سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,032
تعداد مشاهده مقاله125,502,266
تعداد دریافت فایل اصل مقاله98,766,343
کریمی, رضا, اصغری زمانی, اکبر, پورمحمدی, محمدرضا. (1403). سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران مطالعه موردی: شهر ارومیه. , 12(1), 63-83. doi: 10.22059/jurbangeo.2024.366648.1870
رضا کریمی; اکبر اصغری زمانی; محمدرضا پورمحمدی. "سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران مطالعه موردی: شهر ارومیه". , 12, 1, 1403, 63-83. doi: 10.22059/jurbangeo.2024.366648.1870
کریمی, رضا, اصغری زمانی, اکبر, پورمحمدی, محمدرضا. (1403). 'سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران مطالعه موردی: شهر ارومیه', , 12(1), pp. 63-83. doi: 10.22059/jurbangeo.2024.366648.1870
کریمی, رضا, اصغری زمانی, اکبر, پورمحمدی, محمدرضا. سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران مطالعه موردی: شهر ارومیه. , 1403; 12(1): 63-83. doi: 10.22059/jurbangeo.2024.366648.1870

سنجش تحلیلی پتانسیل‌های ترافیکی در مناطق شهری ایران مطالعه موردی: شهر ارومیه

پژوهش‌های جغرافیای برنامه‌ریزی شهری
مقاله 4، دوره 12، شماره 1، اردیبهشت 1403، صفحه 63-83    اصل مقاله (2.02 M)
نوع مقاله: پژوهشی - کاربردی
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2024.366648.1870
نویسندگان
رضا کریمی؛ اکبر اصغری زمانی* ؛ محمدرضا پورمحمدی
گروه جغرافیا و برنامه‌ریزی شهری، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز
چکیده
پژوهش حاضر بر آن بوده تا با بهره‌گیری از ترکیب معیارهای کالبدی، اقتصادی- اجتماعی و ترافیکی بتواند پتانسیل ترافیکی در شهر ارومیه را موردسنجش و تحلیل قرار دهد. نوع تحقیق حاضر کاربردی بوده و روش انجام کار توصیفی- تحلیلی می‌باشد و گردآوری اطلاعات نیز از طریق مطالعات کتابخانه‌ای و میدانی صورت پذیرفته است. برای نیل به هدف تحقیق، 25 شاخص در قالب 3 معیار کالبدی، ترافیکی و اقتصادی- اجتماعی انتخاب گردیده و جهت محاسبه ضریب اهمیت شاخص‌ها از روش BWM استفاده‌شده که پرسش‌نامه آن بین 50 نفر از نخبگان در دو مرحله (1- انتخاب بهترین و بدترین شاخص 2- تکمیل پرسش‌نامه مقایسه زوجی ارجحیت بهترین شاخص بر سایر شاخص‌ها و ارجحیت دیگر شاخص‌ها بر بدترین شاخص) توزیع گردیده و نتایج در نرم‌افزار GAMS استخراج‌شده است. بیش‌ترین وزن به‌دست‌آمده، مربوط به شاخص فاصله از هسته‌های شهری و کم‌ترین وزن مربوط به شاخص متوسط قیمت زمین بوده است. برای اینکه بتوان پتانسیل ترافیکی را در مناطق پنج‌گانه شهر ارومیه به تصویر کشید، مدل SECA در نرم‌افزار Lingo با مقادیر مختلف β اجرا گردیده است. یافته‌های به‌دست‌آمده گویای آن بوده که 13 درصد محدوده شهر در پهنه پتانسیل ترافیکی خیلی کم، 32 درصد در پهنه ترافیکی کم، 21 درصد در پهنه ترافیکی متوسط، 19 درصد در پهنه ترافیکی زیاد و 15 درصد در پهنه پتانسیل ترافیکی خیلی زیاد واقع‌شده است. نتایج به‌دست‌آمده بیانگر آن بوده که پتانسیل ترافیکی در مناطق شهری ارومیه به ترتیب از بیش‌ترین تا کم‌ترین مربوط به مناطق چهار، پنج، یک، سه و دو بوده است
کلیدواژه‌ها
پتانسیل؛ ترافیک؛ BWM؛ SECA؛ کاربری زمین
عنوان مقاله [English]
Analytical Measurement of Traffic Congestion Potentials in Urban Regions of Iran the case study of Urmia city
نویسندگان [English]
reza karimi؛ Akbar asghari zamani؛ Mohammad Reza Pourmohammadi
Department of Urban Planning, Faculty of Planning and Environmental Sciences, University Tabriz, Tabriz, Iran
چکیده [English]
ABSTRACT
The present study aims to combine physical, socioeconomic, and traffic criteria to evaluate and analyze the traffic congestion potential of Urmia city. This study is applied and descriptive-analytical, where the required data were collected through library and field studies. To achieve the research goal, 25 indices classified under three physical, socioeconomic, and traffic criteria were selected, and their importance coefficients were calculated using the BWM approach. The BWM questionnaires were distributed among 50 elites in two steps as select the best and worst indices and complete the paired comparison questionnaire to determine the priority of the best index over other indices and the priority of other indices over the worst index). The outputs of the questionnaires were entered into the GAMS software to calculate the indices’ importance coefficients. The “distance from urban cores” and “average land price” indices obtained the highest and lowest weights, respectively. To show the traffic congestion potential of the five districts of Urmia city, the SECA model was implemented in Lingo software with different values of β. The findings divide Urmia city into 5 zones in terms of traffic congestion as very low traffic congestion (13%), low traffic congestion (32%), moderate traffic congestion (21%), high traffic congestion (21%), and very high traffic congestion (15%). The results indicate that District 4 has the highest traffic congestion potential, followed by Districts 5, 1, 3, and 2, respectively
