روش های مکانیابی و سطح بندی
در اين مدل گروه هاي عمده کارکردي در نظر گرفته مي شود. یعنی خدمات و سرویس ها در چند بخش عمده طبقه بندی شده(دبستان+ راهنمایی + دبیرستان) و براي سنجش نقش و اهميت هر سرويس خدماتي در يک سيستم شهری به درجه سرويس دهندگي آن سرويس در کل سيستم توجه مي شود تا مرکزیت آن حوزه را مشخص نماید . اساس این مدل بر این منوال است که برای سنجش نقش و اهمیت هر عنصر خدمات رسان شهری به درجه سرویس دهنگی آن عنصر در کل سیستم توجه می کند.
ضریب ویژگی (OSD) از فرمول زیر محاسبه میشه که واسه نمونه ضریب ویژگی آموزشی در ناحیه 1 هم تو فرمول حساب شده:
در نمونه مورد بررسی که در مورد سطح بندی نواحی منطقه 1 شهر تهران در سال 1375 می باشد 5 نوع از خدمات و کاربری ها در نظر گرفته شده است و تعداد هرکدام در 8 ناحیه منطقه آورده شده است. جمع تمام سرویسها در یک ناحیه را بر جمع یک نوع از سرویس ها در تمام نواحی تقسیم نموده و نتیجه را در تعداد آن سرویس در ناحیه مورد نظر ضرب می نماییم تا ضریب ویژگی آن سرویس (OSD) در ناحیه مورد نظر بدست بیاید. به عنوان مثال ضریب ویژگی آموزشی در ناحیه 1 برابر با 5.6 بدست می آید. سایر ضریب ها نیز در جدول قابل مشاهده می باشد. در پایان، ضریب ویژگی های سرویس های مختلف را در یک ناحیه با هم جمع نموده و در ستونی به عنوان جمع ضریب ویژگی یا جمع OSD می نویسیم. ناحیه ای که بیشترین مقدار را بدست بیاورد رتبه 1 داشته و در بالاترین سطح قرار دارد و ناحیه ای که پایین ترین مقدار را داشته باشد در پایین ترین سطح و رتبه آخر قرار می گیرد. در نمونه مورد بررسی شده، ناحیه 2 با جمع ضریب ویژگی 92.2 بالاترین رتبه و ناحیه 1 با 20.6 پایین ترین رتبه را دارد. سایر سطح بندی ها و نتایج بدست آمده رو در جدول فوق مشاهده می کنید. این روش نیز جمعیت و کیفیت شبکه ارتباطی و شرایط طبیعی را در نظر نگرفته است و از وزن دهی غیر استاندارد استفاده کرده است و همچون روش های قبلی توانایی پیش بینی آینده را ندارد و فقط گزارشی از سطح بندی وضع موجود در اختیار می گذارد.
روش های مکانیابی و سطح بندی
5-4- مدل ضریب مکانی (Location Coefficient):
در اين مدل بر اساس کارکردها يک ضريب مکاني به هر کارکرد داده مي شود . از ضرب ضريب مکاني هر کارکرد در تعداد آن براي هر مکان شاخص مرکزيت به دست مي آيد. از جمع اين شاخص ها به عددي مي رسيم که عدد بزرگتر نشان دهنده اهميت بيشتر مکان مي باشد. ضريب مکاني هر عملکرد عبارت است از 100 تقسيم بر کل تعداد آن عملکرد در منطقه. می توان گفت که "ضریب مکانی اهمیت کارکردی عملکردها را نه تنها بر مبنای تعداد عملکرد در یک مکان بلکه بر اساس فراوانی این عملکرد در کل منطقه اندازه گیری می کند و عملکردها وزنی معادل نسبت معکوس آنها به خود می گیرند که ضریب مکانی می نامند."اهميت اين مدل در در نظر گرفتن خدمات تخصصي مي باشد.خدمات عمومی که در اکثر سکونتگاهها وجود دارد وزن کمتری داده می شود بنا براین می توان گفت "شاخص مرکزیت برای یک مکان برابر است با مجموع وزن آن عملکردهای موجود در آن مکان که هر چه میزان این شاخص بیشتر باشد اهمیت کارکردی آن افزایش می یابد"
در نمونه مورد بررسی که برای نواحی منطقه 1 شهر تهران در سال 1375 می باشد 5 سری از سرویس ها در نظر گرفته شده است. برای تعیین ضریب مکانی، عدد 100 را بر تعداد مجموع هریک از عملکردها تقسیم می کنیم و در انتهای جدول اول یادداشت می کنیم. به عنوان مثال ضریب مکانی دبستان 0.74 شده است. به همین ترتیب بقیه عملکردها نیز محاسبه شده در جدول آورده شده است. این عمل باعث می شود که هر عملکردی که تعداد کمتری را دارد، ارزش بیشتری را داشته باشد و در نتیجه ضریب مکانی آن عملکرد بیشتر باشد. در مرحله دوم ضریب مکانی را در تعداد عملکرد در هر ناحیه ضرب نموده و به عنوان شاخص مرکزیت یادداشت می کنیم. به عنوان مثال شاخص مرکزیت دبستان در ناحیه 1 مقدار 8.88 می شود. به همین ترتیب بقیه موارد محاسبه شده و در جدول آورده شده است. جمع شاخص های مرکزیت هر عملکرد نیز 100 می شود.
