Abstract:
تاکنون طرح هایی چند در جهت کاهش آلودگی هوای شهر تهران به مرحله اجراگذاشته شده است. اما مسئله این است که در کنار سایر کاستی ها، این طرح ها اغلب با تبعیت از مدیریت بحران به جای مدیریت ریسک،در واقع عکس العملی منفعلانه ومقطعی در مقابل افزایش آلودگی هوا بوده ودر تصمیمات مدیریتی مبتنی بر این طرح ها از سامانه پشتیبانی تصمیم گیری استفاده نشده است. لذا این پژوهش به سبب اهمیت موضوع با روشی تحلیلی-کاربردی وبا استفاده از داده های ساعتی، غلظت منوکسید کربن 12 ایستگاه از مجموعه ایستگاه های سنجش آلودگی هوا متعلق به شرکت کنترل کیفیت هوا وهمچنین داده های هواشناسی سرعت باد، جهت باد ودما مربوط به ایستگاه مهرآباد، همگی مربوط به سال1389، و داده های حجم همسنگ سواری معابر شهر تهران با هدف پیش بینی زمانی-مکانی آلودگی هوای ناشی از حمل ونقل شهری کلانشهر تهران در راستای کاربرد در سامانه پشتیبانی تصمیم گیری فضایی مدیریت کیفیت هوا و با هدف نهایی مدیریت بهینه حمل و نقل شهری کلانشهر تهران به تحقیق پرداخت. در این راستا، از آنجا که هدف غایی تحقیق حاضر، بهره گیری از نتایج آن در کنترل بهینه حمل و نقل شهری به عنوان منبع مهم آلاینده هوا است؛ از روش LUR برای سنجش شاخص منوکسید کربن در حمل و نقل کلانشهر تهران در کنار سایر آلاینده ها استفاده گردید.سپس از شبکه عصبی مصنوعی برای پیش بینی زمانی احتمال وقوع آلودگی هوا البته با تاکید بر مدیریت ریسک بهره گرفته شد؛ و سپس بر پایه پیش بینی های زمانی حاصل از شبکه عصبی مصنوعی، با استفاده از شاخص کریجینگ مناطقی که احتمال وقوع آلودگی هوا در آنها بالاست، شناسایی گردید. براساس یافته های تحقیق، نتایج مناسب تشخیص داده شد به گونه ای که می توان از این الگو در سامانه پشتیبانی مدیریت کیفیت هوا به هدف نهایی مدیریت بهینه حمل و نقل شهری کلانشهر تهران استفاده نمود.
It is a Known fact that upto now a number of projects have been executed for mitigation of air pollution in Tehran. Realiy is that،In spite of many short comings،such projects have been executed under crisis management systems rather than risk management and there for have locality and piecemeal in the face of increasing air pollution. Futter more nu use has been made of the decision making support system. Judging from statistics and the statements of the responsible authorities such projects have not attend Their objectives. Therefore the present research has been carried out by an analytics applicable method by utilizing statistics of carbon monoxide density in twelve stations of the air pollution studies network،plus meteorological data such as windspeed and wind direction and temperature at Mehrabad meteorological station relating to 2010،number the cars on highways and streets of the city،for the purpose of forecasing time and place of air poloution resulted from the traffic in Tehran، under spatial management system of air quality. In this connection GIS، LUR model and artificial neural network have been utilized.In this regard، since the ultimate goal of this research taking advantage of its results in the optimal control urban transport as a major source of air pollutants LUR method for the measurement of carbon monoxide typicalityin Transport metropolitan Tehran was used along with other pollutants. Then، the artificial neural network to predict the likelihood of air pollution with an emphasis on risk management were used. And then، based on the forecasts of artificial neural network، Using indicator kriging areas with high risk of air pollution، were identified. According to the findings of the this evaluation pattern that Results were appropriate، So that the pattern in air quality management support system the ultimate goal is to optimize the management of urban transport in metropolitan Tehran can be used.