Extended Abstract
Introduction
The urban planning system is based on a capacity assessment or potential evaluation, so traffic, as a sub-system of this system, is not an independent phenomenon and is the consequence of various demographic, physical, traffic, economic, cultural, and social factors. Thus, the present study aims to evaluate the traffic congestion potential of urban areas from a multi-dimensional perspective. Domestic experiences have shown that most urban traffic and transportation plans have been partially developed and implemented, disregarding environmental, social, economic, and cultural conditions. This is also true for Urmia city, and it faces traffic problems. According to its residents and city officials, traffic is one of the major problems of this city due to the following reasons as the centralization of a large part of commercial, administrative, educational, and medical uses in the central context, lack of contemporization of this context considering residents’ present needs, high population density in informal settlements, unregulated building density in the city, especially in newer context, neglect of urban road hierarchy in the subdivision, neglect of the trip generation rate of land uses in urban development plans, lack and mislocation of multi-story car parks, inattention to different transport modes, changing the function of local roads from local traffic to through traffic, etc. Therefore, the present research aims to apply various physical and non-physical indices effective in urban traffic to evaluate the districts in Urmia city in traffic congestion potential.
 
Methodology
This study is applied and descriptive-analytical, where the required data were collected through library study (including the review of the detailed master, transport, and traffic plans of Urmia city and the statistical yearbook of Iran (2016) and field studies. Since the GIS indices data were available for Urmia city, 25 indices were selected and classified under 3 socioeconomic, physical, and traffic criteria out of various indices influencing traffic congestion potential. After collecting the information on the required indices, the information layers were prepared in the GIS software. Next, to determine the importance of each index using the BWM approach, the BWM questionnaires were distributed among 50 elites in 2 steps, and the obtained data were analyzed through programming in the GAMS software to extract the weights of the indices. After calculating the importance coefficient of the indices, they were normalized in the GIS software according to the research goal using Fuzzy large and small functions. After analyzing traffic indices, their importance coefficients were combined to assess the traffic congestion potential of Urmia city. In the last step, to depict the results obtained by the five Urmia city districts, the SECA method was used with different values of β.
 
Results and discussion
The “distance from urban cores” and “average land price” indices obtained the highest and lowest weights, respectively. Moreover, the results indicate that the area of each district of Urmia City can be divided into 5 zones as follows: District 1 (very low traffic congestion (13%), low traffic congestion (30%), moderate traffic congestion (20%), high traffic congestion (17%), and very high traffic congestion (20%)), District 2 (very low traffic congestion (19%), low traffic congestion (43%), moderate traffic congestion (23%), high traffic congestion (12%), and very high traffic congestion (3%), District 3 (very low traffic congestion (16%), low traffic congestion (38%), moderate traffic congestion (23%), high traffic congestion (19%), and very high traffic congestion (4%)), District 4 (very low traffic congestion (4%), low traffic congestion (16%), moderate traffic congestion (15%), high traffic congestion (30%), and very high traffic congestion (36%)), and District 5 (very low traffic congestion (10%), low traffic congestion (27%), moderate traffic congestion (22%), high traffic congestion (21%), and very high traffic congestion (20%). The results of implementing the SECA model in the Lingo software for various values of W and S and β=5 show that according to Si values, District 4 of Urmia city has the highest traffic congestion potential, followed by Districts 5, 1, 3, and 2, respectively.