در انتهای کار، اعداد بدست آمده در هر ناحیه را با هم جمع می نماییم و به عنوان جمع مرکزیت در جدول می آوریم. هر ناحیه ای که بیشترین مقدار جمع مرکزیت را داشته باشد در رتبه اول و بالاترین سطح قرار می گیرد و هر ناحیه که کمترین مقدار را داشته باشد در آخرین رتبه و پایین ترین سطح قرار می گیرد. در نمونه مورد بررسی نیز ناحیه 7 با 105.87 در بالاترین سطح و ناحیه 1 با 35.94 در پایین ترین سطح قرار گرفتند. نتایج کامل در جداول فوق قابل مشاهده می باشد. این روش اگرچه از سعی بر اهمیت دادن بر خدمات تخصصی تر داشته است اما همچنان این وزن دهی نیز چندان استاندارد نیست و عوامل جمعیت و کیفیت شبکه ارتباطی و عوامل طبیعی را در نظر نگرفته است و همچون روش های قبلی قابلیت پیش بینی آینده را ندارد و سطح بندی را برای زمان حال انجام می دهد.
- مدل تاکسونومی عددی:
این مدل در چندین مرحله محاسبه می شود و کمی پیچیده تر از مدل های قبلی می باشد. در مرحله اول مجموع داده ها، میانگین داده و انحراف معیار آنها را حساب می کنیم.
یکی از گیج کننده ترین روش ها هستش .... انقدر که طولانیه حالا ما تو مثال فاکتورای کمی رو در نظر گرفتیم فقط واسه اینکه روش کار رو میخواستیم توضیح بدیم. وگرنه خیلی مفصل تر از این هست ....
در نمونه مورد بررسی که برای سطح بندی نواحی منطقه 1 شهر تهران در سال 1375 می باشد 4 فاکتور مرکز بهداشتی، پزشک، مرکز آموزشی و پارک در نظر گرفته شده است که نتایج در جدول فوق آورده شده است.
اعداد جدول اول اختلافات زیادی را با هم دارند، پس باید استاندارد سازی شده و بهم نزدیک شوند. در مرحله دوم داده های موجود را استاندارد سازی می کنیم. برای اینکار هر داده را از میانگین کم نموده و نتیجه را بر انحراف معیار تقسیم می کنیم و عدد بدست آمده که عدد استاندارد شده می باشد را در جدول یادداشت می کنیم. البته در ردیف آخر جدول، بزرگترین عدد هر ستون را نیز به عنوان عدد ایده آل یا (Dio) یادداشت می کنیم.این جدول به Z-Score معروف است.
در مرحله سوم که فاصله مرکب بین داده ها می باشد، فاصله بین دو ناحیه را در هر فاکتور بدست می آوریم و در جدولی به نام جدول dab یاد داشت می کنیم.سپس این داده ها را به توان 2 رسانده،با هم جمع می کنیم و در نهایت جذر آنها را می گیریم. تمام اقدامات ذکر شده را در جدول زیر مشاهده می کنید.
