كليدواژه :
امنيت , بوستان هاي شهري , شبكه عصبي مصنوعي , آناليز حساسيت
چكيده فارسي :
هدف و زمينه: امنيت يكي از مهم ترين جنبه هاي طراحي بوستان هاي شهري جهت دست يابي به حداكثر رضايت مندي گردشگران و شهروندان است. هدف از پژوهش حاضر ارائه مدل پيش بيني امنيت بوستان هاي شهري بر اساس وقوع جرم در آنها و با توجه به امكانات، كيفيت منظر و تسهيلات موجود در بوستان ها با استفاده از شبكه عصبي مصنوعي است كه در نهايت الويت‌بندي متغيرهاي اثرگذار بر سطح امنيت بوستان ها حاصل مي باشد.
روش تحقيق: در انجام اين پژوهش به منظور پردازش داده ها با ابزار هوشمند شبكه عصبي، از شبكه پرسپترون چند لايه استفاده شد. ابتدا 99 بوستان شهري در تهران و كرج انتخاب گرديد و اطلاعات مربوط به متغيرهاي منطقه اي (2 متغير) و فيزيكي-خدماتي (22 متغير) در كليه بوستان ها از طريق مطالعه ميداني تهيه گرديد. متغيرهاي منطقه اي شامل مساحت بوستان ها، تعداد بوستان هاي منطقه و تراكم جمعيت منطقه و متغيرهاي خدماتي شامل انواع مبلمان بوستان، امكانات فرهنگي و مذهبي و متغيرهاي كيفيت منظر است. ميزان امنيت بازديدكنندگان بوستان ها بر اساس ميانگين تعداد تخلف گزارش شده در هفته تعيين گرديد و مدل سازي در نرم افزار 2018 MATLAB انجام گرفت. مقدار ضريب تبيين مدل (R2) 86/0 در كل داده ها و 84/0 در داده هاي آزمون شبكه به‌دست آمد كه نشان دهنده كاربرد دقيق شبكه عصبي مصنوعي در مدل‌سازي امنيت بوستان هاي شهري مي باشد.
يافته‌ها و نتيجه‌گيري: نتايج حاصل از آناليز حساسيت نشان داد تعداد پايه هاي روشنايي، تعداد سطوح ورزشي، تعداد منابع آبي و تعداد امكانات فرهنگي و مذهبي به ترتيب بيشترين تاثير را در امنيت بازديدكنندگان در بوستان هاي شهري نشان دادند. بنابراين در مديريت فضاهاي سبز شهري، توجه به ساختار طراحي بايد در الويت قرار گرفته تا امنيت محيط تامين گردد.
كليدواژه‌ها
چكيده لاتين :
Aim and Background: Security is one of the most important aspects of urban park design for tourists and citizens to achieve utmost satisfaction. The present study aims to provide a model for forecasting the security of urban parks based on the rate of crime occurrence in them; given the facilities, landscape quality and existing facilities in the parks using artificial neural networks that ultimately prioritize variables impacting the level of security in parks.
Research Method: In the implementation of the present study, a multilayer Perceptron network was used to process the data with the neural network intelligent tool. First of all, 99 urban parks in Tehran and Karaj were selected, and information on regional variables (2 variables) and physical-service (22 variables) in all parks were prepared through a field study. Regional variables including area of the park, the number of parks in the region and the population density of the region and service variables including the type of garden furniture, cultural and religious facilities and landscape quality variables were taken into consideration. The level of security of park visitors was determined based on the average number of reported violations per week, and modeling was done in MATLAB 2018. The value of model explanation coefficient (R2) in the whole data was 0.86 and in the network test data was 0.84, which indicates the exact application of artificial neural network in modeling the security of urban parks.
Findings and Conclusion: Results of the sensitivity analysis showed that the number of lighting bases, the number of sports levels, the number of water resources and the number of cultural and religious facilities, respectively, left the greatest impact on the safety of visitors in urban parks. Therefore, in the management of urban green spaces, paying attention to the design structure should be a priority to ensure environmental security.
