سامانه اطلاعات مکانی
علی اصغر آل شیخ؛ کیمیا خیرخواه؛ فاطمه رضایی؛ علی جعفری؛ مهدی پناهی
چکیده
پیشینه و اهداف: استانهای شمالی ایران (گلستان، مازندران و گیلان) در امتداد دریای خزر قرار گرفتهاند و ترکیب آبوهوای مرطوب، توپوگرافی شیبدار البرز، برداشت بیرویه آب زیرزمینی برای کشاورزی و تغییر سریع کاربری اراضی موجب میشود این منطقه بهطور همزمان در معرض سیل، زمینلغزش و فرونشست زمین قرار گیرد. با وجود این همزمانی، بیشتر ...
بیشتر
پیشینه و اهداف: استانهای شمالی ایران (گلستان، مازندران و گیلان) در امتداد دریای خزر قرار گرفتهاند و ترکیب آبوهوای مرطوب، توپوگرافی شیبدار البرز، برداشت بیرویه آب زیرزمینی برای کشاورزی و تغییر سریع کاربری اراضی موجب میشود این منطقه بهطور همزمان در معرض سیل، زمینلغزش و فرونشست زمین قرار گیرد. با وجود این همزمانی، بیشتر مطالعات پیشین هر یک از مخاطرات را بهصورت مجزا بررسی کردهاند و بینش محدودی درباره مکانهای همپوشانی فضایی این تهدیدها و چگونگی مدیریت مشترک آنها در مقیاس منطقهای ارائه کردهاند. مدلهای حساسیت موجود اغلب بر الگوریتمهای یادگیری ماشین منفرد و بدون تنظیم سیستماتیک فراپارامترها متکی هستند و خروجیهای آنها بهعنوان جعبهسیاه در نظر گرفته میشود، که این موضوع کاربرد آنها را در تصمیمگیری مبتنی بر شواهد محدود کرده و اعتماد ذینفعان را تضعیف میکند. هدف این پژوهش، توسعه یک چارچوب بهینهسازیشده و تفسیرپذیر برای تهیه نقشههای حساسیت توأمان هر سه مخاطره در این منطقه و پشتیبانی از برنامهریزی یکپارچه ریسک و سیاستگذاری آگاهانه کاربری اراضی است.روشها: یک مدل ترکیبی شامل رگرسیون بردار پشتیبان به همراه الگوریتم بهینهسازی گرگ خاکستری با جهش دومرحلهای (SVR-TMGWO) بهصورت جداگانه برای هر مخاطره ساخته شد. اطلاعات رخدادهای سیل و زمینلغزش طی یک دوره بیستساله (۲۰۰۰ تا ۲۰۲۰) از سازمان زمینشناسی و اکتشافات معدنی ایران و سازمان منابع طبیعی و آبخیزداری کشور گردآوری شد، و موقعیت نقاط فرونشست از تحلیلهای تداخلسنجی راداری Sentinel-1 استخراج گردید. نقاط عدم رخداد بهصورت رندوم در خارج از بافر ۲۰۰۰ متری اطراف رخدادهای ثبتشده و با نسبت ۱:۱ تولید شدند تا توازن دستهای حفظ شود، و سپس دادهها در درون خوشههای K-means (که مقدار بهینه K از طریق تحلیلهای Gap و Silhouette تعیین شد) به نسبت ۷۰٪ آموزش و ۳۰٪ آزمون تقسیم گردیدند تا توزیع دادهها در فضای ویژگی بین دو زیرمجموعه متوازن باقی بماند. هجده عامل مؤثر شامل متغیرهای توپوگرافی، هیدرولوژیکی، محیطی، انسانساخت و ویژگیهای فیزیکی خاک برای