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

نصب رول بولت در ۵ مرحله

ادامه ...

…

ادامه ...

Saturday, 18 May , 2024
امروز : شنبه, ۲۹ اردیبهشت , ۱۴۰۳

آخرین اخبار »

شناسه خبر : 6525

ارسال

پرینتخانه » مقالات تاریخ انتشار : 15 ژانویه 2024 - 3:30 | 11 بازدید | ارسال توسط : riazat

علوم شهری | متن کامل رایگان

۱٫ معرفی یکی از مهم‌ترین موارد اضطراری که تصمیم‌گیرندگان را در مدیریت سکونتگاه‌های شهری نگران می‌کند، همراهی مخاطرات طبیعی، زیست‌محیطی و اقلیمی است که به دلیل شهرنشینی و صنعتی شدن مراکز جمعیتی و تغییرات مداوم آب و هوا به طور فزاینده‌ای شیوع پیدا می‌کند. بحران اخیر همه‌گیری کووید ۱۹ و خطر فزاینده ناشی از پدیده‌های […]

۱٫ معرفی

یکی از مهم‌ترین موارد اضطراری که تصمیم‌گیرندگان را در مدیریت سکونتگاه‌های شهری نگران می‌کند، همراهی مخاطرات طبیعی، زیست‌محیطی و اقلیمی است که به دلیل شهرنشینی و صنعتی شدن مراکز جمعیتی و تغییرات مداوم آب و هوا به طور فزاینده‌ای شیوع پیدا می‌کند.

بحران اخیر همه‌گیری کووید ۱۹ و خطر فزاینده ناشی از پدیده‌های شدید اقلیمی و زیست‌محیطی، توسعه مطالعاتی را در مورد تحلیل ریسک‌های چندگانه زیست‌محیطی و اقلیمی مورد حمایت قرار داده است. این پژوهش بر ارزیابی قابلیت‌های تاب‌آوری در برابر پدیده‌های افراطی متعدد از اقدامات و راهبردهای سازگاری یا کاهش متمرکز بوده است.

اولین مطالعات در مورد چند خطر بر روی چند خطرات مخاطرات طبیعی مختلف متمرکز شده است [۱,۲,۳]. تجزیه و تحلیل چند خطرات مخاطرات طبیعی در سال ۲۰۰۹ به عنوان بخشی از پروژه اروپایی NaRas-Natural Hazard Risk Assessment که تحت برنامه ششم چارچوب تحقیقاتی اتحادیه اروپا (FP6) تأمین مالی شده است، توسعه یافت. [۱]. که در [۲]مدلی برای شناسایی نقاط داغ در معرض خطرات طبیعی متعدد پیشنهاد شد. مروری بر مسائل ارزیابی چند ریسک و حاکمیت در ارائه شده است [۳].

تحقیقات زیادی در دهه گذشته برای ارزیابی تأثیر همزمان انواع مختلف خطرات و روابط متقابل بین انواع مختلف ریسک انجام شده است. مروری کامل بر روش‌های کمی تصادفی، تجربی و مکانیکی برای مدل‌سازی روابط متقابل بین انواع مختلف خطرات طبیعی ژئوفیزیکی، جوی و هیدرولوژیکی ارائه شده است. [۴]; در این مطالعه، دو نوع مدل چند ریسکی متمایز می شوند:

–: خطرات آبشاری: دو خطر به ترتیب در طول زمان به دنبال یکدیگر می آیند که در آن خطر اول باعث ایجاد یا تغییر شرایط خطر بعدی می شود.
–: مخاطرات مرکب: دو خطر مرتبط که در یک دوره زمانی در یک منطقه جغرافیایی وجود دارند.

علاوه بر این، این مدل ها بر اساس روش های مورد استفاده برای مطالعه روابط متقابل بین خطرات به سه نوع طبقه بندی می شوند: تصادفی، تجربی و مکانیکی.

در مدل‌های تصادفی، رابطه متقابل بین ریسک‌های طبیعی با توجه به وابستگی آماری بین متغیرهای مختلف محیطی مدل‌سازی می‌شود.

مدل‌های تجربی مبتنی بر مشاهدات هستند تا روابط متقابل بین متغیرهای محیطی با داده‌های مشاهده‌شده برازش داده شود. آنها دقت بالایی دارند اما محدود به دامنه مقادیر مشاهده شده هستند.

مدل های مکانیکی بر اساس مطالعات ریاضی تاثیر و تکامل پدیده های طبیعی است. آنها عمدتاً در مطالعه روابط متقابل خطر در توده های آبی، که در آن معادلات هیدرودینامیکی یا هیدرولیکی می توانند استفاده شوند، به کار می روند.

جزئیات خاص انواع مختلف مدل‌های چندخطری در متون ارائه شده است [۴].

همانطور که در [۳,۵]امروزه، مقامات محلی عموماً برای مقابله با پدیده‌های چندخطری آمادگی ندارند زیرا اقدامات و استراتژی‌های انعطاف‌پذیر همچنان بر کاهش ریسک منفرد متمرکز هستند و اثرات آبشاری را که می‌تواند با حضور رویدادهای خطرناک بیشتر ایجاد شود، در نظر نمی‌گیرند. علاوه بر این، جوامع محلی از کمبود مهارت در تمام رشته های لازم برای برنامه ریزی کاهش چند ریسک رنج می برند و به منابع کافی برای مقابله با آن مجهز نیستند.

