https://jurbangeo.ut.ac.ir/ پژوهش‌های جغرافیای برنامه‌ریزی شهری fa daily 1 Sat, 21 Mar 2026 00:00:00 +0330 Sat, 21 Mar 2026 00:00:00 +0330 https://jurbangeo.ut.ac.ir/article_106430.html غلبه رویکردهای خودرومحور طی دهه‌های اخیر، پیامدهایی چون ترافیک، آلودگی هوا، نابرابری در دسترسی و متعاقبا کاهش کیفیت زندگی شهری را به دنبال داشته است. در پاسخ به این چالش‌ها، مدل شهر چنددقیقه‌ای به عنوان رویکردی تحول‌آفرین و انسان‌محور در توسعه شهری، اطمینان از دسترسی به خدمات و امکانات شهری در آستانه‌های زمانی و مکانی مناسب و متعاقبا تحقق محیط‌های شهری دسترس‌پذیرتر، فراگیرتر و پایدارتر را با عنایت به شرایط زمینه‌ای و محله‌ای، هدفگذاری می‌کند. به همین منظور، پژوهش حاضر به تحلیل کاربست مدل شهر چنددقیقه‌ای در توسعه شهری با استناد به نمونه منطقه 22، به عنوان وسیع‌ترین توسعه شهری متصل به تهران، می‌پردازد. روش پژوهش، کیفی است و مبتنی بر تحلیل مضمون مصاحبه‌های نیمه‌ساختاریافته با متخصصان و مدیران شهری دنبال شده است. یافته‌ها، نشان می‌دهد اگرچه در اسناد توسعه شهری منطقه، بهبود دسترسی به خدمات شهری و تحقق عدالت فضایی به عنوان اهداف کلیدی مطرح بوده است، اما سیاست‌های اجرایی و واقعیات موجود، از آن‌ها فاصله‌ای قابل توجه دارند. منطقه با مشکلاتی جدی نظیر ناهمگنی کالبدی، مقیاس غیرانسانی، فقدان جذابیت فضایی، توسعه خودرومحور، عدم وجود زیرساخت پیاده و ضعف در حمل‌ونقل همگانی، مواجه است. از این رو، تاکید بر محله‌محوری و ارتقاء پیاده‌مداری، بهبود کیفیت کالبدی و عملکردی فضاهای شهری، کنترل تراکم جمعیت و بارگذاری‌ها در پایبندی به طرح تفصیلی و تخصیص اراضی برای تامین خدمات، از جمله راهکارهای پیشنهادی برای تحقق کاربست مدل شهر چنددقیقه‌ای در منطقه 22 شهر تهران است که در سه سطح برنامه‌ریزی، اجرایی و مدیریتی با هدف تحقق توسعه‌ای فراگیر و پایدار، ارائه شده‌اند. https://jurbangeo.ut.ac.ir/article_102074.html امروزه در فرهنگ واژگان امنیت و توسعه،یک نظریه اجتماعی نوین به عنوان«شهر شکننده»پدیدار شده است.«شهر شکننده» بازتاب بصری، انتقادی و تاریخی در مورد شهرنشینی معاصر است. «شهر شکننده»به عنوان یک چارچوب تحلیلی جدید برای توصیف شرایط اضطراری در عصر جدید ظهور یافته و این مفهوم نوین، ابزاری پیشگامانه برای درک نابرابری ها و تعارضات در محیط های شهری است. زمانی که شهرو جامعه ای با نیازهای تازه، خطرات یا تهدیدات و شوک ها در حوزه های مختلف شهر مواجه می‌شود ،دچار «شکنندگی» خواهد شد و ماموریت تاب آوری کم کردن«شکنندگی شهر» و «برگشت‌پذیری در سریع‌ترین زمان ممکن و با حداقل آشفتگی و حفظ شایستگی» است. شهر پس از گذر از دوره تاب آوری، وارد چرخه «ضد شکنندگی»می شود.ضد شکنندگی، فراتر از تاب آوری است و یک چشم انداز و هدف ارزشمند تر،ایده آل تر و مطلوب‌تر از تاب‌آوری می باشد. هدف اصلی پژوهش در سطح اول،مفهوم سازی نظری اصول و مبانی«شهر شکننده» تولید و ساختن و گسترش دادن مفهومیِ چارچوب نظریه و ارائه نظریه «شهرشکننده» در ادبیات شهرسازی و برنامه ریزی شهری ایران بوده و سپس در سطح دوم پژوهش بر اساس مبانی نظری و چارچوب نظریه تولید شده به بررسی و احصاء ابعاد و شاخص های«شهر شکننده»پرداخته شد. در این پژوهش ضمن استفاده از روش تحقیق کتابخانه ای و اسنادی از روش تحلیل محتوای جهت‌دار و به «مفهوم سازی نظری شهر شکننده» پرداخته شد و با استفاده از مصاحبه نیمه ساختاریافته از خبرگان پژوهش ابعاد و شاخص های اساسی در جهت سنجش سطوح شکنندگی شهرها احصاء و شناسایی شدند. https://jurbangeo.ut.ac.ir/article_106263.html زمینه: آلودگی بصری یکی از مهم‌ترین چالش‌های مدیریت منظر شهری است. روش‌های سنتی پایش این پدیده، با وجود دقت بالا، زمان‌بر، پرهزینه و محدود از نظر گستره مکانی هستند. در مقابل، داده‌های مکانی شهروندمحور امکان پایش گسترده‌تر و کم‌هزینه‌تری را فراهم می‌کنند، اما ناهمگونی و خطاهای احتمالی در داده‌های جمع‌سپاری‌شده، ضرورت اعتبارسنجی علمی آن‌ها را برجسته می‌سازد. هدف: این پژوهش با هدف اعتبارسنجی داده‌های مکانی شهروندمحور در ارزیابی آلودگی بصری دیوارهای شهری و توسعه چارچوبی ترکیبی مبتنی بر یادگیری عمیق و مشارکت شهروندان انجام شد تا قابلیت اعتماد این داده‌ها در تصمیم‌سازی شهری افزایش یابد. روش پژوهش: پژوهش به‌صورت ترکیبی و در چهار مرحله انجام گرفت. ابتدا داده‌های مکانی و تصویری آلودگی بصری از مناطق مختلف تهران از طریق سامانه‌ای تحت‌وب گردآوری شد. سپس تصاویر در چهار طبقه برچسب‌گذاری گردید. در مرحله سوم، سه مدل شبکه عصبی کانولوشنی شامل ResNet50، EfficientNetB0 و EfficientNetV2-L آموزش داده شدند. در نهایت، با مقایسه نتایج مدل‌ها و برچسب‌های شهروندان، سازوکاری برای اعتبارسنجی داده‌ها طراحی و عملکرد مدل‌ها ارزیابی شد. یافته‌ها: مدل EfficientNetV2-L با دقت ۸۷٫۷۸٪ بهترین عملکرد را نشان داد و از پایداری بالاتری در طبقه‌بندی داده‌های دشوار برخوردار بود. منحنی‌های یادگیری نیز همگرایی پایدار و کنترل بیش‌برازش را تأیید کردند. نتیجه‌گیری: نتایج نشان داد ترکیب داده‌های شهروندمحور با مدل‌های یادگیری عمیق چارچوبی کارآمد و قابل‌اعتماد برای پایش آلودگی بصری فراهم می‌سازد. این چارچوب می‌تواند به‌عنوان مرجعی پویا برای اعتبارسنجی داده‌های مکانی و ابزاری مؤثر در مدیریت هوشمند منظر شهری به‌کار گرفته شود.