هر پیکسل آمادهسازی شد. الگوریتم TMGWO سه فراپارامتر مدل SVR ( یعنی C، ε و γ) را بهصورت همزمان برای هر مخاطره تنظیم کرد و پیکربندیهای متمایزی متناسب با فیزیک هر فرآیند بهدست داد. دقت مدل با استفاده از شاخصهای AUC-ROC، RMSE، R² و R² تعدیلشده روی دادههای آزمون مستقل ارزیابی شد. بهمنظور غلبه بر محدودیت جعبهسیاه بودن یادگیری ماشین، مقادیر شپلی (SHAP) در دو سطح جهانی و محلی محاسبه شد تا سهم هر عامل مؤثر در پیشبینی، هم در سطح منطقهای و هم در موقعیتهای منفرد، آشکار گردد. در پایان، سه نقشه حساسیت تکمخاطرهای در قالب یک نقشه چندمخاطرهای هشتطبقهای تلفیق شدند که پهنههای با همپوشانی یگانه، دوگانه و سهگانه را مشخص میکند.یافتهها: الگوریتم TMGWO بهطور پیوسته مقدار AUC-ROC را در مرحله آزمون نسبت به مدل پایه SVR بهبود بخشید و به ۸۴۰۴/۰ برای سیل، ۹۳۲۹/۰ برای زمینلغزش و ۹۶۴۲/۰ برای فرونشست رسید، و در عین حال فاصله میان مرحله آموزش و آزمون را کاهش داد که نشاندهنده کنترل بیشبرازش در مقایسه با مدل پایه بهینهنشده است. تحلیل SHAP ارتفاع را بهعنوان عامل غالب در هر سه مخاطره شناسایی کرد، اما عوامل ثانویه متفاوتی برای هر فرآیند آشکار ساخت. نقشه چندمخاطرهای نشان داد که پهنههای با همپوشانی سهگانه از نظر فضایی محدود و در نواحی انتقالی میان کوهستان و دشت متمرکز هستند.نتیجهگیری: چارچوب پیشنهادی SVR-TMGWO در ترکیب با تفسیرپذیری مبتنی بر SHAP، نقشههای حساسیت فضایی صریح و از نظر فیزیکی معنادار را برای سه مخاطره همزمان در شمال ایران تولید کرد. نقشه چندمخاطرهای هشتطبقهای حاصل، مناطق اولویتدار را برای برنامهریزی یکپارچه کاربری اراضی، حفاظت از زیرساختها و اولویتبندی هشدار اولیه مشخص میکند، در حالی که خروجیهای SHAP استدلال مدل را برای ذینفعان غیرمتخصص شفاف میسازد. در پژوهشهای آتی، گنجاندن پویاییهای زمانی از طریق تحلیلهای چندزمانه InSAR و سناریوهای اقلیمی، مقایسه با گزینههای یادگیری عمیق مانند شبکههای عصبی پیچشی، و گسترش چارچوب به ارزیابی کامل ریسک از طریق در نظر گرفتن مؤلفههای در معرضقرارگرفتگی و آسیبپذیری توصیه میشود.
سامانه اطلاعات مکانی
علی اصغر آل شیخ؛ امیر پروینی
چکیده
اهداف: مدیریت بهینه زنجیره تأمین بشردوستانه و توزیع اقلام امدادی پس از بلایای طبیعی از چالشهای مهم در حوزه مدیریت بحران است. باوجود اهمیت تخصیص بهینه مراکز توزیع محلی در شرایط پس از بحران، ازجمله زلزله، بسیاری از ابزارهای تصمیمگیری موجود فاقد قابلیتهای مکانی، انعطافپذیری در سناریوسازی و سهولت دسترسی هستند. این مقاله باهدف ...