به طور خاص، تجزیه و تحلیل و مدیریت چند ریسک که به خطرات طبیعی، زیست محیطی و اقلیمی اشاره دارد، نیازمند رویکردهای مشارکتی است که شامل بازیگران یا ذینفعان ذینفع می‌شود که به فرآیندها یا شهروندانی که در معرض خطر هستند اشاره می‌کنند و قادر به ارائه نظرات و ارزیابی‌های انتقادی هستند.

که در [۶]از طریق پرسشنامه های خاص، نظرات ذینفعان مربوط به اثرات ناشی از تغییرات آب و هوا و خطرات زیست محیطی در نواحی دلتائی جمع آوری می شود تا انحرافات بین ارزیابی های ذهنی ذینفعان و نتایج مدل های ارزیابی ریسک ریاضی ارزیابی شود. نویسندگان نشان می‌دهند که تجزیه و تحلیل ادراکات ذینفعان برای ادغام نتایج مدل‌های ریاضی چند ریسکی در فرآیندهای تصمیم‌گیری ضروری است.

از این منظر، یک مطالعه مهم از مسائل بحرانی ناشی از مشکلات چندخطری در سکونتگاه‌های متراکم شهری، بر شناسایی حالات ذهنی شهروندان و احساسات به‌دست‌آمده متمرکز شده است که از پایگاه دانش پنهان ارائه‌شده توسط جریان‌های اطلاعاتی در فضای اجتماعی شروع می‌شود. شبکه.

تکنیک‌های تشخیص احساسات (ED) معمولاً برای تشخیص احساسات از متون بدون ساختار ارسال شده در یک شبکه اجتماعی استفاده می‌شوند. این تکنیک‌ها پردازش زبان طبیعی (NLP)، الگوریتم‌های مبتنی بر واژگان، یادگیری ماشینی و یادگیری عمیق را با استفاده از Ekman پیاده‌سازی می‌کنند. [۷] یا پلوچیک [۸] مدلی از مقوله های احساسات برای تشخیص مرتبط ترین انواع احساسات در متون. که در [۹]مدل اکمن برای حاشیه نویسی و طبقه بندی توییت ها استفاده می شود. چرخ Plutcick از احساسات استفاده می شود [۱۰] برای حاشیه نویسی متون هندی برای تشخیص احساسات در حوزه فاجعه.

رویکرد عصبی با استفاده از مدل یونیسون [۱۱] در اجرا می شود [۱۲] برای شناسایی هر دو دسته احساسات Plutchik و Ekman برای تشخیص اخبار جعلی. مروری بر تکنیک های ED از متن تا حاشیه نویسی و طبقه بندی اسناد در ارائه شده است [۱۳]. مروری بر ادبیات روش‌های مختلف ED مبتنی بر واژگان و یادگیری ماشینی در ارائه شده است [۱۴].

تکنیک‌های ED مبتنی بر واژگان و ماشین و یادگیری عمیق می‌توانند به مصرف زمان و حافظه بالایی نیاز داشته باشند و می‌توانند از نظر محاسباتی گران باشند. اخیرا، در [۱۵]یک چارچوب ED مبتنی بر فازی به نام FREDoc (طبقه‌بندی سند احساسات مرتبط فازی)، بر اساس یک فرآیند سریع NLP برای طبقه‌بندی اسناد بر اساس دسته‌های هیجانی مرتبط‌تر پیشنهاد شد.

مزایای اصلی FREDoC سرعت محاسباتی بالای آن و اجرای یک روش طبقه بندی اسناد چندگانه است که معیار جدیدی از ارتباط یک مقوله احساسی در یک سند را معرفی می کند. این رویکرد امکان تعیین طبقه‌بندی دقیق‌تری از سند را با در نظر گرفتن همه مقوله‌های احساسی خوشایند و ناخوشایند با ارتباطی که ناچیز یا بیشتر از یک آستانه مشخص نیست، می‌دهد.

FREDoc در یک پلتفرم مبتنی بر GIS در [۱۶] برای طبقه بندی ارتباط احساسات خوشایند و ناخوشایند شناسایی شده در بررسی امکانات خدمات ارسال شده در وب. نویسندگان این پلتفرم را آزمایش کردند تا تجزیه و تحلیل کنند که کدام سازه های تئاتر واقع در شهر ناپل (ایتالیا) از نظر کیفیت اجراهای تئاتری و کیفیت خدمات ارائه شده بیشترین و کمترین محبوبیت را داشته اند. چرخه عواطف Plutchick برای مدل‌سازی دسته‌های هیجانی استفاده شد و ارتباط دسته‌های عاطفی فردی به ارتباط مقوله‌های احساسی خوشایند و ناخوشایند تجمیع شد. نتایج آزمایش‌ها نشان داد که این روش ارزیابی دقیق‌تری از رضایت کاربر نسبت به نمرات تخصیص یافته در بررسی‌ها ایجاد می‌کند.

یک چارچوب مبتنی بر GIS برای شناسایی مناطق بحرانی شهری به دلیل پدیده‌های موج گرما پیشنهاد شده است [۱۷]; FREDoc برای طبقه‌بندی اسناد از پست‌های استخراج‌شده در جریان‌های اجتماعی که در آن یک سند به یک مکان و یک بازه زمانی مرتبط است، اجرا می‌شود. دسته بندی احساسات اولیه و ثانویه در رولت احساسات Plutchick برای طبقه بندی اسناد در نظر گرفته می شود. مناطق شهری که در آن دسته‌بندی‌های احساسی ناخوشایند در طول زمان رواج دارند، نقاط داغی را تشکیل می‌دهند که نمایانگر مناطق شهری است که ناراحتی ناشی از وجود دوره‌هایی از امواج گرما به‌ویژه توسط ساکنان احساس می‌شود.

