تلفیق شبکة‎ عصبی RBFLN و فن چندشاخصة ORESTE برای شناسایی مکان بهینة استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهر تهران)

Abstract

مراکز مالی و تجاری از مهم‎ترین مراکز فعالیت‎های فضای شهری محسوب می‎شوند و توجه به موقعیت و مکان استقرار آن‎ها، از مهم‎ترین عوامل سودآوری و موفقیت این مراکز است. در این مطالعه، برای شناسایی مکان بهینة استقرار مراکز مالی و تجاری، سامانه شبکة عصبی RBFLN، که شکل تغییریافته‎ای از شبکة عصبی بر پایة تابع شعاعی (RBFNN) است، در تلفیق با فن چندشاخصة ORESTE به‌کار گرفته شد. داده‎های دو و چند کلاسة پارامترهای اقتصادی و تجاری، آموزشی و فرهنگی، بهداشتی و درمانی، رفاهی و تفریحی، اداری، جمعیتی، حمل و نقل و ترافیکی بر اساس شعاع تأثیرگذاری، به عنوان بردارهای چندبعدی وارد شبکة عصبی شدند. به منظور یادگیری شبکه، 69 شعبة نمونه در شهر تهران و 34 نقطه غیربهینه به‌کار گرفته شد. نتایج تحقیق شبکة RBFLN دوکلاسه با دفعات تکرار 800 بار را با کمترین میزان خطای آموزش و طبقه‎بندی، به عنوان مناسب‎ترین کلاس برای شناسایی مناطق بهینة (غربالگری) استقرار مراکز مالی و تجاری نشان می‎دهد. نتایج این غربالگری مناطق بهینة پیشنهادی اولیه را تشکیل می‎دهند که در ادامه، با فن رتبه‎بندی چندشاخصة ORESTE با معیارهای کیفی حاصل از مشاهدات میدانی اولویت‎بندی شدند. این فرایند در شهر تهران و بر روی هر 22 منطقة این شهر اجرا شد.