علوم شهری | متن کامل رایگان - شهرساز | سایت تخصصی شهرسازی با هوش مصنوعی | شهرساز

بهترین آموزش های کاربردی در شهرسازی

بهترین آموزش های کاربردی در شهرسازی را از Urbanity.ir بخواهید

…

ادامه ...

خرید درب شیشه ای سکوریت با بهترین قیمت از تتراگلس

ادامه ...

Wednesday, 26 June , 2024
امروز : چهارشنبه, ۶ تیر , ۱۴۰۳

آخرین اخبار »

تشریح پرونده مرگ کودک رفسنجانی در بیمارستان تا تشکیل پرونده قضایی برای مسکن مهر
ضرورت همکاری کارخانجات برای افزایش سرانه فضای سبز اهواز
ببینید | افتتاح ۶۶۷۹۱ واحد مسکونی و واگذاری زمین رایگان به ۵۱۷۴۰ متقاضی واجد شرایط نهضت ملی مسکن در سراسر کشور

شناسه خبر : 5899

ارسال

پرینتخانه » مقالات تاریخ انتشار : 02 فوریه 2024 - 3:30 | 17 بازدید | ارسال توسط : riazat

علوم شهری | متن کامل رایگان

۱٫ معرفی رشد سریع جمعیت، شهرنشینی و تغییرات اجتماعی-اقتصادی منجر به افزایش نگران کننده آلودگی صوتی در کلان شهرها شده است. [۱]، خطرات قابل توجهی برای سلامتی انسان ایجاد می کند [۲,۳]. برآوردهای اخیر از سوی آژانس محیط زیست اروپا (EEA) نشان می دهد که حدود ۲۰ درصد از جمعیت اروپا روزانه در معرض سطوح […]

۱٫ معرفی

رشد سریع جمعیت، شهرنشینی و تغییرات اجتماعی-اقتصادی منجر به افزایش نگران کننده آلودگی صوتی در کلان شهرها شده است. [۱]، خطرات قابل توجهی برای سلامتی انسان ایجاد می کند [۲,۳]. برآوردهای اخیر از سوی آژانس محیط زیست اروپا (EEA) نشان می دهد که حدود ۲۰ درصد از جمعیت اروپا روزانه در معرض سطوح صوتی خطرناک قرار دارند. [۴]. علاوه بر این، مهم است که مطابقت با اهداف توسعه پایدار سازمان ملل متحد (SDGs) برجسته شود، زیرا سر و صدا موضوعی است که با همه اهداف مرتبط است. [۵]به ویژه SDG 3 که بهبود نتایج بهداشت جهانی و رفاه شهروندان را هدف قرار می دهد و SDG 11 که شامل گام های قابل توجهی در مقاوم سازی شهرها، کاهش آلودگی و سرمایه گذاری در فضاهای عمومی یا خیابان ها است. [۶].

سازمان بهداشت جهانی (WHO) برای حفاظت از رفاه انسان، توصیه‌هایی برای سطح سر و صدا صادر کرده است که اخیراً در سال ۲۰۱۸ به‌روزرسانی شده است. [۷]. این مقررات به محیط های متنوع از جمله مناطق زندگی در فضای باز در شهرها اشاره دارد. علاوه بر این، مقررات مختلفی در سال‌های اخیر برای ایجاد سطوح تماس ایمن برای افراد، شناسایی شاخص‌های شنوایی مناسب و پیشنهاد استراتژی‌های مدیریت نویز معرفی شده‌اند. به عنوان مثال، اتحادیه اروپا (EU) در سال ۲۰۰۲ دستورالعملی را تصویب کرد که از کشورهای عضو خواست تا نقشه های نویز و برنامه های عملیاتی برای محیط های شهری خود تهیه کنند. [۸]. پیشنهاد می‌شود نقشه‌های نویز برای ادغام در طرح‌های کاربری اراضی به عنوان مبنایی برای طرح‌های کاهش صدا، همراه با سیاست‌های توسعه پایدار، که برای بهبود کیفیت زندگی شهروندان طراحی شده‌اند، تهیه شود. [۹].

در این راستا، یک نقشه نویز می تواند سطوح نویز را به یک مقدار مقیاس دسی بل که برای تجزیه و تحلیل بر روی نقشه ارائه شده است، تبدیل کند. در نتیجه، بررسی سطوح نویز در شهرها در زمان‌های مختلف برای پیش‌بینی سطوح نویز در مکان‌های اطراف مورد نیاز است. با این حال، پیش‌بینی سطوح نویز به‌عنوان یک نقشه نیاز به ادغام با یک مدل پیش‌بینی در یک محیط سیستم اطلاعات جغرافیایی (GIS) دارد. [۱۰]. به طور سنتی، این نقشه‌های نویز با استفاده از نرم‌افزار تخصصی تولید می‌شوند که مدل‌های انتشار نویز و پراکندگی صوتی را با داده‌های مکانی و ترافیکی ترکیب می‌کند. [۱۱,۱۲,۱۳,۱۴,۱۵]. در حالی که آنها یک نمای کلی از توزیع نویز و تأثیر طرح‌های کاهش نویز ارائه می‌دهند، اغلب به دلیل غیرواقعی بودن مورد انتقاد قرار می‌گیرند، به ویژه هنگامی که نوسانات زمانی در سطوح نویز در نظر گرفته می‌شود. [۱۶].

یک رویکرد جدیدتر و محبوب‌تر شامل مشارکت عمومی در جمع‌آوری داده‌ها است. با استفاده از تلفن‌های هوشمند و تبلت‌های مجهز به سیستم ردیابی ماهواره‌ای ناوبری جهانی (GNSS)، افراد می‌توانند به طور فعال در جمع‌آوری داده‌های نویز محیطی مشارکت داشته باشند. [۱۶,۱۷]. سپس این یافته ها می توانند بر روی نقشه های تعاملی نمایش داده شوند و برای ایجاد نقشه های نویز در یک مدل مبتنی بر GIS استفاده شوند. اگرچه این رویکرد سنجش مشارکتی ممکن است به اندازه روش‌های سنتی دقت نداشته باشد، اما جایگزینی کم‌هزینه برای زیرساخت‌های حسگر گسترده و گران قیمت است. [۱۸,۱۹]. با ترکیب داده‌ها از منابع مختلف و محاسبه دینامیک زمانی، این روش پتانسیل تولید نقشه‌های نویز واقعی‌تر را دارد. [۲۰].

علاوه بر این، روند رو به رشد مشارکت شهروندان در جمع‌آوری داده‌ها، افزایش مشارکت عمومی در این فرآیند، همراه با تعداد زیادی از افرادی که دستگاه‌های تلفن همراه دارند، توجه به پتانسیل استفاده از تلفن‌های هوشمند را به عنوان راه‌حلی قابل توجه برای انجام ارزیابی‌های مقیاس بزرگ جلب کرده است. سر و صدای محیطی [۲۱]. علاوه بر این، توسعه مداوم ویژگی‌های گوشی هوشمند و تولید برنامه‌های کاربردی مفید، ساخت سریع و ساده مشاهدات مکانی و زمانی نویز را ممکن می‌سازد. نمونه ای از این پروژه NoiseTube است که یک سنسور مقرون به صرفه را معرفی می کند که برای شهروندان طراحی شده است تا داده های نویز را جمع آوری کند. [۲۲,۲۳]. علاوه بر این، با اتخاذ دیدگاه منظره صوتی، اطلاعات به اشتراک گذاشته شده توسط افراد در شبکه های اجتماعی مبتنی بر مکان می تواند برای ایجاد نقشه های محیط صوتی مورد استفاده قرار گیرد.

به طور خلاصه، این تحقیق با هدف معرفی مفاهیم مطرح شده در پاراگراف های قبل در چارچوبی است که قابلیت مقایسه بیش از یک حوزه موردی را داشته باشد. همکاری بین تیم های تحقیقاتی از شهرهای مختلف نیز از این ایده برای درک بهتر زمینه و شرایط دو منطقه مورد مطالعه، به ویژه در مصر در مقابل کرواسی پشتیبانی می کند. همچنین ذکر مبارزاتی که شهرهای بزرگ به دلیل تأثیرات مناطق تجاری مرکزی (CBDs) با آن روبرو هستند، مهم است که با تمرکز بر مشکلات نویز در مراکز هر دو شهر، بر انتخاب مناطق مورد مطالعه در اسکندریه و زاگرب تأثیر گذاشت. این مطالعه به دنبال کمک به حوزه برنامه ریزی و طراحی شهری است و بحث دانش ارائه شده آن باید فرآیندهای تصمیم گیری در این زمینه را بهبود بخشد.

۲٫ بررسی ادبیات

اخیراً، برنامه ریزان شهری به اهمیت چگونگی ارتقای سلامت شهرها پی برده اند. تجزیه و تحلیل های ارزیابی مکرر با هدف تعیین کمیت تأثیرات بالقوه سلامت اقدامات برنامه ریزی شهری در شهرها انجام شده است. بنابراین، برنامه ریزی یک شهر سالم مستلزم ایجاد و بهبود محیط های فیزیکی و اجتماعی است تا عموم مردم بتوانند تمام کارکردهای زندگی را با حداکثر منافع برای سلامتی به عنوان بالاترین اولویت تجربه کنند. [۲۴].

مسائل بهداشتی مرتبط با آلودگی صوتی به ویژه در شهرها نگران کننده است. این امر به این دلیل است که سر و صدا در محیط ساخته شده از صداهای ناخواسته بسیار مضر اطراف شهروندان تشکیل شده است که نوعی آلودگی هوا محسوب می شود. می تواند شدید باشد و با افزایش جمعیت و شهرنشینی این شدت افزایش می یابد. در این راستا، اقدامات برنامه ریزی و طراحی شهری باید برای جلوگیری از تهدیدات عمده ناشی از صدا مانند کم شنوایی، بیماری های قلبی عروقی، کاهش بهره وری، حوادث ترافیکی و استرس مزمن اجرا شود. [۲۵]. آگاهی از این خطرات به لزوم اندازه گیری، تجزیه و تحلیل و نقشه برداری سطوح نویز و درگیر کردن مردم در فرآیند نظارت منجر شده است. [۲۶].

سر و صدا در محیط های شهری می تواند به انواع فعالیت ها و کاربری ها مربوط باشد. منابع اصلی سر و صدا در این مورد شامل ترافیک جاده‌ای و راه‌آهن، محل‌های ساختمانی، نواحی صنعتی و سر و صدای ناشی از فعالیت‌های اوقات فراغت عمومی است. می توان توجه داشت که ترافیک جاده ای بیشترین سهم را در ایجاد سر و صدا در شهرها دارد. از نظر علمی، امواج صوتی تحت تأثیر رسانه ای هستند که در آن پخش می شوند، که در نهایت بر جذب و بازتاب آنها تأثیر می گذارد. این شامل عواملی مانند سرعت باد، جهت و دما می شود. به عنوان مثال، مناطق با پوشش گیاهی بالا به دلیل جذب امواج صوتی و اختلال در انتشار آنها می توانند به کاهش سطح سر و صدا کمک کنند. [۲۷].

مدل‌های رگرسیون نویز بر اساس کاربری زمین برای پیش‌بینی سطوح نویز در مناطق بزرگی که سطوح نویز اندازه‌گیری نمی‌شوند به منظور تولید نقشه‌های نویز توسعه داده شده‌اند. این مدل‌ها می‌توانند در شهرهایی که انجام نقشه‌برداری رسمی نویز دشوار است مفید باشند. با این حال، تجزیه و تحلیل برای هدایت مداخلات آلودگی صوتی ضروری است [۲۷]. در سال‌های اخیر، میزان داده‌های انباشته‌شده، که بر حیات روی زمین تأثیر می‌گذارد، به‌طور چشمگیری افزایش یافته است. کلان داده ها پتانسیل زیادی در ارائه بینش های پیشرفته و بهبود فرآیندهای تصمیم گیری دارند. به همین دلیل است که برنامه ریزی شهری مدرن باید به مفاهیم کلان داده و همچنین اصول شهرهای هوشمند بپردازد تا زندگی ساکنان را بهبود بخشد. با ادامه رشد و توسعه مجدد در شهرها، برنامه ریزان شهری مسئول طراحی شهرهایی هستند که صدا را بهتر کاهش داده و چالش های شهری را حل کنند. مشخص شده است که به دست آوردن داده های عمومی از طریق جمع آوری داده های غیرفعال و مشارکت فعال عمومی از تصمیمات برنامه ریزی پشتیبانی می کند. به ویژه، مشارکت مدنی فعال سطوح بالاتری از تعامل را ایجاد می کند و پذیرش عمومی تصمیمات برنامه ریزی شهری را افزایش می دهد. [۲۸]. فناوری‌های کلان داده بر برنامه‌ریزی شهری تأثیر می‌گذارند زیرا نظریه‌ها و مفاهیم را با مسائل واقعی مطابقت می‌دهند [۲۹].

