی اهمیت دارند. این مطالعه در نظر دارد با ترکیب مورفولوژی شهری با دیدگاه‌های مردم‌مدار و محیط‌گرا، الگوی جدیدی برای ارزیابی، تأیید و بازآفرینی سرزندگی جامعه در مقیاس کوچک ارائه دهد. این تحقیق می‌تواند از تحقیقات کمی در زمینه ایجاد جوامع با تراکم بالا در فرآیند بازآفرینی شهری حمایت کند و بینش‌هایی را برای دانشگاهیان و متخصصان طراحی به ارمغان بیاورد. «طراحی») عناصر کلیدی برای شکل‌دهی کیفیت و عملکرد فضایی پر جنب و جوش باقی می‌مانند، و عوامل چگالی اهمیت قابل توجهی دارند. این مطالعه در نظر دارد با ترکیب مورفولوژی شهری با دیدگاه‌های مردم‌مدار و محیط‌گرا، الگوی جدیدی برای ارزیابی، تأیید و بازآفرینی سرزندگی جامعه در مقیاس کوچک ارائه دهد. این تحقیق می‌تواند از تحقیقات کمی در زمینه ایجاد جوامع با تراکم بالا در فرآیند بازآفرینی شهری حمایت کند و بینش‌هایی را برای دانشگاهیان و متخصصان طراحی به ارمغان بیاورد. «طراحی») عناصر کلیدی برای شکل‌دهی کیفیت و عملکرد فضایی پر جنب و جوش باقی می‌مانند، و عوامل چگالی اهمیت قابل توجهی دارند. این مطالعه در نظر دارد با ترکیب مورفولوژی شهری با دیدگاه‌های مردم‌مدار و محیط‌گرا، الگوی جدیدی برای ارزیابی، تأیید و بازآفرینی سرزندگی جامعه در مقیاس کوچک ارائه دهد. این تحقیق می‌تواند از تحقیقات کمی در زمینه ایجاد جوامع با تراکم بالا در فرآیند بازآفرینی شهری حمایت کند و بینش‌هایی را برای دانشگاهیان و متخصصان طراحی به ارمغان بیاورد.

کلید واژه ها:

سرزندگی جامعه ; مدل ۵ بعدی ؛ داده های چند منبعی ؛ بازآفرینی شهری ; AHP

۱٫ معرفی

۱٫۱٫ تقویت سرزندگی جامعه: جهت گیری جنبش بازسازی در چین

در سال های اخیر، بازتاب انتقادی در مورد شهرنشینی سریع دهه های گذشته در چین به تدریج افزایش یافته است. در پاسخ به کیفیت پایین فضایی و سرزندگی تحت شهرنشینی بی سابقه، برنامه ملی چهاردهم (۲۰۲۱-۲۰۲۵) ابتدا جنبش بازآفرینی شهری را برای فعال سازی مجدد محیط شهری موجود به عنوان یک هدف اساسی برای بهینه سازی بافت شهری و ارتقای فضاهای با کیفیت بالا ذکر کرد. هدایت اصول زندگی مردم محور و هماهنگ [ ۱ ]. این مفهوم جدید به شدت با بازگرداندن سودآوری و سرزندگی جوامع موجود مرتبط است [ ۲ ، ۳ ]]. اهداف نوسازی شهری شامل طیف وسیعی از طرح‌ها برای تخریب و توسعه مجدد، نوسازی جزئی و تحول در مقیاس کامل است و این آخرین دستورالعمل‌ها چین را با جهت توسعه پایدار همسو می‌کنند [ ۴ ]. دانشگاهیان و متخصصان بر چگونگی اندازه گیری و ایجاد فضاهای شهری پر جنب و جوش به طور موثر تأکید می کنند [ ۵ ]. نوسازی شهرک های مسکونی قدیمی و فرسوده، که واحدهای اساسی فضای اجتماعی هستند، گام مهمی به سوی شهرنشینی با کیفیت بالا است [ ۶ ].

سرزندگی شهری، همانطور که در تئوری ها و ادبیات مختلف برجسته شده است، نقش کلیدی در برآوردن خواسته های مردم برای زندگی باکیفیت و ترویج توسعه مفهومی شهرنشینی دارد [ ۷ ]]. جاکوبز (۱۹۶۱) یک محیط شهری پر جنب و جوش را به عنوان مجموعه ای از عناصر طراحی شهری، از جمله تراکم توسعه مناسب، کاربری زمین و ترکیب عملکردی، ساختمان های قدیمی، بلوک های کوچک، خیابان های قابل دسترس و کمبود خلاء مرزی تعریف می کند. لینچ (۱۹۷۱) “محیط شهری حامی” را به عنوان سکونتگاهی که توسط عملکردها و ظرفیت های حیاتی انسان پشتیبانی می شود، توصیف می کند. با حمایت از تامین فضاهای شهری پر جنب و جوش، رفاه مردم و توسعه بلندمدت و بازآفرینی پایدار شهری، طیف وسیعی از فعالیت‌های انسانی را تسهیل می‌کند، تماس و تعامل اجتماعی را تشویق می‌کند و احساس امنیت و اجتماع را در میان مردم تقویت می‌کند. ساکنان [ ۸ ، ۹]. بنابراین شناسایی دقیق وضعیت موجود سرزندگی جامعه در تدوین سیاست‌های شهری واکنشی و پایدار و طراحی مداخلات در بستر جدید رشد مفهومی بسیار ضروری است.

توسعه فناوری اطلاعات و ارتباطات، داده‌های جغرافیایی منبع باز در دسترس را به ارمغان می‌آورد، که مطالعه کمی کردن سرزندگی شهری را به عصری بی‌سابقه سوق داده است [ ۱۰ ]. با نفوذ روش‌های ارزیابی کمی به رشته‌های طراحی شهری، تکنیک‌های تحلیل داده‌کاوی مکانی و GIS (سیستم اطلاعات جغرافیایی) با موفقیت برای کشف عناصر مختلف برنامه‌ریزی مرتبط با مکان‌های شهری پر جنب و جوش استفاده می‌شوند. فن و همکاران با بهره گیری از داده های بزرگ. (۲۰۲۱) از داده های نقشه حرارتی ساعتی بایدو (BHM) به عنوان مرجعی برای به تصویر کشیدن سرزندگی شهری در امتداد رودخانه یانگ تسه در نانجینگ استفاده کرد [ ۱۱]. وانگ و همکاران (۲۰۲۲) از داده‌های بزرگ جمع‌آوری‌شده از تصویربرداری نمای خیابان (SVI)، نقاط مورد علاقه (POI) و نظرات رسانه‌های اجتماعی برای کاوش و بحث در مورد کیفیت فضای خیابان استفاده کرد و جایگزین جدیدی برای ارزیابی قلمروهای عمومی بر اساس تعامل بین سرزندگی خیابان ارائه کرد. امکانات خدماتی و محیط فیزیکی [ ۹ ]. گوو، چن و یانگ (۲۰۲۱) سرزندگی خیابان را با اتخاذ خوشه‌بندی K-means بهینه برای شناسایی دسته‌های سرزندگی پویای خیابان و ارزیابی نتیجه طبقه‌بندی بر اساس شدت و پایداری سرزندگی ارزیابی کردند [ ۱۲ ].

سرزندگی شهری نشان دهنده کیفیت یک مکان از نظر سطح تعامل بین فعالیت های انسانی و موجودات فضایی است [ ۱۳ ]. هوی و همکاران (۲۰۲۱) سرزندگی فضایی را شامل بودن، تراکم تجمع، و شدت استفاده از فضای پارک شهری [ ۱۴ ] تعریف می کند. لی و همکاران (۲۰۲۱) سرزندگی فضایی را به عنوان درجه رضایت مرتبط با حرکات اساسی انسان در حین زندگی، تولید و کاوش در محیط اطرافشان توصیف کرد [ ۱۵ ]. شهرهای پر جنب و جوش مجموعه ای از اشکال خوب، عملکردهای توسعه یافته و فعالیت های کافی هستند [ ۱۶]. بنابراین، روش‌های کیفی مختلفی برای ارزیابی عناصر مختلف برنامه‌ریزی از جمله مورفولوژی شهری، تراکم جمعیت، تراکم تسهیلات، اندازه قطعه، درجه استفاده از مخلوط و کیفیت منظر پیشنهاد شده‌اند [ ۱۷ ، ۱۸ ، ۱۹ ]. عوامل تعیین کننده مانند جذابیت، تنوع و دسترسی نیز بررسی، اندازه گیری و ثابت شده است که با سرزندگی شهری همبستگی مثبت دارد [ ۱۳ ]]. این مطالعات قبلی، عمل برنامه ریزی شهری را در مقیاس شهری یا منطقه ای هدایت کرده است. با این وجود، شواهد محدودی برای تعیین اینکه آیا این معیارهای اندازه‌گیری از قبل موجود برای سرزندگی فضایی قابل انتقال به بازسازی محله هستند، وجود دارد، تا حدی به دلیل معضل کاربری زمین، سیاست‌های پیچیده بازسازی، و مسائل مالکیت. دانش چند رشته ای برای کمک به ایجاد استراتژی های توسعه شهری سازگار و مداخلات طراحی مورد نیاز است.

۱٫۲٫ تجزیه و تحلیل کمی شهری جدید از طریق داده های چند منبعی و تجهیزات پوشیدنی: اندازه گیری سرزندگی جامعه

یک چارچوب تحلیلی کمی ابزاری عالی برای ارزیابی سرزندگی شهری فضایی یا مکانی-زمانی برای انجام تحلیل شهری چند معیاره وضعیت موجود است. با الهام از تحقیقات نظری، دانشگاهیان به طور روشمند و جامع ویژگی های مختلف توزیع صریح فضایی و مکانیسم های رانندگی ضمنی محیط ساخته شده را بررسی کرده اند. در مطالعات قبلی، محققان ویژگی‌های فضای شهری را در ابعاد اقتصادی، فرهنگی و اجتماعی طبقه‌بندی کرده‌اند و چارچوب‌های چندعاملی را برای ترکیب پویایی شهری به‌عنوان نتیجه همپوشانی شاخص‌های اقتصادی، اجتماعی و محیطی ایجاد کرده‌اند [ ۲۰ ]. این مقاله این چارچوب ها را در دو دسته زیر خلاصه می کند.

شاخص های دسته اول بر تخصیص و توسعه منابع زیرساختی، تجاری و خدماتی تمرکز دارند. Kunze و Hecht (2015) توزیع جغرافیایی و تأثیر مشاغل پذیرایی کوچک را برای برآورد سرزندگی شهری مبتنی بر منطقه استخراج کردند [ ۲۱ ]. یک ماتریس ارزیابی JPL (Junctions, POI, Location-based Services) برای ارزیابی فضاهای شهری از جنبه های ترافیک، عملکرد و تراکم فعالیت [ ۱۷ ] پیشنهاد شده است.

دسته دوم بیشتر با ویژگی های مورفولوژیکی شهری مرتبط است. در سال‌های اخیر، مطالعات متعدد نشان داده‌اند که شدت فعالیت‌های انسانی، محیط فیزیکی ساخته شده و تعامل انسان و محیط به شدت بر سرزندگی شهری تأثیر می‌گذارد [ ۲۲ ، ۲۳ ]. Cervero و Kockelman (1997) اثرات بالقوه طراحی شهری را بر سرزندگی شهری، از جمله تراکم تقاطع و زمین با کاربری مختلط پیشنهاد کردند [ ۲۴ ]. یه و همکاران (۲۰۱۸) از مدل های رگرسیون برای کشف اینکه چگونه چگالی و گونه شناسی بر سرزندگی فضایی شنژن تأثیر گذاشته است استفاده کرد [ ۲۵ ]]. لی و همکاران (۲۰۲۲) سرزندگی فضایی را بیشتر به ابعاد اجتماعی، اقتصادی و فرهنگی طبقه بندی کرد و آنها را با داده های مربوط به خیابان تفسیر کرد تا تعیین کند که چگونه محیط خارجی سرزندگی فضایی چنگدو را شکل داده است [ ۸ ]. تئوری “۵D” (تراکم، تنوع، طراحی، دسترسی به مقصد، فاصله تا ترانزیت) پوشش گسترده‌تری دارد و همچنین اندازه‌گیری دقیق‌تری دارد که تمام مفاهیم مربوط به سرزندگی شهری را در بر می‌گیرد [ ۲۶ ، ۲۷ ]. جدا از ویژگی های مورفولوژیکی معمولی، بر رفتار راه رفتن تمرکز دارد که می تواند راحتی، کیفیت و وضعیت سلامت ساکنان جامعه را در سناریوهای موضعی نشان دهد [ ۲۸ ، ۲۹ ]]. Vale & Pereira (2016) بر اثربخشی عوامل BE (محیط ساخته شده) تحت ابعاد “۵ بعدی” با شهرهای متوسط پرتغال که به عنوان مناطق مورد مطالعه در نظر گرفته شده اند، تاکید کردند [ ۳۰ ]. Ogra & Ndebele (2013) مؤلفه‌های ‘۵D’ را به عنوان مؤلفه‌های اولیه که توسعه حمل‌ونقل محور در سطح شهر (TOD) را تشکیل می‌دهند، در نظر گرفتند [ ۳۱ ].

