Prioritize areas to urban fire stations established using two line allocation method and TOPSIS and techniques with GIS (Case Study: City Maku)

Document Type : Original Article

Authors

1 Graduate Student of Geography at Isfahan University

2 Professor of Geography at Isfahan University

Abstract

Positioning, including spatial analysis is that much effect in reducing the cost of creating and launching various activities there. That's why one of the important and effective steps Projects are considered. One of the preoccupations of urban planners in designing urban spaces and locate the appropriate service areas and is optimal. The main goal of establishing stations to provide fire safety part of the city in line with plans already defined them. Actions required to achieve this vision and systematically integrated into the urban elements and micro-structure for the week as the city that Macro is an important method in the form of multiple criteria decision-making largely achievable. This study intends using TOPSIS method and linear allocation ranking Maku city paid urban areas and the results compared to. The two models of techniques and multiple criteria decision making models and methods are compensatory TOPSIS under group compromise allocation method under the linear group is coordinated. The findings indicate that the TOPSIS method between the above five areas with the District 3 (0/47) points in the first rank, and District 4 (0/42) has been ranked in the final and territories (2,5 , 1) respectively (0/46، 0/45،  0/44) in the next rank and place are the results of linear allocation method shows that in five urban areas in District 3 and District 4 in the first rank final rank is located and areas (2,5,1) respectively, followed by is located. Should be said that the results of these two methods is quite Shybh together with the difference that in areas with TOPSIS method is ranking points in this points allocation method is not linear.