بیشتر
اهداف: مدیریت بهینه زنجیره تأمین بشردوستانه و توزیع اقلام امدادی پس از بلایای طبیعی از چالشهای مهم در حوزه مدیریت بحران است. باوجود اهمیت تخصیص بهینه مراکز توزیع محلی در شرایط پس از بحران، ازجمله زلزله، بسیاری از ابزارهای تصمیمگیری موجود فاقد قابلیتهای مکانی، انعطافپذیری در سناریوسازی و سهولت دسترسی هستند. این مقاله باهدف پر کردن خلأ موجود در مطالعات پیشین، سامانهای مبتنی بر وب طراحی کرده است که با بهرهگیری از قابلیتهای سیستم اطلاعات مکانی (GIS) و الگوریتمهای فرا ابتکاری، امکان تخصیص بهینه مراکز توزیع و مدیریت اقلام امدادی را فراهم میآورد.روش: در این مطالعه، یک سامانه هوشمند پشتیبانی تصمیمگیری مکانی مبتنی بر وب توسعه دادهشده است که به تصمیمگیرندگان کمک میکند تا مراکز توزیع کمکهای امدادی را بهصورت کارآمدتری در سناریوهای مختلف پس از بحران تخصیص دهند. این سامانه از سه بخش اصلی شامل پایگاه داده، موتور تصمیمگیری و رابط کاربری تحت وب تشکیلشده و امکان اجرای کامل آن در مرورگر، بدون نیاز به نصب نرمافزار اضافی، فراهمشده است. همچنین از ترکیب الگوریتمهای ژنتیک و جستجوی ممنوعه برای بهینهسازی تخصیص منابع و توزیع اقلام امدادی در این سامانه استفادهشده است. در این سامانه کاربران میتوانند دادههای ورودی را ویرایش کرده، سناریوهای مختلف را تعریف کرده و نتایج را بهصورت بصری بر روی نقشه مشاهده کنند. در این سامانه، عدم قطعیتهای رایج پس از وقوع بلایای طبیعی، ازجمله نرخهای متفاوت جمعیت آسیبدیده و همچنین پنج دوره زمانی برنامهریزی مختلف در بازه ۸ تا ۷۲ ساعت (۸، ۱۶، ۲۴، ۴۸ و ۷۲ ساعت) در نظر گرفتهشدهاند. انعطافپذیری بالای سامانه در تعریف و تحلیل سناریوهای متنوع، آن را به ابزاری مؤثر برای بهبود تصمیمگیری در برنامهریزی عملیات توزیع کمکهای امدادی تبدیل میکند.یافتهها: نتایج نشان میدهد که الگوریتم ترکیبی پیشنهادی توانسته است تخصیص بهینه مراکز توزیع اقلام را بهبود بخشد و میزان تقاضای برآورده نشده را کاهش دهد. هرچند، بسته به تعداد تکرار الگوریتم در سناریوهای مختلف و تغییر پارامترهای ورودی، نتایج گاهی ناپایدارند که میتوانند در مطالعات آتی موردبررسی و تحلیل دقیقتری قرار گیرند.نتیجهگیری: این مطالعه سامانهای جامع و مبتنی بر وب برای پشتیبانی تصمیمگیری در مدیریت بهینه توزیع اقلام امدادی ارائه داده است که میتواند کارایی عملیات بحران را بهطور قابلتوجهی افزایش دهد. استفاده ترکیبی از الگوریتمهای فرا ابتکاری و دادههای مکانی در این سامانه، امکان پاسخگویی سریع و تصمیمگیری دقیق را فراهم میسازد. توسعه و بهبودهای آتی این سامانه میتواند شامل پشتیبانی از انواع مختلف اقلام و شرایط بحرانی متنوع باشد تا نقش مؤثرتری در کاهش خسارات انسانی و مالی ایفا کند.
سنجش از دور
علی سبزعلی یمقانی؛ علی اصغر آل شیخ
چکیده
پیشینه و اهداف: پیشبینی دقیق میزان محصول کشاورزی یکی از ابزارهای اساسی برای مدیریت منابع کشاورزی، بهبود امنیت غذایی و افزایش بهرهوری تجارت بینالمللی محصولات است. با توجه به محدودیتهای روشهای سنتی در پیشبینی دقیق و سریع، تصاویر سنجش از دور ماهوارهای به دلیل توانایی پوشش مناطق وسیع و ارائه دادههای دقیق، بهطور گستردهای ...