این چارچوب در منطقه مورد مطالعه تشکیل شده از شهرداری های منطقه شمال شرقی استان ناپل (ایتالیا) آزمایش شد. نقاط داغ شناسایی شده نشان دهنده مناطق شهری با جمعیت و تراکم ساختمانی بالا است.

در این مقاله، ما یک چارچوب جدید مبتنی بر GIS را پیشنهاد می‌کنیم که برای شناسایی مناطق بحرانی شهری در حضور چند خطر زیست‌محیطی و اقلیمی، بر اساس حالت‌های احساسی بیان شده توسط شهروندان در شبکه اجتماعی، اعمال می‌شود.

ذیل [۱۷]، FREDoc بر روی اسناد حاوی پست های مربوط به یک پدیده خاص منتشر شده در یک بازه زمانی توسط شهروندان ساکن در زیرمنطقه منطقه مورد مطالعه اجرا شد. ارتباط یک مقوله احساسی در یک سند با ایجاد یک پارتیشن فازی از دامنه شاخص ارتباط نرمال شده، همانطور که در تعریف شده است، ارزیابی شد. [۱۵]. شاخص ارتباط نرمال شده یک دسته عاطفی در یک سند با محاسبه اندازه گیری فرکانس مدت-معکوس فرکانس سند (به طور خلاصه، tf-idf) هر عبارت متعلق به دسته در سند به دست آمد. ارتباط مقوله احساسی در سند با برچسب مجموعه فازی پارتیشن فازی مرتبط که شاخص ارتباط نرمال شده به آن تعلق دارد، با بیشترین درجه عضویت نشان داده شده است.

به منظور طبقه‌بندی یک زیرمنطقه با توجه به پدیده‌های بیشتر در یک دوره و برای تشخیص زیرمنطقه بحرانی در یک سناریوی چند ریسکی، ما معیاری از ارتباط یک مقوله احساسی با یک زیرمنطقه در آن دوره در حضور ریسک‌های بیشتر پیشنهاد می‌کنیم. . ما حداقل عملگر هنجار مثلثی فازی گودل را به مجموعه‌های فازی یکسان در دو پارتیشن فازی اعمال می‌کنیم، و ارتباط فازی دسته احساسات ارائه شده توسط برچسب مجموعه فازی با بالاترین درجه عضویت نهایی را به سند گزارشگر اختصاص می‌دهیم. این فرآیند با یک مثال در توضیح داده شده است بخش ۲٫۲.

بنابراین، مدل پیشنهادی تجزیه و تحلیل مناطق بحرانی شهری در سناریوهای چندخطری به ما امکان می‌دهد تا برای هر زیرمنطقه از یک منطقه مورد مطالعه و در هر دوره، کدام حالت‌های هیجانی شهروندان را به دلیل وجود هر دو پدیده مرتبط‌تر تشخیص دهیم: محیطی: و آب و هوا

علاوه بر این، این امکان را فراهم می کند تا در هر دوره مشخص شود که به دلیل وجود هر دو پدیده، بحرانی ترین زیر پهنه ها هستند. برای تعیین بحرانی‌ترین زیرحوزه‌ها، زیرمنطقه‌هایی که مقوله‌های احساسی ناخوشایند در آن‌ها مرتبط‌تر بودند، با در نظر گرفتن ربط‌های فازی اختصاص‌داده‌شده به هر دسته احساسی انتخاب می‌شوند.

ما چارچوب خود را بر روی مناطق شهر بولونیا (ایتالیا) آزمایش کردیم تا مسائل بحرانی را که از وضعیت عاطفی شهروندان در دوره بین سال‌های ۲۰۲۰ تا ۲۰۲۲ به دلیل حضور همزمان همه‌گیری کووید ۱۹ و گرمای مکرر پدید آمده است، تجزیه و تحلیل کنیم. پدیده های موجی در ماه های تابستان

در بخش بعدی، برخی از مفاهیم اولیه، مانند اندازه‌گیری ارتباط یک مقوله احساسی در یک سند و پارتیشن فازی، تحلیل خواهند شد. علاوه بر این، مدل FREDoc به طور خلاصه توضیح داده خواهد شد. چارچوب پیشنهادی به تفصیل در شرح داده شده است بخش ۳; که در بخش ۴، نتایج آزمایش های انجام شده در محله های بولونیا نشان داده شده و مورد بحث قرار گرفته است. سرانجام، بخش ۵ شامل ملاحظات پایانی است.

۲٫ مقدمات

در این بخش، مفاهیم مربوط بودن و ارتباط فازی یک مقوله هیجانی معرفی شده و معیار مربوط بودن یک مقوله عاطفی در یک سند در حضور پدیده های متعدد معرفی می شود. علاوه بر این، مدل FREDoc که برای چند طبقه‌بندی اسناد بر اساس ارتباط مقوله‌های عاطفی به کار می‌رود، به اختصار توضیح داده می‌شود.