Keywords

Full Text

مقدمه

تجهیزات و تاسیسات پایه و اساس سکونتگاه‌های شهری را تشکیل داده و کمبود و نقص آنها مشکلاتی را برای شهروندان به وجود می‌آورد. اعتبار و اهمیت هر شهر بسته به این خدمات و تاسیسات دارد. هرچه ارائه این خدمات بهتر باشد زندگی در آن راحت تر و هزینه زندگی در آن برای شهروندان کمتر خواهد بود. اگر این خدمات در مکان‌های مناسب و به اندازه کافی باشد از هزینه‌های اقتصادی و زمانی ساکنین به نحو محسوسی کاسته خواهد شد و لازمه این امر تحقیق و کنکاش علمی و کارشناسی است که باید از سوی سازمان‌ها و ارگان‌های مختلف حمایت شود (سعیدی خواه، 1383). امروزه یافتن مکان یا مکان‌های مناسب برای ایجاد یک فعالیت در حوضه جغرافیایی معین، جزء مراحل مهم پروژه‌های اجرایی بویژه در سطح کلان و ملی به شمار می‌آید. مکان‌های نهایی باید همه شرایط و قیود مورد نیاز را ارضاء نماید و عدم بررسی این شرایط و قیود قبل از اجرای چنین پروژه‌هایی نتایج نامطلوب فراوان به دنبال خواهد داشت (مهدی پور، 1385). یکی از وظایف اساسی مدیریت شهری یا به عبارت بسیار روشن شهرداری‌ها، سازماندهی نظام مدیریت همه جانبه خدمات رسانی می‌باشد. از این رو عمده ترین وظایف شهرداری‌ها به موضوع خدمات اختصاص می‌یابد. به منظور دستیابی به این مدیریت کارآمد همواره مقوله کاربری‌ها و چگونگی تخصیص فضای شهری به کاربری‌های متفاوت مطرح می‌گردد (طالشی، 2007.( تا اواخر دوره رنسانس و آغاز انقلاب صنعتی رشد جمعیت جهان و به طبع آن جمعیت شهر‌ها و روند شهر نشینی کند بوده است و در نتیجه حل مسائل شهر‌ها و برنامه ریزی برای آنها آسان بوده است. با آغاز انقلاب صنعتی و مهاجرت روستائیان به شهر‌ها، رشد جمعیت شهر‌ها سریعتر شده است و به طبع آن مشکلات شهر‌ها افزایش یافته است (تقی پور، 1384). طبق برآورد سازمان ملل متحد جمعیت شهر نشینان جهان از 3/2 میلیارد در سال 1990 به 7/4 میلیارد در 2020 افزایش خواهد یافت که 90 درصد این رشد در کشور‌های در حال توسعه اتفاق خواهد افتاد(UN,1993). متاسفانه کشور‌های کم درآمد و جهان سومی که از رشد و توسعه برخوردار نیستند و آمادگی لازم برای برخورد با مسائل ناشی از آهنگ رشد شتابان شهری را ندارند مدیران و دست اندرکاران شهر‌ها را در رابطه با تأمین نیازمندیها و خدمات رسانی به شهروندان با مشکل جدی روبه رو کرده و خواهند کرد.(طبسی،1383). در طی چند دهه اخیر شهر نشینی در ایران رشد سریعی داشته است و بالطبع با توجه به افزایش سریع شهر و رشد غیر منطقی شهر‌ها سیستم ایمنی شهر نیز باید در همین راستا بهبود پیدا کند تا بتواند پوشش کافی را بر کل شهر داشته باشد (عادلی، 2007). تمامی دوران زندگی بشر بی نیاز از برنامه ریزی نبوده است و از زمان آغازین زندگی بشر در سکونتگاه‌ها، اندیشمندان و سیاستمداران برای فراهم کردن امکان زیست بهتر در مراکز جمعیتی خصوصا شهر‌ها طرح‌هایی را به مورد اجرا گذاشته اند (زبر دست،1384). به دلیل تنوع و پیچیدگی مسائل شهری، توصیف، تحلیل و پیش بینی رفتار آنها امری بس دشوار است. به همین جهت در قرن اخیر خصوصاً در دهه‌های نیمه دوم قرن حاضر برنامه ریزان به منظور کاستن از پیچیدگی سیستم و قابل کنترل کردن آن به استفاده از مدل‌های کمی و ریاضی توسل جسته اند(شکویی،2007). مدل‌ها را می‌توان به روش‌های مختلفی طبقه بندی کرد، اما اساساً مدل‌ها به دو دسته فیزیکی و انتزاعی تقسیم می‌شوند مهدی پور، 1383). مدل را می‌توان نمایش نظریه ای از یک سیستم مورد نظرتعریف کرد(پرهیزکار، 1376) برتیون هریس[1])1967) مدل را "طرحی تجربی بر اساس نظریه" تعریف کرده است.(پوراسکندری، 1380). لاری مدل‌ها را بر اساس خواستهای استفاده کنندگان به سه دسته تقسیم کرده است: مدل‌های توصیفی، مدل‌های پیش بینی کننده و مدل‌های برنامه ریزی(سعیدی خواه، 1383).برنامه ریزی جریانی است آگاهانه که هر سازمان یا جامعه بر مبنای امکانات و منابع محدود، سعی در ایجاد تغییر و تحول در وضع موجود، جهت نیل به مطلوب ترین وضعیت ممکن در مقطع زمانی مشخص دارد(زبر دست، 1384).در تعریفی دیگر سیستم تصمیم گیری جهت تعیین مناسب ترین خط مشی در مقطع زمانی معین به منظور دستیابی به هدف‌هایی که در رابطه با امکانات و نیاز‌های آینده تعیین می‌شوند(طالشی، 2007). طالشی در سال 2007 به مکان گزینی کاربری شهر‌ها با استفاده از نرم افزار GIS پرداخته است. شکوهی در سال 2007 به بررسی نقش GIS فازی در مکان یابی بهینه کاربری‌های شهری پرداخته است(شکوهی،2007،21).متکان در سال 1379 با استفاده از تصمیم گیری قطعی و فازی به مکان یابی پارکینگ‌های عمومی طبقاتی پرداخته است (متکان،1379). طبسی در سال 1380 به بررسی مدیریت و مکان یابی پارکینگ‌های داخل شهری با کمک سیستم اطلاعات جغرافیایی پرداخته است (طبسی،1380). سرور در سال 1383 به مکان یابی جغرافیایی جهت توسعه آتی شهر میاندوآب پرداخته است (سرور، 1383).زبر دست در سال 1383 به مکان یابی مراکز امداد رسانی با استفاده از GIS و روش ارزیابی چند معیاره AHP پرداخته است. نوریان 1383 به مکان یابی کاربری اراضی شهری با استفاده از سیستم اطلاعات جغرافیایی فازی در پارک‌های شهری زنجان پرداخته است. پرهیزکار (1376) ضمن مطالعه روش‌ها و الگوهای مکان گزینی در مکان یابی مراکز آتش نشانی شهر تبریز توانایی GIS را نسبت به سایر مدل‌ها اثبات کرد.پور اسکندری، با استفاده از روش شعاعی، چند ضلعی‌های تیسن و تحلیل شبکه ضمن بررسی نحوه توزیع سوانح آتش نشانی در شهر کرج به مکان یابی ایستگاه‌های آتش نشانی در این شهر اقدام کرد. میان آبادی و افشار(2008) از سه روش: میانگین گیری وزنی مرتب شده استقرائی (IOWA)[2]، تخصیص خطی و TOPSIS برای بررسی و رتبه بندی طرح‌های تامین آب شهری زاهدان استفاده نموده و نتایج حاصل از روش‌های مختلف را با نتایج روش برنامه ریزی سازشی مقایسه نمودند(Mianabadi،:200845-34).لمون و مارتیز[3](2006) از روش تئوری مطلوبیت چند شاخصه (MAUT)[4]برای تخصیص بهینه آب کشاورزی در شمال اسپانیا بهره جست(Limon: 2006،336-313). احمدی و همکاران (2002) رتبه بندی طرح‌های مختلف تصفیه آب کشاورزی جهت استفاده مجدد را با استفاده از روش‌های تصمیم گیری چند معیاره انجام داده اند) :Ahmad2002، 352-339). آناند و کومار[5](1996) نیز در رتبه بندی گزینه‌های مدیریت حوضه رودخانه از روش ELECTER استفاده نموده اند(Anand: 1996، 335-326). هدف از این پژوهش اولویت بندی نواحی شهری شهر ماکو با استفاده از دو روش TOPSIS و تخصیص خطی و مقایسه نتایج حاصل از این روش است.