 
Conclusion
In general, investigating the 5 districts of Urmia city in the indices of traffic congestion potential indicated how many indices the districts have with the highest traffic congestion potential; District 1 (2 indices), District 2 (2 indices), District 3 (3 indices), District 4 (11 indices), and District 5 (10 indices). Regarding the indices with the lowest traffic congestion potential, the results were as follows:
 District 1 (1 index), District 2 (6 indices), District 3 (11 indices), District 4 (3 indices), and District 5 (4 indices).
 
Funding
There is no funding support.
 
Authors’ Contribution
Authors contributed equally to the conceptualization and writing of the article. All of the authors approved thecontent of the manuscript and agreed on all aspects of the work declaration of competing interest none.
 
Conflict of Interest
Authors declared no conflict of interest.
 
Acknowledgments
 We are grateful to all the scientific consultants of this paper.
 
کلیدواژه‌ها [English]
Potential, Traffic Congestion, BWM, SECA, Land Use es
مراجع
  1. افشارکهن، جواد؛ بلالی، اسماعیل و محمدقدسی، علی. (1391). بررسی ابعاد اجتماعی مسئله کنترل ترافیک شهری (موردمطالعه: مشهد). مطالعات جامعه‌شناختی شهری، 2 (4)، 59-90.
  2. افندی‌زاده، شهریار؛ احمدی‌نژاد، محمود؛ کلانتری، نوید و نجفی‌نژاد، علیرضا. (1400). مدل‌سازی یکپارچه حمل‌ونقل و کاربری زمین با استفاده از روش‌های شبیه‌سازی (مطالعه موردی: شهر قم). پژوهشنامه حمل‌ونقل، 18 (1)، 95-112. Doi:10.22034/tri.2021.118089
  3. احمدزاده، حامد؛ کی‌منش، محمودرضا؛ مکانی‌بناب، سیاوش و غنی‌زاده، ایمان. (1402). بررسی تأثیرات استفاده بهینه از وسایل حمل‌ونقل عمومی در جهت تقلیل ترافیک و آلودگی هوا در شهر تبریز. تحقیقات کاربردی علوم‌جغرافیایی، 23 (68)، 167-180. ‎ doi: 10.52547/jgs.23.68.167
  4. اسدی، مهدیه؛ رهنما، محمدرحیم و لگزیان، محمد. (1391). بررسی رابطه متقابل مدیریت کاربری زمین و وضعیت حمل‌ونقل و ترافیک شهری؛ مطالعه موردی: مجتمع تجاری الماس شرق مشهد. مدیریت شهری، 10 (30)، 131-144.
  5. بهسرشت، علی؛ دهبان، محجوبه و سیدابریشمی، احسان. (1390). استفاده از مدل هم‌ارزی در برآورد جذب سفر کاربری‌های شهری نمونه مطالعاتی: منطقه 6 شهر تهران. یازدهمین کنفرانس بین‌المللی حمل‌ونقل، تهران.
  6. بایرام‌زاده، نیما و فری، محمد. (1398). تأثیر برنامه‌ریزی کاربری اراضی بر ترافیک با رویکرد توسعه پایدار. مطالعات مدیریت ترافیک، 14 (1)، 65-86.
  7. پورمحمدی، محمدرضا و کریمی، رضا. (1402). تدوین مدل مفهومی کیفیت زندگی در شهرها با تأکید بر شاخص‌های مسکن - مطالعه موردی: مناطق پنج‌گانه شهر ارومیه. اطلاعات جغرافیایی (سپهر)، 32 (126)، 75-92.