۲٫۱٫ اندازه گیری فازی ارتباط یک مقوله عاطفی در یک سند

اجازه دهید C = {c1, c2, …, cM} مجموعه‌ای از M مقوله‌های احساسی و T باشد_j = {T_j1، تی_j2، … تی_jMj} مجموعه اصطلاحاتی باشد که به دسته عاطفی j اختصاص داده شده است. علاوه بر این، اجازه دهید D = {d₁، د_۲، …د_ن} مجموعه ای از N سند باشد. برای ارزیابی ارتباط دسته jth ج_j در i_هفتم سند از در [۱۵] tf-idf هر عبارت متعلق به cj در سند d محاسبه می شود_من. با موارد زیر ارائه می شود:

$tf - idf ({تی}_{jk} ، د_{من}) = tf ({تی}_{jk} ، د_{من}) \cdot idf ({تی}_{jk} ، D) ک = ۱ ، ۲ ، \dots ، Mj$

(۱)

حاصل این دو عبارت است:

$tf ({تی}_{jk} ، د_{من}) = \frac{f ({تی}_{j ک} ، د_{من})}{n_{من}} ک = ۱ ، ۲ ، \dots ، Mj$

(۲)

اصطلاح فرکانس نامیده می شود که در آن f(t,d_من) بسامد مطلقی است که عبارت t با آن است_jk در سند d ظاهر می شود_من و n_من تعداد دفعاتی است که هر عبارت متعلق به دسته‌های احساسی در سند di ظاهر می‌شود.

و ترم آخر:

$idf ({تی}_{jk} ، D) = {ورود به سیستم}_{۱۰} \frac{ن}{ن_{jk}} ک = ۱ ، ۲ ، \dots ، Mj$

(۳)

فرکانس سند معکوس نامیده می شود و با لگاریتم نسبت بین تعداد N اسناد پیکره D و تعداد اسناد N داده می شود._jk که در آن اصطلاح t_jk حداقل یک بار ظاهر می شود

ارتباط دسته عاطفی j در سند ith با فرمول محاسبه می شود:

$r (ج_{j} ، د_{من}) = \frac{\sum_{ک = ۱}^{م_{جی}} tf-idf (ج_{jk} ، د_{من})}{\sum_{ساعت = ۱}^{ن} \sum_{س = ۱}^{م_{ساعت}} tf-idf (ج_{hs} ، د_{من})}$

(۴)

با نسبت بین مجموع مقادیر tf-idf اصطلاحات متعلق به دسته عاطفی j و مجموع مقادیر tf-idf اصطلاحات متعلق به همه دسته‌های احساسی به دست می‌آید. ارتباط تعریف شده در (۴) یک مقدار نرمال شده در بازه است [۰, ۱].

که در [۱۵]، یک فرآیند فازی سازی ارتباط مقوله های احساسی در یک سند پیشنهاد شده است. این فرآیند با ایجاد یک پارتیشن فازی از حوزه مربوط انجام می شود [۰, ۱]، جایی که پارتیشن فازی بر اساس محدودیت های Ruspini ساخته شده است. در یک پارتیشن فازی Ruspini مجموعه های فازی متقابل از هم جدا هستند و مجموع درجات عضویت یک عنصر در مجموعه های فازی برابر با ۱ است. [۱۸]. پارتیشن فازی اختصاص داده شده به دسته احساسی با برچسب مجموعه فازی که عنصر با بالاترین درجه عضویت به آن تعلق دارد، ارائه می شود.

۲٫۲٫ اندازه گیری ارتباط مقوله های عاطفی در سناریوهای چند خطر

فرض کنید ما در دوره ای ارتباط یک دسته احساسی را که در یک سند ناشی از پدیده های مرتبط با یک ریسک خاص است اندازه گیری کرده ایم و این اندازه گیری ها را به طور جداگانه برای n نوع ریسک انجام داده ایم. معیار کل ارتباط یک مقوله احساسی در آن دوره در حضور ریسک‌های بیشتر با اعمال حداقل عملگر هنجار مثلثی فازی گودل برای همان مجموعه‌های فازی در n پارتیشن فازی به دست می‌آید. سپس، به سند گزارشگر یک ارتباط فازی از دسته احساسات داده شده توسط برچسب مجموعه فازی با بالاترین درجه عضویت نهایی اختصاص داده می شود.

برای نشان دادن مثالی از این فرآیند، اجازه دهید پارتیشن فازی دامنه زیر را در نظر بگیریم [۰, ۱] از دسته های احساسی، متشکل از چهار عدد فازی مثلثی در شکل ۱.

اجازه دهید r_ij ارتباط نرمال شده دسته احساس j با سند iام باشد. در مثال در میز ۱ مقدار r نشان داده شده است_ij محاسبه شده برای دو نوع ریسک محیطی و اقلیمی، با برچسب خطر ۱ و خطر ۲٫ در جدول مقادیر درجه عضویت متناظر با چهار مجموعه فازی پارتیشن فازی درج شده است. ردیف سوم مقادیر t-norm داده شده توسط حداقل درجه عضویت به هر مجموعه فازی را نشان می دهد.

حداکثر مقدار تقاطع محاسبه شده از طریق حداقل T-norm برای مجموعه های فازی متوسط بالا به دست می آید. سپس، ارتباط فازی تخصیص یافته به دسته احساس j ام در سند iم در دوره مورد تجزیه و تحلیل در حضور دو خطر متوسط بالا است.

۲٫۳٫ مدل FREDoc

در این پاراگراف به طور خلاصه مدل FREDoc توضیح داده شده است. بحث مفصلی از FREDoc در ارائه شده است [۱۵].

اجزای مدل‌های FREDoc به صورت طرح‌واره‌سازی شده‌اند شکل ۲.

جریان‌های داده به مؤلفه تجزیه متن منتقل می‌شوند که متن‌ها را تجزیه می‌کند تا فقط پست‌هایی با عبارات مرتبط را فیلتر کند. متعاقباً، پست‌هایی با ویژگی‌های مشابه را جمع‌آوری می‌کند (مثلاً پست‌هایی با موضوعات مشابه و درج شده در یک دوره خاص از یک مکان خاص)، ایجاد اسناد. خروجی این فرآیند مجموعه ای از اسناد است.

