ارزیابی چندمعیاره عدالت فضایی در توزیع خدمات شهری با رویکرد تلفیق نظریه دسترسی پذیری زمان فضا و الگوریتم های یادگیری ماشین

پژوهش حاضر با هدف ارزیابی چندمعیاره عدالت فضایی در توزیع خدمات شهری با رویکرد تلفیق نظریه دسترسی پذیری زمان-فضا و الگوریتم های یادگیری ماشین تدوین شده است. با وجود اهمیت بنیادین عدالت فضایی در برنامه ریزی شهری، رویکردهای سنتی عمدتا بر معیارهای صرفا مکانی متمرکز بوده و از ابعاد زمانی و فردی دسترسی غافل مانده اند. این پژوهش در صدد است تا با تلفیق چارچوب نظری دسترسی پذیری زمان-فضا (برگرفته از آرای هاگرستراند) و قابلیت های تحلیلی الگوریتم های یادگیری ماشین، مدلی جامع برای ارزیابی عدالت فضایی ارائه دهد که بتواند ضمن شناسایی دقیق نابرابری های فضایی، اولویت های مداخله را نیز تعیین نماید. این پژوهش از نظر هدف، کاربردی-توسعه ای و از نظر ماهیت و روش اجرا، در زمره پژوهش های تحلیلی-فضایی با رویکرد ترکیبی تحلیل چندمعیاره، مدل سازی دسترسی پذیری زمان-فضا و الگوریتم های یادگیری ماشین قرار دارد. گردآوری اطلاعات از طریق داده های مکانی، جمعیتی و زمانی در کلان شهرهای ایران (مشهد، تبریز، یاسوج و فامنین) انجام شده است. برای تحلیل داده ها از ترکیب روش های تحلیل فضایی در محیط GIS، مدل سازی دسترسی پذیری مبتنی بر نظریه زمان-فضا با در نظرگیری سه نوع محدودیت ظرفیت، جفت شدن و مرجعیت، الگوریتم های یادگیری ماشین (شامل خوشه بندی K-Means، طبقه بندی جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی) و روش های تصمیم گیری چندمعیاره (AHP، TOPSIS، SAW و VIKOR) استفاده شده است. یافته های پژوهش نشان می دهد که توزیع خدمات شهری در کلان شهرهای ایران با اصول عدالت فضایی همخوانی ندارد. در مشهد، توزیع خدمات با اصول عدالت فضایی همخوانی ندارد و نابرابری های قابل توجهی در دسترسی به خدمات میان مناطق مختلف شهر وجود دارد. در تبریز، منطقه ۲ در شرایط مطلوب کاملا برخوردار قرار دارد، در حالی که مناطق ۴ و ۱۰ از این شرایط برخوردار نیستند و حدود یک سوم جمعیت شهر را در خود جای داده اند. یاسوج، توزیع خوشه ای و متمرکز خدمات و در فامنین، تمرکز خدمات در بخش مرکزی و نابرابری در محلات پیرامونی، بیانگر الگوی غالب نابرابری های فضایی در شهرهای ایران است. تحلیل زمان-فضا نشان می دهد که رویکردهای صرفا مکانی، دسترسی را بیش از حد واقعی برآورد می کنند و گروه های خاصی نظیر زنان شاغل، سالمندان و افراد با درآمد پایین به طور معناداری از دسترسی کم تری برخوردارند. الگوریتم جنگل تصادفی با دقت ۸۹.۵ درصد، بهترین عملکرد را در طبقه بندی مناطق محروم دارد. سناریوی ترکیبی (احداث خدمات جدید + بهبود حمل ونقل عمومی + تغییر ساعات کاری) بیشترین تاثیر (تا ۴۵ درصد افزایش دسترسی) را بر کاهش نابرابری های فضایی دارد. نظام برنامه ریزی شهری ایران برای تحقق عدالت فضایی در توزیع خدمات شهری، نیازمند اتخاذ رویکردی گام به گام در پیاده سازی چارچوب ارزیابی چندمعیاره مبتنی بر تلفیق نظریه دسترسی پذیری زمان-فضا و الگوریتم های یادگیری ماشین است. چارچوب پنج مرحله ای پیشنهادی این پژوهش (شامل شناسایی شاخص های ترکیبی، یکپارچه سازی داده های کلان، تحلیل الگوهای فضایی-زمانی، ارزیابی و اولویت بندی سناریوها، و تدوین برنامه اجرایی) می تواند الگویی کارآمد برای کاهش نابرابری های فضایی و تحقق عدالت در توزیع خدمات شهری در کلان شهرهای ایران فراهم آورد.