  8.  https://doi.org/10.22131/sepehr.2023.562689.2909
  9. سجادی، مسعود و تقوایی، مسعود (1395). ارزیابی و تحلیل شاخص‌های حمل‌ونقل پایدار شهری (مطالعه موردی: شهر اصفهان). معماری و شهرسازی پایدار، 4 (1)، 1-18. Dor:20.1001.1.25886274.1395.4.1.1.8
  10. تقوایی، مسعود؛ وارثی، حمیدرضا و بهمن‌اورامان، مظفر. (1391). بررسی پراکنش کاربری‌های پزشکی و تأثیر آن بر روی ترافیک شهری با استفاده از مدل AHP(موردمطالعه: مرکز شهر کرمانشاه). مطالعات راهور، 9 (17)، 7-35.
  11.  جاسبی، جواد و مکوندی، پیام. (1390). مدل‌سازی فرآیند پیش‌بینی سفر در برنامه‌ریزی حمل‌ونقل درون‌شهری مبتنی بر رویکرد ترکیبی استنتاج فازی. مدیریت بهره‌وری، 5 (17)، 7-32. Dor:20.1001.1.27169979.1390.5.2.1.8
  12. حجازی، جعفر. (1397). ارزیابی سناریوهای روان‌سازی ترافیک شهری با استفاده از شبیه‌سازی نرم‌افزاری (موردمطالعه: محلات کیان‌پارس و کیان‌آباد کلان‌شهر اهواز). فصلنامه جاده، 26 (95)، 85-104.
  13. درستکارناوانی، بهزاد؛ اصغری، حسین؛ پورشیخیان، علیرضا؛ امیرانتخابی، شهرام و حسنی‌مهر، صدیقه. (1401). تقسیمات کالبدی- فضایی و اثرگذاری آن بر مشکلات ترافیکی (موردمطالعه: شهر تالش). مهندسی جغرافیایی سرزمین، 6 (3)، 507-523. Dor:20.1001.1.25381490.1401.6.11.4.1
  14. روستایی، احسان و ذوالفقاری‌فر، یعقوب. (1402). تحلیل آسیب‌شناسی مکانی ترافیک در محدوده مرکزی شهر (مطالعه موردی: شهر یاسوج). فصلنامه جاده، 21 (114)، 193-204. Dor:10.22034/road.2022.327167.2029
  15. زیاری، کرامت‌اله؛ کریمی، فضل‌اله و قاسمی، فروغ. (1392). الگوی فضایی حوادث ترافیک درون‌شهری در شهر شیراز. برنامه‌ریزی فضایی، 3 (4)، 117-132. Dor:20.1001.1.22287485.1392.3.4.9.2
  16. سلطانی، علی؛ سقاپور، طیبه؛ ایزدی، حسن و پاکشیر، عبدالرضا. (1391). تولید سفرهای درون‌شهری و تأثیرپذیری از تنوع کاربری زمین، نمونه موردی چهار محدوده مسکونی در شهر شیراز. مطالعات و پژوهش‌های شهری و منطقه‌ای، 3 (12)، 1-16.
  17. صادقی، ابوالقاسم؛ ربیع‌پور، علی و قدوسی، مصطفی. (1401). ارزیابی دسترسی به کاربری‌های کلیدی بر اساس حالت سفر. برنامه‌ریزی و آمایش فضا، 26 (4)، 113-138. Dor:20.1001.1.16059689.1401.0.0.15.7
  18. عربانی، مهیار؛ ربیعی، شهره و امانی، بابک. (1385). پیش‌بینی تولید سفرهای شهری با استفاده از منطق فازی بر مبنای مطالعه موردی شهر رشت. پژوهشنامه حمل‌ونقل، 3 (4)، 289-303.
  19. عبدالمنافی، ابراهیم؛ جشنیان، امیرحسین و ابراهیم‌زاده، محمدامین. (1401). تحلیل و ارزیابی اثرات کاربری زمین بر تغییرات ترافیک و سفرهای درون‌شهری (شهر تهران). مهندسی حمل‌ونقل، انتشار آنلاین. Dor:10.22119/jte.2023.360408.2617
  20. علوی، علی؛ پرهیزکار، اکبر؛ رکن‌الدین افتخاری، عبدالرضا؛ قالیباف، محمدباقر و پورموسوی، موسی. (1390). مدل‌سازی مکانی تقاضای سفر مبتنی بر روشی جدید برای پیش‌بینی و کاهش ترافیک (منطقه 6 شهر تهران). برنامه‌ریزی و آمایش فضا، 15 (4)، 43-61.