برای به دست آوردن بینشی در مورد رابطه بین سطوح سر و صدا و کاربری زمین شهری، این تحقیق توسط [۳۰] دو منطقه در منطقه هالیفاکس در کانادا را مقایسه کرد. منطقه مورد مطالعه اول شامل کاربری مسکونی (خانه های تک خانواده) بود، در حالی که منطقه مورد مطالعه دوم یک منطقه با کاربری مختلط بود. تفاوت از نظر توزیع نویز و سطوح نویز محیطی تنوع بیشتری را در ناحیه اول نسبت به ناحیه دوم منعکس می کند. این تفاوت به تنوع بیشتر در حجم ترافیک، سر و صدای پس زمینه و فعالیت عابر پیاده مربوط می شود. همچنین خاطرنشان شد که این صدا در نزدیکی جاده های اصلی قرار داشته است.

ذکر این نکته ضروری است که میزان نویز در منطقه با کاربری مختلط بیشتر از منطقه مسکونی بود. در مقایسه، منطقه مسکونی با سطوح سر و صدای ناشی از محدوده مکالمه معمولی برای شنوایی انسان مواجه شد. در همین حال، منطقه با کاربری مختلط به دلیل حضور بیشتر ترافیک وسایل نقلیه و عابران پیاده، همراه با صدای پس زمینه بلندتر ناشی از منابع مختلف به طور همزمان، مانند کامیون های تحویل، وانت و سیستم های تهویه مطبوع، با محدوده های آزاردهنده ای از صدا مواجه شد. [۳۰]. این مطالعه تشویق به تمرکز بر مناطق با کاربری مختلط در شهرها به عنوان مطالعات موردی برای معرفی راه‌حل‌های طراحی شهری برای حل مشکلات آلودگی صوتی است.

طراحی یک فضای باز عمومی در شهر با درک آکوستیک در ذهن به ندرت در طراحی معماری و شهری انجام می شود. با این حال، اتحاد بین معماران، آکوستیک‌ها و برنامه‌ریزان شهری برای برنامه‌ریزی محیط شهری باید کنترل نویز را برای دستیابی به محیطی راحت برای عموم مردم در نظر داشته باشد تا فعالیت‌های روزمره خود را در شهر انجام دهند. [۳۱]. علاوه بر این، درک منظره صوتی تحت تأثیر سن، تحصیلات، همراهی، فعالیت انجام شده، پیشینه فرهنگی، جنسیت و مدت اقامت کاربران در یک فضای باز است. [۳۲].

برای بینش بیشتر، در مطالعه انجام شده توسط [۳۳]اکثر مردم در این آزمایش، تشخیص صداهای پرندگان و صداهای ترافیکی را در طول بازدید خود از یک پارک شهری در استرالیا گزارش کردند. نتایج درک آنها از این دو صدا این بود که ۵۶٫۶٪ از شرکت کنندگان صدای پرنده را خوشایند می دانستند، در حالی که ۴۱٫۲٪ از صداهای ترافیک آزرده خاطر بودند. این می تواند به دلیل ترجیح صداهایی باشد که انسان را به یاد طبیعت و آزار ناشی از سر و صدای زندگی شلوغ شهری می اندازد. این همچنین طراحی شهری را تشویق می کند تا ارتباط با رویکرد طبیعت را در هنگام هدف حفظ آسایش انسان در فضاهای باز بررسی کند.

در حال حاضر، برنامه ریزان شهری با تمرکز بر نویز به عنوان بخشی از ارزیابی اثرات زیست محیطی، به منظره صوتی به شیوه ای واکنشی می پردازند. هدف اصلی به حداقل رساندن قرار گرفتن انسان در معرض سطوح فشار صوتی بالا از منابع موجود است. قانون فعلی منعکس کننده یک دیدگاه اجتماعی است که صدا را در درجه اول به عنوان یک تهدید زیست محیطی می بیند که نیاز به حفاظت دارد. [۸]. مطالعات متعددی به ارتباط بین کاربری زمین و توزیع نویز پرداخته اند [۳۴,۳۵,۳۶,۳۷].

یک رویکرد جالب توسط [۳۴] روشی را با پتانسیل برای دستیابی به مشارکت موفق در فرآیندهای شناسایی و ارزیابی مناطق آرام ارائه می دهد. با استفاده از برنامه Hush City، کاربران تشویق شدند تا اندازه‌گیری نویز را برای ۳۰ ثانیه جمع‌آوری کنند، بنابراین به بهبود توانایی‌های شنیداری آنها کمک می‌کند. پس از پاسخ به ۲۰ سؤال مرتبط با نویز در داخل برنامه، مجموعه داده ارزشمندی ایجاد شد که می تواند برای توسعه ارزیابی های بین رشته ای و ارزشمند از محیط صوتی مورد استفاده قرار گیرد.

مرجع. [۳۸] بیان می‌کند که کاربران یاد می‌گیرند که چگونه سطوح مختلف نویز را که با مشارکت مکرر در فرآیندهای جمع‌آوری نویز در معرض آن هستند، تشخیص دهند. بنابراین، بررسی احتمالات روابط فضایی بین سطوح نویز شناسایی شده و منابعی که از آن تولید می‌شوند بسیار مهم است. گروه بندی مجدد داده ها با ویژگی های مکانی و زمانی مشابه به عنوان خوشه بندی مکانی-زمانی شناخته می شود. مرجع. [۳۹] نشان می‌دهد که افزایش در چگالی مکانی و زمانی نقاط اندازه‌گیری نشان می‌دهد که روش‌های خوشه‌بندی برای شناسایی آنها مناسب هستند.

با توجه به پیشرفت در نرم افزار، داده های بزرگ و مدل های صوتی، عملیاتی که به نقشه برداری نویز کمک می کند، به راحتی در دسترس هستند. این نیز تحت تأثیر اصول تحلیل آماری است که منجر به چندین پروفایل خوشه می شود. روش های تحلیل خوشه ای شامل روش پارتیشن بندی، روش سلسله مراتبی، روش مبتنی بر چگالی، روش مبتنی بر شبکه و روش مبتنی بر محدودیت می باشد. به عنوان مثال، ر. [۴۰] اهمیت مقایسه روش های خوشه بندی و بحث در مورد نتایج در زمینه شرایط سایت را برجسته می کند. یافته‌های آن‌ها همچنین تأیید می‌کند که نتایج یک روش می‌تواند نتایج روش دیگر را برای توصیه‌های بهتر تضمین و تقویت کند. در تمامی روش ها مرحله قبل از خوشه بندی مهم بوده و شامل اندازه گیری و جمع آوری داده ها می باشد. از دهه ۱۹۷۰، حدود ۷۵ درصد از کارهای منتشر شده به خوشه بندی توسط الگوریتم های سلسله مراتبی بستگی دارد. امروزه روش‌های خوشه‌بندی مدرن مجموعه‌های داده بزرگ‌تر را تحلیل می‌کنند. برای مثال، خوشه بندی فضایی مبتنی بر چگالی با کاربردهای نویز مرتبط است، همانطور که توسط [۴۱,۴۲].

علاوه بر این، چندین محدودیت توسط محققان مورد توجه قرار گرفته است. به عنوان مثال، ر. [۴۳] اشاره می‌کند که مطالعات نویز در شهرها عمدتاً توسط مسئولان شهری با جمع‌آوری داده‌ها در مکان‌های خاص با استفاده از صدا سنج حرفه‌ای انجام می‌شود. دوره های کوتاه جمع آوری داده ها در این مورد می تواند خطا ایجاد کند. علاوه بر این، هزینه این عملیات نقشه برداری نویز بالا است. نقشه های رسمی نویز نیاز به سطح بالایی از تخصص، منابع انسانی و دستگاه های گران قیمت دارند. در نتیجه، شهرهایی با بودجه کم از انجام تجزیه و تحلیل دقیق آلودگی صوتی محدود می شوند.

۳٫ تعریف مسئله و هدف تحقیق

نقشه های صوتی ابزاری ارزشمند در شناخت و رسیدگی به آلودگی صوتی در شهرها هستند. این نقشه‌ها توزیع فضایی سطوح نویز را توصیف می‌کنند و امکان تجسم کارآمد توزیع نویز را در مناطقی که کاربری‌های زمین به نویز حساس هستند، می‌دهد. برای شهرهای بزرگ، چالش‌هایی باید از نظر مدیریت داده‌ها، کاهش داده‌ها، روش‌های محاسبه، روش‌های بهینه‌سازی، تکنیک‌های اعتبارسنجی و ارائه نتایج برطرف شوند تا نقشه‌ها بتوانند به عنوان ابزار قدرتمندی برای برنامه‌ریزی و طراحی نویز شهری استفاده شوند. . برنامه های مدیریت و کاهش صدا باید بر اساس یک استراتژی کلی برای مدیریت نواحی شهری با در نظر گرفتن کاربری ها، وسایل حمل و نقل و توسعه پویای شهر باشد. [۴۴].

با توجه به جنبه‌های ذکر شده در بالا، هدف این تحقیق این است که منابع نویز در شهرها را مرتبط با سطوح نویز با استفاده از کاربردهای جمع‌سپاری و تکنیک‌های تحلیل فضایی مرتبط کند تا بتواند راه‌حل‌های واقع بینانه را پیشنهاد کند. با شروع از این ملاحظات، این مطالعه با هدف ارزیابی سطوح سر و صدای شهر و منابع مرتبط با سر و صدا از طریق چارچوبی که امکان یک طرح مقایسه ای بین دو شهر را که مشمول مقررات متفاوتی هستند، می کند. این مطالعه بر تفاوت‌های بین دو شهر از نظر مورفولوژی، برنامه‌های شهری و قوانین آنها تمرکز دارد. شهرهایی که برای مقایسه انتخاب شده‌اند اسکندریه، مصر و زاگرب، کرواسی هستند، زیرا شباهت‌های زیادی دارند، به‌ویژه هنگام مقایسه مناطق مرکزی شهرشان. هنگام تجزیه و تحلیل منابع نویز و اندازه‌گیری سطوح آنها در هر دو منطقه مورد مطالعه، تفاوت‌های بین تراکم‌ها، جمعیت‌ها، مورفولوژی و سایر ویژگی‌های شهرها نیز در نظر گرفته می‌شود.

روش اتخاذ شده به ترکیبی از تکنیک های جمع سپاری و ابزارهای سیستم اطلاعات جغرافیایی (GIS) برای تشخیص و تجزیه و تحلیل نویز بستگی دارد. این امر از طریق استفاده و ترکیب ابزارهای زیر به دست می آید: برنامه تلفن همراه منبع باز Noise Capture، ESRI ArcGIS Pro، برنامه ESRI Field Maps و Google Forms برای پرسشنامه های آنلاین. این ابزارها به طبقه بندی منابع نویز شناسایی شده از داده های جمع آوری شده از طریق ضبط نویز در یک محیط GIS برای درک توزیع صدا، هم از نظر مکانی و هم از لحاظ زمانی کمک می کنند. منابع نویز شناسایی شده در طول اندازه‌گیری‌ها، و همچنین نتایج پرسشنامه، به ارائه بینشی در مورد ارتباط منابع صوتی با فعالیت‌های انسانی و درک آنها در محیط شهری کمک می‌کند. بنابراین، روش پیشنهادی تشخیص و تحلیل روابط بین نویز و جامعه در محیط ساخته شده را معرفی می‌کند.

۴٫ مواد و روش ها

این مطالعه یک چارچوب روش‌شناسی اتخاذ شده را پیشنهاد می‌کند که تکنیک‌های جمع‌سپاری تقویت‌شده توسط GIS را ترکیب می‌کند. استفاده از تحلیل مکانی و مدل‌های آماری برای ارتباط سطوح نویز ضبط‌شده با منابع نویز شناسایی‌شده می‌تواند به تولید نقشه‌های نویز کمک کند که مفاهیم زمین‌آمار و تحلیل مجاورت را برای ارتباط بین روابط در منطقه مورد مطالعه و می‌تواند در سایت‌های مختلف اعمال کند. این را می توان با استفاده از روش های خوشه بندی در تحقیقات آینده برای کمک به تشخیص نقاط پرت در مجموعه داده ها به دست آورد. با این حال، درون یابی IDW در زمین آمار برای به دست آوردن نقشه های نویز در این بین توصیه می شود.

دارایی‌ها و فعالیت‌های زیست‌محیطی از قانون اول جغرافیای توبلر پیروی می‌کنند که بیان می‌کند: «همه چیز به هر چیز دیگری مرتبط است، اما چیزهای نزدیک بیش از چیزهای دور مرتبط هستند». این قانون نشان می‌دهد که مشاهداتی که در مجاورت یکدیگر در مکان یا زمان قرار می‌گیرند، نسبت به مشاهداتی که از هم دورتر هستند، مرتبط‌تر هستند. [۴۵]. بسیاری از فرآیندهای درون یابی و تقریب برای پیش بینی مقادیر رویدادهای فضایی در موقعیت های نمونه برداری نشده ساخته شده اند. [۴۶]. صرف نظر از این، فرآیند درونیابی فضایی با یک برنامه کامپیوتری شامل تبدیل داده های نقطه گسسته برای به دست آوردن یک پیش بینی پیوسته است. نقشه نویز نمونه ای از درون یابی است زیرا نمایشی از سطوح صوت اندازه گیری شده در تعدادی از نقاط برای ایجاد سطوح برای تجزیه و تحلیل است.

