برنامه ریزی بهینه فضایی برای مطابقت با اهداف پایداری بلند مدت
چکیده
شهرنشینی، خطرات زیست محیطی، و کمبود منابع، سه چالشی هستند که در صورتی که شهرها می خواهند به پایداری بیشتری برسند باید آنها را مد نظر داشته باشند. به هر حال، سیاستها و استراتژیهای توسعه فضایی اجرا شده برای دستیابی به هر یک از اهداف پایداری غالبا تصمیم گیرندگان را با مسئله بهینه سازی فضایی چندمنظوره مواجه می سازند. این مقاله یک چارچوب بهینه سازی فضایی پیشرفته را ارائه می دهد که مکان شهرکهای مسکونی آینده را در مقابل اهداف متعدد پایداری بهینه می سازد. این چارچوب برای یک مطالعه موردی در Middlesbrough در شمال شرقی انگلستان بکار برده شد. در این زمینه، این چارچوب پنج هدف پایداری را از محل مطالعه موردی ما بهینه می سازد: (i) به حداقل رساندن خطر امواج گرما، (ii) به حداقل رساندن خطر حوادث سیل و طوفان، (iii) به حداقل رساندن هزینه مسافرت برای کاهش جریان حمل و نقل، (iv) به حداقل رساندن گسترش پراکندگی شهری و (v) جلوگیری از توسعه فضاهای سبز. در اینجا یک سری از پیکره بندیهای فضایی بهینه از استراتژیهای توسعه آینده ارائه می شوند. نتایج استراتژیهایی را مقایسه می کنند که در مقابل اهداف فردی، زوجی و متعدد پایداری قرار دارند، بطوریکه هر یک از این استراتژیهای بهینه همه استراتژیهای توسعه دیگر را دست کم در یک هدف پایداری اجرا می کنند. علاوه براین، استراتژیهای فضایی حاصل به طرز قابل توجهی استراتژی اعتبار محلی کنونی را برای همه اهداف ، به عنوان مثال با بهبود نسبی تا 68% در عملکرد فاصله با CBD اجرا می کنند. بر اساس این نتایج، این نشان می دهد که بهینه سازی فضایی می تواند یک ابزار قدرتمند برای پشتیبانی از تصمیم گیری قراهم آورد که به برنامه ریزان در شناسایی استراتژیهای توسعه فضایی کمک می کند تا اهداف پایداری متعددی را برآورده سازند.
1. مقدمه
برنامه ریزی شهری توسط محرکهای زیادی به چالش کشیده شده است که عبارتند از: افزایش جمعیت، افزایش تکرار حوادث و اقدامات مفرط برای صرفه جویی و کاهش در کربن گیری در مقابل تغییرات آب و هوا . تا سال 2003 برآورد شد که 60% از جمعیت جهان در نواحی شهری قرار دارند و این میزان در حال حاضر بیش از 50 درصد می باشد (UNFPA ( صندوق جمعیت ملل متحد)،2011). این افزایش جمعیت خطر حوادث طبیعی را در طی قرن بعدی افزایش می دهد و با حوادث شدیدی که انتظار می رود در نتیجه تغییر در سطح دریا ، بارش، دما و پدیده های دیگر اقلیمی افزایش یابند، ترکیب خواهد شد (Dawson ، 2007؛ Hunt & Watkiss، 2011؛ IPCC ( میزگرد بین المللی تغییرات آب و هوا)،2013). به هر حال، نواحی شهری از محرکهای اصلی تغییر آب و هوا هستند که بطور مستقیم و غیر مستقیم تولید کننده 71% از انتشار کربن جهانی هستند (IEA ( سازمان بین المللی انرژی)،2008) و به عنوان "اولین پاسخ دهندگان" در کاربرد منابع و کاهش انرژی برای کاهش بیشتر تغییرات آب و هوا دیده می شوند (Reckien و همکاران، 2014؛ Rosenzweig، Solecki، Hammer،& Mehrotra، 2010).
Abstract
Urbanisation, environmental risks and resource scarcity are but three of many challenges that cities must address if they are to become more sustainable. However, the policies and spatial development strategies implemented to achieve individual sustainability objectives frequently interact and conflict presenting decision-makers a multi-objective spatial optimisation problem. This work presents a developed spatial optimisation framework which optimises the location of future residential development against several sustainability objectives. The framework is applied to a case study over Middlesbrough in the North East of the United Kingdom. In this context, the framework optimises five sustainability objectives from our case study site: (i) minimising risk from heat waves, (ii) minimising the risk from flood events, (iii) minimising travel costs to minimise transport emissions, (iv) minimising the expansion of urban sprawl and (v) preventing development on green-spaces. A series of optimised spatial configurations of future development strategies are presented. The results compare strategies that are optimal against individual, pairs and multiple sustainability objectives, such that each of these optimal strategies out-performs all other development strategies in at least one sustainability objective. Moreover, the resulting spatial strategies significantly outperform the current local authority strategy for all objectives with, for example, a relative improvement of up to 68% in the performance of distance to CBD. Based on these results, it suggests that spatial optimisation can provide a powerful decision support tool to help planners to identify spatial development strategies that satisfy multiple sustainability objectives.
1. Introduction
Urban planning is being challenged by multiple drivers, including rising populations, increased frequency of extreme events and actions to decarbonise economies to mitigate against a changing climate. By 2030 it is estimated that 60% of the world's population will reside in urban areas, up from just over 50% at present (UNFPA (United Nations Population Fund), 2011). This increased urban population will increase risks to natural hazards over the next century and these will be compounded by extreme events that are expected to increase in frequency as a result of changes in sea level, precipitation, temperature and other climate phenomena (Dawson, 2007; Hunt & Watkiss, 2011; IPCC (International Panel on Climate Change), 2013). However, urban areas are major drivers of climate change, directly or indirectly producing 71% of global carbon emissions (IEA (International Energy Agency), 2008) and are seen as ‘first responders’ at reducing energy and resource usage to mitigate further climatic change (Reckien et al., 2014; Rosenzweig, Solecki, Hammer, & Mehrotra, 2010).
چکیده
1. مقدمه
2. روش شناسی
2.1. انتخاب و پارامترسازی اهداف پایدار
2.2. رویکرد تبرید شبیه سازی شده برای بهینه سازی فضایی
2.3. استخراج بهینه پارتو
3. نتایج و بحث
3.1. جبهه بهینه پارتو بین اهداف پایداری جفتی
3.2. راه حلهای بهینه پارتوی چند منظوره
3.3. عملکرد مجموعه های بهینۀ پارتو
3.4. مکانهای رتبه بندی شدۀ توسعه بهینه پارتو
4. نتایج
Abstract
1. Introduction
2. Methodology
2.1. Selection and parameterisation of sustainability objectives
2.2. Simulated annealing approach to spatial optimization
2.3. Pareto-optimal extraction
3. Results and discussion
3.1. Pareto-optimal fronts between pairwise sustainability objectives
3.2. Multi-objective Pareto-optimal solutions
3.3. Performance of Pareto-optimal sets
3.4. Ranked Pareto-optimal development locations
4. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه