نقشه خوانی پویای خطر آتش سوزی در بافت های فرسوده و تاریخی اراک با تلفیق تحلیل های GIS، الگوریتم های یادگیری ماشین و شاخص های اجتماعی-کالبدی

بافت های فرسوده و تاریخی شهرهای ایران از جمله اراک به دلیل تراکم بالای جمعیت، پهنای ناکافی معابر، سیم کشی قدیمی و مصالح ساختمانی نامناسب، مستعد حوادث آتش سوزی هستند. با این حال، سیستم های سنتی پایش خطر، عمدتا بر معیارهای فنی-کالبدی متمرکز بوده و ابعاد اجتماعی (مانند سواد ایمنی، ساختار خانوار، ناتوانی در تخلیه) را نادیده می گیرند. این پژوهش با هدف طراحی یک مدل پیش بینی چندلایه برای نقشه خوانی پویای خطر آتش سوزی در محلات فرسوده اراک انجام شده است. روش پژوهش ترکیبی و کاربردی است و از داده های کالبدی (GIS)، اجتماعی (پیمایش ۳۸۰ خانوار)، و فناوری های هوش مصنوعی (Random Forest و XGBoost) استفاده می کند. یافته ها نشان می دهد که مدل ترکیبی پیشنهادی با در نظر گرفتن ۱۲ شاخص کالبدی (مانند پهنای معبر، نوع سقف، فاصله تا ایستگاه آتش نشانی) و ۸ شاخص اجتماعی (مانند سواد ایمنی، حضور سالمندان، مالکیت مسکن) می تواند خطر آتش سوزی را با دقت ۸۹.۳% و AUC برابر با ۰.۹۲ پیش بینی کند. همچنین، نقشه خطر تولیدشده به صورت پویا، قابلیت به روزرسانی بلادرنگ با تغییر شرایط (مانند فصل سرما یا رشد جمعیت) را دارد. این مدل نه تنها برای اولویت بندی مداخلات ایمنی (مانند نصب سیستم های اعلام حریق یا ایجاد ایستگاه های موقت) کاربرد دارد، بلکه چارچوبی برای برنامه ریزی بازسازی هوشمند بافت های فرسوده ارائه می دهد.

کلیدواژه ها:

خطر آتش سوزی ، بافت فرسوده ، GIS ، یادگیری ماشین ، شاخص های اجتماعی-کالبدی ، شهر اراک ، نقشه خطر پویا ، Random Forest