 

 مواد و روش‌ها

موقعیت ریاضی منطقه مورد مطالعه

 شهر ماکو، مرکز شهرستان ماکو در شمال استان آذربایجان غربی با پهنه ای حدود 7 کیلومتر مربع در مسیر راه تبریز- بازرگان در 39 درجه و 18 دقیقه عرض شمالی و 44 درجه و 31 دقیقه طول شرقی قرار گرفته است(Http://www.dashmaku.ir). شهر ماکو در شمال استان آذربایجان غربی در 20 کیلومتری مرز بازرگان در مسیر محور بین المللی کشور قرار گرفته است. این شهر با مرکز استان 280 کیلومتر و با پایتخت 850 کیلومتر فاصله دارد(طرح جامع شهر ماکو،6:1384).

 

 

شکل (1). موقعیت ریاضی منطقه مورد مطالعه

 


روش تحقیق

 در این پژوهش ابتدا از طریق تصاویر ماهواره‌ای منطقه مورد مطالعه را جدا کرده و سپس به جمع آوری آمار مربوطه به صورت کتابخانه ای و میدانی پرداخته و پس از جمع آوری اطلاعات به تجزیه و تحلیل داده‌ها با استفاده از دو روش تخصیص خطی و الگوریتم TOPSIS نموده و در مرحله آخر در محیط GIS به ترسیم لایه‌های مورد نظر اقدام شد و بهترین محل برای ایجاد ایستگاه آتش نشانی مشخص گردید. و نتایج حاصل از این دو روش با یکدیگر مقایسه گردید.

 

- مبانی نظری روش TOPSIS[6] و تخصیص خطی[7]

در دهه‌های اخیر مدل‌های تصمیم گیری چند معیاره (MCDM)[8] توجه محققین زیادی را جهت تصمیم گیری‌های پیچیده به خود جلب کرده است. این مدل‌های تصمیم گیری به دو دسته عمده تقسیم می‌شوند: مدل‌های چند هدفه (MODM)[9] و مدل‌های چند شاخصه (MADM)[10]، به طوری که مدل‌های چند شاخصه به منظور انتخاب گزینه‌های برتر استفاده می‌گردد. مدل‌های ارزیابی برای یک MADM به دو مدل جبرانی و غیر جبرانی تقسیم می‌شوند. مدل غیر جبرانی شامل روش‌هایی می‌گردد که اغلب نیاز به کسب اطلاعات از DM نداشته و منجر به یک جواب عینی می‌گردد. در مدل جبرانی تبادل بین شاخص‌ها مجاز است.، یعنی به طور مثال ضعف یک شاخص ممکن است توسط امتیاز شاخص دیگر جبران گردد.الگوریتم TOPSIS جزو مدل‌های تصمیم گیری چندشاخصه و از نوع جبرانی و زیرگروه سازشی است که به دلیل همپوشانی شاخص‌ها در نقاط قوت و ضعف خود، توانایی بالایی در حل مسائل چندگزینه‌ای دارد (کهنسال و رفیعی، 1387، 93). در این مدل علاوه بر معیارهای کمی از معیارهای کیفی نیز می توان استفاده کرد، مشروط بر اینکه معیارهای کیفی قابلیت تبدیل به معیارهای کمی را داشته باشند روش تخصیص خطی1 یکی از روش‌های تصمیم‌گیری چندمعیاره است که ضمن ترکیب شاخص‌های کمی و کیفی و نیز وزن دهی متناسب با اهمیت هر معیار، می تواند در انتخاب بهترین گزینه به تصمیم گیران کمک کند. در این روش گزینه‌های مفروض یک مسأله، بر حسب امتیاز آنها از هر شاخص موجود رتبه بندی شده و سپس رتبه نهایی گزینه‌ها از طریق یک فرایند جبران خطی2 مشخص خواهد شد. جایگاه این دو مدل در میان روش‌های تصمیم گیری چند معیاره در شکل (2) نشان داده شده است. فرایند حل به گونه ای است که نیاز به بی مقیاس نمودن شاخص‌های کمی و کیفی نخواهد بود.