فیلتر اصطلاح، هر سند را تجزیه و تحلیل می‌کند، و در فرهنگ لغت اصطلاحات اختصاص داده شده به دسته‌های احساسی (فرهنگ لغات عاطفی) که در آن، به هر دسته احساسی خوشایند یا ناخوشایند، فهرستی از اصطلاحات به شکل ریشه‌ای آن‌ها اختصاص داده می‌شود، کلماتی را که با عبارت‌های منطبق در قالب‌های ریشه‌ای آن‌ها درج شده‌اند، حاشیه‌نویسی می‌کند. .

جزء محاسبات ساخت و ساز ECM، پس از محاسبه TF-IDF هر عبارت مشروح، ارتباط دسته‌های احساسات در اسناد را با (۴) تعیین می‌کند.

در نهایت، ساخت ECM ماتریس دسته عاطفی را ایجاد می کند (به طور خلاصه، ECM)، که عنصر آن $r (ج_{j} ، د_{من})$ ارتباط دسته عاطفی j را در سند i ارائه می دهد.

مؤلفه طبقه‌بندی اسناد، هر سند را با استفاده از یک پارتیشن فازی از ارتباط عاطفی نرمال‌شده، به نام پارتیشن فازی ER، طبقه‌بندی می‌کند. ارتباط فازی دسته عاطفی j با سند iام توسط شرایط مجموعه فازی که ارتباط عاطفی r به آنها داده می شود._ij متعلق به بالاترین درجه عضویت است.

سند d_من طبقه بندی شده است که ارتباط فازی همه دسته های احساسی خوشایند و ناخوشایند را تعیین می کند.

FREDoc یک طبقه بندی چندگانه از اسناد را فراهم می کند. هر سند با اختصاص دادن ارتباط هر دسته عاطفی در سند طبقه بندی می شود.

که در [۱۵]برای ایجاد فرهنگ لغت EC از شانزده دسته عاطفی اولیه و ثانویه چرخ احساسات Plutchick استفاده شد. با این حال، FREDoc مستقل از انتخاب مدل دسته های احساسات است.

علاوه بر این، FREDoc مستقل از کاردینالیته و نوع پارتیشن فازی ER است که می تواند توسط کاربر بر اساس نیازهای برنامه خود ایجاد کند و طبقه بندی اسناد چقدر باید خوب باشد.

۳٫ چارچوب پیشنهادی

چارچوب پیشنهادی چند طبقه‌بندی زیرمنطقه‌های یک منطقه مورد مطالعه را بر اساس ارتباط احساسات خوشایند و ناخوشایند که در یک دوره زمانی در حضور دو یا چند پدیده محیطی و اقلیمی رخ می‌دهند، فراهم می‌کند.

شکل ۳ معماری چارچوب پیشنهادی را طرحواره می کند.

هدف این چارچوب، انجام یک طبقه‌بندی چندگانه از زیرپهنه‌های منطقه مورد مطالعه در مجموعه‌ای از دوره‌ها بر اساس ارتباط دسته‌های هیجانی خوشایند و ناخوشایند شناسایی‌شده در پست‌های درج شده توسط شهروندان مربوط به مجموعه‌ای از پدیده‌های محیطی و اقلیمی است.

برای انجام تجزیه و تحلیل چند ریسکی مسائل حیاتی ناشی از وقوع مشترک سناریوهای خطر ناشی از پدیده های مختلف محیطی و اقلیمی، FREDoc به طور جداگانه اجرا می شود تا ارتباط احساسات شهروندان را در یک دوره خاص به دلیل وجود هر یک ارزیابی کند. پدیده

پس از آن، ارتباط مشترک احساسات ایجاد شده توسط حضور پدیده های متعدد در همان دوره ارزیابی شد. این ارزیابی با ساختن نقشه‌های موضوعی مربوط به احساسات خوشایند و ناخوشایند برای شناسایی بحرانی‌ترین زیرمنطقه‌ها انجام شد.

دو جریان داده خطر جریان اجتماعی ۱ و خطر جریان اجتماعی ۲ به ترتیب، جریان‌هایی از داده‌های اجتماعی هستند که به پدیده‌های اول و دوم متصل می‌شوند و توسط ساکنان منطقه مورد مطالعه در طول کل دوره زمانی بررسی به شبکه وارد می‌شوند. این دوره به بازه های زمانی اتمی با عرض مساوی تقسیم می شود که به آن فریم های زمانی می گویند.

یک چارچوب زمانی، بازه زمانی واحد تحقیق را تشکیل می دهد. به عنوان مثال، تحلیلی که باید انجام شود ممکن است به بازه زمانی یک ساله تقسیم شده به چارچوب های زمانی ارائه شده توسط چهار فصل اشاره داشته باشد.

FREDoc دو جریان داده را به طور جداگانه تجزیه و تحلیل می‌کند و یک طبقه‌بندی چندگانه از اسناد را بر اساس مرتبط بودن دسته‌های احساسی انجام می‌دهد، که در آن یک سند با شروع از پست‌هایی که در یک چارچوب زمانی توسط ساکنان در یک منطقه فرعی خاص از منطقه مورد مطالعه درج شده است، ساخته می‌شود.

ذیل [۱۵]، پارتیشن فازی ECR توسط هفت مجموعه فازی نشان داده شده است شکل ۴.

شانزده دسته احساسات اولیه و ثانویه از چرخه احساسات Plutchick برای ایجاد احساسات استفاده می شود. فرهنگ لغت EC. طرحواره شده اند در جدول ۲.