درون یابی وزنی با فاصله معکوس (IDW) یکی از ساده ترین و در دسترس ترین روش هایی است که برای نقشه برداری نویز توصیه می شود. با استفاده از تابع وزنی w(d) = 1/d، مقادیر ضرب کننده را به نقاط داده اعمال می کند به طوری که تأثیر هر نقطه با فاصله (d) کاهش می یابد.^پ، که در آن قدرت وزن “p” معمولاً توسط کاربر مشخص می شود و به طور پیش فرض روی ۲ تنظیم می شود. IDW برای درک و پیاده سازی ساده است. با این حال، نمی تواند عدم قطعیت مقادیر درون یابی را در مکان های نمونه برداری نشده تخمین بزند. بنابراین، اندازه گیری دقیق نقاط برای به دست آوردن پیش بینی که بیشتر با واقعیت مطابقت دارد ضروری است [۴۵].

این روش می تواند برای ارائه یک چارچوب سیاستی به تصمیم گیرندگان استفاده شود که در آن اقدامات یکپارچه سر و صدا را می توان در سراسر دولت و جامعه شناسایی و ترویج کرد. علاوه بر این، استراتژی کاهش نویز پیشنهادی را می توان به اهداف توسعه پایدار سازمان ملل که قبلا ذکر شد مرتبط کرد. [۴۷]. این روش در گردش کار زیر خلاصه شده است شکل ۱.

برای تحقق چارچوب پیشنهادی، مجموعه‌ای از ابزارها استفاده می‌شود تا فرآیند جمع‌آوری داده‌ها با استفاده از تکنیک‌های جمع‌سپاری برای شناسایی سطوح نویز و منابع نویز مرتبط با زمینه موجود امکان‌پذیر باشد. برای ادامه روند، رویکردهای جدید تقویت شده توسط GIS می تواند برای توسعه بیشتر کیفیت نقشه های نویز استفاده شود. [۲۱]. در این راستا، گردش کار تحقیق را می توان به دو مرحله تقسیم کرد:شکل ۲). اولین گام به جمع آوری داده ها اختصاص دارد، از طریق جمع آوری سطوح نویز موجود در منطقه مورد مطالعه، برای تعیین منابع نویز موجود در منطقه اندازه گیری و جمع آوری نظرات مردم در مورد سطوح نویز در محیط اطراف خود. بنابراین اولین مرحله را می توان جمع آوری داده ها نام برد. هدف گام دوم، تولید نقشه‌های نویز بر اساس جمع‌آوری داده‌های میدانی، ترکیب مفاهیم زمین‌آمار و تحلیل مجاورت برای شناسایی روابط بین سطوح نویز و منابع نویز در منطقه مورد مطالعه، و خلاصه کردن وضعیت با توصیه‌هایی برای بهبود تنظیم صدا در منطقه

۴٫۱٫ جمع آوری داده ها با استفاده از ضبط نویز

توسعه مداوم ویژگی‌های گوشی هوشمند و تولید برنامه‌های کاربردی مفید، ساخت سریع و ساده مشاهدات مکانی و زمانی نویز را ممکن می‌سازد. نمونه ای از این برنامه Noise Capture است که در پروژه “Noise-Planet” توسعه یافته است. این یک برنامه رایگان و منبع باز اندروید است که به کاربران امکان اندازه گیری و به اشتراک گذاری محیط نویز را می دهد. هر اندازه گیری نویز با اجزای مکانی و زمانی خود ترکیب می شود تا نتیجه را بتوان در یک نقشه تعاملی در برنامه نمایش داد. [۲۰].

پس از نصب، همه کاربران باید اجازه دسترسی به حافظه، میکروفون، دوربین و مکان دستگاه را بدهند. اینها برای استفاده مناسب از برنامه ضروری هستند. پس از شروع دستی اندازه گیری، یک اندازه گیری صوتی در هر ثانیه انجام می شود. همراه با داده های اندازه گیری، جزئیات دیگری مانند تاریخ و زمان، مکان GNSS و دقت و سرعت هر نقطه اندازه گیری نیز ثبت می شود. مکان کاربر در WGS84 آورده شده است. هنگامی که اندازه گیری به عنوان معتبر علامت گذاری شد، در حافظه دستگاه ذخیره می شود و می توان از طریق صفحه نتایج به آن دسترسی داشت. هر اندازه گیری را می توان در قالب JSON به اشتراک گذاشت. اگر کاربر رضایت خود را اعلام کرده باشد، داده های ناشناس نیز به یک سرور راه دور منتقل می شود، کنترل می شود و سپس در یک پایگاه داده باز که به صورت رایگان در دسترس است ادغام می شود. [۲۰].

۴٫۲٫ ورودی عمومی در مورد آلودگی صوتی

نیاز به اطلاعات عمومی برای ردیابی رفتارها، تجربیات، نیازها و ترجیحات مردم مهم است. استفاده از پرسشنامه برای این اهداف در سال های اخیر افزایش چشمگیری داشته است [۴۸]. بنابراین، یک فرم آنلاین ایجاد و بین مردم توزیع شد تا بینش هایی در مورد مشاهدات آنها از اختلالات صوتی به دست آورد. شرکت کنندگان از مناطق مورد مطالعه و از طریق شبکه های اجتماعی جمع آوری شدند. پرسشنامه‌ها معمولاً پاسخ‌هایی را جمع‌آوری می‌کنند که ارائه یا تحلیل آن‌ها عموماً ساده است. پرسشنامه انجام شده در این پژوهش حاوی ترکیبی از سه فرم بود. این شامل ۳۰ سوال در مورد اطلاعات عمومی، نظرات و مقایسه با استفاده از معیارهای چند گزینه ای یا عددی بود.

۴٫۳٫ ساخت پایگاه داده منبع نویز

به منظور به دست آوردن بینش در مورد منابع مختلف نویز که مردم در مناطق شهری در معرض آنها هستند، یک لیست سفارشی از رایج ترین منابع صوتی موجود در منظر شهری ایجاد شد و به هر اندازه گیری شناسایی شده برای اهداف خاص ما اختصاص داده شد. در این تحقیق از Field Maps Designer استفاده شده است، یک برنامه آنلاین در جامعه ESRI که پیکربندی نقشه ها را از ArcGIS Pro یا Online امکان پذیر می کند و آنها را برای استفاده در میدان از طریق برنامه تلفن همراه Field Maps به کار می گیرد. [۴۹]. در این حالت یک لایه نقطه ای با ۲۵ منبع نویز احتمالی ایجاد شد. لایه مذکور در اپلیکیشن موبایل Field Maps استفاده شده است که امکان ثبت داده ها، یادداشت برداری و به اشتراک گذاری اطلاعات را به صورت بلادرنگ در یک سازمان می دهد. فهرستی از منابع نویز ارائه شده است میز ۱.

۴٫۴٫ آمار GEO: طبقه بندی و درونیابی

پس از جمع آوری منابع نویز و اندازه گیری سطح نویز، داده ها وارد می شوند تا در یک محیط GIS تجزیه و تحلیل شوند. یکی از مراحل اصلی که برای انجام تجزیه و تحلیل بیشتر مورد نیاز است، توافق بر روی یک طرح طبقه بندی است که می تواند برای سطوح نویز اعمال شود. جدول ۲ طبقه بندی شکست های طبیعی توسعه یافته را نشان می دهد. مقادير تحت تاثير حداقل و حداكثر مقادير است كه شامل وسعت مقادير در منطقه مورد مطالعه است. این رنگ ها همچنین برای نقشه های درون یابی در قسمت بعدی برنامه استفاده می شوند.

درونیابی برای تجزیه و تحلیل محلی در GIS مهم است. در این تحقیق روش وزنی معکوس فاصله (IDW) برای تهیه نقشه های نویز مورد بررسی قرار گرفته است. تکنیک های درون یابی مبتنی بر اصول زمین آمار و خودهمبستگی فضایی است، و پیشنهاد می کند که اجسام نزدیک شباهت بیشتری نسبت به اجسام دور از هم دارند. به این ترتیب می توان مناطق را بر اساس نقاط پیش بینی کرد. این تحقیق قبل از تصمیم گیری در مورد درون یابی IDW به عنوان روش ایده آل برای ارائه دقیق داده های نویز، انواع دیگری از درون یابی، مانند spline، منظم و کشش را انجام داد.

۴٫۵٫ مجاورت و تحلیل فضایی: ارتباط منابع نویز با سطوح مختلف نویز

این تحقیق پیشنهاد می‌کند که ارتباط منابع نویز با سطوح نویز شناسایی‌شده می‌تواند مشکلات خاصی را که می‌تواند در برنامه‌های اقدام شهری معرفی شود، برطرف کند. این ارتباط حاصل چند مرحله است. ابتدا، پس از طبقه بندی آستانه های نویز، بر اساس آزمایش، فاصله بافر ۱۰ متر در اطراف هر منبع نویز به عنوان میانگین فاصله ای که در آن نویز شنیده می شود، پیشنهاد می شود. در نتیجه، مرحله دوم شامل ابزار تحلیل فضایی است: اتصال فضایی برای مرتبط کردن هر منبع نویز با اندازه‌گیری سطح نویز در این بافر استفاده می‌شود. به این ترتیب، منابع نویز شناسایی شده را می توان با سطوح نویز شناسایی شده مرتبط کرد، که می تواند برای فرآیندهای برنامه ریزی شهری بهتر و بهبود کاهش و مدیریت نویز تجزیه و تحلیل شود.

۵٫ مرحله کاربرد

این تحقیق روش پیشنهادی را برای ارزیابی سطوح سر و صدا در شهر از طریق چارچوبی به کار می‌گیرد که یک طرح مقایسه‌ای بین دو شهر را که تابع مقررات و مورفولوژی‌های مختلف، برنامه‌ریزی شهری و قوانین مختلف هستند را امکان‌پذیر می‌سازد. شهرهایی که برای مقایسه انتخاب شده‌اند اسکندریه، مصر و زاگرب، کرواسی هستند، زیرا شباهت‌های زیادی دارند، به‌ویژه هنگام مقایسه مناطق مرکزی شهرشان. هنگام تجزیه و تحلیل منابع نویز و اندازه‌گیری سطوح آن‌ها در هر دو منطقه مورد مطالعه، تفاوت‌های بین تراکم‌ها، جمعیت‌ها، مورفولوژی و سایر ویژگی‌های شهرها نیز در نظر گرفته می‌شود.

۵٫۱٫ تعریف حوزه مطالعه موردی

اولاً، اسکندریه دومین شهر بزرگ مصر پس از قاهره است. توسعه شهری اسکندریه تحت تأثیر نزدیکی دریای مدیترانه در شمال است. اسکندریه عابر پیاده نیست. با این حال، در نزدیکی منطقه مرکز شهر، بسیاری از سفرها با پای پیاده تشویق می شوند. علاوه بر این، فروشندگان خیابانی که فضاهای عمومی را اشغال می کنند اغلب با سیستم حمل و نقل در تضاد هستند. هدف برنامه استراتژیک اسکندریه ۲۰۳۰ پاسخگویی بیشتر به نیازهای محلی، برقراری ارتباط با ذینفعان و اجرای پروژه ها است. [۵۰].

منطقه مورد مطالعه پیشنهادی در اسکندریه با ۰٫۳۵ کیلومتر مطابقت دارد^۲ در منطقه ایستگاه رمله در محدوده خیابان سعد زغلول بین خیابان عمر لطفی و خیابان صلاح سالم. این منطقه به خاطر میدان سعد زغلول با مجسمه‌اش رو به دریا معروف است. همانطور که در شکل زیر نشان داده شده است، خیابان سعد زغلول با صفیه زغلول و خیابان النبی دانیال، دو خیابان اصلی تجاری اسکندریه، تلاقی می کند. امروزه تراکم بالای جمعیت، فعالیت های تجاری و ترافیک شدید وسایل نقلیه باعث اختلال در حرکت عابران پیاده در منطقه شده است. علاوه بر این، پارکینگ‌های زیادی در فضاهای عمومی در این منطقه وجود دارد، زیرا تعداد زیادی از بازدیدکنندگان با خودروهای شخصی یا وسایل نقلیه عمومی به منطقه می‌رسند. [۵۱]. این منطقه همچنین دارای نشانه های مهمی مانند هتل Le Metropole و Trianon، یکی از قدیمی ترین کافی شاپ های اسکندریه، به علاوه اتاق بازرگانی مصر مشرف به ایستگاه اصلی اتوبوس در منطقه است.