  21. علیزاده، هانیه. (1401). تأثیر برنامه‌ریزی کالبدی بر کاهش معضلات ترافیک. شانزدهمین کنفرانس ملی شهرسازی، معماری، عمران و محیط‌زیست، شیروان.
  22. غفاری‌گیلانده، عطا؛ فیروزی، ابراهیم و شکرزاده فرد، الهام. (1399). سنجش ارتباط فضایی کاربری زمین شهری با ازدحام ترافیکی. مطالعات مدیریت ترافیک، 15 (3)، 1-36. DOR:20.1001.1.20084005.1399.15.58.1.6
  23. کدخدایی، مسعود؛ ضیائی، علی و شاد، روزبه. (1400). اولویت‌بندی استراتژی‌های کنترل تراکم ترافیک در کلان‌شهرها مطالعه موردی شهر مشهد. مهندسی عمران فردوسی، 34 (3)، 81-97. Doi:10.22067/jfcei.2022.73919.1091
  24. کریمی، رضا و اصغری‌زمانی، اکبر. (1402). تحلیل چیدمان کالبدی- اجتماعی قدرت در مناطق شهری (مطالعه موردی: مناطق پنج‌گانه شهر ارومیه). برنامه‌ریزی و آمایش فضا، 27 (2)، 1-27. Doi:10.2022/hsmsp.27.2.1
  25. میربها، بابک؛ شرافتی‌پور، سعید و ماهپور، علیرضا. (1394). مدل قیمت‌گذاری تراکم برای معابر پرتراکم شهری (مطالعه موردی: پل طبقاتی صدر). مهندسی حمل‌ونقل، 7 (2)، 353-365. Dor:20.1001.1.20086598.1394.7.2.12.6
  26. مهندسین مشاور طرح و آمایش. (1398). طرح تفصیلی یکپارچه شهر ارومیه. وزارت مسکن و شهرسازی، سازمان مسکن و شهرسازی استان آذربایجان‌غربی.
  27. ممدوحی، امیررضا؛ خاوری، فاطمه و عباسی، محمدحسین. (1402). مطالعه تطبیقی و شناسایی عوامل مؤثر در ایجاد سفرهای اجباری برون‌شهری. پژوهشنامه حمل‌ونقل، 20 (2)، 115-128. Doi:10.22034/tri.2021.262529.2844
  28. مؤیدفر، رضا و عابدی، علی. (1393). مطالعات عارضه‌سنجی ترافیکی (مطالعه موردی: مجتمع اداری- تجاری آسمان شهر اراک). هشتمین کنگره ملی مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل.
  29. محمدپور، صابر و مهرجو، مهرداد. (1400). تحلیل متغیرهای اقتصادی اجتماعی و الگوهای کاربری زمین در تولید سفرهای شهری (مطالعه موردی: مناطق پنج‌گانه شهر رشت). پژوهش‌های جغرافیای برنامه‌ریزی شهری، 9 (1)، 51-74. Doi:10.22059/jurbangeo.2021.304964.1323
  30. میرزایی، عنایت‌اله؛ خیرالدین، رضا؛ بهزادفر، مصطفی؛ دومینک، مینو و محمدی، محمود. (1398). تحلیلی بر طول سفرهای درون‌شهری با رویکرد جغرافی زمان: تأثیرپذیری از محدودیت‌های فردی یا فرصت‌های فضایی. باغ نظر، 16 (78)، 41-52.