 

 

 

شکل (2): جایگاه روش تخصیص خطی TOPSIS , در میان روش‌های تصمیم گیری چند معیاره

 

 

ــــــــــــــــــــــــــــــ

[1] - Linear- Assignment

[1] - Linear Compensatory Process

 

 

 

مراحل حل مسأله توسط روش‌های TOPSIS و تخصیص خطی:

- مراحل حل مسأله توسط الگوریتم TOPSIS:

مدل TOPSIS شامل 8 مرحله است و جهت بهره‌گیری از این مدل، مراحل زیر باید طی گردد (اُلسون[11]، 2003، 2):

1- تشکیل ماتریس داده‌ها بر اساس n آلترناتیو و k شاخص:

به طور کلی در مدل TOPSIS، ماتریس n×m که دارای m گزینه و n معیار می‌باشد، مورد ارزیابی قرار می‌گیرد. در این الگوریتم، فرض می شود هر شاخص و معیار در ماتریس تصمیم گیری دارای مطلوبیت افزایشی و یا کاهشی یکنواخت است.

2- استاندارد کردن داده‌ها و تهیه ماتریس نرمالیزه (ماتریس R) از طریق رابطه زیر:

 

 

به دلیل آنکه احتمال قوی وجود دارد که مقادیر کمی تعلق گرفته به معیارها و شاخص‌ها دارای یک واحد نباشد بایستی ابعاد واحد آنها را از بین برده و این مقادیر کمی را به ارقام بدون بعد تبدیل نمود، به همین جهت تمامی مقادیر تعلق گرفته به درایه‌های ماتریس تصمیم گیری، بایستی بر اساس فرمول زیر به مقادیر بی‌بعد تبدیل شود.

 

رابطه (1):

 

 

3- تعیین وزن هر یک از شاخص‌ها () بر اساس رابطه (2) و تعدیل  محاسبه شده از طریق رابطه (3): در این مرحله، وزن هر یک از شاخص‌ها را بر اساس رویکردها و نظریات کارشناسانه، روش Linmap، مدل AHP، مدل Antropi و نیز بر اساس اهمیت هر معیار، محاسبه می‌گردد. باید در نظر داشت که مجموع وزن معیارها بایستی برابر با یک باشد. در این پژوهش برای محاسبه مقادیر Wj از مدل AHP استفاده شده است (جدول 3).

رابطه (2):

 

 

رابطه (3):

 

 

4- ایجاد ماتریس بی بعد وزین (V) با اعمال بردار W به عنوان ورودی به الگوریتم:

جهت هم ارزش کردن مقادیر درایه‌های ماتریس R، مجموع اوزان پارامتر WJرا به صورت نظیر به نظیر در ستون‌های این ماتریس ضرب شده، ماتریس به دست آمده از این فرایند ماتریس نرمالیزه و وزن دهی شده می باشد که آن را با علامت V نشان می‌دهند.

 

5- مشخص نمودن ایده‌آل مثبت (A+) و ایده‌آل منفی (A-) به ترتیب از طریق رابطه‌های (4) و (5):

 

 

رابطه (4):

 

رابطه (5):

 

 

6- محاسبه اندازه جدایی گزینه iام با ایده‌آل‌ها، با استفاده از روش اقلیدسی، از طریق روابط (6) و (7):

 

رابطه (6):

 

رابطه (7):

 

7- محاسبه نزدیکی نسبی گزینه i (Ai) به راه‌حل ایده‌آل با استفاده ار رابطه (8):

رابطه (8):

  

 

 

ملاحظه می‌شود چنانچه Ai=A⁺ گردد، آنگاه di+=1 بوده و cli-=0 و در صورتی که Ai=A¯ شود، آنگاه di+=1 بوده و cli-=0 خواهد شد. بنابراین هر اندازه گزینه Aiبه راه‌حل ایده‌آل نزدیکتر باشد، ارزش cli+به واحد نزدیکتر خواهد بود.

 

 

 

8- رتبه بندی گزینه‌ها بر اساس ترتیب نزولی cli+:

این میزان بین صفر و یک در نوسان است. در این راستا cli+=1 نشان‌دهنده بالاترین رتبه و cli+=0 نیز نشان‌دهنده کمترین رتبه است.

مراحل حل مسأله توسط روش تخصیص خطی:

1- تشکیل ماتریس تصمیم گیری

ابتدا به تشکیل ماتریس تصمیم‌گیری با توجه به اطلاعات کمی به دست آمده از شاخص‌ها در هر منطقه پرداخته می‌شود.

2- رتبه بندی گزینه‌ها بر اساس شاخص‌های موجود

در این مرحله مناطق خود را، منطبق بر رتبه ای که بر اساس شاخص‌ها می‌گیرند رتبه بندی می‌کنیم.

3- در مرحله سوم با مشخص بودن اوزان شاخص‌ها (W)، ماتریس QG را به دست می‌آوریم. هر عنصر ماتریس QGبرابر است با:

رابطه (9):

 

 

 که اگر گزینه i در شاخص j در رتبه t قرار داشته باشد آنگاه itj=1π در غیر این صورت itjπ خواهد بود.

4- مسأله تخصیص زیر را با متغیر‌های صفر- یک hit به منظور مشخص نمودن اولویت بندی نهایی گزینه‌ها حل می‌کنیم

رابطه (10):

 

 

رابطه (11):

 

 

 

5- رتبه بندی گزینه‌ها

در مرحله آخر به رتبه بندی گزینه‌ها پرداخته شده است.

 

یافته‌های تحقیق

نتایج حاصل از بررسی مدل تخصیص خطی و TOPSISجهت اولویت بندی نواحی شهری به منظور تأسیس ایستگاه‌های آتش نشانی به شرح اشکال (3) تا (6) و جداول (1) تا (14) می باشد. به طوری که ماتریسی با مرتبه 49 برای ماتریس داده‌ها، با 5 آلترناتیو (نواحی شهری) و 7 شاخص مربوطه ( راه‌های دسترسی، کاربری تجاری، کاربری مسکونی، مساحت، کاربری آموزشی، کاربری اداری، کاربری مذهبی و کاربری حمل و نقل) تشکیل می شود (جداول1،9).

 

   

شکل (3): نقشه کاربری مسکونی

شکل (4): نقشه کاربری مذهبی،تجاری، ورزشی، بیمارستانی
   

شکل (5): نقشه موقعیت کاربری آموزشی، صنعتی و کارگاهی

شکل (6): نقشه دسترسی شهر ماکو

 

جدول (1): ماتریس داده‌های جمع آوری شده (ماتریس A)

 

نواحی

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

ناحیه 1

9

15889

6150

438418

1221221

23610

31800

3296

290000

ناحیه 2

5

37600

1800

297315

962319

47976

43708

6255

284116

ناحیه 3

13

20340

3890

565835

1475081

47974

4900

3919

489218

ناحیه 4

23

6227

950

345449

762035

19865

9470

1577

197811

ناحیه 5

26

2951

126

414707

804172

257214

21432

1854

207650

 مأخذ: اطلاعات طرح تفصیلی(1385)، طرح جامع شهر(1384) و شهرداری ماکو

 

جدول (2): ماتریس بی بعد (ماتریس R)

نواحی

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

ناحیه 1

0.233944

0.344485

0.813781

0.464177

0.506182

0.088164

0.537929

0.390418

0.415814

ناحیه 2

0.129969

0.815195

0.23818

0.314783

0.39887

0.179152

0.739365

0.740917

0.407378

ناحیه 3

0.337919

0.440986

0.514733

0.59908

0.611404

0.179144

0.082888

0.464213

0.701462

ناحیه 4

0.597857

0.135006

0.125706

0.365745

0.315855

0.07418

0.160195

0.186799

0.28363

ناحیه 5

0.675838

0.06398

0.016673

0.439073

0.33332

0.960488

0.362544

0.21961

0.297737

جدول(3): ماتریس مقایسه زوجی معیار‌های مختلف (S)

پارامتر‌ها

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

بردار وزن

دسترسی

1

2

3

4

5

6

7

8

9

0.307009

تجاری

0.5

1

2

3

4

5

6

7

8

0.218239

صنعتی

0.33

0.5

1

2

3

4

5

6

7

0.154217

مسکونی

0.25

0.33

0.5

1

2

3

4

5

6

0.108821

مساحت

0.2

0.25

0.33

0.5

1

2

3

4

5

0.076406

آموزشی

0.17

0.2

0.25

0.33

0.5

1

2

3

4

0.053286

اداری

0.14

0.17

0.2

0.25

0.33

0.5

1

2

3

0.037091

مذهبی

0.13

0.14

0.17

0.2

0.25

0.33

0.5

1

2

0.025917

حمل و نقل

0.11

0.13

0.14

0.17

0.2

0.25

0.33

0.5

1

0.019015

نرخ ناسازگاری: 0252/0 (به علت کمتر بودن از 1/0 سازگاری ماتریس شاخص‌ها قابل قبول است)

 

جدول (4): ماتریس بی بعد وزین (ماتریس V)

نواحی

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

ناحیه 1

0.071823

0.07518

0.125499

0.050512

0.038675

0.004698

0.019952

0.010118

0.007907

ناحیه 2

0.039902

0.177907

0.036731

0.034255

0.030476

0.009546

0.027424

0.019202

0.007746

ناحیه 3

0.103744

0.09624

0.07938

0.065192

0.046715

0.009546

0.003074

0.012031

0.013338

ناحیه 4

0.183547

0.029464

0.019386

0.039801

0.024133

0.003953

0.005942

0.004841

0.005393

ناحیه 5

0.207488

0.013963

0.002571

0.04778

0.025468

0.05118

0.013447

0.005692

0.005661

 

جدول (5): مقادیر ایده‌آل مثبت و ایده‌آل منفی (بالاترین و پایین‌ترین عملکرد هر شاخص)

ایده آل

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

A+

0.2075

0.1779

0.1255

0.0652

0.0467

0.0512

0.0274

0.0192

0.0133

A-

0.0399

0.0140

0.0026

0.0343

0.0241

0.0040

0.0031

0.0048

0.0054

 

 

جدول (6): فاصله گزینه iام با ایده‌آل‌ها با استفاده از روش اقلیدسی

5

4

3

2

1

مناطق

فاصله

0432/0

0380/0

0219/0

0390/0

316/0

Di+

0306/0

0212/0

0184/0

0289/0

0207/0

Di-

 

جدول (7): فاصله نسبی گزینه i (Ai) به راه‌حل ایده‌آل

C5

C4

C3

C2

C1

Cli

45/0

42/0

47/0

46/0

44/0

مقدار

 

جدول (8): امتیاز و رتبه بندی پهنه‌ها

5

4

3

2

1

منطقه

45/0

42/0

47/0

46/0

44/0

امتیاز

سوم

پنجم

اول

دوم

چهارم

رتبه

 

- ماتریس‌های حل مسأله در روش تخصیص خطی:

 

جدول(9): ماتریس تصمیم

مناطق

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

1

9

15889

6150

438418

1221221

23610

31800

3296

290000

2

5

37600

1800

297315

962319

47976

43708

6255

284116

3

13

20340

3890

565835

1475081

47974

4900

3919

489218

4

23

6227

950

345449

762035

19865

9470

1577

197811

5

26

2951

126

414707

804172

257214

21432

1854

207650

 

جدول (10): ماتریس رتبه بندی گزینه‌ها بر اساس شاخص‌ها

رتبه

دسترسی

تجاری

صنعتی

مسکونی

مساحت

آموزشی

اداری

مذهبی

حمل و نقل

اول

5

2

1

3

3

5

2

2

3

دوم

4

3

3

1

1

2

1

3

1

سوم

3

1

2

5

2

3

5

1

2

چهارم

1

4

4

4

5

1

4

5

5

پنجم

2

5

5

2

4

4

3

4

4

جدول (11): ماتریس تعداد دفعات کسب رتبه در گزینه‌ها

مناطق

اولین رتبه

دومین رتبه

سومین رتبه

چهارمین رتبه

پنجمین رتبه

1

1

4

2

2

0

2

3

1

3

0

2

3

3

3

2

0

1

4

0

1

0

4

4

5

2

0

2

3

2

 

جدول (12): ماتریس وزن تعداد دفعات رتبه گزینی گزینه‌ها

مناطق

اولین رتبه

دومین رتبه

سومین رتبه

چهارمین رتبه

پنجمین رتبه

1

0.1542

0.2413

0.2441

0.3603

0

2

0.2812

0.0533

0.2496

0

0.4158

3

0.2042

0.3983

0.3603

0

0.0371

4

0

0.307

0

0.5183

0.1746

5

0.3603

0

0.1459

0.1213

0.3724

 

جدول (13): جدول امتیاز دهی گزینه‌ها

 

وزن‌ها

 نواحی

0

1

0

0

0

1

0

0

0

1

0

2

0

0

0

0

1

3

1

0

0

0

0

4

0

0

1

0

0

5

 

جدول (14): رتبه بندی گزینه‌ها

5

4

3

2

1

مناطق

سوم

پنجم

اول

دوم

چهارم

رتبه‌ها

 