این طبقه بندی ارتباط EC چند خطر جزء طبقه بندی ارتباط مقوله های عاطفی ایجاد شده توسط حضور هر دو پدیده در یک چارچوب زمانی را انجام می دهد. عملگر هنجار مثلثی حداقل برای ارزیابی ارتباط دسته به دلیل وجود هر دو پدیده استفاده می شود. با درجات عضویت کمتر مربوط به مقوله عاطفی به دلیل هر یک از این دو پدیده داده می شود. مؤلفه برای هر سند ارتباط فازی مقوله های احساسی را در حضور دو پدیده ارزیابی می کند. برای هر مقوله عاطفی، یک نقشه موضوعی از ارتباط آن در زیرمنطقه های منطقه مورد مطالعه در چارچوب زمانی ساخته شده است.

جزء چند خطر خوشایند/ناخوشایند تجمع مربوط EC مجموعه ای از ارتباط دسته بندی های خوشایند و ناخوشایند را برای هر سند انجام می دهد. برای هر بازه زمانی، یک نقشه موضوعی از ارتباط مقوله های احساسی خوشایند و ناخوشایند ایجاد می کند.

طبقه بندی زیرمنطقه ها در یک چارچوب زمانی بر اساس ارتباط احساسات خوشایند یا ناخوشایند با تعیین آستانه ای از ارتباط فازی دسته های احساسی FR انجام می شود._هفتم و بررسی اینکه کدام دسته‌های احساسی ارتباطی بالاتر یا مساوی با آستانه دارند.

یک زیرمنطقه در صورتی به عنوان خوشایند (ناخوشایند) طبقه‌بندی می‌شود که فقط دسته‌های احساسی خوشایند (ناخوشایند) با ارتباط بالاتر یا برابر با FR در آن وجود داشته باشد._هفتم آستانه. با توجه به این استدلال، این زیرمنطقه به شرح زیر طبقه بندی می شود:

دلپذیراگر مقوله‌های احساسی دلپذیر با ارتباط فازی بالاتر یا برابر با FR وجود داشته باشد_هفتم و همه دسته‌های احساسی ناخوشایند ارتباط کمتری نسبت به FR دارند_هفتم;
ناخوشایند، اگر مقوله های احساسی ناخوشایند با ارتباط فازی بالاتر یا برابر با FR وجود داشته باشد_هفتم و همه مقوله‌های احساسی دلپذیر دارای ارتباط کمتر از FR هستند_هفتم;
عدم شیوع، اگر هر دو مقوله احساسی خوشایند و ناخوشایند با ارتباط فازی بالاتر یا برابر با FR وجود داشته باشد._هفتم یا همه دسته های عاطفی با ارتباط کمتر از FR طبقه بندی می شوند_هفتم;

برای نشان دادن این فرآیند تجمع و طبقه بندی دسته بندی عاطفی با یک مثال، اجازه دهید FR_هفتم روی مقدار تنظیم شود متوسط رو به بالا و اجازه دهید طبقه بندی زیر را از یک زیرمنطقه در یک چارچوب زمانی در نظر بگیریم (جدول ۳).

پس از اجرای فرآیند تجمیع، زیرمنطقه با برچسب طبقه بندی می شود عدم شیوع، زیرا یک دسته احساسی دلپذیر با ارتباط فازی بالاتر یا برابر با FR وجود دارد_هفتم (مقوله عاطفی خوش بینی) و دو دسته احساسی ناخوشایند با ارتباط فازی بالاتر یا برابر با FR وجود دارد._هفتم (مقوله های احساسی ترس و خشم).

نقشه های موضوعی نهایی، ارتباط عواطف خوشایند و ناخوشایند را در زیرحوزه های منطقه مورد مطالعه در هر بازه زمانی نشان می دهد. این نقشه‌های موضوعی امکان ارزیابی احساسات خوشایند یا ناخوشایند در وجود این دو پدیده را در کدام زیرمنطقه‌ها فراهم می‌کند و چگونه این شیوع در طول زمان تکامل یافته است. به این ترتیب، می توان بحرانی ترین زیرمنطقه ها را شناسایی کرد، یعنی آنهایی که در آنها احساسات ناخوشایند در طول دوره مورد تجزیه و تحلیل غالب بود.

در بخش بعدی، نتایج یک آزمایش چارچوب انجام شده در شهر بولونیا (ایتالیا) نشان داده شده است.

۴٫ نتایج و بحث

بولونیا به شش ناحیه (شکل ۵) که زیرمنطقه های جداگانه ای را تشکیل می دهند که منطقه مورد مطالعه شهری به آنها تقسیم می شود که عبارتند از Borgo Panigale-Reno، Navile، Porto-Saragozza، San Donato-San Vitale، Santo Stefano و Savena.

این آزمایش با هدف تجزیه و تحلیل خطرات متعدد ناشی از حضور همه‌گیری کووید ۱۹ و پدیده موج گرمای تابستان در دوره ۲۰۲۰ تا ۲۰۲۲ انجام شد. این دوره به سه بازه زمانی مربوط به سه سال ۲۰۲۰، ۲۰۲۱ و ۲۰۲۲ تقسیم شده است.

ماه های تابستانی از ژوئن تا سپتامبر به عنوان سه دوره از سال انتخاب شدند که در آن پدیده موج گرما به طور مکرر در شهر بولونیا رخ داده است، زیرا در سه سال ۲۰۲۰، ۲۰۲۱ و ۲۰۲۲ چندین موج گرما در شهر بولونیا رخ داده است. به ویژه در ماه های جولای و اوت.

