مشکل پارکینگ یکی از موضوعات مهم در زندگی شهری است؛ زیرا بسیاری از شهروندان مقدار زیادی از انرژی و زمان خود را برای یافتن پارکینگ مناسب از دست می دهند. علاوه بر این، افزایش مصرف سوخت، حجم ترافیک، و رانندگی های غیرضروری مشکلات اجتماعی، اقتصادی، و زیست محیطی فراوانی برای شهروندان به وجود می آورد. در همین راستا، در این مقاله یک سامانه شهروندمحور مبتنی بر تحلیل تصمیم گیری چندمعیاره مکان آگاه و GISبرای جست وجو و مسیریابی پارکینگ ها ارایه شده است. این برنامه کاربردی از سه بخش اصلی تشکیل شده که شامل دو بخش مدیریت پارکینگ محلی و مدیریت جامع پارکینگ ها در بستر وب و یک بخش پارکینگ یاب مبتنی بر تلفن همراه است. بخش های کاربردی مدیریت پارکینگ محلی و مدیریت جامع پارکینگ ها اطلاعات مربوط به هر پارکینگ را جمع آوریو به بخش کاربردی پارکینگ یاب منتقل می کنند. شهروندان می توانند با تعیین اولویت معیارهای موجود در بخش پارکینگ یاب مناسب ترین پارکینگ و مسیر دست یابی به آن را دریافت کنند. از این برنامه به منظور بهبود مسیریابی جای پارکدر شهر یزد استفاده شد. در ادامه، به منظور ارزیابی برنامه، از 55 نفر از شهروندانی که از آن استفاده کرده اند نظرسنجی شد. نتایج نشان می دهد 4/36 درصد از افراد شرکت کننده بیشتر از 10 بار در ماه و بیشتر در ساعات بعد از ظهر (6/63 درصد) و روزهای تعطیل (20 درصد) از این برنامه استفاده کرده اند. همچنین، این برنامه سبب کاهش زمان جست وجو (5/54 درصد به میزان کمتر از 10 دقیقه و 4/16 درصد بیش از 15 دقیقه) و افزایش کارایی استفاده از سیستم های پارکینگ شده است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

رشد سریع شهرنشینی در کشورهای درحال توسعه، گسترش کالبدی شهرها و عدم توانایی مالی و فنی دولت ها در ارائه خدمات باعث توزیع ناعادلانه خدمات شهری مخصوصاً خدمات درمانی گشته است. بنابراین مکان یابی بهینه کاربری ها ضروری است. به دلیل خصیصه فضایی مکان یابی و تعدد و تضاد معیارهای موثر در امر مکان یابی کاربری خدمات درمانی (درمانگاه) ضرورت ترکیب قابلیت های سیستم اطلاعات جغرافیایی (GIS) و تحلیل تصمیم چندمعیاری (MCDM) ایجاب می کند. همچنین به خاطر ویژگی عدم قطعیت ذاتی مسائل شهری استفاده از روش های غیر تعینی مثل روش های فازی ضروری است. در این تحقیق بعد از بررسی توزیع فضایی مراکز خدمات درمانی (درمانگاه و مراکز بهداشتی و درمانی) شهر میاندوآب، به تعیین شعاع خدمات رسانی این مراکز پرداخته و با همپوشانی آن با لایه تراکم جمعیت، میزان جمعیت برخوردار و محروم ازاین خدمات مشخص گردید. سپس اقدام به تهیه نقشه های معیار با استفاده از توابع تحلیلی در GIS و وزن دهی به معیارها به روش FUZZY AHP و اعمال وزن آنها بر نقشه های معیار در محیط GIS/ARC گردید. در نهایت با استفاده از نقشه تناسب مکانی و نقشه بولین اقدام به انتخاب هفت مکان پیشنهادی و وزن دهی به آن ها با استفاده از روش FUZZY AHP گردید تا بهترین مکان و اولویت آن ها مشخص گردد. با توجه به حداقل سرانه های شهری اقدام به انتخاب سه مکان با اولویت بیش تر با درنظر گرفتن عامل همجواری مکان ها گردید.

در این پژوهش از فرآیند تحلیل شبکه ای به منظور تعیین اهمیت معیارها و شاخص های تاثیرگذار بر مکان یابی و انتخاب منطقه مناسب برای توسعه پارک جنگلی استفاده شد. برای رسیدن به این هدف، معیارهای کمی مشخص شد و برای وزن دهی معیارهای کیفی نیز از روش مقایسات زوجی استفاده شد. با توجه به شاخص های الزامی برای توسعه پارک جنگلی، شش ناحیه به عنوان گزینه های مدل تصمیم گیری انتخاب شدند. در نهایت برای انتخاب مکان مناسب، معیارهای کمی و کیفی به کمک روش تحلیل شبکه ای (ANP) ترکیب شده و وزن گزینه ها مشخص شد. نتایج مرحله وزن دهی معیارهای مهم برای انتخاب مکان مناسب پارک جنگلی نشان داد که از میان هفت معیار انتخاب شده، معیار منابع آبی با وزن 0.42 دارای اهمیت بالایی است. پس از آن معیارهای اقلیم، سیمای سرزمین و معیار گیاهی- جانوری به ترتیب در اولویت های بعدی قرار داشتند.در مورد زیرمعیارهای مربوط به اقلیم، متوسط بارندگی با وزن 0.50 بیشترین وزن را داشت. زیرمعیار فاصله منابع آبی با وزن 0.48 مهم ترین زیرمعیار مربوط به منابع آبی بود. تنوع پوشش جنگلی با وزن 0.52 مهم ترین زیرمعیار مربوط به معیار گیاهی- جانوری تعیین شد.مهم ترین زیرمعیار مربوط به معیارهای اجتماعی- فرهنگی، امنیت با وزن 0.56 بود. نتایج اولویت بندی گزینه ها نشان داد ناحیه نیژدره با وزن 0.30 مناسب ترین مکان برای احداث پارک جنگلی است.