بیشتر
پیشینه و اهداف: پیشبینی دقیق میزان محصول کشاورزی یکی از ابزارهای اساسی برای مدیریت منابع کشاورزی، بهبود امنیت غذایی و افزایش بهرهوری تجارت بینالمللی محصولات است. با توجه به محدودیتهای روشهای سنتی در پیشبینی دقیق و سریع، تصاویر سنجش از دور ماهوارهای به دلیل توانایی پوشش مناطق وسیع و ارائه دادههای دقیق، بهطور گستردهای جایگزین شدهاند. در این میان، پیشرفتهای یادگیری ماشین و یادگیری گروهی نقش مهمی در شناسایی روابط پیچیده میان متغیرهای محیطی و بازده محصولات ایفا کردهاند. مدلهای نوین یادگیری گروهی، توانستهاند دقت پیشبینیها را بهطور قابل توجهی افزایش دهند و اطلاعات ارزشمندی برای کشاورزان و سیاستگذاران فراهم کنند. این پژوهش با هدف توسعه مدلی نوآورانه مبتنی بر ترکیب مدل XGBoost و الگوریتم بهینهسازی پلیکان (POA) بهمنظور پیشبینی دقیقتر میزان محصول ذرت در غرب میانه ایالات متحده انجام شده است. رویکرد پیشنهادی با بررسی تأثیر بازههای مختلف فنولوژی گیاه و انتخاب بازه بهینه (ژوئیه تا اوت)، امکان پیشبینی دقیق محصول را پیش از برداشت فراهم میکند. این مدل میتواند تصمیمگیریهای مؤثری در زمینه مدیریت منابع، کاهش خسارات ناشی از نوسانات اقلیمی، و ارتقای سیاستهای کشاورزی ارائه دهد.روش و مواد: این پژوهش با هدف پیشبینی میزان محصول ذرت در پنج ایالت غرب میانه کشور آمریکا (ایلینوی، آیووا، مینهسوتا، داکوتای شمالی و داکوتای جنوبی) که از مناطق اصلی تولید ذرت هستند، انجام شده است. دادههای استفادهشده شامل اطلاعات سنجش از دور (مانند شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، شاخص پوشش گیاهی بهبود یافته (EVI)، شاخص سطح برگ (LAI)، شاخص جزء جذبشده تابش فتوسنتز فعال (FPAR)، تولید اولیه ناخالص (GPP)، و تبخیر و تعرق (ET))، دادههای آبوهوایی (نظیر دما و بارش)، دادههای زمینهای زراعی، و بازده محصول، طی بازه زمانی 2011 تا 2020 و فصل رشد (اواسط اردیبهشت تا اواسط مهر) جمعآوری شدهاند. مدلسازی با استفاده از الگوریتم یادگیری گروهی XGBoost انجام شد و تنظیم پارامترهای آن با استفاده از الگوریتم بهینهسازی پلیکان (POA) برای بهبود دقت صورت گرفت. دادهها ابتدا با شاخص VFI فیلتر شده و از 9 سال بهعنوان داده آموزشی و یک سال بهعنوان داده آزمون استفاده شد. عملکرد مدل با شاخصهایی نظیر MAPE، MBE، MAE، RMSE و ضریب همبستگی ارزیابی شد.یافتهها: نتایج ارزیابی مدل POA-XGBoost نشان داد که این روش عملکردی برجسته در پیشبینی میزان محصول ذرت دارد. در بازه زمانی 2011 تا 2020، روند اعتبارسنجی پیشبینی میزان محصول ذرت نشاندهنده تغییرات در دقت پیشبینیها و بایاس بود. در سالهای ابتدایی (2011 تا 2014)، مقادیر خطاها کاهش و دقت پیشبینیها بهبود یافت؛ بهطوریکه در سال 2014 مقدار MAPE به 26/6% و ضریب همبستگی به 9372/0 رسید. در سالهای میانی (2015 تا 2018)، افزایش خطاها و بایاس مثبت به همراه کاهش دقت پیشبینیها مشاهده شد، بهویژه در سال 2018 که مقدار MBE به 8039/0 و ضریب همبستگی به 8083/0 کاهش یافت. در سالهای پایانی (2019 و 2020)، بهبود قابلتوجهی در دقت پیشبینیها مشاهده شد؛ بهطوریکه در سال 2020 مقدار MAPE به 57/6% و ضریب همبستگی به 9237/0 رسید.نتیجهگیری: مدل بهینه POA-XGBoost توانایی بالایی در پیشبینی بازده محصول ذرت در شرایط مختلف آبوهوایی نشان داده است و میتواند در آینده برای پیشبینی سایر محصولات کشاورزی نیز گسترش یابد. استفاده از تکنیکهای پیشرفته یادگیری گروهی و دادههای متنوع مانند تصاویر ماهوارهای و دادههای هواشناسی، راهحلهای مؤثری برای بهبود پیشبینی بازده محصولات ارائه میدهد. این پژوهش بر ضرورت توسعه مدلهای ترکیبی جدید تأکید دارد که میتوانند به کشاورزان و مدیران در مدیریت منابع، افزایش بهرهوری، و کاهش ریسک کمک کنند.