دوم اینکه زاگرب بزرگترین شهر کرواسی و پایتخت آن است. توسعه شهری زاگرب ارتباط نزدیکی با نزدیکی کوه مدودنیکا در شمال و رودخانه ساوا در جنوب دارد. آلودگی صوتی، به ویژه صدای ترافیک جاده، یکی از مسائل اصلی است که بر کیفیت زندگی در زاگرب تأثیر می گذارد. [۵۲].

منطقه مورد مطالعه پیشنهادی در زاگرب با ۰٫۴۸ کیلومتر مطابقت دارد^۲. این منطقه بخشی از منطقه تاریخی شهر است که می توان آن را با پای پیاده نیز تجربه کرد. در شمال منطقه، کلیسای سنت مارک در بخشی به نام شهر بالا (گورنجی گراد) وجود دارد، جایی که این کلیسای مرکز میدان سنت مارک است. در طرف مقابل میدان، در شرق آن، کلیسای جامع زاگرب قرار دارد. در زیر شهر بالایی، میدان بان یلاچیچ در جنوب بازار دولاک در تقاطع چندین خیابان قرار دارد و ایستگاه های تراموا معمولاً شلوغ است. در جنوب غربی این منطقه، تئاتر ملی کرواسی و موزه هنرها و صنایع دستی از جمله جاذبه های اصلی زاگرب هستند. توجه به این نکته مهم است که بافت شهری در اسکندریه متراکم تر از زاگرب است، جایی که بافت شهری زاگرب از ابر بلوک استفاده می کند که بزرگتر از بلوک های آهنی شبکه ای سنتی در اسکندریه است. این تفاوت باعث می شود که حیاط های بیشتری در زاگرب نسبت به اسکندریه ایجاد شود. این تفاوت در مناطق مطالعات موردی را تأیید می کند، جایی که احتمال بیشتری وجود دارد که با توجه به اجزای آنها و نقش منحصر به فرد آنها در کل شهر مقایسه شوند. همچنین مهم است که توجه داشته باشیم که این تحقیق به فضاهای باز قابل دسترسی مانند خیابان ها و میادین عمومی مربوط می شود. که در شکل ۳، برخی از نشانه های هر دو منطقه و همچنین خیابان های اصلی آنها نمایش داده می شود.

۵٫۲٫ تشابهات و تفاوت های قانون

در مصر، چارچوب قانونی فعلی محیط زیست بر اساس قانون شماره ۴ در سال ۱۹۹۴، که در سال ۲۰۰۵ و ۲۰۰۹ اصلاح شد، و قانون شماره ۱۰۲ در سال ۱۹۸۳ (در مورد مناطق حفاظت شده طبیعی)، بر اساس گزارش توسعه انسانی مصر ۲۰۲۱، ایجاد شد. در عین حال، سیاست زیست محیطی در مصر توسط بسیاری از نهادهای ملی، از جمله وزارت محیط زیست، آژانس امور محیط زیست، وزارت بهداشت و جمعیت و غیره تدوین و اجرا می شود. در ماده ۴۲ قانون شماره ۴ سال ۹۴ آمده است که کلیه سازمان ها و افراد موظفند ولوم را زیر حد مجاز صوت نگه دارند و یا در صورت تخلف در بازرسی ها یا گزارش ها طبق ماده ۸۷ همین قاعده جریمه اعمال می شود. همچنین حداکثر حد مجاز برای شدت نویز در مناطق مختلف شهرها به شرح زیر تعیین می شود. جدول ۳ [۵۳]. قوانین بین المللی توصیه شده توسط WHO گاهی اوقات در مصر اعمال می شود که قانون مقرراتی را مشخص نکرده است، مانند موارد میادین و بزرگراه ها.

از آنجایی که جمهوری کرواسی بخشی از اتحادیه اروپا است، مقررات این کشور با دستورالعمل فوق الذکر ۲۰۰۲/۴۹/EC پارلمان اروپا و شورای ۲۵ ژوئن ۲۰۰۲، در مورد ارزیابی و مدیریت سر و صدای محیطی هماهنگ است. [۸]. قانون حفاظت از صدا (روزنامه رسمی ۳۰/۰۹، ۵۵/۱۳، ۱۵۳/۱۳، ۴۱/۱۶، ۱۱۴/۱۸، و ۱۴/۲۱) [۵۴] تعیین تدابیر حفاظت در برابر صدا در خشکی، آب و هوا و همچنین نظارت بر اجرای این اقدامات برای پیشگیری یا کاهش صدا و رفع خطرات برای سلامتی مردم. طبق قانون، مقررات در جمهوری کرواسی بالاترین میزان مجاز صدا را در مناطق کاری و مسکونی برای بهبود وضعیت در مناطقی که در معرض نویز زیاد قرار دارند، همراه با حفاظت از مناطق آرام، تجویز می‌کنند. به طور خلاصه، همانطور که در جدول ۳ و جدول ۴نتیجه گیری می شود که حداکثر سطح مجاز صدا در یک فضای باز در منطقه مرکز شهر اسکندریه و مرکز شهر زاگرب ۶۵ دسی بل است.

۵٫۳٫ توسعه عملی

بررسی میدانی در اسکندریه در ۳ مارس ۲۰۲۳ انجام شد. تعداد کل ۸۱۵۵ اندازه گیری در چهار ساعت (از ساعت ۱۳:۰۰ تا ۱۷:۰۰) جمع آوری شد که تقریباً ۰٫۳۵ کیلومتر را پوشش داد.^۲. در مجموع، ۱۶ منبع نویز مختلف شناسایی شد. اندازه‌گیری‌ها در زاگرب، کرواسی در ۱۲ آوریل ۲۰۲۳ جمع‌آوری شد. تعداد کل ۹۲۲۰ اندازه‌گیری در یک بازه زمانی چهار ساعته (از ۱۳:۰۰ تا ۱۷:۰۰) جمع‌آوری شد. منطقه مورد مطالعه در زاگرب با ۰٫۴۸ کیلومتر مطابقت دارد^۲. در مجموع، ۱۶ منبع نویز مختلف شناسایی شد. با این حال، آنها دقیقاً مشابه اسکندریه نبودند. تجزیه و تحلیل بیشتری از نتایج ارائه خواهد شد.

برای این نوع کاربرد اندازه گیری، توجه به قابلیت اطمینان و کیفیت دستگاه مورد استفاده، یعنی سنسورهای آن بسیار مهم است. به منظور جلوگیری از هرگونه کالیبراسیون پسینی داده‌های صوتی – برای مثال، بر اساس اطلاعات مربوط به سخت‌افزار – برای هدف این مطالعه، از دستگاه مشابهی برای اندازه‌گیری‌های جمع‌آوری‌شده در هر دو سایت استفاده شد: یک تلفن همراه Android Redmi 7. قبل از شروع فعالیت، دستگاه باید کالیبره شود. در این کمپین اندازه گیری، کالیبراسیون با کالیبراسیون متقاطع بین دو دستگاه انجام شد. در طول کمپین اندازه گیری، چندین جنبه در نظر گرفته شد.

مدت یک جلسه اندازه گیری باید حدود ۱۰ تا ۱۵ دقیقه باشد. این برای جلوگیری از از دست دادن داده های جمع آوری شده به دلیل مثلاً تماس تلفنی، از دست دادن اتصال GNSS، باتری کم و غیره است.
سرعت پیاده روی ثابت و طبیعی در طول ضبط مسیر باید حفظ شود. لازم بود به قصد صرفه جویی در زمان خیلی سریع راه نروید، بدوید یا دوچرخه سواری نکنید، زیرا این کار می تواند سطح سر و صدای کاذبی ایجاد کند.
گوشی را باید در جلوی فرد، با اشاره “دور”، با کمترین حرکت و تکان ممکن نگه دارید تا بهترین نتایج ممکن را به دست آورید.
در صورت امکان، در خیابان های باریک، برای بهبود سیگنال، یعنی دقت محلی سازی، لازم بود در مرکز خیابان راه بروید.

در طول فرآیند اندازه گیری، با چالش های متعددی مواجه شد. یکی از موانع مهم قدرت سیگنال GNSS بود که به طور قابل توجهی کاهش یافت، به ویژه در خیابان های باریک و متراکم مرکز شهر اسکندریه. این تضعیف را می توان به وجود ساختمان های مرتفع و خیابان های محدود نسبت داد که مانع دریافت سیگنال GNSS مناسب می شود. علاوه بر این، مجموعه اندازه گیری ها تحت تأثیر شرایط نامساعد جوی، به ویژه باران قرار گرفت. در نتیجه، تکرار اندازه‌گیری‌ها در روز بعد برای اطمینان از جمع‌آوری دقیق و قابل اعتماد داده‌ها انجام شد.

کمپین اندازه گیری به یک تیم دو نفره برای جمع آوری داده ها نیاز داشت. یک نفر از برنامه Noise Capture در تلفن همراه Redmi 7 برای ضبط سطوح نویز استفاده کرد، در حالی که به طور همزمان، نفر دوم منابع مختلف صدا را شناسایی کرده و با استفاده از دستگاه دیگری با برنامه Field Maps آنها را ضبط کرد. داده‌های ثبت‌شده از طریق Field Maps به‌طور خودکار در پایگاه داده ArcGIS ذخیره می‌شوند و به‌طور فوری روی پلتفرم قابل دسترسی هستند. منابع نویز شناسایی شده برای هر دو شهر در نشان داده شده است شکل ۴.

پس از جمع آوری منابع نویز و اندازه گیری سطح نویز، داده ها برای تجزیه و تحلیل در محیط GIS وارد شدند. هر اندازه گیری سطح نویز با فرمت JSON به اشتراک گذاشته شد و در نرم افزار ArcGIS Pro 3.0.2 بارگذاری شد. اندازه گیری ها بر اساس طبقه بندی شکست های طبیعی طبقه بندی شدند (شکل ۵).

مطابق با طرح طبقه بندی پیشنهادی قبلی در جدول ۲نقشه های درونیابی زیر برای نشان دادن اندازه گیری های سطح نویز تولید شد. این تحقیق ساختمان ها را از ناحیه درونیابی حذف کرد تا بینش بهتری در مورد نتایج بدست آورد. برای منطقه مرکز شهر اسکندریه، یک لایه ساختمان از OpenStreetMap (OSM) استفاده شد. در زاگرب، یک لایه OSM کافی نبود. بنابراین، یک لایه EUBUCCO از دانلود شد [۵۵] و در تجزیه و تحلیل استفاده می شود. درون یابی اندازه گیری ها در هر دو مکان را می توان در مشاهده کرد شکل ۶.

۶٫ نتایج

۶٫۱٫ ارتباط منابع نویز با اندازه‌گیری سطح نویز

برای بینش در مورد تفاوت بین منابع نویز دو شهر، شکل ۷ تعداد شناسایی شده برای هر منبع نویز را نشان می دهد. مهم است که منابع نویز را که فقط در یکی از شهرها مشاهده می شود و دیگری مشاهده نمی شود، بشناسیم. به عنوان مثال، مرکز شهر اسکندریه چندین مشاهدات مربوط به حمل و نقل عمومی را گزارش می دهد. این به دلیل برخی از روش های حمل و نقل در مصر، مانند میکروبوس، است که در زاگرب وجود ندارد. این نوع حمل‌ونقل می‌تواند باعث ازدحام ترافیک در مکان‌های مختلف شود، رانندگانی که مسافران را فراخوانی می‌کنند، بوق‌های بلند، ایستگاه‌های انتظار و نقاط تخلیه را به دنبال دارند. تعداد بیشتر فعالیت‌های تجاری در کنار حمل‌ونقل عمومی می‌تواند منجر به موارد متعددی شود که در آن افراد به‌شدت مشاجره می‌کنند، به‌ویژه در طول روز و ساعات شلوغی. این تعداد دعواهای خیابانی گزارش شده در زمان بررسی میدانی را توضیح می دهد.

علاوه بر این، در اسکندریه، مقررات زمان هایی را مشخص می کند که کامیون های بزرگ می توانند از جاده های خاصی در شهر استفاده کنند. آنها فقط در زمان هایی بین ساعت ۱۱ شب تا ۶ صبح مجاز به ورود به شهر هستند. با این حال، برخی در زاگرب مشاهده شد. علاوه بر این، نوازندگان خیابانی در زاگرب، به ویژه نوازندگان موسیقی و خوانندگان در نقاط مختلف شاهد بودند. این نوع سرگرمی در اسکندریه نادر است و متأسفانه در زمان این تحقیق شاهد نبود.