در آزمایش‌ها، پرس و جوهایی را در مورد تمام پست‌های منتشر شده در توییتر توسط ساکنان شش منطقه بولونیا در سه سال انجام دادیم، و همه پست‌هایی را که کلیدواژه‌هایشان حاوی مضامین مرتبط با پدیده‌های موج گرما و همه‌گیری کووید ۱۹ بود، به‌طور جداگانه تجزیه و تحلیل کردیم.

برای هر یک از این دو خطر، ارتباط عاطفی شانزده مقوله احساسی خوشایند و ناخوشایند به طور جداگانه در طول سه سال ارزیابی شد. سپس، تجمیع ارتباط با توجه به دو خطر انجام شد. علاوه بر این، برای هر بازه زمانی، نقشه‌های موضوعی که در آن شش ناحیه بر اساس ارتباط هر احساس طبقه‌بندی شده‌اند، تهیه شد.

برای اختصار، در زیر دو نقشه موضوعی نشان داده شده است: یکی برای مقوله احساسی دلپذیر هیبت و دیگری برای دسته احساسات ناخوشایند خشم. تصمیم برای نشان دادن این دو مقوله به اهمیت آنها در رابطه با سایرین و ارتباط قابل توجه آنها در برخی زیرمنطقه های منطقه مورد مطالعه مربوط می شود.

که در شکل ۶ نقشه موضوعی مربوط به مقوله احساسی ناخوشایند نشان داده شده است خشم در بازه زمانی ۲۰۲۰

مناطق طبقه بندی شده با ارتباط قابل توجهی با دسته عاطفی خشم در سال ۲۰۲۰ در شمال منطقه مورد مطالعه قرار دارند. آنها Navile و San Donato-San Vitale هستند. ارتباط خشم در مورد اول به عنوان طبقه بندی می شود بالا با مقدار ۰٫۸۰; در دوم، به عنوان طبقه بندی می شود خیلی بالا با مقدار ۰٫۹۳٫ سانتو استفانو، ناحیه ای است که کمترین مقدار مربوط (۰٫۱۸) را دارد که به عنوان طبقه بندی شده است متوسط-کم.

که در شکل ۷ نقشه موضوعی مربوط به دسته هیجانی دلپذیر Awe در سال ۲۰۲۰ نشان داده شده است.

در سال ۲۰۲۰، دسته عاطفی هیبت ارتباط بیشتری را در منطقه ساونا، طبقه بندی شده به عنوان بالا، با مقدار مرتبط ۰٫۸۴٫ نواحی با کمترین مقادیر مرتبط، به ترتیب ۰٫۱۹ و ۰٫۱۷، Navile و San Carlo-San Donato هستند. آنها هر دو به عنوان طبقه بندی می شوند متوسط-کم.

نقشه موضوعی مرتبط برای دسته عاطفی ناخوشایند خشم در بازه زمانی ۲۰۲۱ در نشان داده شده است شکل ۸.

این خشم مقوله احساسی در بازه زمانی ۲۰۲۱ توزیع متفاوتی نسبت به قبلی نشان می دهد. در واقع، در چهار منطقه از شش منطقه، ارتباط عاطفی در مقایسه با آنچه در بازه زمانی قبلی ثبت شده بود افزایش یافته است. به عنوان مثال، مربوط به خشم در ناحیه ناویل، طبقه بندی شده به عنوان بالا در سال ۲۰۲۰، در سال ۲۰۲۱ به عنوان طبقه بندی می شود خیلی بالا، با مقدار از ۰٫۸۰ به ۰٫۹۶ افزایش یافته است. ناحیه ای که بیشترین کاهش ارتباط را ثبت کرد، سن دوناتو-سان کارلو است که به عنوان طبقه بندی می شود خیلی بالا در سال ۲۰۲۰ و متوسط در سال ۲۰۲۱

که در شکل ۹ نتیجه نقشه موضوعی مربوط بودن دسته هیجان دلپذیر Awe در بازه زمانی ۲۰۲۱ نشان داده شده است.

در سال ۲۰۲۱، مقوله عاطفی Awe تمایل به کاهش ارتباط را برای چهار منطقه از شش منطقه ثبت کرد، به عنوان مثال، ناحیه ناویل از این منطقه گذشت. متوسط-کم کلاس به کم کلاس سن دوناتو-سان کارلو و پورتو-زاراگوسا دستخوش تغییرات طبقاتی نشده‌اند، در حالی که ناحیه‌ای که بهبودی در کاهش ارتباط ثبت کرده است، منطقه سانتو استفانو است که از یک منطقه می‌گذرد. متوسط رو به بالا کلاس به بالا.

نقشه موضوعی که توزیع فضایی مربوط به مقوله عاطفی ناخوشایند خشم را در سال ۲۰۲۲ نشان می دهد در شکل ۱۰.