  31.  Doi:10.22034/bagh.2019.125274.3506
  32. Abdolmanafi, S. E., Jashniyan, A. H., & Ebrahimzadeh, M. A. (2023). Analysis and Assessment of the Effects of Land Use and Transportation on Traffic and Environment; Case Study: The City of Tehran. Quarterly Journal of Transportation Engineering. Online Publication. Doi:10.22119/jte.2023.360408.2617 [In Persian]
  33. Aboelenen, K. E., Mohammad, A.N., Elgaar, M.I., & Choe, P. (2021). Trip Generation Rates Using Household Surveys in the State of Qatar. Journal of Traffic and Logistics Engineering, 9 (1), 10- 19. doi: 10.18178/jtle.9.1.10-19
  34. Afandizadeh, S., Ahmadinejad, M., Kalantari, N., & Najafinegad, A. (2021). Integrated Transportation and Land Use Modeling by Using Simulation Methods (Case Study: ‌Qom). Journal of Transportation Research, 18 (1), 95-112. Doi:10.22034/tri.2021.118089 [In Persian]
  35. Afshar Kohan, J., Balali, I., & Mohammad Ghodoosi, A. (2012). Investigating the Social Dimensions of the Urban Traffic Control Problem (Case Study: Mashhad). Urban Sociological Studies, 2 (4), 59-90. [In Persian]
  36. Ahmadzadeh, H., Keymanesh, M.R., Makani Bonab, S., Ghanizadeh, I. (2023). Investigating the Effects of Optimal Use of Public Transport to Reduce Traffic and Air Pollution in Tabriz. Journal of Applied Researches in Geographical Sciences, 23 (68), 167-180. Doi:10.52547/jgs.23.68.167 [In Persian]
  37. Ajala, A.R. (2019). Analysis of Traffic Congestion on Major Urban Roads in Nigeria, Journal of Digital Innovations & Contemp Research Science. Engineering & Technology, 7 (3), 1- 10. DOI:10.22624/AIMS/DIGITAL/V7N3P1
  38. Alavi, A., Parhizkar, A., Roknaddin Eftekhari, A.R., Ghalibaf, M.B., & Pourmousavi, M. (2011). Spatial Modeling of Travel Demand based on a New Method for Predicting and Reducing Traffic (Zone 6 of Tehran). Space planning and design, 15 (4), 43-61. [In Persian]
  39. Alizadeh, H. (2022). The Effect of Physical Planning on Reducing Traffic Problems. The 16th National Conference on Urban Planning, Architecture, Civil Engineering and Environment, Shirvan. [In Persian]
  40. Al-Masaeid, H.R., & Fayyad, S. (2018). Estimation of Trip Generation Rates for Residential Areas in Jordan. Jordan Journal of Civil Engineering, 12 (1), 162-172.
  41. Arabani, M., Arabani, M., Arabani, M., Rabiee, S., & Amani, B. (2007). Urban Trip Generation using Fuzzy Logic Based On a Case Study in the City of Rasht. Journal of Transportation Research, 3 (4), 289-303. [In Persian]
  42. Asadi, M., Rahnama, M.R., & Legziyan, M. (2012). Investigating the Mutual Relationship between Land Use Management and the State of Transportation and Urban Traffic; Case Study: Almas Shargh Mashhad Commercial Complex. Urban Management, 10 (30), 131-144. [In Persian]
  43. Baumeister, R. (1876). Stadt- Erweiterungen in Technischer, Baupolizeilicher und Wirthschaftlicher Beziehung; Berlin: Ernst & Korn, 1-492.
  44. Bayramzadeh, N., & Feri, M. (2019). The Impact of Land Use Planning on Traffic with Sustainable Development Approach. Traffic Management Studies, 14 (1), 65-86. [In Persian]
  45. Behsresht, A., Dehban, M., & Seyedabrishami, E. (2011). The Use of Equivalence Model in Rstimating Travel Absorption of Urban Uses, Study Sample: District 6 of Tehran. 11th International Transportation Conference, Tehran. [In Persian]
  46. Buchanan, C. (1964). Verkehr in Stadten, Vulkan, Essen (Original: Traffic in Towns; London, 1962).
  47. Díez-Gutiérrez, M., Andersen, S.N., Nilsen, Ø.L., & Tørset, T. (2019). Generated and Induced Traffic Demand: Empirical Evidence from a Fixed Link Toll Removal in Norway. Case Studies on Transport Policy, 7(1), 57-63. https://doi.org/10.1016/j.cstp.2018.11.007
  48. Ding, W., Xia, Y., Wang, Zh., Chen, Zh., & Gao, X. (2020). An Ensemble-Learning Method for Potential Traffic Hotspots Detection on Heterogeneous Spatio-Temporal Data in Highway Domain. Journal of Cloud Computing: Advances. Systems and Applications, 9 (25), 1- 11. DOI:10.1186/s13677-020-00170-1
  49. Dor:20.1001.1.25381490.1401.6.11.4.1 [In Persian]
  50. Dorostkar Navani, B., Asghari, H., Pourshikhan, A., AmirEntekhabi, S., & Hasanimehr, S. (2022). Effect on Physical-Spatial Divisions and its Traffic Problems Study Sample: Talesh City. Geographical Engineering of Territory, 6 (3), 507-523.