روش های مکانیابی و سطح بندی ( 7-4- مدل تاکسونومی عددی )
در این مرحله ناحیه های همگن را پیدا می کنیم و اگر ناحیه ای همگن نباشد، حذف می کنیم و دوباره از ابتدا مراحل را تکرار می کنیم. برای این کار فاصله دو به دوی داده های نواحی را در جدولی یادداشت نموده و کوتاهترین فاصله یا همان کمترین داده را در ستون آخر می نویسیم و سپس میانگین و انحراف معیار این کوتاه ترین فاصله ها را بدست می آوریم. در نهایت داده هایی که کوتاه ترین فاصله آنها بین فاصله میانگین دو برابر انحراف معیار قرار ندارند، حذف می شوند زیرا هیچ مشابهتی بین آن ناحیه و نواحی دیگر وجود ندارد و در این صورت باید از ماتریس اول حذف شده و تمام مراحل از ابتدا بدون در نظر گرفتن آن ناحیه تکرار شود و در صورت نبود داده خارج از این فاصله کار را ادامه خواهیم داد.
همانطور که در جدول فوق مشاهده می کنیم تمام داده ها بین این دو عدد قرار می گیرند. پس مراحل کار را ادامه می دهیم.
در مرحله بعدی لازم است که Cio یا سرمشق توسعه را بدست آوریم. برای این کار به ماتریس دوم یا همان Z-Score مراجعه می کنیم. در این ماتریس مقدار Dio که بزرگترین مقدار هر ستون بود را از تمامی اعداد کم نموده و حاصل را به توان 2 می رسانیم، سپس آنها را با هم جمع نموده و جذرشان را حساب می کنیم تا مقدار Cio بدست بیاید. سپس میانگین و انحراف معیار Cio را نیز محاسبه می کنیم تا در مراحل بعدی استفاده کنیم. باید توجه داشته باشیم که با توجه به معیار در نظر گرفته شده، گاهی اوقات Dio بیشتر بهتر است و گاهی اوقات (مانند زمانی که معیار مرگ و میر می باشد) Dio کمتر مناسب تر است. در نمونه مورد بررسی و هر 4 فاکتور لحاظ شده، مقدار Dio بیشتر مناسب تر می باشد و به همین دلیل ما بزرگترین عدد در ماتریس دوم را برای هر معیار به عنوان Dio در نظر گرفتیم.
در مرحله آخر به محاسبه درجه توسعه یافتگی و رتبه بندی نواحی می رسیم. برای اینکار ابتدا Co را به روش زیر محاسبه می کنیم:
Co = میانگین Cio + 2(انحراف معیار Cio)
Co = 5.36
سپس در پایان کار درجه توسعه یافتگی یا fi را با استفاده از فرمول زیر برای هر ناحیه محاسبه می کنیم.
به همین ترتیب درجه توسعه یافتگی را برای تمام نواحی محاسبه می کنیم. هرچه عدد بدست آمده به 0 نزدیکتر باشد ناحیه توسعه یافته تر بوده و رتبه بهتری دارد و هرچه به عدد 1 نزدیکتر باشد، توسعه یافتگی کمتر و رتبه پایین تر خواهد بود. محاسبات انجام شده را در جدول زیر که جدول پایانی می باشد، مشاهده می کنید:
طبق محاسبات انجام شده و با توجه به معیارهای در نظر گرفته شده، مشاهده می کنیم که ناحیه 1 بالاترین رتبه را داشته و بیشترین درجه توسعه یافتگی را دارند و ناحیه 7 پایین ترین رتبه و درجه توسعه یافتگی را دارند. قطعاً در نظر گرفتن معیارها و فاکتورهای بیشتر دقت محاسبه را نیز افزایش خواهد داد.
روش اسکالوگرام گاتمن در تعیین مناطق همگن
مناطق طبیعی یا همگن
منطقه همگن از نواحی تشکیل شده که اختلاف محل به محل درون آن بسیار ناچیز است. برای تعیین مناطق همگن می توان از عوامل طبیعی، فرهنگی و اقتصادی بهره جست. در تعیین مناطق همگن عمدتاً از روش های قیاسی بهره گرفته می شود.
روش کلی تشخیص مناطق همگن
در این روش با تجمیع واحدهای محلی بر اساس میزان تشابه در یک گروه، مناطق همگن مشخص می گردند. میزان تشابه بر اساس میزان انحراف از میانگین تعیین می گردد. برای تشخیص مناطق همگن بر اساس میزان اطلاعات و شاخصها از روشهای مختلفی استفاده می شود.
