دانلود مقاله شبکه های متروی شهری چگونه رشد می کنند

خلاصه
     شهرها شاهد ظهور و رشد خطوط مترو بودند که منجر به ساختارهای متفاوتی شد که امروزه می بینیم.  به طور کلی سیستم های مترو چکونه گسترش می یابند؟ الگوهای رشد فضایی و زمانی شبکه‌های مترو و آمار شبکه‌های پیچیده آن‌ها ممکن است بینشی در مورد این موضوع ارائه دهد. این مقاله یک طرح 9 متری  را در چارچوب تحلیل شبکه پیچیده ایجاد می‌کند تا عملکرد خدمات یک شبکه مترو شهری را از سه بعد، یعنی دسترسی، انعطاف‌پذیری  و قابلیت خدمات کمی‌سازی کند. در پرتو این، یک طرح شبدری به عنوان ابزاری برای نشان دادن الگوی بلوغ و رشد چند بعدی یک شبکه مترو پیشنهاد می‌شود. در این مطالعه  توسعه متروی 42 شهر اصلی چین با استفاده از معیارها و ابزار تجسم نشان داده شده است. یافته‌ها نشان می‌دهند که شبکه‌های مترو قادر به تکامل از شکل‌های نوپا به شکل‌های بالغ هستند و امتیازات آنها در تمام ابعاد افزایش می‌یابد. رقابت بین توسعه مترو و محبوبیت خودرو منجر به انتخاب حمل و نقل شهری بین مترو غالب و خودرو غالب می شود. اگر مترو زود توسعه یابد در حالی که مالکیت خودرو هنوز در سطح پایینی است، شهرها ممکن است احتمال بیشتری برای تبدیل شدن به سیستم  متروی غالب داشته باشند. مشابه سلسله مراتب نیازهای مازلو برای افراد، یک شبکه متروی شهری ممکن است به عنوان پاسخی به نیازهای شهر پدیدار شود که از اساسی ترین (مانند دسترسی) تا پیچیده ترین (مانند انعطاف پذیری و قابلیت سرویس دهی) را شامل می شود.

1.    مقدمه
     برای پاسخگویی به تقاضای فزاینده برای حمل و نقل، خطوط مترو شروع به ظهور و رشد در شهرهای پرجمعیت کردند و شبکه های پیچیده حمل و نقل عمومی شهری را با ایستگاه های متعدد و اتصالات بین ایستگاهی پیچیده تشکیل دادند (آنجلیدوس و فیسک، 2006) خطوط مترو در طول زمان و در فضا در نتیجه سرمایه گذاری انباشته زیرساخت توسعه می یابند. پژوهشگران برنامه ریزی شهری، مهندسی زیرساخت و علوم اجتماعی همگی در مورد ارتباط بالقوه بین الگوها و عملکرد خود در رفع نیازهای شهری کنجکاو هستند. مشخص کردن و درک اتصالات شبکه می تواند به بهینه سازی شبکه حمل و نقل عمومی شهری کمک کند (فون فربر و همکاران، 2009).
     به منظور آشکار کردن ویژگی‌های شبکه‌های پیچیده، مانند ویژگی‌های دنیای کوچک (لاتورا و مارچیوری، 2002؛ واتس و استروگاتز، 1998) و ویژگی‌های بدون مقیاس (باراباسی و آلبرت، 1999)، که در شبکه‌های منظم و تصادفی وجود ندارند. گروهی از خطوط مترو را می توان به عنوان یک شبکه پیچیده مشاهده کرد که ایستگاه ها به عنوان اتصالات شبکه و بخش های خط به عنوان لبه های شبکه عمل می کنند. شبکه های مترو توسط چندین بخش وابسته و متقابل پیچیده تر می شوند( آنجلودیس و فیسک، 2006; بوکلیتی و همکاران، 2006; دریبل و کندی، 2010) آنها اغلب در فضا به دلیل تغییر تراکم جمعیت و کاربری زمین در یک کلان شهر، متنوع به نظر می رسند. در همین حال، تغییرات، اضافات و حذف مسیرها و ایستگاه ها در طول تکامل به تغییرپذیری کمک می کند. به تصویر کشیدن الگوهای مکانی و زمانی شبکه های مترو به صورت کمی دشوار است، اما نظریه شبکه پیچیده ممکن است ابزار مفیدی برای این باشد (بار-یام و همکاران، 1998؛ باراباسی، 2012).
     معیارهای ایجاد شده در زمینه تحلیل شبکه پیچیده برای توصیف شبکه های مترو استفاده شد. ساختارهای توپولوژیکی شبکه مترو شامل تعدادی شاخص هستند که به راحتی برای شبکه های پیچیده تعریف می شوند، مانند درجه، طول مسیر مشخصه، ضریب خوشه بندی (سیتون و هکتو 2004)، اهمیت گره (یانگ و همکاران ، 2010)، مستقیم بودن (دریبل و کندی، 2009)، و کارایی شبکه (لاتورا و مارکیوری، 2002؛ وراگووی  و همکاران، 2005؛ وو و همکاران، 2018). علاوه بر این، تحقیقاتی برای پل زدن معیارها با کیفیت های مطلوب سیستم های مترو، مانند اتصال (زانگ و همکاران، 2018؛ کانوار و همکاران 2019)، دسترسی (جی پنگ و همکاران 2021) و ایمنی (کانور و همکاران، 2019)، استحکام (آنگلیودیوس و فیسک، 2006؛چانگ و همکاران، 2006؛ دریبل و کندی، 2010؛ وو و همکاران، 2018؛ یانگ و همکاران، 2015)، قابلیت اطمینان (ژانگ و همکاران، 2011) و تاب آوری (ژانگ و همکاران، 2018)ایجاد شده است. در نتیجه، معیارهای جدیدی برای اندازه گیری عملکرد خدمات خاص خطوط مترو ایجاد شده است (به عنوان مثال، هوانگ و همکاران، 2014؛ موسو و ووچیک، 1988؛ وو و همکاران، 2016).