اگرچه مطالعات قبلی ابزارهای عملی را برای کمی کردن درجه و عناصر سرزندگی فضایی از ابعاد کل‌نگر ارائه می‌کنند، هنوز مشکلاتی در ارائه شواهد قوی برای بازسازی جامعه وجود دارد. اولاً، فقدان اندازه‌گیری جهانی برای سنتز فعالیت فضایی در مقیاس‌های مختلف یا در سراسر مرزهای جغرافیایی مختلف وجود دارد، که در توضیح دقیق تفاوت‌ها در توزیع فضایی تعاملات انسان و محیط در مقیاس خرد، دشواری بیشتری ایجاد کرده است. ثانیاً، مطالعات اخیر تنها یک پایه فنی برای اندازه گیری سرزندگی شهری با مدل ‘۵D’ در مناطق شهری در مقیاس بزرگ ایجاد کرده است. راه های مقابله با مسائل کاهش مقیاس، مانند الگوی مکرر BE در یک مرحله واحد از توسعه دارایی، عدم تفکیک تفصیلی (< ۳۰ متر) تصاویر ماهواره ای، ناخالصی های بیشتر، و دقت موقعیت یابی ضعیف تر در ساخت فعالیت های انسانی محلی، نیز به محدودیت های تحقیقاتی قابل توجهی تبدیل شده اند. ثالثاً، تعداد محدودی از مطالعات بر اندازه‌گیری در مقیاس خرد عناصر فضایی متمرکز شده‌اند که جوامع با کیفیت بالا را شکل می‌دهند یا استراتژی‌های اجرایی را برای هدایت بازسازی جامعه ارائه می‌کنند. با توجه به این مشکلات، مشاهدات میدانی، مصاحبه‌ها یا سایر روش‌های مشارکتی عمدتاً برای جمع‌آوری داده‌های اولیه در مطالعات رایج بازسازی جامعه چینی اتخاذ می‌شوند. تعداد محدودی از مطالعات بر اندازه‌گیری در مقیاس خرد عناصر فضایی متمرکز شده‌اند که جوامع با کیفیت بالا را شکل می‌دهند یا استراتژی‌های اجرایی را برای هدایت بازسازی جامعه ارائه می‌کنند. با توجه به این مشکلات، مشاهدات میدانی، مصاحبه‌ها یا سایر روش‌های مشارکتی عمدتاً برای جمع‌آوری داده‌های اولیه در مطالعات رایج بازسازی جامعه چینی اتخاذ می‌شوند. تعداد محدودی از مطالعات بر اندازه‌گیری در مقیاس خرد عناصر فضایی متمرکز شده‌اند که جوامع با کیفیت بالا را شکل می‌دهند یا استراتژی‌های اجرایی را برای هدایت بازسازی جامعه ارائه می‌کنند. با توجه به این مشکلات، مشاهدات میدانی، مصاحبه‌ها یا سایر روش‌های مشارکتی عمدتاً برای جمع‌آوری داده‌های اولیه در مطالعات رایج بازسازی جامعه چینی اتخاذ می‌شوند.۱۴ ]. این مشکلات بازآفرینی جامعه فعلی را در محدوده محدود بازسازی نمای ساختمان، بهبود زیرساخت یا دیگر تاکتیک‌های مشابه «زیباسازی»، بدون دخالت بینش داده، محدود کرده است. با این حال، این استراتژی‌های «دارونما» کمک کافی به حل مشکلات ساختاری ریشه‌دار یا بهبود استانداردهای واقعی زندگی شهروندان محلی ندارند. برای پر کردن شکاف بین شیوه های بازآفرینی شهری و ارزیابی سرزندگی شهری، انجام ارزیابی سیستماتیک و واکنشی سرزندگی محلی در سطح جامعه ضروری و امیدوارکننده است.

در سال‌های اخیر، روش‌های متنوعی برای ردیابی فعالیت‌های انسانی در داده‌های بزرگ مورد توجه گسترده قرار گرفته است. با توسعه فن‌آوری‌های حسگر، رکورد قابل توجهی در زمان واقعی از روابط بین فعالیت‌های انسانی و محیط ساخته شده در تحقیقات اخیر پدیدار شده است [ ۳۲ ].]. به عبارت دیگر، زمان، توالی فعالیت‌های روزانه و موقعیت جغرافیایی با ویژگی‌های خاص کاربری اراضی و تراکم جمعیت را می‌توان برای استنباط سرزندگی فضایی یا مکانی-زمانی شهری استفاده کرد. برخی از مطالعات از حسگرهای محیطی معمولی برای ثبت فعالیت‌های افراد و ویژگی‌های مختلف فضای زمین استفاده کرده‌اند. با این حال، هزینه و تخصص مورد نیاز برای استقرار و نگهداری سیستم نظارت، دستیابی به سطح تراکم مورد نیاز برای نظارت جامع جامعه را چالش‌برانگیزتر می‌کند.

برخلاف تکنیک‌های حسگر سنتی، تصاویر خیابان کارایی و دسترسی جغرافیایی برتر را برای جمع‌آوری ویژگی‌های خیابان در مقیاس خرد و حجم عابر پیاده مرتبط با چارچوب ارزیابی تحلیل شهری ‘۵ بعدی’ و بازتاب سرزندگی جامعه نشان داده‌اند [ ۳۳ ]]. کار ما از یک تکنیک مبتنی بر تحرک با استفاده از تجهیزات جمع‌آوری تصاویر دوربین پوشیدنی استفاده می‌کند تا نشاط جامعه را بر اساس نرم‌افزار تجزیه و تحلیل و شناسایی تصویر به دست آورد، در حالی که نقص‌هایی مانند قابلیت اطمینان ضعیف به دلیل پوشش منطقه و فرکانس به‌روزرسانی را برطرف می‌کند. عکس‌های به موقع می‌توانند منابع داده‌ای با کیفیت بالا در مقیاس دقیق، اعتبار بالا و به‌روزرسانی‌های سریع و پایدار مکان را برای شناسایی و تأیید سرزندگی فضایی به دلیل اندازه کوچک، وزن سبک و قابل حمل بودن دوربین‌های پوشیدنی فراهم کنند [ ۸ ]]. این زمینه را برای درک اطلاعات پیچیده تر و سه بعدی محیط جامعه و ارزیابی جامع سرزندگی جامعه از منظر فضا-زمان فراهم می کند. با این حال، دوره طولانی جمع‌آوری، هزینه بالا و برنامه‌های سفت و سخت برای مشاهده میدانی در ساخت فرآیند فعالیت انسانی، ترویج این رویکرد را در سطح شهر دشوار کرده است، که می‌تواند به عنوان یک چالش تحقیقاتی مهم تلقی شود.

به طور خلاصه، دستور کار فوری برای بهبود سرزندگی شهری مبتنی بر شواهد و بازسازی جامعه چینی، جمع‌آوری داده‌ها و توسعه فن‌آوری‌های استخراج، و همچنین رواج روش‌های تحلیلی کمی، الگوی جدیدی را برای تحقیقات علمی فعلی شهری ارائه می‌کند. با این حال، چارچوب تحلیلی موجود نه تنها در ارائه اندازه‌گیری‌های جهانی برای سنتز سرزندگی فضایی شکست خورده است، بلکه از کشف کاربرد مدل‌های تحقیقاتی در مقیاس اجتماعی یا محلی نیز غفلت کرده است. این تحقیق داده‌های ناهمگن چند منبعی را برای ارائه یک چارچوب ارزیابی اساسی از عملکرد سرزندگی شهری و نیروی محرکه درونی آن بر اساس نظریه “۵D” (یعنی طراحی، تنوع، تراکم، فاصله تا حمل و نقل و دسترسی به مقصد) ترکیب می‌کند. این به دنبال ارائه یک رویکرد جامع و سیستماتیک برای اندازه گیری مفهوم سرزندگی فضایی در مقیاس محلی است. با توجه به بهترین دانش ما از تحقیقات قبلی، این چارچوب سه نوآوری زیر را ارائه می‌کند:

این یک پارادایم جدید برای مطالعه سرزندگی شهری بر اساس ساختارشکنی مفهوم و توضیح صریح مکانیسم های رانندگی است. این مطالعه به دنبال گسترش چارچوب ارزیابی تئوری “۵ بعدی” معاصر برای هدایت ارزیابی سرزندگی جامعه در مقیاس کوچک است. معیارهای اندازه گیری انتخاب شده برای هر بعد به طور مفصل برای مؤلفه های برنامه ریزی در مقیاس محلی تنظیم شده اند و به طور هدفمند تعدیل می شوند تا سرزندگی فضایی را بهتر نشان دهند تا مسائل «کاهش مقیاس» را حل کنند.
ردیابی فعالیت‌های انسانی و استنباط تفاوت‌های سرزندگی با عکاسی به‌موقع سایت، دقیق‌تر و کارآمدتر از روش‌های جمع‌آوری سنتی است.
چارچوب پیشنهادی به طور کامل از داده‌های چند منبع استفاده می‌کند و یک روش چند بعدی برای بررسی شاخص‌های رانندگی سرزندگی شهری ارائه می‌دهد. این تحقیق با ترکیب دیدگاه‌های ریخت‌شناختی و ادراکی برای شکل‌دهی کارایی سرزندگی شهری، مکانیسم محرک اصلی سرزندگی شهری را بررسی می‌کند.

چارچوب ما چارچوب نظری، روش‌شناسی کمی و متغیرهای ارزیابی سرزندگی شهری را غنی می‌کند. روش توسعه نشاط شهری را از منظر بازآفرینی جامعه آشکار می کند. این بینش‌های متعددی را در مورد افزایش سرزندگی شهری و حمایت از توسعه هماهنگ و پایدار محله‌ای با تراکم بالا در چین رو به زوال ارائه می‌کند. همانطور که نیروهای شهرنشینی جهانی به شتاب ادامه می دهند، مرکز گرانشی پویایی انسان همچنان به سمت شرق آسیا، به ویژه چین حرکت می کند [ ۳۴ ]]. بنابراین، مطالعات شهرنشینی و اقدامات متقابل آن نیاز به تجربه چینی بیشتری دارد. این تحقیق یک جامعه اسکان مجدد در سوژو، چین را بررسی می کند تا کاربرد عملی این چارچوب را تأیید کند. بر اساس تحقیقات ما در مورد مکانیسم محرک سرزندگی فضایی، ما تکنیک‌های تقویت سرزندگی شهری را از نظر سیاست‌گذاری مشترک و طراحی شهری خلاصه می‌کنیم.

ساختار باقی مانده این مقاله به شرح زیر است. بخش زیر چارچوب مفهومی چارچوب ارزیابی، نیازمندی‌های داده‌ها و روش‌شناسی، حوزه مطالعه موردی، و پیکربندی‌های تجربی را شرح می‌دهد. در بخش‌های بعدی، نتیجه‌گیری مورد بحث قرار می‌گیرد و سپس نتایج مطالعه موردی توضیح داده می‌شود.

