پيش‌‌بيني ترافيك توليدي از كاربري‌‌هاي شهري مورد شناسي: شهر نيشابور

Predicting the Generated Traffic From Urban Land Uses (Case Study :Neyshabur City

هدف تحقيق حاضر، تعيين سهم عوامل مختلف در پيش‌‌بيني ميزان توليد ترافيك از كاربري‌‌هاي شهري در بخش مركزي شهر نيشابور است. به اين منظور، از روش تحقيق توصيفي- تحليلي در قالب همبستگي از نوع پيش‌‌بين استفاده شده‌‌است. براي گردآوري داده‌‌هاي مورد‌نياز از پرسشنامۀ محقق‌ساخته بهره‌برداري شده‌است. براي تأثير تغييرات مربوط به هر‌يك از كاربري‌‌هاي شهري، ابتدا نظر متخصصان و مديران مرتبط با امر ترافيك پرسيده شد و براي مقايسۀ اين نتايج، نسبت‌به گردآوري داده‌‌هاي ميداني نيز اقدام شد. نمونۀ مورد‌نظر در بخش نظر‌سنجي از افراد بر‌اساس جدول مورگان 60 نفر تعيين شد كه اين افراد به دو گروه مساوي 30 نفري براي افراد شاغل در بدنة مديريت شهري و ساير افراد تقسيم شدند. داده‌‌هاي گردآوري‌شده از اين طريق با استفاده از نرم‌افزارهاي مختلف به‌خصوص SPSS و مدل‌‌هاي آمار توصيفي و استنباطي از‌جمله خي‌دو و تحليل رگرسيون چند‌متغيّره، تجزيه‌و‌تحليل شد. نتايج نشان داد كه از بين تمام عوامل مورد بررسي (تعداد شاغلان در هر كاربري، محل استقرار، ميزان تراكم و نوع عملكرد)، تنها تعداد شاغلان در هر كاربري (تعداد مديران و كارمندان دائمي و موقت در‌برابر ساير مؤلفه‌‌هاي هر كاربري و يا عملكرد) مي‌‌تواند ميزان توليد ترافيك هر كاربري (عملكرد شهري) را به‌طورِ معناداري پيش بيني كند (0/000=P)؛ اما افزودن هر‌يك از متغيّرهاي محل استقرار، ميزان تراكم و نوع عملكرد به متغيّر تعداد شاغلان، نمي‌‌تواند قدرت پيش‌‌بيني توليد ترافيك را به‌طورِ معناداري افزايش دهد.

The purpose of this study is to determine the contribution of various factors to predict the amount of traffic generated by urban users in the central part of Neyshabur city. For this purpose, a descriptive and analytical research method has been used in the form of correlations of the predictor type. A researcher-made questionnaire was used to collect the required data. For the impact of changes related to each urban user, firstly, experts and managers related to traffic were questioned.in order to compare these results, field data was also collected. The sample was 60 people in the Morgan table. The subjects were divided into two equal groups of 30 people for the staff working in the urban management body and other people. The collected data were analyzed using SPSS software, descriptive and inferential statistics such as Chi-square and multivariate regression analysis. The results showed that among all the factors studied (number of employees per user, location, density and type of function), only the number of employees per user (the number of permanent and temporary directors and employees against the other components of each user and o‎r performance) can predict the amount of traffic generated by each user (urban performance) (P = 0.000). But adding any of the variables of the location, density and type of performance to the number of employees can not significantly increase the predictive power of traffic generation.