بحث و نتیجه گیری

 مدل‌های تصمیم گیری نیز، به طور کلی به دو دسته چند هدفه و چند شاخصه تقسیم می شوند. مدل‌های تصمیم گیری چند هدفه، غالباً به منظور طراحی و مدل‌های چند شاخصه به منظور ارزیابی گزینه‌ها و انتخاب گزینه‌های برتر مورد استفاده قرار می گیرد (توکلی و علی احمدی، 1384: 4). به منظور دست یابی به نتایج بهتر، بهره گیری از روش‌های مناسبی که توانایی ترکیب شاخص‌های متعدد را داشته باشد تا مکانیابی مناسبی جهت استقرار واحدهای صنعتی، آموزشی و. .. صورت پذیرد، ضروری به نظر می رسد. در دهه‌های اخیر توجه محققین به مدل‌های تصمیم گیری چند معیاره برای تصمیم گیری‌های پیچیده، معطوف شده است. در این تصمیم گیری‌ها به جای استفاده از یک معیار سنجش، از چندین معیار استفاده می شود (طاهرخانی، 1386: 62). روش تصمیم گیری با اهداف چندگانه در مواقعی کاربرد دارد که برای یک مسأله بهینه سازی تعداد اهداف متفاوت (و در بعضی مواقع متناقض) وجود دارد. یعنی هدف طراحی بهترین گزینه است. از بین روش‌های متعددی که در حوزه تصمیم گیری با شاخص‌های چندگانه وجود دارد، روش رتبه بندی بر اساس تشابه به پاسخ ایده آل، به دلیل مزیت‌هایی که نسبت به روش‌های دیگر داراست، حائز اهمیت فراوان می باشد (ملک زاده، 1387: 138). باید در نظر داشت که هر مدل کاربرد و کارکرد جداگانه ای دارد و بسته به این که هدف چه باشد، نتیجه ای جداگانه به دست می آید. این پژوهش قصد دارد با استفاده از دو روش TOPSIS و تخصیص خطی به رتبه بندی نواحی شهری شهر ماکو پرداخته و نتایج آن را با یکدیگر مقایسه کند. این دو مدل از روش‌های تصمیم گیری چند معیاره بوده و در مدل‌های جبرانی قرار می‌گیرند و روشTOPSIS در زیر گروه سازشی و روش تخصیص خطی در زیر گروه هماهنگ قرار دارد. یافته‌ها و نتایج تحقیق نشان می دهد که در بین 5 ناحیه فوق الذکر ناحیه 3 با (47/0) امتیاز در رتبه اول و ناحیه 4 با (42/0) در رتبه آخر قرار گرفته است و نواحی (2،5،1) به ترتیب با (46/0، 45/0، 44/0) در رتبه‌های بعدی جای گرفته اند. نتایج حاصل از روش تخصیص خطی نشان می‌دهد که در 5 ناحیه شهری ناحیه 3 در رتبه اول و ناحیه 4 در رتبه آخر قرار گرفته است و نواحی (2،5،1) به ترتیب در رده‌های بعدی جای گرفته است. باید گفت که نتایج حاصل از این دو روش کاملا شیبه یکدیگر می‌باشد با این تفاوت که در روش TOPSIS مناطق با امتیاز رتبه بندی شده است که در روش تخصیص خطی این امتیاز را ندارد.


[1] -Britton Harris

[2]- Induce ordered weighted Averaging

[3]-Limon and Martinez

[4]-Multi Attribute utility theory

[5]-Anand Raj and Kumar

[6]- Technique for order – preference by Similarity To ideal Solution

[7] - Linear- Assignment

[8] - Multi Criteria Decision Making

[9] - Multi Objective Decision Making

[10] - Multi attribute Decision Making

[11] - Olson ( 2003)