سامانه اطلاعات مکانی
عارف ضمیری؛ علی اصغر آل شیخ؛ بهنام عطازاده؛ جلیل جعفری
چکیده
پیشینه و اهداف: مدیریت زمین نقشی اساسی در توسعه پایدار، برنامهریزی شهری و تضمین حقوق مالکیتی ایفا میکند. در ایران، سیستمهای مدیریت زمین و کاداستر با چالشهایی مانند پراکندگی داده، تنوع نهادهای متولی و عدم استاندارد روبرو هستند. مدل دامنه مدیریت زمین (LADM) بهعنوان یک استاندارد بینالمللی (ISO 19152) چارچوبی یکپارچه برای مدلسازی ...
بیشتر
پیشینه و اهداف: مدیریت زمین نقشی اساسی در توسعه پایدار، برنامهریزی شهری و تضمین حقوق مالکیتی ایفا میکند. در ایران، سیستمهای مدیریت زمین و کاداستر با چالشهایی مانند پراکندگی داده، تنوع نهادهای متولی و عدم استاندارد روبرو هستند. مدل دامنه مدیریت زمین (LADM) بهعنوان یک استاندارد بینالمللی (ISO 19152) چارچوبی یکپارچه برای مدلسازی اطلاعات حقوقی، مکانی و مدیریت زمین ارائه میدهد. با توجه به ویژگیهای خاص نظام ثبتی و قوانین حاکم بر مدیریت زمین در ایران، ضرورت دارد که این مدل مطابق با نیازهای ملی بومی سازی گردد. مدل LADM امکان توسعه پروفایلهای ملی متناسب با ساختارهای قانونی و حقوقی هر کشور را فراهم میکند. این مدل دامنه تاکنون در بیش از ۴۰ کشور جهان از جمله هلند، مالزی، لهستان، برزیل، مراکش، استرالیا و کره جنوبی بهکار گرفته شده است. این کشورهای پیشرو با بهرهگیری از انعطافپذیری این استاندارد، موفق به طراحی سیستمهای نوین ثبت و کاداستر سهبعدی در کنار کاهش هزینهها و تسریع فرآیندهای ثبتی شدهاند. هدف این پژوهش، توسعه یک پروفایل کشوری LADM برای ایران میباشد که با در نظر گرفتن ساختارهای قانونی، سازمانی و فنی کشور، مدل مفهومی جامعی را برای مدیریت زمین ارائه کند.روشها: این پژوهش با تحلیل مقایسهای تجارب کشورهای پیشرو آغاز شد و پس از بررسی جامع ساختار ثبتی کشور ایران، فرآیند توسعه پروفایل کشوری در سه مرحله اصلی انجام یافت. ابتدا با تعریف دامنه، شناسایی ذینفعان و الزامات قانونی و فنی انجام گشت و در مرحله بعد طراحی پروفایل شامل نگاشت کلاسهای LADM به عناصر کاداستر ایران، ایجاد کلاسها و ویژگیهای جدید متناسب با نیازهای داخلی، توسعه کد لیستها و طراحی مدل UML صورت گرفت و در نهایت ارزیابی مدل با استفاده از آزمونهای انطباق استاندارد ISO 19152و نظرسنجی از متخصصان انجام شد. ابزار گردآوری داده شامل تحلیل مستندات ثبتی، مصاحبه با کارشناسان و بررسی مدلهای خارجی بود. تحلیلها با استفاده از سنجش انطباق در سه سطح (پایه، متوسط، پیشرفته) انجام شد.