مدل سازي تخصيص كاربري‌هاي شهري با استفاده از الگوريتم ژنتيك مرتب‌سازي نامغلوب نقطه مرجع

Modeling of Urban Land Use Allocation Using Reference-Point-Nondominated Sorting Genetic Algorithm II

برنامه‌ریزی كاربری اراضی شهری جهت استفاده بهینه از فضای شهری و امكانات موجود، یكی از هسته‌های اصلی برنامه‌ریزی شهری می‌باشد كه معمولا به صورت یك مسئله چندهدفه تعریف می‌شود. مابین تعداد بیشمار نقشه چیدمان‌های ممكن كاربری، برنامه‌ریزان شهری علاقه‌مند به انتخاب نقشه‌ای هستند كه نزدیك به چیدمان بهینه كاربری از دیدگاه موردنظر باشد. الگوریتم‌های بهینه‌سازی چند هدفه نقطه مرجع این امكان را فراهم می‌سازند كه مقادیر مطلوب برای اهداف مختلف به عنوان یك نقطه مرجع به الگوریتم معرفی گردد و مجموعه راه‌حل‌های بهینه نزدیك به نقاط مرجع، بدست ‌آید. در این تحقیق نحوه به كارگیری الگوریتم ژنتیك مرتب‌سازی نامغلوب نقطه مرجع به منظور برنامه‌ریزی كاربری اراضی شهری و میزان كارآیی آن در این زمینه، مورد بررسی قرار گرفته‌ و روشی برای كدگذاری كروموزوم‌ها در این راستا ارائه شده است. بیشینه‌سازی سازگاری كاربری‌های مجاور، تناسب فیزیكی زمین، دسترسی به راه‌ها و مراكز عمده اقتصادی و اجتماعی و كمینه‌سازی مقاومت در برابر تغییر كاربری به عنوان اهداف اصلی تعریف شدند. سپس مقادیر مطلوب توابع به عنوان نقطه مرجع وارد الگوریتم می‌شوند. برنامه‌ریزان قادر خواهند بود با توجه به اولویت‌های موردنظر، یكی از نقشه‌های پیشنهادی برای كاربری اراضی را انتخاب نماید. نتایج مدلسازی تخصیص كاربری اراضی برای شهر شیراز در سال 1390، نشان می‌دهد كه در مدل ارائه شده، تصمیم گیرنده قادر خواهد بود تصمیم بهتر و قابل اطمینان‌تری، نسبت به زمانی كه با یك راه حل مواجه است، اتخاذ نماید. این موضوع نشان دهنده توانایی مدل برای شبیه‌سازی سناریوهای مختلف برنامه‌ریزی كاربری است.

Urban land use planning which is one of the main components of urban planning typically defined as a multi-objective planning problem in optimal use of urban space and existing facilities. Among numerous land use maps, urban planners are usually interested in choosing the map which is contiguous to the optimal land use map of an interested vision. Reference point multi-objective optimization algorithms provide possibility of introducing the optimal values for different objectives as a reference point and producing optimal solutions near to reference points. In this study, the implementation and efficiency of Reference-Point-Nondominated Sorting Genetic Algorithm II (R-NSGA II) for urban landuse allocation is investigated and a method for chromosomes coding is proposed. Maximizing compatibility of adjacent land use, land suitability, accessibility to roads and main socio-economic centers, and minimizing resistance of land use to change are defined as the main objectives. Then the optimal values of objectives were introduced to the algorithm as reference points. Consequently, planners will be able to select within proposed land use maps according to their priorities. The results of land use allocation modeling for Shiraz city in 2011 indicate that the decision maker is able to choose a better decision with more reliability comparing to situations with a single solution. This achievement indicates proposed model ability for simulation of different scenarios in land use planning