زمینه و هدف: هدف پژوهش حاضر ارائه ی الگوی مناسب برای مکان یابی جهت اسکان اضطراری ناشی از بلایای طبیعی و غیرطبیعی در منطقه 19 تهران می باشد. روش بررسی: روش انجام پژوهش از نوع توصیفی– تحلیلی بوده و تحلیل داده ها با استفاده از روش تصمیم گیری چندمعیاره و سامانه ی Arc GIS وExcel می باشد. جامعه آماری از بین متغیرهای مکان یابی اسکان اضطراری انتخاب و روش نمونه گیری بصورت ساده و حجم نمونه گیری با استفاده از جدول مورگان (19=n) بدست آمد. ابزار پژوهش، پرسشنامه بود که به بصورت کمی طراحی و سوالات آن با استفاده از استانداردهای اسکان اضطراری استخراج و در بین خبرگان پخش شد. روایی پرسشنامه توسط متخصصین تایید شد و مقدار آن 421/0 بدست آمد. پایایی پرسشنامه نیز با استفاده از SPSS20 با ضریب آلفای کرونباخ 827/0 محاسبه شد. یافته ها: یافته ای پژوهش حاضر از 3 معیار اصلی (مطلوبیت، سازگاری و ظرفیت) و 18 زیرمعیار جهت تعیین اسکان در نظر گرفته شد. در فرایند مکان یابی اسکان اضطراری، ابتدا لایه های اطلاعاتی تهیه و سپس استانداردسازی و ضرائب AHP به آنها اعمال شده و در نهایت پس از وزن دار کردن آنها، همپوشانی لایه ها انجام شد. بحث و نتیجه گیری: پس از تولید نهایی نقشه ی اسکان و طبق نتایج این پژوهش، 28 پهنه با ارزش 9_7 جهت اسکان مورد پذیرش واقع شد، همچنین 17 پهنه با ارزش 7 (نسبتا خوب)، 7 پهنه با ارزش 8 (خوب) و 4 پهنه با ارزش 9 (ایده آل) در منطقه مورد مطالعه جهت اسکان اضطراری شناسایی شدند. در مجموع 13218725 مترمربع حدودا معادل 1321 هکتار در منطقه 19 تهران قابلیت اسکان را پیدا کرد.

با رشد روزافزون اینترنت اشیا، حجم داده‌های جمع‌آوری‌شده از سنسورها به طور چشم‌گیری افزایش یافته است. با توجه به این امر، نیاز به اتصال اینترنت اشیا به سرورهای ابری برای رفع نیازهای ذخیره‌سازی، پردازش و تحلیل داده‌ها احساس می‌شود. همچنین ظهور فناوری میانی مانند مه، با انجام محاسبات اولیه بر روی درخواست‌ها در لبه شبکه، موجب کاهش حجم محاسبات ارسالی به ابر شده است. با این حال زمان‌بندی وظایف در منابع ابری، یک مسئله چالش‌برانگیز است. زمان‌بندی منابع به عنوان یک مسئله NP-Hard به معنای تخصیص و توزیع منابع (مانند پردازنده، حافظه، شبکه و ...) به وظایف ارسالی در سرورهای ابری به صورت بهینه و مؤثر می‌باشد. از این رو محققان زیادی سعی در ارائه روش‌های مبتنی بر الگوریتم‌های فراابتکاری برای یافتن راه‏حل‌های نزدیک به بهینه هستند. هدف اصلی در این روش‌ها یافتن منبع مناسب برای تخصیص به وظیفه است، حال آن که وضعیت وظیفه از نظر مهلت زمان اجرای وظیفه بر روی ماشین مجازی در نظر گرفته نمی‌شود. در کاربردهای اینترنت اشیا، داده‌ها ممکن است مربوط به وظایف بحرانی باشند که نیازمند پاسخ سریع هستند. به عبارت دیگر وظایفی که مهلت کمی برای اجرا دارند ممکن است در راستای بهبود سایر اهداف کیفیت سرویس به ماشین‌های مجازی با قدرت پردازشی کمتری ارسال شوند و در زمان مقرر قادر به اتمام نباشند که توجه زیادی به این مسئله در روش‌های پیشین نشده است. از این رو در این مقاله، رویکرد تخصیص منابع با استفاده از زمان‌بندی در بستر اینترنت اشیا- مه- ابر بر اساس ترکیب درخت تصمیم در راستای اولویت‏بندی وظایف و رویکرد حریصانه چندمعیاره ارائه شده است. نتایج شبیه‌سازی نشان می‏دهند روش پیشنهادی با تکیه بر اولویت‏بندی وظایف و ایجاد توازن در اهداف مختلف بر اساس رویکرد حریصانه چندمعیاره، با در نظر گرفتن فاکتورهای هزینه و زمان اتمام کار از نظر معیارهای ارزیابی نزدیک به بهینه عمل کرده و در مقایسه با روش‏های پیشین بهبود یافته است.