۲٫ چارچوب مفهومی

سرزندگی جامعه برای ساخت محیط های شهری پر جنب و جوش و یک عنصر مهم از بازسازی شهری پایدار که کیفیت زندگی (QoL) را بهبود می بخشد، حیاتی است. با این حال، شهرنشینی سریع در چین باعث ایجاد مشکلات شهری قابل توجهی مانند گسترش فضاهای شهری و اجتماعی غیرفعال شده است. گنجاندن سرزندگی جامعه در برنامه‌های بازآفرینی شهری نیازمند استراتژی‌های بازآفرینی شهری و مداخلات طراحی مناسب برای رسیدگی به مشکلات جدید است. بنابراین، توسعه یک چارچوب ارزیابی سرزندگی جامعه دقیق و جامع برای به حداکثر رساندن پتانسیل‌های بازسازی، کمک به تدوین سیاست و طراحی شهری و بهبود کیفیت زندگی به بیشترین میزان ضروری است. دو مؤلفه اولیه ارزیابی سرزندگی در منطقه مورد مطالعه حاضر، مطالعات کیفی مبتنی بر پرسشنامه و مصاحبه و مطالعات کمی مبتنی بر داده های شهری و تحلیل شبکه است. اگرچه محققان استفاده از داده‌های دیجیتال چند بعدی را در منطقه تحلیل شهری آغاز کرده‌اند، محدودیت‌های رویکردهای مرسوم همچنان چالش‌های اساسی را برای اندازه‌گیری دقیق سرزندگی جامعه و محلی ایجاد می‌کنند. با تکرار فناوری‌های جدید، مطالعات ارزیابی سرزندگی شهری وارد دوره پررونقی شده است که با فراوانی داده‌های مکانی منبع باز مشخص شده است. با توجه به افکار فوق، این تحقیق یک روش تحلیل و ارزیابی کلی را برای اندازه گیری سرزندگی جامعه بر اساس ارزیابی مدل ‘۵ بعدی’ با داده های چند منبعی پیشنهاد می کند. و مطالعات کمی بر اساس داده های شهری و تحلیل شبکه. اگرچه محققان استفاده از داده‌های دیجیتال چند بعدی را در منطقه تحلیل شهری آغاز کرده‌اند، محدودیت‌های رویکردهای مرسوم همچنان چالش‌های اساسی را برای اندازه‌گیری دقیق سرزندگی جامعه و محلی ایجاد می‌کنند. با تکرار فناوری‌های جدید، مطالعات ارزیابی سرزندگی شهری وارد دوره پررونقی شده است که با فراوانی داده‌های مکانی منبع باز مشخص شده است. با توجه به افکار فوق، این تحقیق یک روش تحلیل و ارزیابی کلی را برای اندازه گیری سرزندگی جامعه بر اساس ارزیابی مدل ‘۵ بعدی’ با داده های چند منبعی پیشنهاد می کند. و مطالعات کمی بر اساس داده های شهری و تحلیل شبکه. اگرچه محققان استفاده از داده‌های دیجیتال چند بعدی را در منطقه تحلیل شهری آغاز کرده‌اند، محدودیت‌های رویکردهای مرسوم همچنان چالش‌های اساسی را برای اندازه‌گیری دقیق سرزندگی جامعه و محلی ایجاد می‌کنند. با تکرار فناوری‌های جدید، مطالعات ارزیابی سرزندگی شهری وارد دوره پررونقی شده است که با فراوانی داده‌های مکانی منبع باز مشخص شده است. با توجه به افکار فوق، این تحقیق یک روش تحلیل و ارزیابی کلی را برای اندازه گیری سرزندگی جامعه بر اساس ارزیابی مدل ‘۵ بعدی’ با داده های چند منبعی پیشنهاد می کند. محدودیت‌های رویکردهای مرسوم همچنان چالش‌های اساسی را برای اندازه‌گیری دقیق سرزندگی جامعه و محلی ایجاد می‌کند. با تکرار فناوری‌های جدید، مطالعات ارزیابی سرزندگی شهری وارد دوره پررونقی شده است که با فراوانی داده‌های مکانی منبع باز مشخص شده است. با توجه به افکار فوق، این تحقیق یک روش تحلیل و ارزیابی کلی را برای اندازه گیری سرزندگی جامعه بر اساس ارزیابی مدل ‘۵ بعدی’ با داده های چند منبعی پیشنهاد می کند. محدودیت‌های رویکردهای مرسوم همچنان چالش‌های اساسی را برای اندازه‌گیری دقیق سرزندگی جامعه و محلی ایجاد می‌کند. با تکرار فناوری‌های جدید، مطالعات ارزیابی سرزندگی شهری وارد دوره پررونقی شده است که با فراوانی داده‌های مکانی منبع باز مشخص شده است. با توجه به افکار فوق، این تحقیق یک روش تحلیل و ارزیابی کلی را برای اندازه گیری سرزندگی جامعه بر اساس ارزیابی مدل ‘۵ بعدی’ با داده های چند منبعی پیشنهاد می کند.

همانطور که در شکل ۱ نشان داده شده است ، مطالعه ما دو دسته مجزا از داده ها را بررسی می کند. نوع اول شامل داده های محیط ساخته شده (BE) شامل داده های نقطه مورد علاقه (POI)، کاربری زمین، ساختمان و شبکه خیابان است که منبع داده برای ارزیابی عناصر برنامه ریزی ‘۵D’ هستند. دسته دوم از داده های تصویری تشکیل شده است که الگوی توزیع در زمان واقعی سرزندگی محلی را نشان می دهد. سه مرحله اصلی تحقیق ما را تشکیل می دهد: اندازه گیری سرزندگی شهری، ارزیابی و تأیید. روش جمع آوری داده ها در بخش ۳٫۱ معرفی شده است .

بخش ۱ عوامل محرک سرزندگی شهری طراحی شده برای این چارچوب را نشان می دهد. ما دوازده شاخص ارزیابی را برای اندازه گیری سرزندگی فضایی شهری جدا از ابعاد “۵d” (تراکم، تنوع، طراحی، دسترسی به مقصد، و فاصله تا حمل و نقل) فرموله می کنیم. این چارچوب ارزیابی کمی مبتنی بر شواهد را انتخاب می‌کند تا مفاهیم هر بعد را منعکس کند. محله‌های پرتراکم تمایل دارند فعالیت‌های بیشتری را در همان شعاع رفت و آمد انجام دهند. آنها بیشتر به ویژگی های مورفولوژیکی بلوک های منفرد توجه دارند، که شاخص فضای کف (FSI)، شاخص فضای زمین (GSI) و Spacemate [ ۳۵ ، ۳۶ ]]. تنوع کاربری و عملکردی (POI) توزیع فعالیت های مبتنی بر مکان و شیوه های کاربری زمین را نشان می دهد و یک کاتالیزور ضروری برای سرزندگی جامعه است [ ۱۳ ، ۲۱ ، ۳۷ ، ۳۸ ]. از آنجایی که بعد طراحی منعکس کننده تجربیات پیاده روی عابران پیاده و جنبه های زیبایی شناختی فضای شهری است، اتصال خیابان، اندازه بلوک، شاخص سبزی و نسبت محوطه چهار متغیر انتخاب شده برای اندازه گیری تحرک، جذابیت و پویایی فضاهای شهری هستند [ ۳۹ ، ۴۰ ، ۴۱ ، ۴۲ ]. فاصله نزدیک تر به حمل و نقل، تمایل ساکنین به سفر را افزایش می دهد [ ۴۳]، و دسترسی بالا به مقصد باعث افزایش فعالیت پیاده روی، تحرک شهری و پایداری می شود [ ۳۰ ]. روش محاسبه همه شاخص های فوق در بخش ۳٫۲٫۱ به تفصیل آمده است .

همانطور که در قسمت ۲ مشاهده شد، ما از فرآیند تحلیل سلسله مراتبی (AHP) برای دستیابی به دو هدف استفاده می کنیم. اول، ما از یک ماتریس سلسله مراتبی برای مقایسه عوامل تأثیرگذار ‘۵d’ از نظر سهم آنها در سرزندگی جامعه استفاده می کنیم. دوم، ما تأثیرات ترکیبی متغیرهای ‘۵d’ را بر توزیع سرزندگی جامعه (بر اساس بلوک) با اختصاص وزن به هر یک بسته به ارتباط آنها با بازسازی جامعه محاسبه می کنیم. الزامات مقیاس جامعه در فرآیند تخصیص وزن گنجانده شده است تا کارایی و ثبات فرآیند توزین را بهبود بخشد. روش محاسبه کمی AHP به طور عمیق در بخش ۳٫۲٫۱ توضیح داده شده است .

بخش ۳ روش اندازه گیری و تأیید واقعی برای سرزندگی را شرح می دهد. روش شناسی ما دیدگاه جدیدی را بر اساس فن آوری های جمع آوری داده در زمان واقعی بهبود یافته پیشنهاد می کند. به‌ویژه زمانی که تکنیک‌های سنجش محیطی، جمع‌آوری تصویر، و تشخیص کمی رایج هستند، انعطاف‌پذیری و دقت دستگاه‌های مربوطه برای جمع‌آوری و تجزیه و تحلیل مؤثر داده‌ها به طور فزاینده‌ای حیاتی می‌شود. ما از الگوریتم PSPNet و Cityscape برای پردازش داده‌های بصری جمع‌آوری‌شده از دوربین‌های پوشیدنی استفاده می‌کنیم و از حجم مسافران و جریان وسایل نقلیه در تصاویر خیابان استفاده می‌کنیم تا سرزندگی جامعه را منعکس کنیم.

در بخش ۴، با مقایسه آن با نتایج محاسبه‌شده از ارزیابی تئوری «۵D»، سهم تحقیق ما در روش‌شناسی کمی ارزیابی سرزندگی جامعه و کاربرد واقعی آن تأیید می‌شود. روش تفصیلی در بخش ۳٫۲٫۲ مورد بحث قرار گرفته است .

۳٫ داده ها و روش ها

۳٫۱٫ منبع اطلاعات

با توجه به چارچوب ما، داده های چند منبعی پایه فنی این مقاله است. داده‌های تصویری که مناطق قابل دسترسی را پوشش می‌دهند که از یک تور ۱۵ روزه در سایت جمع‌آوری شده‌اند، و داده‌های BE به‌دست‌آمده از پایگاه‌های اطلاعاتی چندمنبعی جغرافیایی، توسط بلوک‌های شهری منفرد ترکیب می‌شوند. آنها برای شناسایی توزیع سرزندگی شهری و عامل محرک برای مدل‌سازی و ارزیابی استفاده می‌شوند. ترکیب، استفاده، منبع و محتوای این داده ها در جدول ۱ نمایش داده شده است.

۳٫۲٫ روش شناسی

۳٫۲٫۱٫ محاسبه کمی ضریب تاثیر حیاتی جامعه ‘۵D’

تحلیل حیاتی فضایی GIS دقیق بر اساس مدل ارزیابی تئوری ‘۵ بعدی’

با توجه به مفهوم نظریه ‘۵D’، چندین شاخص کلیدی از کاربرد قبلی نظریه ‘۵D’ انتخاب شده و متناسب با مقیاس جامعه تعدیل می شوند. آنها برای ارزیابی ارزش زمین دو بعدی ویژگی های BE زمین شهری و تعامل انسان و زمین استفاده می شوند. معنی و محاسبه شاخص ها در جدول ۲ نشان داده شده است.

در سه فرمول اول، F ارتفاع کف است و L نشان دهنده میانگین تعداد لایه های طبقه یک بلوک تعیین شده است. تبر و B x نشان دهنده مناطق بلوک منفرد و مناطق ناخالص تمام ردپاهای ساختمان هستند. FSI میانگین تراکم فضاهای ساخته شده سه بعدی یا تراکم جمعیت را نشان می دهد. GSI چگالی متوسط فضاهای طبقه همکف ۲ بعدی را منعکس می کند که به عنوان “پتانسیل ساخته شده” توصیف می شود [ ۲۵ ]. طبق گفته Steadman (2014) و Ye, Li و Liu (2018)، سرزندگی بالاتر از FSI/GSI بالاتر ناشی می شود و GSI تمایل دارد تأثیر بیشتری بر سرزندگی شهری بگذارد [ ۴۴ ، ۴۵ ].

شاخص اختلاط تابع آنتروپی شانون نشان‌داده‌شده در معادله (۴) به طور گسترده‌ای برای اندازه‌گیری تنوع فضایی و غنای عملکردی بر اساس تنوع انواع سایت‌ها و نسبت هر نوع استفاده می‌شود. LD به تنوع کاربری اراضی اشاره دارد. P _k نسبت مساحت سایت از نوع در k به مساحت بلوک است، در حالی که n تعداد انواع کاربری های زمین در بلوک است. تراکم کاربری بالاتر برای هر بلوک نشان دهنده ترکیب بهتری از امکانات است. در معادله (۵)، LE به یکنواختی کاربری اراضی اشاره دارد،

L D_{k}

به تنوع کاربری اراضی بلوک اشاره دارد، در حالی که

L D_{m a x}

حداکثر مقدار تنوع کاربری در بین تمام بلوک ها است. هر چه مقدار به ۱ نزدیکتر باشد، بلوک به طور مساوی در سایت توزیع می شود. در معادله (۶)، FD چگالی تابعی را نشان می دهد،

N_{k}

تعداد کل POI در بلوک را نشان می دهد و

A_{k}

مساحت بلوک را نشان می دهد. FD منعکس کننده پتانسیل یک منطقه برای ارائه انواع مختلف خدمات شهری است که مقدار بالاتر نشان دهنده پتانسیل بالاتر توابع بلوک است. جیانگ (۲۰۲۱)، دونگ و ژانگ (۲۰۱۶) ثابت کرده اند که LD، LE و FD به طور مثبت بر سرزندگی شهری تأثیر می گذارند. با این وجود، این سه شاخص به درجات مختلف به سرزندگی شهری کمک می کنند [ ۱۳ ، ۳۸ ].

ما از «شاخص اتصال پیوند» برای دسترسی به اتصال خیابان با افزونه Space Syntax در ArcGIS استفاده می‌کنیم. در معادله (۷)، اتصال پیوند بالاتر (LC) نشان دهنده سرزندگی جامعه بالاتر است. پایگاه داده‌های نمونه‌گیری برای شاخص سبزی (GI) و نرخ محفظه (ER) بر اساس اطلاعات گرافیکی که به طور منظم در ۵۴ نقطه داده از ۲۰ بازدید از سایت به مدت دو هفته متوالی گرفته می‌شوند، ساخته شده‌اند. عکس‌ها بر اساس نسبت به ترکیب‌های مختلفی از مناطق ساخته‌شده، مناطق سرسبز، مناطق جاده‌ای، خودروها و عابران پیاده تقسیم شدند. GI به نسبت ویژگی های سبز در یک عکس اشاره دارد که با سرزندگی شهری همبستگی مثبت دارد. اولیویرا و مدیروس (۲۰۱۶) استفاده از نسبت ارتفاع ساختمان به عرض خیابان، یعنی نسبت محوطه را پیشنهاد کردند.۴۲ ]. بنابراین، ما از نسبت جاده تقسیم بر نسبت ساختمان برای محاسبه ER استفاده می کنیم که با سرزندگی شهری ارتباط منفی دارد.