  51. Gafari Gilandeh, A., Firouzi, E., & Shokrzadeh Fard, E. (2020). Assessing the Spatial Relationship between Urban Land Use and Traffic Congestion in Ardabil City. Traffic Management Studies, 15 (3), 1-36. DOR:20.1001.1.20084005.1399.15.58.1.6 [In Persian]
  52. Hejazi, J. (2018). Urban Traffic Flow Modeling With Software Simulator Case Study: Kianabad and Kianpars District in Ahvaz Mega City. Road, 26 (95), 85-104.[In Persian]
  53.  Henard, E. (1912). Etudes Sur Les Transformations de Paris (1903-1909), Fascicules, 1-8.
  54. Hill, M. (2005). Urban Settlement and land Use. London: Hodder Murray.
  55. Jasbi, J., & Makvandi, P. (2011). Modeling the Process of Travel Prediction in Urban Transportation Planning based on the Combined Approach of Fuzzy Inference. Productivity Management, 5 (17), 7-32. Dor:20.1001.1.27169979.1390.5.2.1.8 [In Persian]
  56. Kadkhodaei, M., Ziaee, S. A., & Shad, R. (2021). Prioritization of Traffic Congestion Control Strategies in Metropolitan Areas, Case Study: Mashhad. Ferdowsi Civil Engineering, 34 (3), 81-97. Doi:10.22067/jfcei.2022.73919.1091 [In Persian]
  57. Karimi R., & Asghari Zamani, A. (2023). Analysis of the Physical-Social Arrangement of Power in Urban Regions (Case Study: Five Regions of Urmia City). MJSP, 27 (2), 1-27. Dor:10.2022/hsmsp.27.2.1  [In Persian]
  58. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E.K., Turskis, Z., & Antucheviciene, J. (2018). Simultaneous Evaluation of Criteria and Alternatives (SECA) for Multi-Criteria Decision-Making. Informatica, 29 (2), 265-280. https://doi.org/10.15388/Informatica.2018.167
  59. Lopa, A.T., Hasrul, M.R., & Yanti, J. (2022). The Impact of Land Use Changes on Trip Generation: A Study in the Tallasa City Corridor. International Journal of Environment, Engineering & Education, 4 (1), 27- 35. DOI: https://doi.org/10.55151/ijeedu.v4i1.70
  60. Mamdoohi, A. R., Khavari, F., & Abbasi, M. (2023). Comparative study and Identification of Effective Factors in Interurban Mandatory Trip Generation. Journal of Transportation Research, 20 (2), 115-128. Doi:10.22034/tri.2021.262529.2844 [In Persian]
  61. Marshall, S. (2000).The Potential Contribution of Land Use Policies toward Sustainable Mobility toward Activation of Travel Reduction Mechanisms, 13 (1), 63- 79.
  62. Mirbaha, B., Sherafatipour, S., & Mahpour, A. (2015). Congestion Pricing Model for Urban Congested Roads (Case Study: Sadr Elevated Bridge). Quarterly Journal of Transportation Engineering, 7 (2), 353-365. Dor:20.1001.1.20086598.1394.7.2.12.6 [In Persian]
  63. Mirzaei, E., Kheyroddin, R., Behzadfar, M., Mignot, D., & Mohamadi, M. (2019). An Analysis of the Intraurban Trip Distance Using the Time Geography Framework; Influenced by Individual Constraints or Spatial Opportunities. The Monthly Scientific Journal of Bagh-e Nazar, 16 (78), 41-52. Doi:10.22034/bagh.2019.125274.3506 [In Persian]
  64. Moayedfar, R., & Abedi, A. (2014). Traffic Complication Studies (Case Study: Aseman Shahr Arak Commercial-Administrative Complex). 8th National Congress of Civil Engineering, Noshirvani University of Technology, Babol. [In Persian]
  65. Mohammadpour, S., & Mehrjou, M. (2021). Investigating the Socio-Economic Variables and Land Use Patterns in the Production of Urban Travel; Case Study: Rasht City. Geographical Urban Planning Research (GUPR), 9 (1), 51-74. Doi:10.22059/jurbangeo.2021.304964.1323 [In Persian]