علاوه بر این، شکل ۸ توزیع اندازه‌گیری‌های سطح نویز را در طبقه‌بندی اتخاذ شده برای هر دو شهر نشان می‌دهد. مشاهده می شود که اسکندریه مقادیر زیر ۵۳ دسی بل را گزارش نمی کند. همچنین می توان دید که دسته ای که از ۶۷ دسی بل شروع می شود توسط اندازه گیری های بیشتری از اسکندریه نسبت به زاگرب اشغال شده است، در حالی که دسته های پایین تر توسط اندازه گیری های زاگرب اشغال شده اند.

یکی از رایج‌ترین مشاهدات در هر دو منطقه، مقادیر بالاتر نویز اندازه‌گیری شده در خیابان‌های اصلی، مانند Corniche در اسکندریه (شمال) و خیابان Hebrangova در زاگرب (جنوب) بود. شباهت دیگر مقادیر کمتر نویز در خیابان های محلی با عرض کمتر بود که حضور خودروها و وسایل حمل و نقل عمومی را تشویق نمی کند.

مطابق با جدول ۵می توان مشاهده کرد که بیشترین تعداد منابع نویز مربوط به اجتماعات اجتماعی در اسکندریه است، بین ۶۷ دسی بل تا ۸۱ دسی بل. پس از این، صدای ماشین/تاکسی در زاگرب شایع‌ترین گزارش شده است که از ۵۴ دسی‌بل تا ۸۱ دسی‌بل متغیر است، در مقابل سومین بالاترین صدای در اسکندریه، بین ۶۲ تا ۸۱ دسی‌بل است. در همین حال، فروشندگان خیابانی دومین منبع رایج در اسکندریه هستند، بین ۶۲ دسی بل تا ۸۱ دسی بل، در مقابل کافی شاپ ها در زاگرب، بین ۵۴ دسی بل تا ۷۰ دسی بل.

یکی از مشاهداتی که در طی بررسی میدانی به آن اشاره شد، حضور بیشتر دوچرخه‌سواری به‌عنوان یک فعالیت و شیوه حمل‌ونقل در زاگرب در مقایسه با اسکندریه بود. با این حال، مقادیر میانگین هر دو شهر از حد مجاز صدا فراتر رفت.

به طور کلی، کمترین مقدار متوسط مربوط به ۶۵٫۳ دسی بل برای کافی شاپ ها است و بیشترین مقدار متوسط مربوط به ماشین های صنعتی است. اگرچه کمترین حداقل سطح سر و صدا در زاگرب گزارش شده است، فعالیت های تجاری مغازه ها در اسکندریه نیز برخی از کمترین مقادیر را گزارش می دهند که مربوط به ۵۴ دسی بل است. علاوه بر این، سطح صدای ماشین/تاکسی بالاترین مقادیر در زاگرب است که مربوط به ۹۲ دسی بل است. جدول ۶ اطلاعات مربوط به تمام منابع نویز را ارائه می دهد.

بر اساس این یافته‌ها، عوامل عمده در سطوح سر و صدا در اسکندریه ترافیک و حمل‌ونقل با مجموع ۲۱٫۶ درصد و استفاده تجاری بین مغازه‌ها و فروشندگان خیابانی با مجموع ۳۰٫۷ درصد است. در همین حال، در زاگرب، ترافیک و حمل‌ونقل با مجموع ۳۷٫۹ درصد و فعالیت‌های اجتماعی با ۱۸٫۸ درصد، سهم عمده‌ای در سطح سر و صدا دارند.

۶٫۲٫ نتایج پرسشنامه

برای جمع‌آوری اطلاعات عمومی در این تحقیق، با کمک Google Forms، شرکت‌کنندگان تشویق شدند تا در نظرسنجی شرکت کنند. شرکت کنندگان از مناطق مورد مطالعه و از طریق شبکه های اجتماعی جمع آوری شدند. این پرسشنامه توسط ۹۶ شرکت کننده بین ۱۸ تا ۶۰ سال پاسخ داده شد. اکثر آنها با مقررات نویز آشنا نبودند و اطلاعات قبلی از نقشه برداری نویز نداشتند. یک مزیت مهم ورودی عمومی این است که می تواند بینش هایی را در مورد رایج ترین منابع نویز درک شده توسط مردم در هر دو شهر ارائه دهد. بر اساس نتایج این سؤال که «خطرناک ترین صداها در شهری که در آن زندگی می کنید، کدام صداها هستند؟» بیشترین پاسخ، ترافیک و پس از آن فروشندگان خیابانی و بلندگوها بود.شکل ۹).

۷٫ بحث

با توجه به اینکه ۶۵ دسی بل میزان مجاز صدایی است که طبق قانون در مناطق مرکزی شهر در هر دو شهر تعریف شده است، مقایسه اندازه گیری های تحقیق با این سطح حائز اهمیت بود. این مقایسه نشان داد که ۸۳ درصد از سطوح سر و صدا در اسکندریه از این حد فراتر رفته است. از سوی دیگر، ۴۹ درصد از سطوح سر و صدا در زاگرب از این حد فراتر رفته است. بنابراین، روش پیشنهادی موفق به شناسایی منابع اصلی صوتی در هر دو شهر در مورد بیش از حد مجاز نویز شد. این یافته‌ها نشان داد که عوامل عمده در سطوح سر و صدا، حمل‌ونقل و شیوه‌های حمل‌ونقل برای هر دو شهر است، در حالی که در اسکندریه، فعالیت تجاری و دست‌فروشان خیابانی به عنوان عوامل اصلی در نظر گرفته می‌شوند که نیازمند سیاست‌های متفاوتی در مورد مکان فروشندگان خیابانی و مغازه‌های تجاری است. در همین حال، در زاگرب، دومین مشارکت کننده، فعالیت های اجتماعی است، جایی که کافی شاپ ها سهم عمده ای دارند و به سیاست های متفاوتی برای کاهش سطح سر و صدا نیاز دارند. اولویت‌بندی نقشه‌برداری منابع صوتی با توجه به منابع نویز به سیاست‌گذاران این امکان را می‌دهد تا اقدامات کاهش صدا را بر اساس شدت آلودگی صوتی در مناطق مختلف اولویت‌بندی کنند. این امر امکان تخصیص کارآمد منابع را برای اجرای استراتژی های کاهش نویز در جایی که بیشتر مورد نیاز است، فراهم می کند.

مشاهدات میدانی تشخیص داد که با افزایش مدت زمان اندازه گیری، دقت تمایل به افزایش دارد. این به دلیل این واقعیت است که ممکن است مدت زمان کافی برای گیرنده GPS در گوشی هوشمند برای شناسایی ماهواره های GPS و سپس به دست آوردن بهترین دقت مکان مورد نیاز باشد. این نشان می دهد که کاربر NoiseCapture باید چند ثانیه پس از شروع برنامه صبر کند. به عنوان مثال، ر. [۵۶] مدت زمان ۴ ثانیه را قبل از انجام اندازه گیری ذکر می کند تا بهترین مکان یابی را بدست آورد.

شعاع بافر مورد استفاده برای تخصیص منابع نویز شناسایی شده به سطوح نویز نیز باید در نظر گرفته شود. طبق مطالعات متعدد [۱۲,۱۳]، فاصله بافر باید برای به دست آوردن بینشی در مورد توزیع فضایی نویز کافی باشد. تحقیقات بیشتر می تواند به این سوال باز بپردازد.

در سطح برنامه‌ریزی شهری، چنین مداخلاتی به برنامه‌ریزان کمک می‌کند تا با تصمیم‌گیری با هدف معرفی برنامه‌های اقدام جدید، مناطقی را توصیه کنند که در آن عموم مردم می‌توانند زمان با کیفیتی را در خارج از منزل سپری کنند بدون اینکه صدای حمل‌ونقل یا کارهای ساختمانی مزاحم شوند. سیاست های مدیریت کاربری و توزیع جدید با توجه به وضعیت موجود در هر شهر مورد نیاز است. علاوه بر این، درختان و پرچین هایی که می توانند فضاهای تجمع را از سر و صدای خیابان جدا کنند، باید تشویق شوند و فضاهای سبز آرام و مناطقی با فضای اجتماعی آرامش بخش، برخلاف تقاطع های ترافیکی متراکم، باید فراهم شود. با گنجاندن ملاحظات نویز در طراحی و چیدمان فضاهای شهری می توان محیط های هماهنگ و قابل زندگی تری ایجاد کرد. این امر می‌تواند توسط مقامات رسمی و با تشویق باغ‌های اجتماعی در فضاهای عمومی، که دارای مزایای محیطی و اجتماعی احتمالی هستند، محقق شود.

برای پیشرفت آتی تحقیق، توصیه می‌شود که مداخلات محلی در آن درگیر شود. این مداخلات ممکن است عموم مردم و ذینفعان را در بر بگیرد. مداخلات ممکن است گروهی از کارگاه های آموزشی باشد که آگاهی را در مورد خطرات سر و صدا برای سلامتی انسان افزایش می دهد. محققان تشویق می شوند تا برای پیشنهاد ایده های نوآورانه برای حل چنین مشکلاتی در هر دو شهر مشارکت کنند. از نقشه برداری صوتی می توان برای افزایش آگاهی عمومی در مورد آلودگی صوتی استفاده کرد. با به اشتراک گذاشتن نقشه ها و داده های نویز با مردم، افراد می توانند تاثیر نویز را بر زندگی روزمره خود بهتر درک کنند و فعالانه در تلاش های کاهش نویز مشارکت کنند.

با توجه به بررسی ادبیات در [۵۷]بیشتر سطوح سر و صدا ناشی از حمل و نقل و فعالیت خیابانی است که با یافته های تحقیق در اسکندریه (۲۱٫۶٪) و زاگرب (۳۷٫۹٪) مطابقت دارد. بنابراین، برنامه ریزان باید برنامه های حمل و نقلی را ایجاد کنند که هدف آن کاهش سطح سر و صدا در ساعات اوج مصرف باشد. به عنوان مثال، ورود اتوبوس ها و ترامواها به ایستگاه ها باید ۱۰ تا ۱۵ دقیقه از هم فاصله داشته باشند. این مشکل زمانی به وجود می آید که ایستگاه ها از نظر مکانی نزدیک یکدیگر قرار می گیرند. بنابراین، تجدید نظر در برنامه ممکن است توزیع سطوح نویز در طول روز را بهبود بخشد.

۸٫ نتیجه گیری

هدف این مقاله، اعمال چارچوب پیشنهادی در دو شهر مشمول مقررات و مورفولوژی‌ها، زمان‌بندی شهری و قانون‌گذاری متفاوت و مقایسه نتایج به‌دست‌آمده است. در مرحله اول که در اوایل سال ۲۰۲۳ انجام شد، اپلیکیشن موبایل NoiseCapture به عنوان ابزاری برای اندازه گیری سطوح نویز مورد بررسی قرار گرفت و از اپلیکیشن موبایل Field Maps ESRI برای تخصیص منابع نویز استفاده شد. در این مرحله، جمع سپاری امکان یک رویکرد شخص محور برای جمع آوری داده ها را فراهم کرد. فاز دوم با هدف تهیه نقشه نویز برای منطقه با استفاده از ابزار درونیابی IDW در GIS انجام شد. تکرار مراحل یکسان برای مرکز شهر در اسکندریه و زاگرب امکان مقایسه در مرحله سوم برنامه را فراهم کرد.

این مقاله تحقیقاتی با تاکید بر اهمیت مشارکت جامعه و تکنیک‌های جمع‌سپاری، به موضوع بحرانی آلودگی صوتی در مناطق مرکزی شهر پرداخته است. هدف اولیه ارزیابی سطوح نویز، شناسایی منابع نویز، و مشارکت مردم در فرآیند از طریق یک چارچوب جامع بود که نقشه‌برداری نویز و استراتژی‌های افزایش آگاهی را در بر می‌گیرد.

این مطالعه با بکارگیری یک روش ابتکاری در دو شهر مجزا، اسکندریه، مصر و زاگرب، کرواسی، پتانسیل این رویکرد را به طور موثر نشان داده است. ترکیبی از تکنیک‌های جمع‌سپاری تسهیل‌شده توسط برنامه‌های کاربردی تلفن همراه و ابزارهای GIS، ابزاری قدرتمند برای تشخیص و تحلیل نویز است. داده های تجزیه و تحلیل شده برای ایجاد نقشه های نویز استفاده شده است که سطوح سر و صدا در سراسر شهر را با استفاده از یک روش پذیرفته شده قابل اجرا نشان می دهد. این نقشه ها نمایش های بصری نقاط داغ نویز، مناطقی با نویز بیش از حد، یا مناطقی که نیاز به اقدامات کاهش نویز دارند را ارائه می دهند. علاوه بر این، نقشه‌های صوتی تولید شده می‌توانند توسط مقامات شهری و برنامه‌ریزان شهری برای ارزیابی سطوح آلودگی صوتی، شناسایی مناطق مشکل‌دار و توسعه استراتژی‌هایی برای کاهش صدا مورد استفاده قرار گیرند. این اطلاعات همچنین می تواند برای افزایش آگاهی در مورد آلودگی صوتی با مردم به اشتراک گذاشته شود. یافته‌های تحقیق، بینش‌های ارزشمندی را در مورد مناظر آلودگی صوتی این دو شهر ارائه می‌کند و مناطقی را که نیاز به بهبود دارند، برجسته می‌کند. علاوه بر این، این روش یک مدل قابل تکرار برای سایر مراکز شهری که با چالش های مشابه مواجه هستند ارائه می دهد. به طور کلی، نقشه برداری منبع نویز نقشی حیاتی در مدیریت و کاهش آلودگی صوتی در سطح شهر ایفا می کند. این یک مبنای علمی برای تصمیم گیری فراهم می کند، مداخلات هدفمند را تسهیل می کند و محیط شهری سالم تر و آرام تر را برای ساکنان ترویج می کند. با استفاده از نقشه برداری منبع نویز در کنار سایر استراتژی های برنامه ریزی شهری، شهرها می توانند در جهت ایجاد فضاهای پایدارتر و قابل زندگی برای ساکنان خود تلاش کنند. علاوه بر این، پرداختن به محدودیت‌ها و چالش‌های پیش‌رو و ارائه‌شده در بحث، قطعاً به نتایج دقیق‌تری در کمپین‌های تحقیقاتی مشابه منجر می‌شود.

