ارائه مدل داده‌محور سلسله‌مراتبی پیش‌بینی خرابی روسازی با رویکرد تطبیقی برای بهبود تاب‌آوری، ایمنی عابران و بهینه‌سازی نگهداری در طراحی شهری

علیرضا زارعی¹

1) کارشناس ارشد طراحی شهری، شهرداری کلانشهر تبریز ، ایران

کد IOI مقاله : AACZ-ABGDBC
محل انتشار : پنجمین کنفرانس بین المللی مقاوم سازی لرزه ای(5icst.ir)
چکیده :
    خرابی روسازی در معابر شهری، به ویژه در تقاطع‌ها به عنوان نقاط تمرکز تنش‌های ترافیکی (شتاب، ترمز، پیچش)، یکی از عوامل اصلی کاهش تاب‌آوری شبکه حمل‌ونقل، افزایش خطرات ایمنی عابران و تحمیل هزینه‌های نگهداری به مدیریت شهری است. مدل‌های تحلیلی سنتی به دلیل ساده‌سازی رفتار ترافیکی و نادیده گرفتن الگوهای موضعی خرابی، دقت کافی برای پیش‌بینی در مقیاس تقاطع و شبکه را ندارند. این تحقیق با هدف ارائه یک مدل داده‌محور سلسله‌مراتبی انجام شده است. مدل پیشنهادی در دو سطح عمل می‌کند: سطح اول، پیش‌بینی موضعی خرابی در گره‌های تقاطع با استفاده از الگوریتم‌های یادگیری ماشین (مانند جنگل تصادفی بر اساس داده‌های ترافیکی لحظه‌ای، هندسی و اقلیمی. سطح دوم، تعمیم نتایج به کل شبکه معابر با رویکرد تطبیقی (تلفیق تحلیلی‑داده‌محور) برای بهینه‌سازی زمان‌بندی و مکان‌یابی عملیات نگهداری است. خروجی مدل، نقشه‌های پهنه‌بندی ریسک خرابی و اولویت‌بندی مداخلات را فراهم می‌کند که مستقیماً در طراحی هندسی معابر (شیب، شعاع، روسازی) و ارتقاء ایمنی عابران قابل استفاده است. این رویکرد، گامی به سوی طراحی شهری تاب‌آور، داده‌مبنا و کارآمد از نظر هزینه است.

کلمات کلیدی : مدل داده‌محور سلسله‌مراتبی پیش‌بینی خرابی روسازی یادگیری ماشین طراحی شهری تاب‌آور