دسترسی به مقصد (DA) و فاصله تا حمل و نقل (DT) به عنوان یک هدف تصمیم گیری در سطح طرح: موقعیت ترکیب می شوند. ما از شاخص ادغام محلی در تجزیه و تحلیل شبکه طراحی فضایی (SDNAs) برای مطالعه DA دهکده جدید Nanhuan استفاده کردیم. برای جلوگیری از اثر مرزی ناشی از منطقه انتخابی، مطالعه رودخانه‌ها و بزرگراه‌ها را به عنوان مرز انتخاب کرد که اثرات مسدودکننده ظاهری بر حرکت عابر پیاده دارند. DA بالاتر منجر به گزینش محلی بالاتر واحد فضایی در یک شعاع سفر مشخص می شود و هر چه می توان سرزندگی فضا را بالاتر برد. ما کوتاه ترین فاصله پیاده روی از خروجی هر منطقه مسکونی تا هر ایستگاه اتوبوس را اندازه گیری می کنیم تا DT برای هر بلوک به دست آید. مناطق با DT کمتر دارای سرزندگی بالاتری در نظر گرفته می شوند.

ارزیابی سنجیده و ترکیب سرزندگی جامعه بر اساس فرآیند تحلیل سلسله مراتبی (AHP)

فرآیند تحلیل سلسله مراتبی (AHP) یک ابزار تصمیم گیری است که به حل مسائل پیچیده از طریق تجزیه مسئله، انتخاب معیارها، مقایسه زوجی/نسبی، و ترکیب اهمیت نسبی رتبه بندی ها کمک می کند [ ۴۶ ، ۴۷ ]. فرآیند سلسله مراتب تحلیلی به طور گسترده در ارزیابی و تفسیر عناصر بازسازی شهری استفاده شده است [ ۴۸ ، ۴۹ ]. ما از آن برای ارزیابی عوامل تأثیرگذار ‘۵d’ از نظر سهم آنها در سرزندگی جامعه و محاسبه شاخص کل سرزندگی بلوک‌های فردی استفاده می‌کنیم. کارشناسان عناصر اهداف تصمیم گیری “۵ بعدی” و نتایج انتساب وزن را در سطح طرح و در اولین لایه میانی رتبه بندی می کنند، همانطور که در پیوست A نشان داده شده است..

جدول ۳ ۱۲ شاخص انتخاب شده را نشان می دهد که اهداف تصمیم گیری “۵d” را تشکیل می دهند. برای قابل مقایسه کردن هر عامل، ۱۲ نوع داده و تأثیرات آنها (+/-) در بازه مقادیر بین ۰ و ۱ مجدد نقشه برداری می شوند و بر اساس نتایج AHP وزن می شوند (فرایند ارزیابی به پیوست A مراجعه کنید.). “تراکم، تنوع و طراحی” بیشتر مسئول سرزندگی جامعه در نظر گرفته شده است و در نتیجه وزن های بالاتری به دست آمده است، به ترتیب ۰٫۴۲۳۶، ۰٫۲۲۷۰ و ۰٫۲۲۷۰٫ در مقایسه با سه عامل مهم، متغیرهای مرتبط با موقعیت («فاصله تا حمل و نقل» و «دسترسی به مقصد») به دلیل مقیاس محدود یک جامعه، وزن کمتری دارند (۰٫۱۲۲۳). وزن اندیکاتورها از ۰٫۰۲۳۶ تا ۰٫۲۲۸۶ متغیر است. فرمول زیر شاخص سرزندگی بالقوه (PVI) را برای رویکرد AHP نشان می دهد. D تعداد عوامل ممکن از ابعاد “۵d” و X وزن هر عامل است.

شاخص سرزندگی بالقوه (PVI) =

\sum_{i = 1}^{9} D_{i} \times X_{i}

جدول ۳٫ وزن تخصیص یافته AHP برای محاسبه سرزندگی شهری.

۳٫۲٫۲٫ بازتاب و تأیید سرزندگی جامعه بر اساس دوربین پوشیدنی

رویکرد مبتنی بر تحرک ما برای برآورد سرزندگی محلی مبتنی بر جمع‌آوری داده‌های بصری از طریق دوربین پوشیدنی و پردازش داده‌ها از طریق PSPNet (شبکه تجزیه صحنه هرمی) است [ ۵۰ ]. ویژگی‌های صریح فضایی سرزندگی شهری استخراج شده و با نتایج ارزیابی «۵D» توسط سه مؤلفه زیر مقایسه می‌شود:

(۱): دو داوطلب، مجهز به دوربین های پوشیدنی، برای انجام ۲۰ آزمایش به مدت دو هفته متوالی (یک بار در روز، یک بار در شب) دعوت شدند. پایگاه داده نمونه بر روی تصاویر خیابانی که به طور منظم در ۵۴ نقطه تعیین شده در محدوده سایت گرفته شده است ساخته شده است.
(۲): عکس‌های زمان‌بندی پیوسته در PSPNet برای محاسبه نسبت وسایل نقلیه و عابران پیاده در هر تصویر قرار می‌گیرند. تفاوت های زمانی-مکانی این نسبت منعکس کننده توزیع سرزندگی فضایی محلی است.
(۳): این نتایج را می توان با توزیع حیاتی به دست آمده از چارچوب ارزیابی ‘۵d’ مقایسه کرد تا اثربخشی روش پیشنهادی ما را تأیید کند، به ویژه یک رویکرد ایستا با استفاده از داده های مکانی و روش های مبتنی بر تحرک با استفاده از عکس های نمای خیابان.

در این مطالعه، توزیع بی‌درنگ سرزندگی فضایی محلی با تفاوت‌های زمانی-مکانی ویژگی‌های منظره خیابانی که عابران پیاده می‌توانند مستقیماً درک کنند، به‌ویژه با استخراج نسبت افراد و وسایل نقلیه با استفاده از PSPNet منعکس می‌شود [ ۵۰ ]. ماژول ادغام هرم و شبکه تجزیه صحنه هرمی رویکردهای یادگیری ماشینی کارآمد برای تجزیه صحنه و تقسیم بندی معنایی هستند. این روش عملکرد پیش‌بینی در سطح پیکسل را در چندین مجموعه داده، مانند Cityscapes [ ۵۰ ] به دست آورده است. همانطور که در شکل ۲ نشان داده شده استپنج نوع آیتم زمینی (محدوده ساخته شده، فضای سبز، محدوده جاده، ماشین و عابر پیاده) از هر تصویر نمای خیابان برای هر آیتم زمینی با استفاده از یک مدل از پیش آموزش داده شده Cityscapes استخراج شد. سپس، ما از نسبت ترکیبی پیکسل‌های عابر پیاده و اتومبیل به تعداد کل پیکسل‌های موجود در تصویر برای نشان دادن سرزندگی یک جامعه استفاده می‌کنیم، زیرا ترافیک عابران پیاده و وسایل نقلیه با تمرکز جغرافیایی فعالیت‌های انسانی مرتبط است. در نهایت، ما میانگین نسبت‌های ترکیبی تمام نقاط نمونه‌برداری را در آزمایش‌های پیاده‌روی ۲۰ بار اندازه‌گیری می‌کنیم تا توزیع زمانی-مکانی سرزندگی جامعه را در تمام شرایط محیطی ممکن به دست آوریم.

۴٫ مطالعه موردی و طراحی تجربی

۴٫۱٫ منطقه مورد مطالعه و داده های تجربی

در پاسخ به فشار مضاعف کمبود منابع زمین و توسعه اقتصادی، بازسازی شهری چین الگوی توسعه مسکونی با متراژ بالا و تراکم بالا را پذیرفته است [ ۵۱ ]. جامعه «۳H» به یک جامعه پرجمعیت با نسبت مساحت طبقات بالا (FAR، نشان دهنده شدت استفاده از قطعه)، ارتفاع ساختمان بالا و ضریب اشغال بالا اشاره دارد. در سال های جاری، توسعه ‘۳H’ منجر به استفاده بیش از حد از زمین های مسکونی شده است که منبع ازدحام ترافیک، بدتر شدن کیفیت محیطی، کمبود فضای باز سبز و آلودگی شدید هوا است [ ۵۲ ].

ما دهکده جدید Nanhuan را به عنوان منطقه مطالعه خود انتخاب کردیم، که یک جامعه معمولی ‘۳H’ است ( جدول ۴ ). این منطقه در بخش جنوبی منطقه گوسو، شهر سوژو، استان جیانگ سو، چین واقع شده است. سوژو به عنوان قسمت داخلی منطقه توسعه اقتصادی دریاچه تایهو عمل می کند و دارای موقعیت استراتژیک در خوشه شهر دلتای رودخانه یانگ تسه است. علاوه بر این، منطقه گوسو یک هسته تاریخی و یک منطقه بسیار شهری است که در آن تجسم سرزندگی شهری و مکانیسم شکل‌گیری بازآفرینی شهری می‌تواند به طور کامل منعکس شود.

موقعیت جغرافیایی، مرزهای طبیعی و اداری و عناصر ساخته شده منطقه مورد مطالعه در شکل ۳ نشان داده شده است. غرب و شمال جامعه را آب فرا گرفته است. مرز شرقی در مجاورت جاده جنوبی نانیوان است و بزرگراه نان‌هوان مرز جنوبی را مشخص می‌کند. این سایت از محله قدیمی ساخته شده در دهه ۱۹۷۰ در غرب، یک مهدکودک، یک مدرسه ابتدایی، یک مدرسه راهنمایی در وسط، و بلوک های مسکونی مرتفع و پرتراکم نوساز (پس از سال ۲۰۱۰) تشکیل شده است که بر بقیه مسلط است. از منطقه حلقه بیرونی جنوب شرقی بلوک های مسکونی توسط خیابان های خرده فروشی احاطه شده است و دارای یک مرکز خرید بزرگ است. با توجه به چارچوب ارزیابی سرزندگی شهری که در بخش ۲ نشان داده شده استداده های تصویر خیابان و داده های بزرگ جغرافیایی چند منبعی به عنوان داده های تحقیق به دست آمد. توضیحات خاص آنها در جدول ۵ به تفصیل آمده است.

تصویر در شکل ۳ a موقعیت شهر سوژو را نشان می دهد و شکل ۳ ب توزیع جوامع اسکان مجدد در شهر سوژو را نشان می دهد. مدل سه‌بعدی ردپای ساختمان، شبکه‌های جاده‌ای و بلوک‌های محله در منطقه مورد مطالعه ما را در مقیاسی دقیق‌تر نشان می‌دهد.

۴٫۲٫ تنظیمات آزمایشی

برای تسهیل کارآیی جمع‌آوری داده‌های بصری و فرآیند برنامه‌نویسی، و برای تأیید توزیع مؤثرتر سرزندگی جامعه، از تصاویر خیابانی جمع‌آوری‌شده از مناطق در دسترس به عنوان جایگزینی برای سرزندگی کلی فضایی استفاده کردیم. ما منطقه مورد مطالعه را به ۱۷ بلوک شهری به عنوان واحدهای تحلیل فضایی پایه تقسیم کردیم و دو مسیر را به همراه ۵۴ نقطه ناوبری طراحی کردیم ( شکل ۴).). این دو مسیر شامل تمام قطعات و مسیرهای قابل دسترسی برای عابران پیاده به عنوان تصویری معتبر و جامع از فعالیت های فضایی است. ۵۴ نقطه در یک توالی پیوسته با موقعیت‌های شروع و پایان مشخص تنظیم شدند تا به ما کمک کنند همه تصاویر خیابان‌ها را با مختصات جغرافیایی آنها بهتر مطابقت دهیم. خطوط نقطه چین مناطقی را با توزیع سرزندگی فضایی قابل مقایسه با مسیر تعیین شده ۱ نشان می دهد.

سپس از دو داوطلب خواستیم با دوربین پوشیدنی در طول مسیرها قدم بزنند تا به مدت ۱۵ روز متوالی از خیابان ها عکس بگیرند. از آنها خواسته شد میانگین سرعت پیاده‌روی عابر پیاده (۴-۵ کیلومتر در ساعت) و آستانه زمانی یک اقامت منفرد Δt = 2 ساعت را حفظ کنند. از آنجایی که مسیر در سراسر دهکده جدید Nanhuan گسترش می‌یابد، داده‌های جمع‌آوری‌شده در طول اقامت می‌تواند برای توضیح توزیع سرزندگی در کل جامعه استفاده شود. در این مطالعه، دوربین ورزشی شیائوتو S2 را به دلیل قابلیت حمل و پایداری فوق‌العاده آن انتخاب کردیم که انعطاف‌پذیری و دقت مورد نیاز آزمایش ما را به طور کامل برآورده می‌کند. ما سناریویی را برای دوربین ورزشی Xiaotu S2 تنظیم کردیم که هر ۱۰ ثانیه یک عکس بگیرد، که نشان می‌دهد وضوح زمانی نسبتاً بالایی دارد و بازتاب سریعی برای ردیابی ویژگی‌های محیطی اطراف شرکت‌کنندگان، مانند ویژگی‌های سبز دارد. ماشین ها و مردم سوابق سفر آنها به مسیرها و نقاط تقسیم می شد.

آزمایش ما از ۱ اوت تا ۱۵ آگوست ۲۰۲۱ انجام شد. به طور خاص، به هر شرکت‌کننده دستور داده شد که دوربینی بپوشد تا نمای جلو را در طول روز طی دو هفته متوالی از ساعت ۸:۰۰ تا ۱۰:۰۰ و ۱۸:۰۰ تا ۲۰ ثبت کند: ۰۰٫ قبل از جلسه پیاده روی، داوطلبان اطمینان حاصل می کردند که لنز جلو محکم، رو به جلو، بدون مانع و شارژ کامل است. در طول آزمایش، شرکت‌کنندگان مسئول بودند تا مطمئن شوند که دوربین‌های پوشیدنی‌شان به درستی کار می‌کند، مگر اینکه در یک فعالیت یا رویداد نامناسب برای قرار گرفتن در معرض قرار بگیرند. در همین حال، نگرانی های مربوط به حریم خصوصی داوطلبان مورد توجه قرار گرفت. آنها اجازه داشتند هر لحظه دوربین را به دلیل نگرانی از حفظ حریم خصوصی حذف کنند و می توانستند تصاویر حاوی اطلاعات خصوصی را حذف کنند. پس از هر روز مشاهده پیاده روی،

۵٫ نتایج

۵٫۱٫ نتایج کمی از سرزندگی

نتایج کمی ۱۲ شاخص موثر بر سرزندگی در مدل ۵ بعدی در شکل ۵ نشان داده شده است. برای مقاصد مقایسه، نتایج ارزیابی با استفاده از روش طبقه‌بندی نقطه شکست طبیعی در ده سطح طبقه‌بندی شدند.

نمودارها (density1-density3) نشان می‌دهند که هر دو GSI و FSI در مناطق مسکونی نسبت به زمین‌های عمومی و تجاری اهمیت بیشتری دارند، با مقادیر FSI و Spacemate در مرتفع‌های مرکزی به طور قابل‌توجهی بالاتر از مناطق متوسط قدیمی‌تر. افزایش مناطق مسکونی
از نظر تنوع (diversity1-diversity3)، توزیع فضایی LD و LE مشابه است، با شاخص های بالا برای مناطق مسکونی مرتفع با مناطق تجاری در مرکز و شاخص های پایین برای مناطق مسکونی متوسط قدیمی تر. محله جنوبی نزدیک جاده دایره ای جنوبی به دلیل تنوع و تراکم نقاط POI دارای مقدار DF بالاتری است. این نشان دهنده تنوع کامل در بخش های مرکزی و جنوبی محله است.
با توجه به طراحی (طراحی ۱-طراحی ۳)، LC دارای تمایز فضایی برجسته تری مربوط به ورودی و خروجی هر قطعه است. مناطق مسکونی در شمال غربی و مناطق مسکونی در جنوب شرقی مناطقی با غلظت LC بالا هستند، در حالی که سایر مناطق پایین تر هستند. توزیع مقادیر BS مشابه تراکم است، باز هم مناطق مسکونی دارای ارزش بیشتری نسبت به مناطق عمومی و تجاری زمین هستند. GI به تدریج از غرب به شرق افزایش می یابد، که نشان می دهد مناطق مسکونی و تجاری مرتفع در شرق دارای محوطه سازی بهتری هستند. ER بالاترین در شرق و کوچکترین در محله های مرکزی با مربع است. این نشان دهنده درجه کمتر محصور بودن مناطق عمومی است.
با توجه به موقعیت (موقعیت ۱ و ۲)، مناطق مدرسه دارای بالاترین مقادیر DA هستند و به دنبال آن مناطق تجاری قرار دارند که نشان دهنده دسترسی بالاتر آنها است. توزیع DT نشان می‌دهد که مناطق مسکونی همه در فواصل کوتاه‌تری از ایستگاه‌های حمل‌ونقل عمومی قرار دارند که نشان‌دهنده دسترسی محله است.

شکل ۵٫ نتایج تخمین بصری ۱۲ شاخص موثر بر سرزندگی در مدل ۵ بعدی.

ما از AHP برای مقایسه عوامل تأثیرگذار ‘۵d’ از نظر وزن آنها بر سرزندگی جامعه و محاسبه تأثیرات ترکیبی متغیرهای ‘۵d’ بر توزیع بالقوه سرزندگی جامعه استفاده کردیم. ستون اول (AQ) نشان دهنده ۱۷ بلوک در دهکده جدید Nanhuan بر اساس برش خیابان است. ستون های دوم تا سیزدهم (GSI-DT) نشان دهنده نتایج کمی از ۱۲ شاخص در مدل ۵ بعدی برای هر بلوک است که از جدول ۲ محاسبه شده است. آخرین ستون (PVI) حیات بالقوه هر بلوک را بر اساس ۱۲ شاخص تعیین شده با استفاده از روش AHP نشان می دهد. همانطور که در جدول ۳ توضیح داده شده استوزن چگالی، تنوع، طرح و موقعیت به ترتیب ۰٫۴۲۳۶، ۰٫۲۲۷۰، ۰٫۲۲۷۰ و ۰٫۱۲۲۳ است، بنابراین حیات نهایی با ضرب هر شاخص کمی در وزن مربوطه آن و جمع آنها با یکدیگر به دست آمد (PVI = PVI = PVI).

\sum_{i = 1}^{9} D_{i} \times X_{i}

). داده های شکل ۵ از جدول ۶ استخراج شده و با استفاده از GIS روی نقشه نمایش داده شده است.

با توجه به نتایج PVI در جدول ۶ ، توزیع شاخص سرزندگی در بین بلوک ها در روستای جدید Nanhuan در شکل ۶ نشان داده شده است.. شور و نشاط جامعه در دهکده جدید Nanhuan در منطقه تجاری و مسکونی مرتفع مرتفع مرکزی به بالاترین حد خود رسیده است و به ترتیب میزان رادیواکتیویته به سمت حاشیه کاهش می یابد. بلوک‌های نواری بلند (I، J، K، O) با خرده‌فروشی‌های خیابانی دو طبقه، بالاترین ارزش‌های سرزندگی جامعه را دارند. این بلوک ها در مرکز خیابان Nanhuan واقع شده اند، با خیابان های بسیار متصل و دسترسی آسان به امکانات محلی. ساختمان‌های مسکونی فوق‌العاده نه تنها جمعیت زیادی را در خود جای می‌دهند، بلکه خرده‌فروشی کاربرپسند نیز تنوعی از ترکیب و عملکردهای سایت را به ارمغان می‌آورد. این به طور دقیق توسط مناطق کاربری تجاری نوع محله (P, Q) در شرق دنبال می‌شود که علیرغم مکان ظاهراً دور از مناطق مسکونی به سمت غرب، دارای GSIهای بالاتر، تراکم POI متراکم‌تر و اندازه بلوک‌های کوچک‌تر است. با این حال، همه زمین های ساختمانی تجاری محله ای سطح سرزندگی یکسانی ندارند. از سوی دیگر، F، L، و M در امتداد رینگ جنوبی بلند Wa، به دلیل بسته شدن گسترده تعداد زیادی مغازه، دارای تراکم کم، فاقد تنوع و سطح حیات پایین هستند.شکل ۷ ). نواحی با سطح سرزندگی پایین در نواحی مدارس در سمت غرب (C، D، E) و جامعه قدیمی Nanhuan (A، B، N) متمرکز شده‌اند. اولی به دلیل استفاده از زمین فعالیت اجتماعی یا اقتصادی کمتری دارد و سطح محصوریت بیشتری دارد. برای دومی، جامعه قدیمی Nanhuan مساحت زمین بزرگ تری را اشغال می کند و به عنوان یک منطقه مسکونی تک کاره، متوسط تا بلند طراحی شده است. همچنین تا حدودی از مراکز اصلی فعالیت اقتصادی و اجتماعی در مرکز و شرق دور شده و از این رو منطقه ای کم سرزندگی است.

۵٫۲٫ سرزندگی شهری بر اساس داده های حسی و بصری ردیابی شده توسط دوربین قابل حمل

این تیم تحقیقاتی مجهز به حسگرهای قابل حمل و دوربین‌های پوشیدنی، ۲۰ جلسه جمع‌آوری شرایط میدانی را در دهکده جدید Nanhuan در صبح و بعد از ظهر انجام دادند. یکی از کمک های مستقیم به سرزندگی شهری، مشاهده محدوده و جریان عابر پیاده بود. تیم تحقیقاتی اطلاعات جمع‌آوری‌شده را جمع‌آوری کرد و از GIS برای نقشه‌برداری توزیع جریان‌های عابر پیاده در زمان‌های مختلف روز استفاده کرد، همانطور که در شکل ۸ نشان داده شده است. اصل مجاورت برای مقایسه مقادیر سرزندگی منطقه تحت پوشش مسیر با جوامع اطراف برای تعیین و تجسم توزیع کلی، از جمله برخی مناطق غیرقابل دسترس، اعمال شد.

شکل ۸نشان می دهد که دامنه و حجم جریان های عابر پیاده مشاهده شده در طول روز بیشتر از بعد از ظهر است، که نشان می دهد فعالیت جمعیت در صبح نسبت به بعد از ظهر در دهکده جدید Nanhuan فعال تر است. مناطق با تفاوت قابل توجه عمدتا در امتداد جاده های مدرسه و در مناطق تجاری در امتداد خیابان ها در مناطق مسکونی مرتفع در جنوب شرقی جامعه قرار دارند. این به عادات صبحگاهی ساکنان در جمع آوری کودکان و خرید مواد غذایی مربوط می شود. در طول روز، محل اتصال به میدان در مرکز جامعه و منطقه خرید در شرق، بیشترین تردد مردم را دارد. این نشان دهنده سطح بالای سرزندگی منطقه مسکونی مرتفع مرکزی و منطقه تجاری شرقی به عنوان فعال ترین مناطق فعالیت اجتماعی و اقتصادی است. میدان مرکزی یک مرکز فعالیت محلی با سطح ازدحام زیاد است. این فضای باز کاربردی به افراد امکان می دهد فعالیت هایی مانند خرید، رقص، تناسب اندام و چت را سازماندهی کنند. علاوه بر میدان ها، عابران پیاده نیز در فضاهای سبز و ورودی هر محله حضور دارند. مردم اولی را برای فعالیت های تفریحی مانند استراحت ترجیح می دهند و باید از طریق دومی وارد جامعه شوند و از آن خارج شوند. به طور خلاصه، میزان تجمع مردم به طور قابل توجهی تحت تأثیر نوع فعالیت هایی است که مکان می تواند به صورت محلی انجام دهد. به طور خاص، کاربری و تنوع یک منطقه نشان دهنده این ظرفیت است، و ما استدلال می کنیم که تنوع به طور قابل توجهی به اندازه گیری سرزندگی شهری در هنگام استفاده از مدل ۵ بعدی کمک می کند. این فضای باز کاربردی به افراد امکان می دهد فعالیت هایی مانند خرید، رقص، تناسب اندام و چت را سازماندهی کنند. علاوه بر میدان ها، عابران پیاده نیز در فضاهای سبز و ورودی هر محله حضور دارند. مردم اولی را برای فعالیت های تفریحی مانند استراحت ترجیح می دهند و باید از طریق دومی وارد جامعه شوند و از آن خارج شوند. به طور خلاصه، میزان تجمع مردم به طور قابل توجهی تحت تأثیر نوع فعالیت هایی است که مکان می تواند به صورت محلی انجام دهد. به طور خاص، کاربری و تنوع یک منطقه نشان دهنده این ظرفیت است، و ما استدلال می کنیم که تنوع به طور قابل توجهی به اندازه گیری سرزندگی شهری در هنگام استفاده از مدل ۵ بعدی کمک می کند. این فضای باز کاربردی به افراد امکان می دهد فعالیت هایی مانند خرید، رقص، تناسب اندام و چت را سازماندهی کنند. علاوه بر میدان ها، عابران پیاده نیز در فضاهای سبز و ورودی هر محله حضور دارند. مردم اولی را برای فعالیت های تفریحی مانند استراحت ترجیح می دهند و باید از طریق دومی وارد جامعه شوند و از آن خارج شوند. به طور خلاصه، میزان تجمع مردم به طور قابل توجهی تحت تأثیر نوع فعالیت هایی است که مکان می تواند به صورت محلی انجام دهد. به طور خاص، کاربری و تنوع یک منطقه نشان دهنده این ظرفیت است، و ما استدلال می کنیم که تنوع به طور قابل توجهی به اندازه گیری سرزندگی شهری در هنگام استفاده از مدل ۵ بعدی کمک می کند. مردم اولی را برای فعالیت های تفریحی مانند استراحت ترجیح می دهند و باید از طریق دومی وارد جامعه شوند و از آن خارج شوند. به طور خلاصه، میزان تجمع مردم به طور قابل توجهی تحت تأثیر نوع فعالیت هایی است که مکان می تواند به صورت محلی انجام دهد. به طور خاص، کاربری و تنوع یک منطقه نشان دهنده این ظرفیت است، و ما استدلال می کنیم که تنوع به طور قابل توجهی به اندازه گیری سرزندگی شهری در هنگام استفاده از مدل ۵ بعدی کمک می کند. مردم اولی را برای فعالیت های تفریحی مانند استراحت ترجیح می دهند و باید از طریق دومی وارد جامعه شوند و از آن خارج شوند. به طور خلاصه، میزان تجمع مردم به طور قابل توجهی تحت تأثیر نوع فعالیت هایی است که مکان می تواند به صورت محلی انجام دهد. به طور خاص، کاربری و تنوع یک منطقه نشان دهنده این ظرفیت است، و ما استدلال می کنیم که تنوع به طور قابل توجهی به اندازه گیری سرزندگی شهری در هنگام استفاده از مدل ۵ بعدی کمک می کند.

۶٫ بحث

۶٫۱٫ چگونه مدل ‘۵d’ می تواند ارزیابی سرزندگی جامعه را در مقیاس کوچک و متوسط راهنمایی کند؟

با ترکیب نتایج توزیع سرزندگی حاصل از ارزیابی مدل ‘۵d’ (شکل) و ادبیات قبلی در بخش ۱ ، می‌توانیم نتایج زیر را خلاصه کنیم. با مقایسه همه عوامل محرک، “تراکم” بیشترین تاثیر مثبت را دارد (به ویژه شاخص های GSI و FSI که به ترتیب ۰٫۲۲۸۶ و ۰٫۱۲۵۸ هستند). در مقابل، اندازه بلوک تأثیر محرکه قابل توجهی بر سرزندگی شهری در روستای جدید Nanhuan ندارد (همانطور که در جدول ۷ نشان داده شده است.، BS تنها به وزن ۰٫۰۲۳۶ داده شده است و بنابراین تأثیر حداقلی را نشان می دهد). پر جنب و جوش ترین بلوک ها بلوک هایی با اندازه بلوک های بزرگتر هستند و مناطق مدرسه با کوچکترین اندازه PVI نسبتاً پایینی دارند. برخی از بلوک ها (A & I; Q & E) اندازه مشابهی دارند اما ارزش حیاتی متفاوتی دارند. علاوه بر این، اگرچه وزن داده شده به “تنوع” و “طراحی” مشابه است، اولی ارتباط بیشتری با سرزندگی شهری نسبت به دومی نشان می دهد. این نتایج، به طور کلی، با مدل ارزیابی «۳d» همزمان بود، زیرا سطوح بالاتر تراکم جمعیت و پتانسیل‌های ساخته شده، تنوع عملکردی و استفاده ترکیبی، و طراحی شهری با کیفیت بالا پیش‌نیازهایی برای تحریک عملکرد سرزندگی برتر هستند [ ۲۲ ، ۴۴ ، ۵۳ ، ۵۴].

تفاوت بین این مقاله و مقاله لی و همکاران. (۲۰۲۲) این است که تحقیقات آنها وزن را برای هر شاخص ‘۵d’ در نظر نگرفت و آنها هر دو عامل موقعیت (‘دسترسی به مقصد’ و ‘فاصله تا ترانزیت’) را به عنوان دو مهم ترین عامل محرک سرزندگی شهری فهرست کردند [ ۸ ]]. با این حال، در سطح جامعه، ابعاد اصلی «۳ بعدی» («تراکم»، «تنوع»، «طراحی») عناصر کلیدی برای شکل‌گیری کیفیت و عملکرد فضایی پر جنب و جوش باقی می‌مانند، در حالی که عوامل موقعیت تأثیرات نسبتاً پایین‌تری دارند. این نشان می دهد که با وجود اهمیت زیاد عوامل تحرک در برنامه ریزی حمل و نقل (به عنوان مثال، TOD)، بازسازی جامعه باید بیشتر بر بهبود محیط داخلی و ویژگی های مورفولوژیکی فضای زندگی تمرکز کند. این منعکس کننده نتایج تحقیق در مورد عوامل طراحی شهری سرزندگی فضایی است [ ۲۲]. مهم‌ترین تفاوت بین این مقاله و نتایج تحقیقات قبلی، نرخ محفظه است. به گفته اولیویرا و مدیروس (۲۰۱۶)، نرخ پایین محصور می‌تواند تجربه پیاده‌روی بهتری را به ارمغان بیاورد، در حالی که در منطقه مورد مطالعه، مناطق شهری با کاربری مختلط و با تراکم بالا در کنار خیابان‌های محصور شده توسط بلوک‌های مرتفع واقع شده‌اند. ممکن است تأثیر منفی نرخ محوطه را بر سرزندگی جامعه جبران کند [ ۴۲ ].

پیش از این، مدل ‘۵D’ تنها برای اندازه گیری عملکرد سرزندگی در مناطق شهری در مقیاس بزرگ استفاده می شد. در همان زمان، این مقاله شکاف بین شیوه‌های بازسازی جامعه و ارزیابی سرزندگی شهری را با پیشنهاد یک مدل تصفیه‌شده «۵d» پر می‌کند. بر اساس انعکاس عمیق مطالعات قبلی، معیارهای اندازه گیری، تجزیه و تحلیل و فرآیند وزن دهی انتخاب و تعدیل می شوند تا ارزیابی سرزندگی محلی سیستماتیک و واکنشی در سطح محله انجام شود.

۶٫۲٫ چگونه می‌توان عکس‌های خیابانی بی‌درنگ از جمع‌آوری داده‌های دقیق و کارآمد پشتیبانی کرد؟

این مطالعه با پشتیبانی از فناوری‌ها و داده‌های جدید، تلاشی ارزشمند برای ترکیب عناصر مقیاس انسانی با تحلیل مقیاس شهری و گسترش مؤثر تکنیک‌های تحلیل برای سرزندگی جامعه است. در مقایسه با ارزیابی‌های سنتی سرزندگی که بر تجزیه و تحلیل پوشش GIS تکیه دارند، این مطالعه رویکرد جامع‌تر و سیستماتیک‌تری بر اساس دیدگاه انسانی ارائه می‌دهد. به دلیل فقدان ابزار و داده‌های مناسب، مطالعات و شیوه‌های نشاط قبلی اغلب از منظری از بالا به پایین با تجزیه و تحلیل مسطح انجام شده‌اند که ترکیب عناصر مرتبط مقیاس انسانی را به چالش می‌کشد. روستای جدید Nanhuan به عنوان مطالعه موردی در این تحقیق دارای ویژگی های زیستگاهی در مقیاس کوچک و پیچیده است. این مطالعه بر اساس دیدگاه انسان و محیط گرا برای پرداختن به این ویژگی است. دوربین پوشیدنی برای اندازه‌گیری کیفیت فضایی لحظه‌ای اطلاعات خیابان، عابران پیاده و وسایل نقلیه مورد استفاده قرار گرفت و کاستی‌های تحلیل کمی سنتی از نظر مقیاس کوچک و دقت را جبران کرد. ضبط محتوای عکس‌های خیابانی گرفته‌شده توسط دوربین‌های پوشیدنی، امکان مشاهده فضای سبز و شماره عابر پیاده را با دقت بیشتری به دست آورد. در همین حال، ترکیبی از نرم‌افزار تحلیل داده‌های مبتنی بر خیابان و تحلیل شبکه طراحی فضایی (sDNA) امکان اندازه‌گیری دقیق دسترسی به شبکه خیابان‌ها را فراهم می‌کند. ضبط محتوای عکس‌های خیابانی گرفته‌شده توسط دوربین‌های پوشیدنی، امکان مشاهده فضای سبز و شماره عابر پیاده را با دقت بیشتری به دست آورد. در همین حال، ترکیبی از نرم‌افزار تحلیل داده‌های مبتنی بر خیابان و تحلیل شبکه طراحی فضایی (sDNA) امکان اندازه‌گیری دقیق دسترسی به شبکه خیابان‌ها را فراهم می‌کند. ضبط محتوای عکس‌های خیابانی گرفته‌شده توسط دوربین‌های پوشیدنی، امکان مشاهده فضای سبز و شماره عابر پیاده را با دقت بیشتری به دست آورد. در همین حال، ترکیبی از نرم‌افزار تحلیل داده‌های مبتنی بر خیابان و تحلیل شبکه طراحی فضایی (sDNA) امکان اندازه‌گیری دقیق دسترسی به شبکه خیابان‌ها را فراهم می‌کند.

به طور خلاصه، دستگاه‌های پوشیدنی را می‌توان همراه با جمع‌آوری و استفاده از مناظر خیابانی شهری برای رفع کاستی‌های تحقیقات کمی شهری که شخصیت و ویژگی‌های خود شهر را نادیده می‌گیرد، مورد استفاده قرار داد. این تحلیل چند منبعی داده های شهری می تواند برای مطالعه مسائل در مقیاس شهر و سطح جامعه با تمرکز بر بعد انسانی مورد استفاده قرار گیرد. این به ویژه برای کاربردهای تحقیقاتی در مقیاس های خرد و متوسط مناسب است. با استفاده از اطلاعات مکان عکاسی به عنوان نقطه شروع، و فناوری تجسم نرم افزار به عنوان پشتیبانی، فرآیند تحقیق به صورت فضایی ثبت می شود. عناصر تصویر به طور منظم مدیریت می شوند و امکان تحلیل عمیق و دقیق را با استفاده از مفهوم ۵ بعدی برای اندازه گیری کیفیت محیط ساخته شده ارائه می دهند.

استفاده از دوربین‌های پوشیدنی برای جمع‌آوری تصاویر خیابانی به حل مسائلی مانند الگوهای BE همگن در یک مرحله از توسعه دارایی، فقدان تصاویر ماهواره‌ای با وضوح بالا، ناخالصی‌های بالاتر و دقت موقعیت‌یابی ضعیف در ساخت فعالیت‌های محلی انسانی کمک می‌کند. بنابراین، تحقیق ما روشی مؤثر برای غلبه بر محدودیت‌های تحقیقاتی قابل توجه در تحلیل داده‌های شهری پیشنهاد می‌کند که دقیق‌تر و کارآمدتر از روش‌های جمع‌آوری و پردازش داده‌های سنتی است.

۶٫۳٫ چگونه می‌توانیم نتایج ارزیابی را از دیدگاه مورفولوژیکی و مردم‌محور و محیط‌گرا تأیید کنیم؟

نتایج ارزیابی ‘۵d’ و توزیع واقعی سرزندگی شهری ناهمگونی فضایی ظاهری دارند. با مقایسه شکل ۶ و شکل ۸ ، می توان به دو نتیجه صریح دست یافت. اول، سطح تنوع محاسبه‌شده از هر دو روش در خیابان‌های خرده‌فروشی (خیابان Tonghe، خیابان مرکزی Nanhuan) و حاشیه شرقی مرکز خرید Huilin Center بسیار همپوشانی دارد. میدان سلامت مرکزی و تقاطع خیابان Tonghe بیشترین تجمع جمعیت و بالاترین PVI را نشان می دهد. مغازه‌های خیابانی مکان‌های متنوعی را برای استراحت، مصرف و تجمع اجتماعی فراهم می‌کنند، و مرکز خرید بزرگ نیز نشاط شهری را تحریک می‌کند.

برخلاف خیابان Tonghe، تقاطع دو خیابان محله (Yiqiao Lane و Xiaoyuan) سطوح سرزندگی متفاوتی را در دو روش نشان می دهد. دلیل آن می تواند این باشد که این مکان در تنها ورودی دهکده جدید Nanhuan قرار دارد. تفاوت دیگر ورودی غیررسمی جامعه است که بین بلوک های F و L واقع شده است ( شکل ۶ )، در بخش غربی راه سریع رینگ جنوبی منطقه مورد مطالعه. این ورودی‌ها مستقیماً جریان بزرگی از عابران پیاده و اتومبیل‌ها را ایجاد می‌کنند. حجم آنها مربوط به اشتغال و پیوندهای صنعتی بین جامعه و شهر است. بنابراین، چنین ناهماهنگی توسط واحدهای ارزیابی یا رویکردهای پردازش مشکل ساز داده ایجاد نمی شود و قابلیت اطمینان مدل ارزیابی پیشنهادی را مختل نمی کند.

به طور کلی، نتایج فرآیند مدل‌سازی و ارزیابی دقیقاً نشان‌دهنده سرزندگی جامعه در زندگی واقعی است. بنابراین، این مطالعه تطبیقی اثر شکل‌دهی ویژگی‌های مورفولوژیکی و افراد و دیدگاه‌های محیط‌گرا را ترکیب می‌کند تا یک روش جدید برای ارزیابی سرزندگی در سطح جامعه ارائه دهد. این با موفقیت اعتبار مدل ‘۵d’ و اعتبار داده های بزرگ چند منبعی را در بررسی موثر سرزندگی شهری و شاخص های محرک آن اثبات می کند.

۷٫ نتیجه گیری

توسعه فن‌آوری‌های جمع‌آوری اطلاعات، روش مطالعه دانش‌پژوهان در علوم شهری را تغییر داده است. به عنوان مثال، دستگاه‌های پوشیدنی، مانند دوربین‌ها و حسگرها، ابزارهای عملی را برای دیدگاه انسان محور نقشه‌برداری هویت شهری و اکتشافات جدید در زمینه نوسازی دیجیتال شهری فراهم می‌کنند. در همین حال، ابزارهای تحلیل شبکه فضایی مانند GIS و sDNA به تدریج در حال توسعه و بلوغ هستند و محققان در تحقیقات شهری به تدریج از داده های شهری چند منبعی استفاده می کنند.