در نتیجه، این تحقیق به گفتگوی گسترده تر در مورد برنامه ریزی شهری، بهداشت عمومی و پایداری محیطی کمک می کند. تحلیل مقایسه ای اسکندریه و زاگرب به عنوان پایه ای برای توصیه های مبتنی بر شواهد با هدف افزایش تصمیمات برنامه ریزی شهری و در نهایت کیفیت زندگی ساکنان عمل می کند. از طریق تلاش‌های مشترک و مشارکت اجتماعی، این ما را قادر می‌سازد تا به سمت شهرهای آرام‌تر و طراحی‌های بهتر برای محیط شهری کار کنیم.

مشارکت های نویسنده

مفهوم سازی، IC، EO، DS و VP-P. روش، IC، EO، DS و VP-P. تجزیه و تحلیل رسمی، EO و IC. تحقیق، EO و IC; اعتبار سنجی، IC و EO. نوشتن – آماده سازی پیش نویس اصلی، IC، EO و DS. نوشتن – بررسی و ویرایش، IC، EO، VP-P. و DS؛ تجسم، EO و IC. نظارت، DS و VP-P. مدیریت پروژه، IC و EO؛ تامین مالی، VP-P. و DS همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق توسط پروژه STDF “آزمایشگاه شهری جامعه دانشگاه برای یادگیری تعاملی و راه حل های اجتماعی نوآورانه (UC-Urban Lab)”، شناسه گرنت ۳۷۱۷۲ تامین شده است. Societal Solutions (UC-Urban Lab)», Grant ID 37172; “نوآوری برنامه های درسی در توسعه شهری هوشمند با اقلیم مبتنی بر کارایی سبز و انرژی با بخش غیر دانشگاهی” (پروژه: ۱۰۱۰۸۱۷۲۴-SmartWB-ERASMUS-EDU-2022-CBHE). و پروژه «مجموعه پردازش و تجسم داده های مکانی» دانشکده ژئودزی.

بیانیه در دسترس بودن داده ها

داده های ارائه شده در این مطالعه به درخواست نویسنده مسئول در دسترس است.

تضاد علاقه

نویسندگان هیچ تضاد منافعی را اعلام نمی کنند. تامین کنندگان مالی هیچ نقشی در طراحی مطالعه نداشتند. در جمع آوری، تجزیه و تحلیل یا تفسیر داده ها؛ در نگارش نسخه خطی؛ یا در تصمیم گیری برای انتشار نتایج.

منابع

شولا، دی. چالش ها و سیاست های نویز محیطی در کشورهای با درآمد کم و متوسط. S. Fla. J. سلامت ۲۰۲۱، ۲، ۲۶-۴۵٫ [Google Scholar] [CrossRef]
روسی، ال. پراتو، ا. لسینا، ال. شیاوی، ع. تأثیر نویز با فرکانس پایین بر عملکرد شناختی انسان در آزمایشگاه. ساختن. آکوست. ۲۰۱۸، ۲۵، ۱۷-۳۳٫ [Google Scholar] [CrossRef]
بسنر، ام. بابیش، دبلیو. دیویس، ا. برینک، م. کلارک، سی. یانسن، اس. Stansfeld, S. اثرات شنیداری و غیر شنیداری صدا بر سلامت. لانست ۲۰۱۴، ۳۸۳، ۱۳۲۵–۱۳۳۲٫ [Google Scholar] [CrossRef]
Eulalia، P. آلودگی صوتی یک مشکل بزرگ، هم برای سلامت انسان و هم برای محیط زیست است. در دسترس آنلاین: https://www.eea.europa.eu/publications/environmental-noise-in-europe (دسترسی در ۲۳ نوامبر ۲۰۲۳).
کینگ، EA اینجا، آنجا و همه جا: چگونه SDG ها باید آلودگی صوتی را در چالش های توسعه خود لحاظ کنند. محیط زیست علمی پایداری سیاست توسعه دهنده ۲۰۲۲، ۶۴، ۱۷-۳۲٫ [Google Scholar] [CrossRef]
۱۷ گل توسعه پایدار. در دسترس آنلاین: https://sdgs.un.org/goals (دسترسی در ۲۲ اوت ۲۰۲۳).
برگلوند، بی. لیندوال، تی. شولا، دی اچ. سازمان بهداشت جهانی. دستورالعمل‌هایی برای سر و صدای جامعه در دسترس آنلاین: https://apps.who.int/iris/bitstream/handle/10665/66217/a68672.pdf?sequence=1&isAllo (دسترسی در ۱۲ مارس ۲۰۲۳).
اتحادیه اروپا. دستورالعمل ۲۰۰۲/۴۹/EC پارلمان اروپا و شورای ۲۵ ژوئن ۲۰۰۲ در مورد ارزیابی و مدیریت نویز محیطی. خاموش J. Eur. جوامع ۲۰۰۲، ۱۸۹، ۲۰۰۲٫ [Google Scholar]
کوئلیو، جی بی. آلارکائو، دی. نقشه برداری نویز در شهرهای بزرگ پرتغال. در مجموعه مقالات دوازدهمین کنگره بین المللی صدا و ارتعاش، لیسبون، پرتغال، ۱۱-۱۴ ژوئیه ۲۰۰۵٫ [Google Scholar]
دوبی، آر. بهارادواج، س. ظفر، م. بوشان شارما، وی. Biswas, S. نقشه‌برداری مشارکتی نویز با استفاده از تلفن هوشمند. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۲۰، ۴۳، ۲۵۳-۲۶۰٫ [Google Scholar] [CrossRef]
گروبشا، اس. پتوشیچ، آ. سوهانک، م. Đurek، I. دقت سنجش جمعیت موبایل برای نقشه برداری نویز در شهرهای هوشمند. اتوماسیون ۲۰۱۸، ۵۹، ۲۸۶-۲۹۳٫ [Google Scholar] [CrossRef]
گرازیوسو، جی. مانچینی، اس. Francavilla، AB; گریمالدی، م. Guarnaccia، C. داده‌های سطح صدا ژئو-انبوه در حمایت از برنامه‌ریزی امکانات جامعه. یک پیشنهاد روش شناختی پایداری ۲۰۲۱، ۱۳، ۵۴۸۶٫ [Google Scholar] [CrossRef]
دوبی، آر. بهارادواج، س. ظفر، MI; ماهاجان، وی. سریواستاوا، آ. Biswas، S. نقشه برداری GIS از رویداد پر سر و صدا کوتاه مدت شب دیوالی در شهر لاکنو. ISPRS Int. J. Geo-Inf. 2021، ۱۱، ۲۵٫ [Google Scholar] [CrossRef]
ظفر، MI; دوبی، آر. بهارادواج، س. کومار، ا. پاسوان، ک.ک. سریواستاوا، آ. Tiwary, SK; Biswas، S. GIS نقشه‌برداری نویز ترافیک جاده‌ای و ارزیابی خطرات بهداشتی برای یک تقاطع شهری در حال توسعه. در مجموعه مقالات آکوستیک، سیدنی، استرالیا، ۴ تا ۸ دسامبر ۲۰۲۳؛ صص ۸۷-۱۱۹٫ [Google Scholar]
Adza، WK; هرست هاوس، ع. میلر، جی. Boakye, D. بررسی ارتباط ترکیبی بین صدای ترافیک جاده و کیفیت هوا با استفاده از QGIS. بین المللی جی. محیط زیست. Res. سلامت عمومی ۲۰۲۲، ۱۹، ۱۷۰۵۷٫ [Google Scholar] [CrossRef]
پیکاوت، جی. بومچیچ، ا. بوچر، ای. فورتین، ن. پتیت، جی. Aumond، P. پایگاه داده جمعی مبتنی بر گوشی های هوشمند برای ارزیابی نویز محیطی. بین المللی جی. محیط زیست. Res. سلامت عمومی ۲۰۲۱، ۱۸، ۷۷۷۷٫ [Google Scholar] [CrossRef]
برامبیلا، جی. Pedrielli، F. نقشه‌برداری مشارکتی صدا مبتنی بر تلفن هوشمند برای محیط صوتی پایدارتر. پایداری ۲۰۲۰، ۱۲، ۷۸۹۹٫ [Google Scholar] [CrossRef]
پوسلونچک-پتریچ، وی. سیبیلیچ، آی. فرانگش، اس. کاربرد جمع سپاری در توسعه نقشه نویز پویا. در مجموعه مقالات سمپوزیوم بین المللی کاربردهای نوآورانه و میان رشته ای فناوری های پیشرفته، توزلا، بوسنی و هرزگوین، ۱ تا ۴ ژوئن ۲۰۲۱؛ صص ۶۷۶-۶۸۳٫ [Google Scholar]
Lokhande, SK; Chopkar، PF; جین، ام سی; Hirani، A. ارزیابی نویز محیطی شهر باندارا در شرایط ناملایمات همه‌گیری COVID-19: یک رویکرد جمع‌سپاری. نقشه نویز. ۲۰۲۱، ۸، ۲۴۹-۲۵۹٫ [Google Scholar] [CrossRef]
پیکاوت، جی. فورتین، ن. بوچر، ای. پتیت، جی. اوموند، پ. Guillaume, G. یک رویکرد جمع سپاری علوم باز برای تولید نقشه های نویز جامعه با استفاده از تلفن های هوشمند. ساختن. محیط زیست ۲۰۱۹، ۱۴۸، ۲۰-۳۳٫ [Google Scholar] [CrossRef]
زو، جی. شیا، اچ. لیو، اس. Qiao, Y. نقشه برداری نویز محیطی شهری با استفاده از تلفن های هوشمند. حسگرها ۲۰۱۶، ۱۶، ۱۶۹۲٫ [Google Scholar] [CrossRef]
دروساتوس، جی. افرایمیدیس، ص. آتاناسیادیس، IN; استیونز، ام. D'Hondt، E. محاسبات حفظ حریم خصوصی نقشه‌های نویز مشارکتی در ابر. جی. سیست. نرم افزار ۲۰۱۴، ۹۲، ۱۷۰-۱۸۳٫ [Google Scholar] [CrossRef]
Maisonneuve، N. استیونز، ام. اوچاب، ب. پایش مشارکتی آلودگی صوتی با استفاده از تلفن همراه. Inf. سیاست ۲۰۱۰، ۱۵، ۵۱-۷۱٫ [Google Scholar] [CrossRef]
نیوونهویسن، م. خریس، ح. برنامه ریزی شهری و حمل و نقل، محیط زیست و بهداشت. که در ادغام سلامت انسان در برنامه ریزی شهری و حمل و نقل: یک چارچوب; Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۹؛ صص ۳-۱۶٫ [Google Scholar] [CrossRef]
Jariwala، HJ; سید، اچ اس. پاندیا، ام جی; Gajera، YM آلودگی صوتی و سلامت انسان: بررسی. در مجموعه مقالات آلودگی صوتی و هوا: چالش ها و فرصت ها، احمدآباد، هند، ۱۷ مارس ۲۰۱۷٫ [Google Scholar]
Zipf، L. پریماک، RB; دانشمندان Rotendler، M. Citizen و دانشجویان دانشگاه آلودگی صوتی شهرها و مناطق حفاظت شده را با گوشی های هوشمند نظارت می کنند. PLoS ONE 2020، ۱۵e0236785. [Google Scholar] [CrossRef]
گودرو، اس. پلانت، سی. فورنیه، ام. برند، آ. روشه، ی. Smargiassi، A. برآورد تغییرات فضایی در سطوح نویز شهری با مدل رگرسیون کاربری. محیط زیست آلودگی ۲۰۱۴، ۳، ۴۸٫ [Google Scholar] [CrossRef]
ما، ر. لام، PT; لئونگ، سی. داده‌های بزرگ در شیوه‌های برنامه‌ریزی شهری: شکل‌دهی شهرهای ما با داده‌ها. در مجموعه مقالات بیست و یکمین سمپوزیوم بین المللی پیشرفت در مدیریت ساخت و ساز و املاک؛ Springer: سنگاپور، ۲۰۱۸; صص ۳۶۵-۳۷۳٫ [Google Scholar]
ایوانف، ن. Gnevanov, M. داده های بزرگ: دیدگاه های استفاده در برنامه ریزی و مدیریت شهری. در مجموعه مقالات وب کنفرانس های MATEC، کنفرانس علمی بین المللی SPbWOSCE-2017 “تکنولوژی های کسب و کار برای توسعه شهری پایدار”، سن پترزبورگ، روسیه، ۲۰-۲۲ دسامبر ۲۰۱۷٫ پ. ۰۱۱۰۷٫ [Google Scholar] [CrossRef]
کینگ، جی. رولاند میشکوفسکی، م. جیسون، تی. Rainham، DG سطوح نویز مرتبط با کاربری زمین شهری. J. بهداشت شهری ۲۰۱۲، ۸۹، ۱۰۱۷–۱۰۳۰٫ [Google Scholar] [CrossRef]
شیخ، م. میچل، الف. استراتژی‌های طراحی برای راحتی آکوستیک درک شده در محیط‌های شهری – مروری بر ادبیات. در مجموعه مقالات آکوستیک، آدلاید، استرالیا، ۶ تا ۹ نوامبر ۲۰۱۸٫ [Google Scholar]
نیش، ایکس. گائو، تی. هدبلوم، ام. خو، ن. شیانگ، ی. هو، م. چن، ی. کیو، ال. ادراکات و ترجیحات منظره صوتی برای گروه های مختلف کاربران در پارک های جنگلی تفریحی شهری. جنگل ها ۲۰۲۱، ۱۲، ۴۶۸٫ [Google Scholar] [CrossRef]
یوبل، ک. رودز، جی آر. ویلسون، ک. مناظر صوتی پارک شهری Dean، AJ: عوامل فضایی و اجتماعی مؤثر بر تجربیات صدای پرنده و ترافیک مردم نات. ۲۰۲۲، ۴، ۱۶۱۶-۱۶۲۸٫ [Google Scholar] [CrossRef]
رادیچی، ا. هنکل، دی. Memmel, M. Citizens به عنوان حسگرهای هوشمند و فعال برای یک شهر آرام و درست. مورد رویکرد “مناظر صوتی منبع باز” برای شناسایی، ارزیابی و برنامه ریزی “مناطق آرام روزمره” در شهرها. نقشه نویز. ۲۰۱۸، ۵، ۱-۲۰٫ [Google Scholar] [CrossRef]
مارگاریتیس، ای. کانگ، جی. آلتا، اف. اکسلسون، او. رابطه بین کاربری زمین و منابع صوتی در محیط شهری. J. Urban Des. 2020، ۲۵، ۶۲۹-۶۴۵٫ [Google Scholar] [CrossRef]
دوپیکو، جی. شفر، بی. برینک، م. روسلی، م. وینو، دی. Binz, TM; توبیاس، اس. بائر، ن. Wunderli, JM چگونه سر و صدای ترافیک جاده و سرسبزی مسکونی با مزاحمت صدا و استرس طولانی مدت ارتباط دارد؟ پروتکل و مطالعه آزمایشی برای یک بررسی میدانی بزرگ با طراحی مقطعی. بین المللی جی. محیط زیست. Res. سلامت عمومی ۲۰۲۳، ۲۰، ۳۲۰۳٫ [Google Scholar] [CrossRef]
هونگ، جی. جئون، JY رابطه بین تنوع فضایی و زمانی منظر صوتی و مورفولوژی شهری در یک منطقه شهری چند منظوره: مطالعه موردی در سئول، کره. ساختن. محیط زیست ۲۰۱۷، ۱۲۶، ۳۸۲-۳۹۵٫ [Google Scholar] [CrossRef]
بکر، ام. کامینیتی، اس. فیورلا، دی. فرانسیس، ال. گراوینو، پی. هاکلی، م. هوتو، ا. لورتو، وی. مولر، جی. Ricchiuti، F. آگاهی و یادگیری در سنجش نویز مشارکتی. PLoS ONE 2013، ۸، e81638. [Google Scholar] [CrossRef]
بومچیچ، ا. پیکاوت، جی. بوچر، ای. استفاده از روش خوشه‌بندی برای تشخیص رویدادهای فضایی در پایگاه داده مبتنی بر جمعیت مبتنی بر تلفن هوشمند برای ارزیابی نویز محیطی. حسگرها ۲۰۲۲، ۲۲، ۸۸۳۲٫ [Google Scholar] [CrossRef]
زامبون، جی. بنوچی، آر. Brambilla, G. دسته بندی خوشه ای جاده های شهری برای بهینه سازی نظارت بر نویز آنها. محیط زیست نظارت کنید. ارزیابی کنید. ۲۰۱۶، ۱۸۸، ۱-۱۱٫ [Google Scholar] [CrossRef]
مرتق، ف. Contreras، P. الگوریتم‌های خوشه‌بندی سلسله مراتبی: یک نمای کلی. وایلی اینتردیسیپ. Rev. Data Min. بدانید. کشف کنید. ۲۰۱۲، ۲، ۸۶-۹۷٫ [Google Scholar] [CrossRef]
استر، ام. کریگل، اچ.-پی. ساندر، جی. Xu, X. یک الگوریتم مبتنی بر چگالی برای کشف خوشه ها در پایگاه داده های فضایی بزرگ با نویز. در مجموعه مقالات KDD; مطبوعات AAAI: واشنگتن، دی سی، ایالات متحده آمریکا، ۱۹۹۶; ص ۲۲۶-۲۳۱٫ [Google Scholar]
Maisonneuve، N. استیونز، ام. نیسن، ME; هاناپه، پی. فولادها، L. نظارت بر آلودگی صوتی شهروند. در مجموعه مقالات دهمین کنفرانس بین المللی پژوهشی دولت دیجیتال، پوئبلا، مکزیک، ۱۷ تا ۲۰ مه ۲۰۰۹٫ صص ۹۰-۱۰۳٫ [Google Scholar]
Can، A. اودوبر، پی. اوموند، پ. گیسلر، ای. گیو، سی. لورینو، تی. Rossa، E. چارچوبی برای ارزیابی صدای شهری در مقیاس شهر بر اساس اقدام شهروندان، با برنامه تلفن هوشمند NoiseCapture به عنوان اهرمی برای مشارکت. نقشه نویز. ۲۰۲۳، ۱۰، ۲۰۲۲۰۱۶۶٫ [Google Scholar] [CrossRef]
فناوری و شورای نظارتی بین ایالتی (ITRC). تجزیه و تحلیل جغرافیایی برای بهینه سازی در سایت های زیست محیطی. GRO-1. واشنگتن، دی سی: فناوری بین ایالتی و شورای نظارتی، تیم بهینه سازی زمین آمار برای اصلاح. ۲۰۱۶٫ در دسترس آنلاین: http://itrcweb.org/Team/Public?teamID=62 (در ۱ مارس ۲۰۲۳ قابل دسترسی است).
میتاس، ال. میتاسووا، H. درونیابی فضایی. که در سیستم های اطلاعات جغرافیایی: اصول، تکنیک ها، مدیریت و کاربردها، اطلاعات جغرافیایی بین المللی; وایلی: هوبوکن، نیوجرسی، ایالات متحده آمریکا، ۱۹۹۹; جلد ۱، ص ۴۸۱-۴۹۲٫ [Google Scholar]
کارتیک، ک. پرثیبان، پ. راجو، پ. Anuradha، P. توسعه مدل‌های پیش‌بینی نویز با استفاده از GIS برای شهر چنای. بین المللی J. Emerg. تکنولوژی Adv. مهندس ۲۰۱۵، ۵، ۲۴۵–۲۵۰٫ [Google Scholar]
طراحی پرسشنامه کرسنیک، JA. که در کتاب راهنمای تحقیقات پیمایشی پالگریو; Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۸; صص ۴۳۹-۴۵۵٫ [Google Scholar]
برنامه جمع آوری داده های میدانی برای کارگران سیار| نقشه های میدانی ArcGIS. در دسترس آنلاین: https://www.esri.com/en-us/arcgis/products/arcgis-field-maps/overview (دسترسی در ۱۳ مارس ۲۰۲۳).
بارتل، پی. دیویدسون، ال. Sudarskis، M. Alexandria: Regenering the City—A کمکی بر اساس تجربیات AFD. در دسترس آنلاین: https://inta-aivn.org/download/alexandria-regeneating-the-city/ (دسترسی در ۱۰ آوریل ۲۰۲۳).
عمار، AMS چشم انداز پیاده روی در محله های شهر مطالعه موردی: مرکز شهر اسکندریه. آرشیت. طرح. J. (APJ) 2018، ۲۴، ۳٫ [Google Scholar] [CrossRef]
دراگچویچ، وی. لاکوشیچ، اس. آهک، اس. Ahac، M. کمک به بهینه سازی روش های نقشه برداری نویز. Gradevinar 2008، ۶۰، ۷۸۷-۷۹۵٫ [Google Scholar]
قانون شماره ۴ سال ۱۹۹۴ در مورد انتشار قانون محیط زیست اصلاح شده توسط قانون شماره ۹ برای سال ۲۰۰۹، مصر به امضای حسنی مبارک. در دسترس آنلاین: https://www.eeaa.gov.eg/Uploads/Laws/Files/20221010120915151.doc (دسترسی در ۱۱ مارس ۲۰۲۳).
قانون حفاظت از صدا (روزنامه رسمی ۳۰/۰۹، ۵۵/۱۳، ۱۵۳/۱۳، ۴۱/۱۶، ۱۱۴/۱۸ و ۱۴/۲۱). در دسترس آنلاین: https://www.zakon.hr/z/125/Zakon-o-za%C5%A1titi-od-buke (دسترسی در ۹ نوامبر ۲۰۲۳).
EUBUCCO. در دسترس آنلاین: https://eubucco.com/data/ (دسترسی در ۱۴ آوریل ۲۰۲۳).
زامورا، دبلیو. ورا، ای. Calafate، CT; کانو، جی.-سی. Manzoni، P. GRC-sensing: معماری برای اندازه گیری آلودگی صوتی بر اساس سنجش ازدحام. حسگرها ۲۰۱۸، ۱۸، ۲۵۹۶٫ [Google Scholar] [CrossRef]
تانگ، J.-H. لین، بی.-سی. هوانگ، J.-S. چن، ال.-جی. وو، بی.-اس. ژیان، H.-L. لی، Y.-T. چان، تی.-سی. مدل سازی پویا برای نقشه برداری نویز در مناطق شهری محیط زیست ارزیابی تاثیر کشیش ۲۰۲۲، ۹۷، ۱۰۶۸۶۴٫ [Google Scholar] [CrossRef]

شکل ۱٫
گردش کار روش پیشنهادی

شکل ۲٫
چارچوب روش شناسی پیشنهادی

شکل ۳٫
زمینه های مطالعه موردی: (آ) مرکز شهر اسکندریه; (ب) مرکز شهر زاگرب.

شکل ۴٫
منابع نویز شناسایی شده در اسکندریه (ترک کرد) و زاگرب (درست).

شکل ۵٫
اندازه گیری سطح نویز در اسکندریه (ترک کرد) و زاگرب (درست).

شکل ۶٫
درون یابی IDW سطوح نویز در اسکندریه (ترک کرد) و زاگرب (درست).

شکل ۷٫
مقایسه آمار منابع نویز در مناطق مورد مطالعه هر دو شهر.

شکل ۸٫
توزیع اندازه گیری سطح نویز

شکل ۹٫
فراوانی کلمات ذکر شده در پاسخ پرسشنامه به این سوال که “خطرناک ترین صداها در شهری که در آن زندگی می کنید کدام صداها هستند؟”

میز ۱٫
انواع منابع نویز احتمالی در یک منطقه شهری

انواع منابع نویز احتمالی در یک منطقه شهری
۱	ماشین / تاکسی	۶	تراموا	۱۱	کنسرت/جشنواره در فضای باز	۱۶	بارگیری و تخلیه	۲۱	راه آهن
۲	دوچرخه / موتور سیکلت	۷	آژیرها	۱۲	آتش بازی	۱۷	قهوه خانه ها	۲۲	دعواهای خیابانی
۳	حمل و نقل عمومی	۸	دی جی / بلندگو	۱۳	کار ساخت و ساز	۱۸	دستگاه های تهویه مطبوع	۲۳	تعداد زیادی پارکینگ
۴	فروشندگان خیابانی	۹	ماشین آلات صنعتی	۱۴	فعالیت های تجاری مغازه ها	۱۹	وسایل نقلیه اضطراری	۲۴	ایستگاه های اتوبوس
۵	جمع شدن مردم	۱۰	چرخ دستی های غذا	۱۵	کامیون های بزرگ	۲۰	مجریان خیابانی	۲۵	فواره های آب

جدول ۲٫
نمادشناسی و طرح طبقه بندی اقتباس شده برای سطوح نویز.