مراحل کلی روشهای تعیین مناطق همگن به شرح زیر است :
۱٫ تعیین واحدهای مطالعاتی (واحدهای های محلی)
۲٫ تعیین هدف از منطقه بندی
۳٫ انتخاب شاخصهای همگنی
۴٫ جمع آوری اطلاعات
۵٫ انتخاب روش مناسب
۶٫ انجام مراحل روش انتخابی و تعیین مناطق همگن
روش اسکالوگرام گاتمن
از جمله معیار های بسیار متداول در توسعه منطقه ای و یا ناحیه ای، طبقه بندی یا سطح بندی نواحی یا شهرستان های کشور بر اساس میزان برخورداری از شاخص های مختلف اقتصادی، اجتماعی،فرهنگی و کالبدی است. بر اساس این معیار مناطق به سه دسته توسعه یافته یا برخوردار، نیمه توسعه یافته یا نیمه برخوردار و محروم یا نابرخوردار سطح بندی می شوند. اهمیت این سطح بندی آن است که با شناخت تنگناها و قابلیت ها و سطوح توسعه نواحی، می توان سطح زندگی مردم یک ناحیه را به خوبی نشان داد و از طرف دیگر به ارائه طرح ها و برنامه هایی جهت کاهش محرومیت آن نواحی پرداخت.
در این راستا روش های تاکسونومی عددی و اسکالوگرام گاتمن که از فنون برنامه ریزی منطقه ای در تعیین مناطق همگن هستند، بسیر کمک کننده هستند و با استفاده از این روش ها می توان تفاوت های منطقه ای را شناسایی کرد.
آنالیز اسکالوگرام که به ماتریس قطری نیز معروف است یکی از ساده ترین روش های رتبه بندی در برنامه ریزی ناحیه ای به شمار می رود. به کمک این مدل می توان ماتریس تشکیل داد و مشخص کرد که کدام سکونتگاه ها در وضعیت بهتری قرار دارند.
انتخاب متغییر بر اساس هدف (تراکم، نرخ رشد، شاغلین بخش صنعت، تولیدات ناخالص سرانه برای شاغلین، مالیات یا عوارض سرانه، تعداد خودرو شخصی)
تعیین نواحی مطالعاتی
جمع آوری اطلاعات
محاسبه میانگین برای هر یک از متغییر ها
محاسبه انحراف معیار
محاسبه ۴/۱ انحراف معیار
تعیین محدوده های همگنی برای هر یک از متغییر ها
تعیین وضعیت هر منطقه (منفی، خنثی و مثبت)
منفی : مقادیر کمتر از “میانگین منهای ۰٫۲۵ انحراف معیار”
خنثی : مقادیر بین “میانگین منهای ۰٫۲۵ انحراف معیار” و “میانگین به علاوه ۰٫۲۵ انحراف معیار”
مثبت : مقادیر بیشتر از “میانگین به علاوه ۰٫۲۵ انحراف معیار”
ارزیابی نتیجه
(X) ∑ مجموع متغییر های خارج از ردیف و x∑ مجموع کل متغییر ها
متغییرهای خارج از ردیف متغییر هائی هستند که با سایر متغییرها در تضاد می باشند.
اگر kr بین ۱- ۰٫۵ باشد متغییرها خوب استفاده شده اند و اگر کمتر از ۰٫۵ باشند بایستی در انتخاب تجدید نظر شود.
مثال ) تعیین مناطق همگن در شهرستان های استان فارس بر اساس آمار سال ۱۳۸۵ و با استفاده از روش اسکالوگرام گاتمن
مناطق مورد مطالعه را شهرستان های استان فارس قرار دادیم اما به دلیل نبود اطلاعات برای تعدادی از شهرستان ها، تمامی شهرستان ها را در نظر نگرفتیم.
متغییر های زیر برای بررسی مناطق همگن در نظر گرفته شده اند.
نسبت شاغلین به جمعیت فعال، نسبت شاغلین صنعت به کل شاغلین، نسبت باسوادی جمعیت، تعداد تخت بیمارستانی به ازای هر ۱۰۰۰ نفر، تعداد پزشک به ازای هر ۱۰۰۰ نفر
میانگین، انحراف معیار، m +1/4 SD و m – 1/4 SD برای متغیر های بالا در انتهای جدول زیر، محاسبه شده است
محدوده همگنی برای هر یک از متغیر ها