همانطور که توسط Ewing و Cervero (2001) پیش بینی شده است، کمی سازی سرزندگی شهری را می توان از نظر تراکم، تنوع، طراحی، دسترسی به مقصد، و فاصله حمل و نقل منعکس کرد [ ۲۶ ].]. این مطالعه به طور موثر نظریه کلاسیک ۵ بعدی را با داده های شهری و الگوریتم های وزن دهی در عمق ادغام می کند تا یک معیار سرزندگی فضایی برای جوامع اسکان مجدد با تراکم بالا با یک کاربرد عملی کلی پیشنهاد کند. از طریق داده‌های حاصل از کارهای میدانی و محاسبات، این مطالعه نشان می‌دهد که چگونه سطح سرزندگی در جامعه مسکونی با تراکم بالا در مقیاس کوچک که به عنوان مطالعه موردی انتخاب شده است، تغییر می‌کند. در جزئیات خیابان Tonghe، خیابان Nanhuan مرکزی، و حاشیه شرقی مرکز Huilin سطوح بسیار بالایی از سرزندگی دارند، که با تجمع جمعیت و فعالیت‌های اندازه‌گیری شده در روستای جدید Nanhuan نیز تأیید می‌شود. این سرزندگی بالاتر به دلیل ویژگی های مورفولوژیکی فضای زندگی است.

بر اساس این یافته‌ها، مطالعه ما پیشنهاداتی را برای اقداماتی برای بهبود سرزندگی چنین جوامعی در مقیاس کوچک و با تراکم بالا ارائه می‌کند. روش‌شناسی و یافته‌ها را می‌توان به مناطق یا شهرهای دیگر با ویژگی‌های مشابه تعمیم داد و می‌تواند برای توسعه استراتژی‌های شکل‌دهی سرزندگی شهری استفاده شود.

۸٫ محدودیت ها و تحقیقات آینده

مطالعه ما دارای محدودیت هایی است که در تحقیقات آینده به آنها پرداخته خواهد شد. اول، برای طراحی آزمایشی، نحوه جایگزینی دوربین و مشاهده پیاده‌روی با تکنیک‌های جدید که قادر به کاهش تأثیرات ناشی از مسیر مسیر، زاویه لنز، زمان‌بندی و سایر عوامل برای افزایش امکان‌سنجی و اعتبار هستند، هنوز قابل بحث است.

دوم، حتی اگر تحقیقات بلادرنگ فشرده و در ۱۵ روز چند برابر شود و تعداد تصاویر برای نوع تحلیل پردازش شده کافی باشد، بازه زمانی دو هفته ای ممکن است در پروژه های آینده برای جمع آوری داده های تصویری بیشتر تمدید شود. باید اضافه کرد که هنگام اندازه‌گیری داده‌های مربوط به دهکده جدید Nanhuan، به دلیل کنترل ترافیک، مقررات کاربری زمین یا سایر محدودیت‌های مبتنی بر منطقه، داده‌ها به طور کامل کل منطقه مورد مطالعه را پوشش نمی‌دهند.

سوم، عکس‌های منظره خیابانی نمی‌توانند اطلاعات مکانی را در فضاهای خصوصی جامعه به دست آورند. علاوه بر این، وزن‌های AHP مورد استفاده در مطالعه حاضر بر اساس تجربه تیمی از متخصصان بود. تحلیل شاخص‌های نمونه بر اساس محیط عینی و فاقد ادراک ذهنی ساکنان بود. بنابراین، ممکن است بین نتایج مربوطه و تجربه عمومی اختلاف نظر وجود داشته باشد.

تحقیقات آینده می‌تواند داده‌ها و الگوریتم‌های مختلف را برای انجام اندازه‌گیری‌های دقیق‌تر برای سرزندگی فضایی به منظور بهبود دقت و کاربرد، ادغام کند. این می تواند شامل”

(۱): توجه به تأثیر عوامل اجتماعی و اقتصادی مانند قدمت، تاریخ و فرهنگ ساختمان و قیمت مسکن بر سرزندگی فضایی و بررسی ناهمگونی و بومی بودن فضاهای مختلف برای به ارمغان آوردن محیط غیرساخته بر سرزندگی فضایی تأثیر می گذارد.
(۲): انجام مطالعه عمیق تر در مورد دسته بندی افراد و فعالیت هایی که فضا برای آنها قابل استفاده است. افراد در مکان ها و سنین مختلف اغلب ترجیحات مختلفی برای تجمع و پراکندگی دارند. در عین حال، رفتار فعالیت‌های ویژه ساکنان برای اصلاح عملکرد اصلی سایت، مانند میدان‌های موقت و ورودی‌ها و خروجی‌های غیررسمی نیز می‌تواند تأثیر قابل‌توجهی بر سرزندگی جامعه داشته باشد.
(۳): در نظر گرفتن بازخورد عمومی تجزیه و تحلیل کمی مربوط به آینده باید سعی کند ادراکات و ارزیابی ساکنان از این شاخص ها را جمع آوری کند و وزن هر عنصر را برای اصلاح تنظیم کند.

ضمیمه A. نتایج کارشناسان تحلیل AHP و فرآیند تخصیص وزن

جدول A1 ، جدول A2 ، جدول A3 ، جدول A4 و جدول A5 نتایج نمرات AHP پنج متخصصی را که در زمینه‌های مربوطه از ما پرسیده‌ایم، شامل «عناصر سطح متوسط» ارائه می‌کند. از کارشناسان خواسته شد تا بر اساس قضاوت خود در مقیاس ۱۷ از اهمیت مطلق (ثبت شده به عنوان ۹) تا ضرر مطلق (۱/۹) مقایسه ای زوجی از عناصر انجام دهند. نتایج به صورت عددی در نرم افزار Yaahp ثبت شد و زمانی که تمامی نتایج وارد نرم افزار شد، نرم افزار نتایج را بر اساس امتیازدهی محاسبه کرد. جدول A8 ، جدول A9 ، جدول A10 و جدول A11آزمون سازگاری تولید شده در طول تجزیه و تحلیل AHP را نشان می دهد.

جدول A1. کارشناس ۱٫

جدول A2. کارشناس ۲٫

جدول A3. کارشناس ۳٫

جدول A4. کارشناس ۴٫

جدول A5. کارشناس ۵٫

جدول A6. رتبه بندی وزن عناصر به اهداف تصمیم گیری در سطح طرح.

جدول A7. رتبه بندی وزن عناصر در اولین لایه میانی برای اهداف تصمیم گیری.