در این سال، افزایش ارتباط مقوله عاطفی خشم مشخص شد که در مناطق ناویل، سانتو استفانو و ساونا متمرکز شده است. ناحیه ای که بیشترین افزایش ارتباط را به ثبت رساند، سانتو استفانو است، که در آن ارتباط این مقوله احساسی، که متوسط رو به بالا در سال ۲۰۲۱ است خیلی بالا در سال ۲۰۲۲

تنها ناحیه ای که کاهش ارتباط را ثبت کرد، Borgo Panigale-Reno بود، در حالی که ناحیه پورتو-زاراگوزا طبقه بندی شد. متوسط-کم همانطور که در سال ۲۰۲۱

شکل ۱۱ نقشه موضوعی مربوط به مقوله احساسی دلپذیر را نشان می دهد هیبت در سال ۲۰۲۲

دسته احساسی دلپذیر هیبت در سال ۲۰۲۲ افزایش کلی در ارتباط در بسیاری از مناطق ثبت شد. منطقه ای که بهترین افزایش را به ثبت رساند، Borgo Panigale-Reno بود، که بر اساس ارتباط طبقه بندی شده بود متوسط در سال ۲۰۲۱ و بالا در سال ۲۰۲۲٫ تنها منطقه ای که کاهش ارتباط را ثبت کرد Savena بود، طبقه بندی شده با ارتباط متوسط رو به بالا در سال ۲۰۲۱ و متوسط در سال ۲۰۲۲

جدول ۴ ارتباط فازی دو مقوله احساسی شناسایی شده در طول سه سال را نشان می دهد.

نتایج در جدول ۴ تاکید کنید که در ناحیه ناویل، دسته عاطفی ناخوشایند خشم در هر سه سال به طور قابل توجهی وجود دارد. در مقابل، ارتباط مقوله هیجانی دلپذیر هیبت در این منطقه همچنان باقی است کم و متوسط-کم در کل دوره

همچنین افزایش ارتباط مقوله عاطفی خشم در منطقه سانتو استفانو، که از متوسط–کم در سال ۲۰۲۰ در سال ۲۰۲۲ بسیار بالا می شود.

پس از فرآیند تجمیع ارتباط مقوله‌های احساسی خوشایند و ناخوشایند، نقشه موضوعی نهایی مربوط بودن احساسات خوشایند یا ناخوشایند برای هر بازه زمانی ساخته شد. در نشان داده شده اند شکل ۱۲، شکل ۱۳ و شکل ۱۴، به ترتیب.

نقشه موضوعی در شکل ۱۲ نشان می دهد که در سال ۲۰۲۰ در مناطق ناویل و سن دوناتو، احساسات ناخوشایند غالب است. برعکس، در مناطق Borgo Panigale و Santo Stefano عمدتاً احساسات خوشایند شناسایی شد.

نقشه موضوعی در شکل ۱۳ در سال ۲۰۲۱ شیوع احساسات ناخوشایند در تمام مناطق منطقه شمالی شهر را برجسته می کند. تنها منطقه ای که در آن احساسات خوشایند رایج است پورتو-ساراگوزا است.

در سال ۲۰۲۲، احساسات ناخوشایندی در مناطق شمال شرقی و شرقی شهر حاکم شد. برعکس، در Borgo Panigale و Porto-Saragozza، احساسات خوشایند غالب بود.

که در جدول ۵ طبقه بندی مناطق شش گانه در سه سال بر اساس شیوع احساسات خوشایند یا ناخوشایند نشان داده شده است.

همانطور که به صورت پررنگ در مشخص شده است جدول ۵در نواحی ناویل و سن دوناتو-سان ویتال، احساسات ناخوشایند در طول دوره سه ساله غالب بود. این دو منطقه بحرانی ترین مناطق را با توجه به خطر سناریوهای خطر موج گرما در حضور دوره های همه گیر نشان می دهند.

مناطق پورتو-ساراگوزا و سانتو استفانو کمترین بحرانی بودند، جایی که در دوره سه ساله، احساسات خوشایند قابل توجهی وجود داشت یا انواع احساسات غالب وجود نداشت.

۵٫ نتیجه گیری ها

در این مقاله یک چارچوب جدید مبتنی بر GIS برای چند طبقه‌بندی زیرمنطقه‌های یک منطقه مورد مطالعه بر اساس ارتباط احساسات خوشایند و ناخوشایند شناسایی شده در پست‌های درج شده در شبکه اجتماعی توسط ساکنان در یک دوره خاص در حضور دو یا چند نفر پیشنهاد شده است. پدیده های محیطی و اقلیمی بیشتر.

این چارچوب بر روی شش منطقه سکونتگاه شهری بولونیا (ایتالیا) آزمایش شد تا از دیدگاه چند ریسکی، ارتباط احساسات خوشایند و ناخوشایند ابراز شده توسط ساکنان در بازه زمانی ۲۰۲۰ تا ۲۰۲۲ در وجود دوره ای در طول همه گیری کووید ۱۹ و در ارتباط با پدیده موج گرمای تابستان.

نتایج نشان داد که دسته‌بندی‌های هیجانی ناخوشایند در منطقه شمال شرقی شهر در کل دوره حاکم بود. این منطقه یک منطقه شهری بحرانی تر را نشان می دهد که در آن احساسات عمدتاً ناخوشایند بیان شده توسط ساکنان در طول دوره سه ساله شناسایی شده است.

چارچوب پیشنهادی می‌تواند ابزاری برای حمایت از تصمیم‌گیرندگان و برنامه‌ریزان شهری برای ارزیابی مناطق شهری در حضور سناریوهای مخاطرات محیطی و آب و هوایی متعدد و تعیین مکان مناسب‌ترین برنامه‌ریزی استراتژی‌ها و اقدامات انعطاف‌پذیر باشد.

آزمایش بیشتر این چارچوب در آینده برای ارزیابی قابلیت استفاده و سازگاری آن برای ارزیابی مسائل حیاتی در مناطق شهری در حضور چندین خطر زیست محیطی و اقلیمی و استفاده از آن در ادغام با مدل‌های ارزیابی سناریوی چند خطر ضروری خواهد بود.

منبع:
۱- shahrsaz.ir , علوم شهری | متن کامل رایگان
,۲۰۲۴-۰۱-۱۵ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2413-8851/8/1/7