References

1- آسایش، حسین و علیرضا استعلاجی (1382). اصول و روشهای برنامه ریزی ناحیه‌ای (مدل‌ها، روش‌ها و فنون)، دانشگاه آزاد شهر ری، تهران.
2- تقی پور جاوی، علی (1384) مدلها و تکنیک‌های کاربردی در جغرافیا و برنامه ریزی روستایی، در دست چاپ.
3- توکلی، علیرضا و علیرضا علی احمدی (1379). مدل انتخاب و اولویت بندی روش‌های انتقال تکنولوژی، دانشگاه علم و صنعت، تهران.
4-     طاهرخانی، مهدی، (1386)، کاربرد تکنیک TOPSIS در اولویت بندی استقرار صنایع تبدیلی کشاورزی در مناطق روستایی، فصلنامه پژوهش‌های جغرافیایی، سال ششم، شماره سوم، ص59
5- حکمت نیا، حسن و میرنجف موسوی (1385). کاربرد مدل در جغرافیا با تأکید بر برنامه ریزی شهری و ناحیه ای، علم نوین، یزد.
6- دلیر، اسماعیل (1384). خلاصه مباحث کارشناسی ارشد جغرافیا، پردازش، تهران.
7- شکویی، حسین (1374). دیدگاه‌های نو در جغرافیای شهری، سمت، تهران.
8- شکویی، حسین (1379). جغرافیای کاربردی و مکتب‌های جغرافیایی، آستان قدس رضوی، مشهد.
9- طاهرخانی، مهدی (1386). کاربرد تکنیک TOPSIS در اولویت بندی مکانی استقرار صنایع تبدیلی کشاورزی در مناطق روستایی، پژوهش‌های اقتصادی، شماره 3، تهران.
10- ملک زاده، غلامرضا (1387). ارزیابی و رتبه‌بندی سطح فناوری شش شاخصة صنعتی منتخب استان خراسان با استفاده از روش TOPSIS، مجله دانش و توسعه، شماره 22، تهران.
11- مومنی، منصور و افشین جهانبازی،(1386)، طراحی مدل تصمیم گیری چند شاخصه انتخاب مدیران، دو ماهنامه علمی، پژوهشی دانشور رفتار، شماره 26، 16
12- طالشی،مصطفی، مصطفی امیر فخریان، کاربرد GIS در مکان گزینی کاربری‌های شهری،2007، دانشگاه تهران
13- شکوهی، علی، نقش GIS Fuzzy در مکان یابی بهترین کاربری‌های شهری، 2007، دانشگاه تهران
14- طبسی، سعیدیان، کیان احمد آذری، مکان یابی و مدیریت پارکینگ به کمک سامانه اطلاعات جغرافیایی، مجموعه مقالات کنفرانس برنامه‌ریزی و مدیریت شهر،822
15- سرور،رحیم، استفاده از روش AHP در مکان یابی جغرافیایی(مطالعه موردی مکان یابی جهت توسعه آتی شهر میآن دوآب)، پاییز 1383 پژوهش‌های جغرافیایی، شماره 49،
16- زبر دست، اسفندیار، عسل محمدی، مکان یابی مراکز امداد رسانی (در شرایط وقوع زلزله) با استفاده از GIS و روش ارزیابی چند معیاره AHP، 1383، نشریه هنر‌های زیبا،شماره21، بهار 1384
17- مهدی پور، فاطمه، محمد سعدی مسکری، الگویی برای مکان یابی بر اساس متد‌های تصمیم گیری چند معیاره در GIS، 1383
18- نوریان، فرشاد، علی شکوهی، مکان یابی کاربری اراضی شهری با استفاده از سیستم اطلاعات جغرافیایی فازی، 1383
19- عادلی، محسن، علی اکبر متکان، مکان یابی ایستگاه‌های آتش نشانی شهر گرگان با استفاده از سیستم اطلاعات جغرافیایی، 2007
20- پرهیز کار، اکبر، 1376، ارائه الگوی مناسب مکان گزینی مراکز خدمات شهری با تحقیق در مدل‌ها و GIS شهری، پایان نامه دکتری دانشکده ادبیات و علوم انسانی دانشگاه تربیت مدرس
21- پور اسکندری، عباس، 1380، سنجش توزیع فضایی سوانح آتش سوزی در شهر با استفاده از GIS، مطالعه موردی شهر کرج، دانشگاه تربیت مدرس، گروه جغرافیا و برنامه ریزی شهری
22- سعیدی خواه، عبدالصمد، بررسی تاسیسات و تجهیزات شهری (پست، مخابرات، آتش نشانی) و مکان یابی آنها در بافت قدیم و جدید شهر مشهد. (1383). تیرماه، پایان نامه کارشناسی ارشد جغرافیا و برنامه ریزی شهری، دانشگاه سیستان و بلوچستان
23- طرح جامع شهر ماکو. (1384). مطالعات طرح توسعه و عمران شهر ماکو.
 
24-           Mianabadi, H, Afshar,A,(2008).”multi attribute Decisiom Making to rank urban water supply Scheme” water and watershed journak ,v19,n66, pp 34 - 45
25-           Dey, P.K., Ramcharan, E.K., (2000), Analytic hierarchy process helps select site for limestone quarry expansion in Barbados. Journal of Environmental Management.
26-           Roy,B,The outranking Approach and the founbation of ELECTRE Methods,Theory and Decision ,31,1991,pp49-73
27-           Vami,”Proiect opportunity Study on Integrated use of the RazgahNepheline ores”, Iran by metallurgical processing into Alumina Cement, sodium Carbonate and potash, final report , Volume,general explanatory note,1992
28-           Saaty, T.L., “ Decision making for leader” RWS Publication , 315P, 2001
29-           TiLLe,M, Dumont, A.G., “Methods of Multicriteria Decision Analys Within the Road Project like an Element of the Sustainability “, 3 rd Swiss Transport ReserchConferense ,March 19-21,2003
30-           Limon,G.A,Martinez, Y, (2006), Multi0criteria modeling of irrigation water Marked at basin level:aspsnish Case Study, Eropiangeornal of operational of Reserch , V173,PP 313-336
31-           Ahmad, S.A,Tewfik,S.R,Talaa,H.A,(2002) Development and Verification if a Decision Support System For The Selection if optimum water reuae Scheme, Desalination ,V152,PP 339 -352
32-           Anand,Raj,P.A., Kumar, D.N. (1996),”Ranking of niver basin alternative using ELECTER, HidrologicalSciense, V41,PP326-335
33-           Despic, O, Simonovic, SP,(2006),”Aggration Operation For Soft Decicion Making In Water Resource” Fuzzy Sets and System ,V15,PP11-33
34-           Mianabadi,H,Afshar,A,(2007), “Fuzzy group Decision Making and its Application hn water Resource Planning and Managmant” Oral Presantation Iran Water Resource ManagmantConferense, January 12-13,Isfahan.Iran
35-           Http://www.dashmaku.ir-

Files

History

  • Receive Date: 14 June 2016
  • Revise Date: 25 May 2018
  • Accept Date: 14 June 2016

Share

How to cite

Statistics