مدل پيش‌بيني رضايتمندي شهروندان از بوستان‌هاي شهري با استفاده از شبكه عصبي مصنوعي

Prediction model of citizens' satisfaction in urban parks using artificial neural network

يكي از مهم‌ترين عناصر شهرها، بوستان‌ها و فضاهاي سبز شهري‌ هستند. نوع طراحي و عملكرد بوستان‌هاي شهري بايد در راستاي ضروريات زندگي شهري و در پاسخگويي به نياز شهروندان باشد چرا كه اين امر مي‌تواند در جهت ايجاد محيط زيست سالم و با ارزش شهري نيز به كار گرفته شود. هدف از انجام اين پژوهش مدل‌سازي ارزيابي رضايتمندي بازديدكنندگان از بوستان‌هاي شهري با استفاده از شبكه عصبي مصنوعي است. در انجام اين پژوهش به منظور پردازش داده‌ها با ابزار هوشمند شبكه عصبي، از شبكه پرسپترون چند لايه استفاده شد. ابتدا 103 بوستان شهري در كرج و تهران انتخاب گرديد و اطلاعات مربوط به متغيرهاي منطقه‌اي، خدماتي و زيبايي‌شناختي در كليه بوستان‌ها جمع‌آوري گرديد. سپس اطلاعات جمع‌آوري شده به عنوان ورودي شبكه و نتايج حاصل از ارزيابي سطح رضايتمندي به عنوان خروجي شبكه در نظر گرفته شد. مقدار ضريب تعيين (R2) در اين پژوهش 72/0 بدست آمد كه نشان دهنده قابليت مناسب شبكه عصبي مصنوعي در مدل‌سازي رضايتمندي از بوستان‌هاي شهري است. نتايج حاصل از آناليز حساسيت نشان داد متغيرهاي كيفيت منظر، تعداد زمين‌هاي ورزشي، مراكز فروش مواد غذايي، باربيكيو داراي بيشترين اثرگذاري بر روي رضايتمندي از بوستان‌هاي شهري بوده‌اند. لذا در برنامه‌ريزي و مديريت اماكن عمومي همچون فضاهاي سبز شهري، توجه به درك كاربران از محيط بايد در الويت قرار گيرد.

Parks and green spaces are one of the most important elements of cities. The design and function of urban parks should be in line with the requirements of urban life and in response to the needs of citizens, as this can be used to create a healthy urban environment. The purpose of this research is to model the satisfaction of urban parks visitors using the artificial neural network. In this study, a multi-layer perceptron network was used to process the data with the intelligent neural network tool. First, 103 urban parks were selected in Karaj and Tehran, and information about regional, service and aesthetic variables was collected in all parks. Then, the collected data was considered as network input and the results of satisfaction level assessment as network output. The value of determination coefficient (R2) in this study was 0.72 which indicates the suitability of artificial neural network for satisfaction modeling in urban parks. The results of sensitivity analysis showed that variables of landscape quality, number of sports fields, food centers, and barbeque have had the most impact on satisfaction of urban parks. Therefore, in planning and managing public places such as urban green spaces, consideration of users' perceptions of the environment should be highlighted.