  66. Muttaqien, A.R.P., & Basuki, Y. (2020). Trip Rate Model of Attraction in Higher Education Zone. Journal of Advanced Civil and Environmental Engineering, 3 (1), 1- 8. DOI:10.30659/jacee.3.1.1-8
  67. Okeke, F.O., Gyoh, L., & Echendu, I.F. (2021). Impact of Landuse Morphology on Urban Transportation. Civil Engineering Journal, 7 (10), 1753- 1773. Doi: 10.28991/cej-2021-03091758
  68. Pourmohammadi, M.R., & Karimi, R. (2023). Developing a Conceptual Model of the Quality of Life in Cities with Emphasis on Housing Indicators - Case Study: 5 Regions of Urmia City. Scientific- Research Quarterly of Geographical Data (SEPEHR), 32 (126), 75-92. https://doi.org/10.22131/sepehr.2023.562689.2909 [In Persian]
  69. Rezaie, J. (2015). Best- Worst Multi- Criteria Decision- Making Method. Omega, (53), 49-57. https://doi.org/10.1016/j.omega.2014.11.009
  70. Roustaei, E., & Zoalfeghary far, S.Y. (2023). Spatial Pathology Analysis of Traffic in the Central Part of the City (Case Study: Yasouj City). Road, 31(114), 193-204. Doi:10.22034/road.2022.327167.2029 [In Persian]
  71. Sadeghi-Niaraki, A., Rabipour, A., & Ghodousi, M. (2023). Evaluating Accessibility to Key Land Uses based on Travel Mode. MJSP, 26 (4), 113-138. Dor:20.1001.1.16059689.1401.0.0.15.7 [In Persian]
  72. Sajadi, M., & Taghvaee, M. (2016). Evaluation and Analysis of Sustainable Urban Transport Indicators. Journal of Sustainable Architecture and Urban Design, 4 (1), 1-18. Dor:20.1001.1.25886274.1395.4.1.1.8 [In Persian]
  73. Sangaradasse, P., & Eswari, S. (2019). Importance of Traffic and Transportation Plan in the Context of Land Use Planning for Cities- A Review. International Journal of Applied Engineering Research, 14 (9), 2275- 2281.
  74.  Sarker, D., Rouf Khan, A., & Islam, M. (2019). Exploring the Connections between Land Use and Transportation: A Case Study of Shaheb Bazar to Rail Gate Road, Rajshahi City. Scientific Journal on Transport and Logistics, 10 (1), 30-40. DOI: https://doi.org/10.2478/logi-2019-0004
  75. Soltani, A., Saghapoor, T., Izadi, H., & Pakshir, A.R. (2012). The Generation of Intra-City Trips and the Influence of Land Use Diversity, a Case Study of Four Residential Areas in Shiraz City. Urban and Regional Studies and Researches, 3 (12), 1-16. [In Persian]
  76. Spears, S., Boarnet, M.G, Handy, S., & Rodier, C. (2014). Impacts of Land-Use Mix on Passenger Vehicle Use and Greenhouse Gas Emissions. California Environmental Protection Agency, 1-6.
  77. Taghvaei, M., Varesi, H.R., & Bahman Oraman, M. (2012). Investigating the Distribution of Medical Uses and its Effect on Urban Traffic Using the AHP Model (Case Study: Kermanshah City Center). Traffic Studies, 9 (17), 7-35. [In Persian]
  78. Tarho Amayesh Consulting Engineers. (2019). Integrated Detailed Plan of Urmia City. Ministry of Housing and Urban Development, Housing and Urban Development Organization of West Azarbaijan Province. [In Persian]
  79. WWW.Numbeo.com
  80. Xu, Ch., Wang, Y., Ding, W., & Liu, P. (2020). Modeling the Spatial Effects of Land-Use Patterns on Traffic Safety Using Geographically Weighted Poisson Regression. Networks and Spatial Economics, (20), 1015-1028. DOI: 10.1007/s11067-020-09509-2
  81. Ziyari, K., Karimi, F., & Ghasemi, F. (2014). The Pattern of Spatial Traffic Accidents in the City of Shiraz. Spatial Planning, 3 (4), 117-132. Dor:20.1001.1.22287485.1392.3.4.9.2 [In Persian]
آمار
تعداد مشاهده مقاله: 268
تعداد دریافت فایل اصل مقاله: 214





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب