کاربرد فناوری اطلاعات مکانی برای اولویت بندی قطعات زمین مستعد نوسازی و توسعه بر پایه حمل و نقل عمومی

شبکه های حمل و نقل نقش مهمی در رشد شهری ایفا می کنند؛ با این حال بسیاری از شهرها با مشکلاتی مانند توسعه نامنظم و وجود ساختمان های فرسوده روبه رو هستند. پیشرفت های اخیر در سامانه های اطلاعات جغرافیایی (GIS)، تحلیل چندمعیاره (MCDA)، و یادگیری ماشین این امکان را برای برنامه ریزان فراهم کرده است تا قطعات زمین را بر اساس پتانسیل نوسازی و دستیابی به حمل و نقل عمومی به روشی دقیق شناسایی کنند. این مقاله مروری بیش از ۵۰ پژوهش را بررسی می کند که در حوزه های مختلفی از روش های یادگیری ماشین و تحلیل تناسب مکانی گرفته تا چارچوب های تصمیم گیری چندمعیاره نظیر فرآیند تحلیل سلسله مراتبی (AHP) ارائه شده اند. نقطه اشتراک این مطالعات استفاده از داده های مکانی اطلاعات ثبتی (کاداستر)، تصاویر سنجش از دور، داده های خطوط حمل و نقل (GTFS)، شاخص های جمعیتی و اقتصادی برای کشف روابط چندوجهی بین ویژگی های زمین، بافت کالبدی و الگوهای استفاده از حمل و نقل عمومی است. یافته ها نشان می دهد معیارهای مرتبط با دسترسی (همچون فاصله تا ایستگاه های حمل و نقل، قابلیت پیاده روی و ابعاد گانه محیط ساخته) در تعیین اولویت های نوسازی نقش اساسی دارند. همچنین عدم قطعیت ها و شکاف های دانشی مانند موضوع عدالت اجتماعی و ادغام داده های بلادرنگ به چشم می خورد. این مقاله با ارزیابی روش های موجود در شناسایی کاراترین قطعات برای بازآفرینی شهری و با تاکید بر نقش حمل و نقل عمومی در تقویت توسعه پایدار، راهکارهایی برای مدیریت شهری، برنامه ریزان و سرمایه گذاران ملکی ارائه می کند. در انتها، مسیرهای پژوهشی آینده شامل بهره گیری گسترده تر از هوش مصنوعی، مشارکت مردمی در تصمیم گیری های GIS و مدل سازی سناریوهای پیشرفته برای بهینه سازی تصمیم گیری ها پیشنهاد می شود.

کلیدواژه ها:

فناوری اطلاعات مکانی ، GIS ، تحلیل تصمیم گیری چند معیاره ، اولویت بندی ، زمین توسعه مبتنی بر حمل و نقل عمومی ، نوسازی شهری