یافتهها: نتایج تحلیلها نشان داد که پروفایل پیشنهادی برای کشور ایران موفق به انطباق کامل با سطح دوم استاندارد LADM (سطح متوسط) گردیده است و برخی اجزای سطح سوم (سطح پیشرفته) نیز پیادهسازی شدهاند. نگاشت موفق بین کلاسها، افزودن کلاسهای خاص و ویژگیهای جدید به همراه باز تعریف کد لیست های موجود از دستاوردهای کلیدی این مدل هستند. در کنار نتایج فنی بهدست آمده، نظرسنجیهای انجامشده از کارشناسان نیز بیانگر پذیرش و اثربخشی بالای مدل پیشنهادی در بهبود فرآیندهای ثبت زمین، کاهش تداخل مالکیتی و ارتقای بهرهوری سیستم ثبت کشور بوده است.نتیجهگیری: پروفایل کشوری LADM، گامی اساسی برای استانداردسازی و ارتقا نظام ثبت اسناد و املاک کشور است. این مدل با فراهمسازی زمینه پیادهسازی کاداستر سهبعدی و تلفیق با مدل اطلاعات ساختمان میتواند ابزار قدرتمندی در مدیریت کاداستر باشد. تجربیات کشورهای دیگر نیز تایید میکنند که استفاده از LADM موجب افزایش شفافیت، کاهش هزینههای ثبت، بهبود کیفیت اجرای کاداستر و هماهنگی بیشتر بین نهادهای اجرایی میشود. با این حال، برای دستیابی به انطباق کامل با استاندارد و بهرهبرداری عملیاتی بیشتر از این مدل، انجام اصلاحات فنی، بهینهسازی زیرساختها و تداوم همکاری بین نهادهای مرتبط ضروری است. این تحقیق پیشنهاد میدهد که مدل توسعهیافته در محیطهای واقعی پیادهسازی شده و عملکرد آن تحت شرایط اجرایی کاداستر در ایران مورد ارزیابی قرار گیرد. همچنین پژوهشهای آتی میتوانند به بررسی تلفیق مدل با دیگر سامانههای اطلاعاتی و توسعه بیشتر پروفایل کشوری بپردازند.
سامانه اطلاعات مکانی
مهدیس رحمتی؛ حسین آقامحمدی زنجیراباد؛ سعید بهزادی؛ علی اصغر آل شیخ
چکیده
پیشینه و اهداف: تصادفات یکی از حوادث تهدید کننده زندگی در جهان است که موجب خسارات جانی و مالی میشود. برای کاهش تعداد تصادفات رانندگی میبایست تعیین نمود که تصادفات مکرر کجا و در چه زمانی رخ میدهند. اغلب تصادفات با الگوهای مکانی و زمانی خاصی اتفاق میافتند و ممکن است خوشههایی را تشکیل دهند که همان محل تمرکز تصادفات در فضای ...
