تلفیق شبکه عصبی RBFLN و فن چندشاخصه ORESTE برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهر تهران)

مراکز مالی و تجاری از مهم ترین مراکز فعالیت های فضای شهری محسوب می شوند و توجه به موقعیت و مکان استقرار آن ها، از مهم ترین عوامل سودآوری و موفقیت این مراکز است. در این مطالعه، برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری، سامانه شبکه عصبی RBFLN، که شکل تغییریافته ای از شبکه عصبی بر پایه تابع شعاعی (RBFNN) است، در تلفیق با فن چندشاخصه ORESTE به کار گرفته شد. داده های دو و چند کلاسه پارامترهای اقتصادی و تجاری، آموزشی و فرهنگی، بهداشتی و درمانی، رفاهی و تفریحی، اداری، جمعیتی، حمل و نقل و ترافیکی بر اساس شعاع تاثیرگذاری، به عنوان بردارهای چندبعدی وارد شبکه عصبی شدند. به منظور یادگیری شبکه، 69 شعبه نمونه در شهر تهران و 34 نقطه غیربهینه به کار گرفته شد. نتایج تحقیق شبکه RBFLN دوکلاسه با دفعات تکرار 800 بار را با کمترین میزان خطای آموزش و طبقه بندی، به عنوان مناسب ترین کلاس برای شناسایی مناطق بهینه (غربالگری) استقرار مراکز مالی و تجاری نشان می دهد. نتایج این غربالگری مناطق بهینه پیشنهادی اولیه را تشکیل می دهند که در ادامه، با فن رتبه بندی چندشاخصه ORESTE با معیارهای کیفی حاصل از مشاهدات میدانی اولویت بندی شدند. این فرایند در شهر تهران و بر روی هر 22 منطقه این شهر اجرا شد.