تعيين عوامل موثر در پيش بيني ترافيك توليدي از كاربري هاي شهري(نمونه موردي، شهر نيشابور)

(Determination of the effective factors in prediction of traffic created from urban applications. (Sample item, Neyshabur

هدف تحقيق حاضر، تعيين سهم عوامل مختلف در پيش بيني ميزان توليد ترافيك از كاربري هاي شهري در بخش مركزي شهر نيشابور مي باشد. به اين منظور، از روش تحقيق توصيفي و تحليلي در قالب همبستگي از نوع پيش بين استفاده شده است. براي گردآوري داده هاي مورد نياز از پرسشنامه محقق ساخته بهره برداري شده است. براي تاثير تغييرات مربوط به هر يك از كاربري هاي شهري، ابتدا نظر متخصصين و مديران مرتبط با امر ترافيك مورد پرسش قرار گرفت و براي مقايسه اين نتايج، نسبت به گردآوري داده هاي ميداني نيز اقدام شد. نمونه مورد نظر در بخش نظر سنجي از افراد بر اساس جدول مورگان 60 نفر تعيين شد كه اين افراد به دو گروه مساوي 30 نفري براي افراد شاغل در بدنه مديريت شهري و ساير افراد تقسيم شدند. داده هاي گردآوري شده از اين طريق با استفاده از نرم افزارهاي مختلف به خصوص SPSS و مدل هاي آمار توصيفي و استنباطي به خصوص خي دو و تحليل رگرسيون چند متغيره، تجزيه و تحليل شد. نتايج نشان داد كه تعداد شاغلين در هر كاربري (تعداد مديران و كارمندان دائمي و موقت در برابر ساير مولفه هاي هر كاربري و يا عملكرد) مي تواند ميزان توليد ترافيك هر كاربري(عملكرد شهري) را به طور معناداري پيش بيني كند (0/000 =P). اما افزودن هر يك از متغيرهاي محل استقرار، ميزان تراكم و نوع عملكرد به متغير تعداد شاغلين، نمي تواند قدرت پيش بيني توليد ترافيك را به طور معناداري افزايش دهد.

The purpose of this paper was to determination of the effective factors in prediction of traffic created from urban applications in Neyshabour. This study has been performed by descriptive in the form of correlation of prediction. Field data has been gathered, in case of a questionnaire. The case study in poll section determine 60 person in basis of Morgan chart that were separated into two groups in each 30 persons between employees in urban administration and other people. Data that gathered in this way analyzed by use of spss. The results showed that number of employees in each land use or its functions, has undeniable role in increasing the scale of traffic production (P= 0/000), but other noted factors can’t predict it however urban lists are related to the scale of traffic production. The number of employees in each land use is also clarified in this research. We can say that urban administration have to estimate any amount of traffic before getting any license for land use change or localization and specific performance and also estimate its effect over the entire transport ion net .