جدول A8. نسبت قوام ۵ بعدی: ۰٫۰۰۳۹; وزن “۵D”: 1.0000; حداکثر λ: ۴٫۰۱۰۴٫

جدول A9. نسبت قوام چگالی: ۰٫۰۰۸۸; وزن “۵D”: ۰٫۴۲۳۶; حداکثر λ: ۳٫۰۰۹۲٫

جدول A10. نسبت سازگاری تنوع: ۰٫۰۵۱۶; وزن “۵D”: ۰٫۲۲۷۰; حداکثر λ: ۳٫۰۵۳۶٫

جدول A11. نسبت قوام طراحی: ۰٫۰۶۱۸; وزن “۵D”: ۰٫۲۲۷۰; حداکثر λ: ۴٫۱۶۴۹٫

جدول A12. نسبت ثبات موقعیت: ۰٫۰۰۰۰; وزن “۵D”: ۰٫۱۲۲۳; حداکثر λ: ۲۰۰۰۰٫

منابع

نیش، قوانین اساسی CL و مسیرهای کلیدی برای توسعه با کیفیت بالا شهرنشینی جدید در چین. Geogr. Res. ۲۰۱۹ ، ۳۸ ، ۱۳-۲۲٫ [ Google Scholar ]
پورتر، ال. شاو، کی. رنسانس شهری کیست؟ Routledge: لندن، انگلستان، ۲۰۱۳; ISBN 9787521806885. [ Google Scholar ]
Ruming، K. بازسازی شهری در استرالیا ; Routledge: لندن، بریتانیا، ۲۰۱۸٫ [ Google Scholar ]
چن، جی. پلگرینی، پ. وانگ، اچ. ارزیابی رضایت ساکنان مقایسه ای برای بازسازی پایدار اجتماعی – مورد دو جامعه با تراکم بالا در سوژو. Land ۲۰۲۲ , ۱۱ , ۱۴۸۳٫ [ Google Scholar ] [ CrossRef ]
دن هارتوگ، اچ. جستجوی هویت جدید در منظر شهری در حال تغییر سریع علت توسعه عمومی شهری و از دست دادن هویت. Herit ساخته شده است. ۲۰۱۷ ، ۱ ، ۴۱-۵۰٫ [ Google Scholar ] [ CrossRef ]
چن، جی. پلگرینی، پ. خو، ی. ما، جی. وانگ، اچ. An، Y. شی، ی. فنگ، X. ارزیابی رضایت ساکنان قبل و بعد از بازسازی. مورد یک محله اسکان مجدد با تراکم بالا در سوژو، چین. Cogent Soc. علمی ۲۰۲۲ ، ۸ . [ Google Scholar ] [ CrossRef ]
لو، اس. هوانگ، ی. شی، سی. یانگ، ایکس. بررسی ارتباط بین فرم شهری و سرزندگی محله: مطالعه موردی چنگدو، چین. ISPRS Int. J. Geo-Inf. ۲۰۱۹ ، ۸ ، ۱۶۵٫ [ Google Scholar ] [ CrossRef ]
لی، کیو. کوی، سی. لیو، اف. وو، کیو. اجرا، Y.; Han, Z. سرزندگی شهری چند بعدی در خیابان ها: الگوهای فضایی و شناسایی عامل تأثیر با استفاده از داده های شهری چند منبعی. ISPRS Int. J. Geo-Inf. ۲۰۲۲ ، ۱۱ ، ۲٫ [ Google Scholar ] [ CrossRef ]
وانگ، تی. لی، ی. لی، اچ. چن، اس. لی، اچ. Zhang, Y. تحقیق در مورد ارزیابی سرزندگی پارکها و میدانها در شهرهای متوسط چین از دیدگاه مناطق عملکردی شهری. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۲ ، ۱۹ ، ۱۵۲۳۸٫ [ Google Scholar ] [ CrossRef ]
کانگ، سی. فن، دی. جیائو، اچ. اعتبارسنجی فعالیت، زمان و تنوع فضا به عنوان اجزای اساسی سرزندگی شهری. محیط زیست طرح. ب مقعد شهری. علوم شهر ۲۰۲۱ ، ۴۸ ، ۱۱۸۰-۱۱۹۷٫ [ Google Scholar ] [ CrossRef ]
فن، ز. دوان، جی. لو، ام. ژان، اچ. لیو، ام. پنگ، دبلیو. چگونه محیط ساخته شده بر سرزندگی شهری در آب نماهای شهری تأثیر گذاشت؟ مطالعه موردی در نانجینگ ریچ رودخانه یانگ تسه. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۶۱۱٫ [ Google Scholar ] [ CrossRef ]
گوا، ایکس. چن، اچ. یانگ، ایکس. ارزیابی سرزندگی پویای خیابان و عوامل تأثیرگذار آن بر اساس داده‌های بزرگ چند منبعی. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۱۴۳٫ [ Google Scholar ] [ CrossRef ]
جیانگ، ی. مطالعه ای در مورد اندازه گیری سرزندگی شهری و ویژگی های فضایی آن – مطالعه موردی منطقه اصلی شهری ووهان. مناگ شهری. علمی تکنولوژی ۲۰۲۱ ، ۲۲ ، ۴٫ [ Google Scholar ]
هوی، EC-M. چن، تی. لانگ، دبلیو. Ou, Y. بازآفرینی جامعه شهری و احیای سرزندگی جامعه از طریق برنامه ریزی مشارکتی در چین. Cities ۲۰۲۱ , ۱۱۰ , ۱۰۳۰۷۲٫ [ Google Scholar ] [ CrossRef ]
لی، ایکس. ون، ایکس. تحلیل بر سرزندگی شهری بر اساس نحو فضایی. طرح روستایی شهری. ۲۰۲۱ ، ۱۸ ، ۱۲-۱۷٫ [ Google Scholar ] [ CrossRef ]
دن هارتوگ، اچ. شهرهای جدید شانگهای: جستجوی جامعه و هویت در یک کلانشهر گسترده . ۰۱۰ ناشر: روتردام، هلند، ۲۰۱۰; شابک ۹۰۶۴۵۰۷۳۵X. [ Google Scholar ]
جین، ایکس. لانگ، ی. سان، دبلیو. لو، ی. یانگ، ایکس. تانگ، جی. ارزیابی سرزندگی شهرها و شناسایی شهرهای ارواح در چین با داده های جغرافیایی در حال ظهور. شهرها ۲۰۱۷ ، ۶۳ ، ۹۸-۱۰۹٫ [ Google Scholar ] [ CrossRef ]
زنگ، سی. آهنگ، ی. او، س. شن، اف. ارزیابی صریح فضایی بر سرزندگی شهری: مطالعات موردی در شیکاگو و ووهان. حفظ کنید. جامعه شهرها ۲۰۱۸ ، ۴۰ ، ۲۹۶-۳۰۶٫ [ Google Scholar ] [ CrossRef ]
لیو، اس. ژانگ، ال. لانگ، ی. لانگ، ی. Xu, M. یک چارچوب جدید تحلیل و ارزیابی سرزندگی شهری بر اساس مدل‌سازی فعالیت انسانی با استفاده از داده‌های بزرگ چند منبعی. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۶۱۷٫ [ Google Scholar ] [ CrossRef ]
پوگالیس، L. فرهنگ و اقتصاد طراحی فضای عمومی شهری: ادراکات عمومی و حرفه ای. شهری دس. بین المللی ۲۰۰۹ ، ۱۴ ، ۲۱۵-۲۳۰٫ [ Google Scholar ] [ CrossRef ]
کونز، سی. Hecht, R. غنی سازی معنایی داده های ساختمان با اطلاعات جغرافیایی داوطلبانه برای بهبود نقشه برداری از واحدهای مسکونی و جمعیت. محاسبه کنید. محیط زیست سیستم شهری ۲۰۱۵ ، ۵۳ ، ۴-۱۸٫ [ Google Scholar ] [ CrossRef ]
بله، ی. هوانگ، آر. Zhang، L. طراحی شهری انسان گرا با پشتیبانی از داده های چند منبعی و یادگیری عمیق: مطالعه موردی در برنامه ریزی شهری گرین وی در سوژو کریک، شانگهای. Landsc. آرشیت. ۲۰۲۱ ، ۲۸ ، ۳۹-۴۵٫ [ Google Scholar ] [ CrossRef ]
یو، دبلیو. چن، ی. ژانگ، Q. لیو، ی. ارزیابی صریح فضایی سرزندگی شهری با استفاده از داده‌های چند منبع: موردی از شانگهای، چین. پایداری ۲۰۱۹ ، ۱۱ ، ۶۳۸٫ [ Google Scholar ] [ CrossRef ]
سرورو، آر. Kockelman، K. تقاضای سفر و سه بعدی: تراکم، تنوع، و طراحی. ترانسپ Res. قسمت D Transp. محیط زیست ۱۹۹۷ ، ۲ ، ۱۹۹-۲۱۹٫ [ Google Scholar ] [ CrossRef ]
بله، ی. ژوانگ، ی. فرضیه مورفوژنز شهری و سرزندگی شهری در مناطق جدید ساخته شده: تحلیل بر اساس دسترسی خیابان، تراکم ساختمان و ترکیب عملکردی. طرح شهری. بین المللی ۲۰۱۷ ، ۳۲ ، ۴۳-۴۹٫ [ Google Scholar ] [ CrossRef ]
یوینگ، آر. سرورو، آر. سفر و محیط ساخته شده: یک ترکیب. ترانسپ Res. ضبط ۲۰۰۱ ، ۱۷۸۰ ، ۸۷-۱۱۴٫ [ Google Scholar ] [ CrossRef ]
یوینگ، آر. سرورو، آر. سفر و محیط ساخته شده: یک متاآنالیز. مربا. طرح. دانشیار ۲۰۱۰ ، ۷۶ ، ۲۶۵-۲۹۴٫ [ Google Scholar ] [ CrossRef ]
لو، ی. شیائو، ی. بله، Y. تراکم شهری، تنوع و طراحی: آیا بیشتر همیشه برای پیاده روی بهتر است؟ مطالعه ای از هنگ کنگ قبلی پزشکی ۲۰۱۷ ، ۱۰۳ ، S99–S103. [ Google Scholar ] [ CrossRef ]
والبرن، دی. آیا فرصت جدیدی برای مقامات محلی وجود دارد که در توسعه اقتصادی محلی پیشگام شوند؟ اقتصاد محلی ۲۰۱۱ ، ۲۶ ، ۷۵-۸۱٫ [ Google Scholar ] [ CrossRef ]
Vale، DS; Pereira، M. تأثیر بر رفتار رفت و آمد عابر پیاده در محیط ساخته شده مقاصد اطراف: یک رویکرد مدل سازی معادلات ساختاری. بین المللی J. Sustain. ترانسپ ۲۰۱۶ ، ۱۰ ، ۷۳۰-۷۴۱٫ [ Google Scholar ] [ CrossRef ]
اوگرا، ا. Ndebele، R. نقش ۶Ds: تراکم، تنوع، طراحی، مقصد، فاصله و مدیریت تقاضا در توسعه ترانزیت محور (TOD). در مجموعه مقالات کنفرانس نئو بین المللی در مورد محیط های قابل سکونت، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، ۳۱ اکتبر تا ۲ نوامبر ۲۰۱۴٫ صص ۵۳۹-۵۴۶٫ [ Google Scholar ]
گوس، جی. هارتمانیس، جی. وان، جی. هیئت مدیره، LE; هاچیسون، دی. کاناده، تی. کیتلر، جی. کلینبرگ، جی.ام. کوبسا، ا. ماترن، اف. و همکاران درک رفتار انسان در مجموعه مقالات اولین کارگاه بین المللی، استانبول، ترکیه، ۲۲ اوت ۲۰۱۰٫ [ Google Scholar ]
چن، ال. لو، ی. بله، ی. شیائو، ی. یانگ، ال. بررسی ارتباط بین محیط ساخته شده و حجم عابران پیاده با استفاده از تصاویر نمای خیابان. Cities ۲۰۲۲ , ۱۲۷ , ۱۰۳۷۳۴٫ [ Google Scholar ] [ CrossRef ]
Berawi، MA; ابراهیم، BE; گوناوان; معراج، ص. توسعه طرح مفهومی توسعه ترانزیت محور برای بهبود برنامه ریزی کاربری اراضی شهری. J. Des. محیط ساخته شده ۲۰۱۹ ، ۱۹ ، ۴۰-۴۸٫ [ Google Scholar ] [ CrossRef ]
Berghauser Pont، M. Haupt، P. The Spacemate: Density and Typomorphology of Urban Fabric. در آزمایشگاه شهرسازی برای شهرها و مناطق: پیشرفت مسائل پژوهشی در شهرسازی ; IOS Press: آمستردام، هلند، ۲۰۰۵٫ [ Google Scholar ]
فورسایت، ا. Oakes, JM; اشمیتز، KH; هرست، ام. آیا تراکم مسکونی راه رفتن و سایر فعالیت های بدنی را افزایش می دهد؟ مطالعه شهری. ۲۰۰۷ ، ۴۴ ، ۶۷۹-۶۹۷٫ [ Google Scholar ] [ CrossRef ]
جیکوبز، جی . مرگ و زندگی شهرهای بزرگ آمریکا . وینتاژ: نیویورک، نیویورک، ایالات متحده آمریکا، ۱۹۶۱; شابک ۰۵۲۵۴۳۲۸۵X. [ Google Scholar ]
هوانگ، جی. Obracht-Prondzynska، H.; کامروسکا-زالوسکا، دی. سان، ی. لی، ال. تصویر شهر در رسانه‌های اجتماعی: مطالعه مقایسه‌ای با استفاده از روش‌های «داده‌های بزرگ» و «داده‌های کوچک» در منطقه سه‌شهری در لهستان. Landsc. طرح شهری. ۲۰۲۱ ، ۲۰۶ ، ۱۰۳۹۷۷٫ [ Google Scholar ] [ CrossRef ]
حبیبیان، م. حسین زاده، الف. شاخص پیاده روی در اهداف سفر. حفظ کنید. جامعه شهرها ۲۰۱۸ ، ۴۲ ، ۲۱۶-۲۲۵٫ [ Google Scholar ] [ CrossRef ]
هوانگ، جی. کوی، ی. لی، ال. گوو، ام. هو، اچ سی; لو، ی. وبستر، سی. بررسی مجدد دکترین جین جاکوبز با استفاده از داده های شهری جدید در هنگ کنگ. محیط زیست طرح. ب مقعد شهری. علوم شهر ۲۰۲۲ ، ۲۳۹۹۸۰۸۳۲۲۱۱۰۶۱۸۴٫ [ Google Scholar ] [ CrossRef ]
ژائو، اس. لیانگ، کیو. ژو، ایکس. Su, B. کاربرد نسبت نگاه سبز در طراحی جاده شهری گرینلند. J. Shenyang Coll. آموزش. ۲۰۱۱ ، ۷ ، ۹۷-۹۹٫ [ Google Scholar ] [ CrossRef ]
اولیویرا، وی. Medeiros, V. Morpho: Combining Morphological Measures. محیط زیست طرح. B طرح. دس ۲۰۱۶ ، ۴۳ ، ۸۰۵-۸۲۵٫ [ Google Scholar ] [ CrossRef ]
الشلالفه، BW; Shalaby، AS مطالعه موردی: رابطه فاصله دسترسی پیاده تا حمل و نقل با خدمات، سفر، و ویژگی های شخصی. ج. طرح شهری. توسعه دهنده ۲۰۰۷ ، ۱۳۳ ، ۱۱۴-۱۱۸٫ [ Google Scholar ] [ CrossRef ]
Steadman، P. Density and Built Form: ادغام “Spacemate” با کار مارتین و مارس. محیط زیست طرح. B طرح. دس ۲۰۱۴ ، ۴۱ ، ۳۴۱-۳۵۸٫ [ Google Scholar ] [ CrossRef ]
بله، ی. لی، دی. لیو، ایکس. چگونه تراکم بلوک و گونه‌شناسی بر سرزندگی شهری تأثیر می‌گذارد: یک تحلیل اکتشافی در شنژن، چین. جئوگر شهری. ۲۰۱۸ ، ۳۹ ، ۶۳۱-۶۵۲٫ [ Google Scholar ] [ CrossRef ]
Saaty، RW فرآیند تحلیل سلسله مراتبی – چیست و چگونه استفاده می شود. ریاضی. مدل. ۱۹۸۷ ، ۹ ، ۱۶۱-۱۷۶٫ [ Google Scholar ] [ CrossRef ]
پانچال، اس. Shrivastava، AK مطالعه مقایسه ای نسبت فرکانس، مدل های آنتروپی شانون و فرآیند تحلیل سلسله مراتبی (AHP) برای ارزیابی حساسیت زمین لغزش. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۶۰۳٫ [ Google Scholar ] [ CrossRef ]
لی، GKL؛ چان، EHW رویکرد فرآیند تحلیل سلسله مراتبی (AHP) برای ارزیابی پیشنهادهای نوسازی شهری. Soc. اندیک. Res. ۲۰۰۸ ، ۸۹ ، ۱۵۵-۱۶۸٫ [ Google Scholar ] [ CrossRef ]
عوض، ج. یونگ، سی. استخراج عناصر برنامه ریزی برای بازآفرینی شهری پایدار در دبی با AHP (فرایند تحلیل سلسله مراتبی). حفظ کنید. جامعه شهرها ۲۰۲۲ ، ۷۶ ، ۱۰۳۴۹۶٫ [ Google Scholar ] [ CrossRef ]
ژائو، اچ. شی، ج. Qi، X. وانگ، ایکس. شبکه تجزیه صحنه هرمی جیا، جی. در مجموعه مقالات کنفرانس IEEE در مورد دید رایانه و تشخیص الگو، هونولولو، HI، ایالات متحده آمریکا، ۲۱ تا ۲۶ ژوئیه ۲۰۱۷؛ IEEE: Piscataway, NJ, USA, 2016; صص ۲۸۸۲-۲۸۹۰٫ [ Google Scholar ]
Leung, SM چه چیزی باعث می‌شود در آینده هنگ‌کنگ، محیط‌های مسکونی با تراکم بالا و بلندمرتبه قابل سکونت‌تر شود؟ شهری دس. بین المللی ۲۰۱۴ ، ۱-۲۶٫ [ Google Scholar ] [ CrossRef ]
ژنگ، دی. دونگ، اس. لین، سی. ضرورت و استراتژی کنترل «تراکم متوسط» در کلانشهر. بین المللی طرح شهری. ۲۰۲۱ ، ۳۶ ، ۱-۹٫ [ Google Scholar ] [ CrossRef ]
جیانگ، دی. لی، جی. چندین فکر در مورد ایجاد سرزندگی در شهرهای معاصر. آرشیت جدید. ۲۰۱۶ ، ۲۶ ، ۲۱-۲۵٫ [ Google Scholar ]
لانگ، ی. هوانگ، سی سی آیا اندازه بلوک مهم است؟ تأثیر طراحی شهری بر سرزندگی اقتصادی برای شهرهای چین. محیط زیست طرح. ب مقعد شهری. علوم شهر ۲۰۱۹ ، ۴۶ ، ۴۰۶-۴۲۲٫ [ Google Scholar ] [ CrossRef ]

شکل ۱٫ چارچوب مفهومی ارزیابی سرزندگی جامعه.

شکل ۲٫ رویکرد پردازش تصویر بر اساس PSPNet و Cityscapes.

شکل ۳٫ موقعیت جغرافیایی منطقه مورد مطالعه، مرزهای منطقه، و اطلاعات زمینه.

شکل ۴٫ مسیرهای جمع آوری داده های تصویر و ۵۴ نقطه ناوبری.

شکل ۶٫ نقشه توزیع نیروی حیاتی بالقوه در روستای جدید Nanhuan.

شکل ۷٫ مغازه های بسته در کنار جاده.

شکل ۸٫ نقشه توزیع جریان های عابر پیاده.