بیشتر
پیشینه و اهداف: تصادفات یکی از حوادث تهدید کننده زندگی در جهان است که موجب خسارات جانی و مالی میشود. برای کاهش تعداد تصادفات رانندگی میبایست تعیین نمود که تصادفات مکرر کجا و در چه زمانی رخ میدهند. اغلب تصادفات با الگوهای مکانی و زمانی خاصی اتفاق میافتند و ممکن است خوشههایی را تشکیل دهند که همان محل تمرکز تصادفات در فضای جغرافیایی میباشد. بنابراین، بررسی تصادفات رانندگی در ابعاد مکانی و یا زمانی ضروری است تا بهترین و پایدارترین راهحلها برای این مسائل در نظر گرفته شود. استان اصفهان از جمله استانهای کشور با نرخ بالای تصادفات در حوزه برون شهری است. تحقیقات پیشین صورت گرفته در سطح استان اصفهان بیشتر بر پایه روشهای آماری بوده و به جنبههای مکانی و زمانی تصادفات توجهی نشده است.هدف از انجام این تحقیق پر کردن خلا موجود در تحقیقات گذشته در راستای تعیین الگوهای مکانی و زمانی تصادفات ترافیکی برون شهری استان اصفهان و بهتصویر کشیدن آن با استفاده از روشهای آمار مکانی در محیط GIS است. نوآوری این تحقیق در استفاده از روشهای آمار مکانی برای شناسایی و تحلیل الگوهای مکانی-زمانی تصادفات برون شهری استان اصفهان در سطوح مختلف زمانی و شدت میباشد.روشها: در این مطالعه الگوی مکانی- زمانی تصادفات ترافیکی در استان اصفهان در سالهای 1396و 1397 با استفاده از دادههای تصادفات ترافیکی برون شهری بررسی شده است. پس از جمعآوری دادههای مربوطه و انجام پیشپردازشهای لازم و آمادهسازی دادهها، الگوی مکانی و زمانی تصادفات ترافیکی رخ داده در شبکه راههای اصلی، بزرگراهها و آزادراههای منطقه مورد مطالعه با استفاده از روشهای آمار مکانی مانند آزمون میانگین نزدیکترین همسایه، خودهمبستگی مکانی موران I جهانی و تحلیل نقاط داغ بهینه شده (تکنیک گتیس- ارد Gi*) در سطوح مختلف در محیطGIS بررسی و شناسایی شدند.یافتهها: باتوجه به اینکه هدف از این تحقیق تعیین الگوهای مکانی-زمانی تصادفات ترافیکی برون شهری استان اصفهان است ابتدا الگوی نحوه پراکنش فضایی رویدادهای تصادف با روشهای میانگین نزدیکترین همسایه و خودهمبستگی مکانی موران I جهانی بررسی شد. نتایح نشاندهنده وجود الگوی خوشهای قوی در دادههای تصادفات ترافیکی در سالهای مورد مطالعه در استان اصفهان بود. سپس با استفاده از روش گتیس-ارد جی استار یک تحلیل نقاط داغ بهینه شده به صورت کلی بر روی کل مجموعه داده تصادفات انجام شد و پس از آن باتوجه به تقسیم مجموعه داده به سطوح مختلف از جمله بازه زمانی شبانهروز، روز هفته، ماه، سال و سطح شدت تصادف این تحلیل بر روی مجموعه داده هر سطح به صورت جداگانه صورت گرفت. نتایج حاصل از اجرای تحلیل گتیس ارد جی استار بر روی سطوح مختلف حاکی از آن بود که بخش اعظمی از تمرکز نقاط داغ با سطح اطمینان 99درصد در مسیرهای منتهی به مرکز استان یعنی شهر اصفهان و همچنین شهرهای پرجمعیت همجوار آن واقع است که بیشترین حجم تردد و ترافیک در آن وجود دارد و با فاصله از مرکز استان تراکم تصادفات به طرز چشمگیری کاهش مییابد.نتیجهگیری: باتوجه به نتایج تحلیل خودهمبستگی مکانی تصادفات و نقشههای نقاط داغ در سطوح مورد بررسی نتایج حاکی از آن بود که تصادفات در برخی از مناطق استان اصفهان بهصورت خوشهای تجمع یافتهاند. همجواری با مرکز استان و شهرهای پرجمعیت و اصلی بر تمرکز تصادفات ترافیکی در این منطقه تاثیر بسیاری دارد و با فاصله از مراکز شهری پرجمعیت فراوانی تصادفات کاهش مییابد. از نتایج این مطالعه و درکی که از الگوهای مکانی و زمانی تصادفات ترافیکی بهدست آمده است، میتوان برای توسعه استراتژیهای جدید، راهنمایی مدیران و دست اندرکاران حوزه حمل و نقل و ترافیک، اخذ تصمیمات و انجام اقدامات مناسب برای بهبود وضعیت ایمنی نقاط حادثهخیز استفاده نمود.