طبقه بندی شکست های طبیعی داده های اندازه گیری
کلاس	سطح نویز (dB)	رنگ	کد HEX رنگی	نام
۱	<53.9		#۲۳۸۴۴۳	سبز دریای متوسط
۲	۵۴٫۰-۶۱٫۹		#۷۸C679	سبز مایل به خاکستری
۳	۶۲٫۰-۶۶٫۲		#C2E699	سبز چارتری مایل به خاکستری روشن
۴	۶۶٫۳-۷۰٫۴		#FFFFB2	زرد کم رنگ
۵	۷۰٫۵-۷۴٫۹		#FECC5C	کهربای درخشان روشن
۶	۷۵٫۰-۸۰٫۷		#FD8D3C	تانگلو درخشان
۷	> ۸۰٫۸		#FF0909	قرمز درخشان روشن

جدول ۳٫
حدود مجاز شدت نویز بر حسب دسی بل در مصر.

حد مجاز برای شدت نویز بر حسب دسی بل در مصر
نوع منطقه	روز (از ساعت ۷ صبح تا ۶ بعد از ظهر)		عصر (از ساعت ۱۸ تا ۱۰ شب)
نوع منطقه	از جانب	به	از جانب	به
مناطق تجاری، اداری و مرکز شهر	۵۵	۶۵	۵۰	۶۰
مناطق مسکونی که شامل برخی کارگاه ها یا مؤسسات تجاری است یا در یک جاده اصلی واقع شده است	۵۰	۶۰	۴۵	۵۵
مناطق مسکونی در شهر	۴۵	۵۵	۴۰	۵۰
مناطق مسکونی حومه شهر با ترافیک کم	۴۰	۵۰	۳۵	۴۵
مناطق مسکونی روستایی، بیمارستان ها و باغ ها	۳۵	۴۵	۳۰	۴۰
مناطق صنعتی (صنایع سنگین)	۶۰	۷۰	۵۵	۶۵

جدول ۴٫
حد مجاز شدت نویز بر حسب دسی بل در کرواسی.

حد مجاز برای شدت نویز بر حسب دسی بل در کرواسی
هدف فضا	روز	شب
منطقه ای برای استراحت، بهبودی و درمان	۵۰	۴۰
منطقه ای که فقط برای مسکن و سکونت در نظر گرفته شده است	۵۵	۴۰
منطقه کاربری مختلط، عمدتا مسکونی	۵۵	۴۵
منطقه استفاده مختلط، عمدتا تجاری با مسکن	۶۵	۵۰
منطقه کاربری اقتصادی (تولید، صنعت انبار، خدمات)	در مرز بلوک ساختمانی در منطقه – نویز نباید از ۸۰ دسی بل (A) تجاوز کند.

جدول ۵٫
تعداد اندازه‌گیری‌های سطح نویز مرتبط با منابع نویز در هر دو شهر؛ مقادیر بالا برای هر دسته زیر خط کشیده شده است. پررنگ در جداول بالاترین اعداد را در هر ستون نشان می دهد.

منبع نویز	تعداد اندازه‌گیری‌ها در هر دسته دسی‌بل
	اسکندریه							زاگرب
	<53	۵۴-۶۱	۶۲-۶۶	۶۷-۷۰	۷۱-۷۴	۷۵-۸۱	> ۸۱	<53	۵۴-۶۱	۶۲-۶۶	۶۷-۷۰	۷۱-۷۴	۷۵-۸۱	> ۸۱
ماشین / تاکسی	۰	۴۱	۲۶۳	۳۱۹	۳۷۴	۲۶۷	۸۰	۵۹	۴۶۵	۴۹۰	۵۳۷	۴۳۶	۳۲۳	۷۷
دوچرخه / موتور سیکلت	۰	۰	۴۶	۵۳	۵۰	۳۱	۱۲	۱۴	۱۹۴	۱۵۴	۱۴۲	۹۹	۷۶	۱۲
حمل و نقل عمومی	۰	۳	۵۶	۱۴۶	۲۴۵	۲۳۴	۹۳	۰	۰	۰	۰	۰	۰	۰
فروشندگان خیابانی	۰	۴۲	۲۲۸	۴۲۰	۵۰۴	۴۵۹	۱۲۷	۱	۱۱۰	۱۲۸	۱۰۳	۷۸	۵۳	۴
اجتماعات	۰	۵۱	۲۶۶	۵۰۵	۶۹۶	۶۵۳	۱۷۶	۴	۲۱۳	۲۷۶	۱۴۶	۹۰	۴۹	۱۵
تراموا	۰	۰	۷	۱۵	۲۸	۲۰	۶	۰	۷۶	۱۳۸	۱۲۴	۱۱۸	۶۱	۲۴
دی جی / بلندگو	۰	۲۰	۰	۹۹	۸۷	۱۱۲	۲۹	۰	۷۴	۶۸	۳۳	۱۳	۲	۰
ماشین آلات صنعتی	۰	۰	۰	۰	۰	۰	۰	۰	۰	۲	۷	۰	۶	۲۳
کار ساخت و ساز	۰	۰	۶۹	۱	۱۳	۲۰	۰	۳	۴۸	۳۹	۳۰	۳۵	۴۲	۳۳
فعالیت های تجاری مغازه ها	۰	۷۴	۳۰۶	۳۹۹	۳۰۷	۲۷۲	۹۰	۱	۵۴	۱۱۳	۶۸	۳۶	۲۶	۹
کامیون های بزرگ	۰	۰	۰	۰	۰	۰	۰	۱۴	۲۰	۴۳	۵۶	۲۳	۱۴	۱۳
بارگیری و تخلیه	۰	۰	۰	۱۱	۲۱	۱۶	۴	۰	۲۰	۵۱	۴۵	۲۳	۱۰	۱
قهوه خانه ها	۰	۹	۳۳	۳۳	۴۹	۳۸	۷	۸	۲۹۳	۳۱۴	۱۶۱	۶۱	۱۸	۱۵
دستگاه های تهویه مطبوع	۰	۰	۰	۳	۱۲	۱۷	۱	۰	۰	۰	۰	۰	۰	۰
مجریان خیابانی	۰	۰	۰	۰	۰	۰	۰	۰	۲	۵	۳۰	۲۰	۱۴	۱
دعواهای خیابانی	۰	۰	۲۴	۲۰	۱۰	۸	۵	۰	۰	۰	۰	۰	۰	۰
تعداد زیادی پارکینگ	۰	۱۶	۵۶	۷۳	۱۱۸	۱۰۳	۳۵	۲۰	۷۲	۲۹	۱۹	۲۳	۱۱	۵
ایستگاه های اتوبوس	۰	۰	۱	۸	۴۴	۳۴	۱۱	۰	۴۱	۹	۳	۰	۰	۰

جدول ۶٫
انجمن های آماری اندازه گیری سطح سر و صدا و منابع نویز. مقادیر بالا برای هر دسته زیر خط کشیده شده است. پررنگ در جداول بالاترین اعداد را در هر ستون نشان می دهد.

منبع نویز	سطح دسی بل									درصد (%)
	میانگین		کمترین		بیشترین		معدل کل	مجموع حداقل	مجموع حداکثر	درصد (%)
	ALX	ZAG	ALX	ZAG	ALX	ZAG	معدل کل	مجموع حداقل	مجموع حداکثر	ALX	ZAG
ماشین / تاکسی	۷۰٫۸	۶۷٫۶	۵۵٫۹	۳۱٫۳	۹۴٫۶	۹۲٫۰	۶۸٫۵	۳۱٫۳	۹۴٫۶	۱۰٫۷٪	۲۵٫۹٪
دوچرخه / موتور سیکلت	۷۰٫۲	۶۶٫۱	۶۱٫۲	۳۸٫۰	۸۵٫۳	۸۹٫۲	۶۶٫۷	۳۸٫۰	۸۹٫۲	۱٫۳٪	۷٫۵٪
حمل و نقل عمومی	۷۳٫۴	–	۶۰٫۹	–	۹۱٫۱	–	۷۳٫۴	۶۰٫۹	۹۱٫۱	۵٫۵٪	–
فروشندگان خیابانی	۷۲٫۰	۶۶٫۹	۵۵٫۷	۵۳٫۷	۹۴٫۳	۸۲٫۵	۷۰٫۸	۵۳٫۷	۹۴٫۳	۱۸٫۰٪	۵٫۲٪
اجتماعات	۷۱٫۸	۶۵٫۷	۶۱٫۷	۵۰٫۰	۹۴٫۶	۹۰٫۵	۶۸٫۱	۵۰٫۰	۹۴٫۶	۶٫۲٪	۸٫۶٪
تراموا	۶۹٫۹	۶۸٫۸	۶۳٫۴	۵۵٫۴	۷۷٫۲	۸۸٫۰	۶۸٫۹	۵۵٫۴	۸۸٫۰	۰٫۴٪	۵٫۹٪
دی جی / بلندگو	۷۰٫۷	۶۳٫۷	۵۸٫۱	۵۴٫۹	۸۷٫۱	۷۹٫۴	۶۷٫۵	۵۴٫۹	۸۷٫۱	۲٫۷٪	۲٫۱٪
ماشین آلات صنعتی	–	۸۰٫۱	–	۶۴٫۷	–	۹۰٫۲	۸۰٫۱	۶۴٫۷	۹۰٫۲	–	۰٫۴٪
کار ساخت و ساز	۷۳٫۶	۷۰٫۱	۶۹٫۹	۵۲٫۷	۷۸٫۱	۹۰٫۶	۷۰٫۳	۵۲٫۷	۹۰٫۶	۰٫۱٪	۲٫۵٪
فعالیت های تجاری مغازه ها	۶۹٫۹	۶۶٫۸	۵۴٫۰	۵۳٫۲	۹۴٫۶	۸۵٫۶	۶۹٫۱	۵۳٫۲	۹۴٫۶	۱۲٫۱٪	۳٫۳٪
کامیون های بزرگ	–	۶۷٫۳	–	۴۲٫۵	–	۸۹٫۳	۶۷٫۳	۴۲٫۵	۸۹٫۳	–	۲٫۰٪
بارگیری و تخلیه	۷۲٫۶	۶۷٫۰	۶۶٫۱	۵۴٫۹	۹۱٫۵	۸۴٫۳	۶۸٫۳	۵۴٫۹	۹۱٫۵	۰٫۶٪	۱٫۶٪
قهوه خانه ها	۷۰٫۲	۶۴٫۳	۵۷٫۶	۵۲٫۴	۸۴٫۶	۹۱٫۳	۶۵٫۳	۵۲٫۴	۹۱٫۳	۲٫۴٪	۹٫۴٪
دستگاه های تهویه مطبوع	۷۳٫۹	–	۶۸٫۱	–	۷۹٫۴	–	۷۳٫۹	۶۸٫۱	۷۹٫۴	۰٫۲٪	–
مجریان خیابانی	–	۷۰٫۹	–	۶۰٫۴	–	۸۰٫۸	۷۰٫۹	۶۰٫۴	۸۰٫۸	–	۰٫۸٪
دعواهای خیابانی	۶۶٫۳	–	۶۱٫۴	–	۷۴٫۵	–	۶۶٫۳	۶۱٫۴	۷۴٫۵	۰٫۲٪	۰٫۰٪
تعداد زیادی پارکینگ	۷۱٫۵	۶۲٫۸	۵۸٫۵	۳۱٫۳	۹۱٫۵	۸۸٫۳	۶۷٫۹	۳۱٫۳	۹۱٫۵	۳٫۰٪	۱٫۹٪
ایستگاه های اتوبوس	۷۳٫۰	۵۹٫۷	۶۵٫۱	۵۵٫۱	۸۱٫۲	۶۸٫۴	۶۶٫۴	۵۵٫۱	۸۱٫۲	۰٫۷٪	۰٫۶٪

سلب مسئولیت/یادداشت ناشر: اظهارات، نظرات و داده های موجود در همه نشریات صرفاً متعلق به نویسنده (ها) و مشارکت کننده (ها) است و نه MDPI و/یا ویرایشگر(ها). MDPI و/یا ویراستار(های) مسئولیت هرگونه آسیب به افراد یا دارایی ناشی از هر ایده، روش، دستورالعمل یا محصولات اشاره شده در محتوا را رد می کنند.

© ۲۰۲۴ توسط نویسندگان. دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC BY) توزیع شده است (https://creativecommons.org/licenses/by/4.0/).

منبع:
۱- shahrsaz.ir , علوم شهری | متن کامل رایگان
,۲۰۲۴-۰۲-۰۲ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2413-8851/8/1/13