5. اظهارات پایانی
     این تحقیق با استفاده از داده‌های واقعی از 42 شهر سرزمین اصلی چین که دارای سیستم‌های مترو هستند، تلاش می‌کند تا الگوهای توسعه مکانی و زمانی شبکه‌های مترو را با استفاده از تکنیک‌های تئوری شبکه پیچیده توصیف کند. برای ارزیابی یک شبکه مترو، سه عامل کلیدی-دسترسی، انعطاف پذیری و قابلیت خدمات- شناسایی شده است. برای سنجش اثربخشی مترو در پیگیری خواسته های سلسله مراتبی شهر، 9 معیار که در سه بعد سازماندهی شده اند، ارائه شده است. این معیارها از اطلاعات شبکه پیچیده به دست می آیند. طرح شبدری، یک ابزار جدید تجسم داده‌های چند بعدی، برای تمایز بین الگوهای مختلف و سطوح بلوغ و در عین حال ترسیم الگوهای رشد تاریخی شبکه‌های مترو ایجاد شده است.
     خطوط مترو در داخل شهرها بسته به شهر متفاوت است. نرخ های مختلف توسعه تحت تأثیر ترکیبی از متغیرهای جغرافیایی، اقتصادی و اجتماعی ممکن است علت این تغییرات باشد. یک تصویر جامع از توسعه شبکه های مترو در 42 شهر سرزمین اصلی چین جالب خواهد بود. ما پس از الهام گرفتن از پروژه میدان خشخاش، که تلفات جنگ را تجسم می کند، یک طرح "میدان شاپرک" ایجاد کردیم که در شکل 14 نشان داده شده است. هر شبدر یک سیستم متروی در حال استفاده در یک شهر را نشان می دهد.توسعه اولین خط متروی شهر در همان سال آغاز شد و این زمانی بود که ساقه شروع به رشد کرد.  شبدر در طول سالی که اولین خط مترو تکمیل شد، برگ می زند . ابعاد آن حجم معمولی روزانه مسافر را نشان می دهد و طیف رنگ ها میانگین ارزش نه برگ شبدر را در طول سالی که اولین خط مترو تکمیل شد، نشان می دهد. مسافت پیموده شده فعلی با ارتفاع شبدر نشان داده می شود. نتیجه گیری در شکل 12 مبنی بر اینکه متروی یک شهر در طول زمان در تمام 9 معیار شبکه به طور نسبتاً یکنواختی رشد می کند، ممکن است با یافته های شکل 14 مطابقت داشته باشد که شهرهایی با سابقه طولانی تر بهره برداری مترو، شبکه های مترو را به  شبکه های بزرگتر ی تبدیل کرده اند. و سیستم های بالغ تر (که توسط شبدرهای بلند و طلایی نشان داده می شود .به‌ویژه در ده سال گذشته) دارند و  شهرهای بیشتری در سیستم‌های متروی جوان‌تر (که توسط شبدرهای کوتاه‌تر و سبزتر نشان داده می‌شوند) سرمایه‌گذاری کرده‌اند که به رشد سریع متروها در سرزمین اصلی چین اشاره می‌کند.

Abstract

     Metro lines emerged and developed in cities driven by various factors, and resulted in different structures as we see today. How do metro lines grow as a system? The spatiotemporal growing patterns of metro networks and their complex-network statistics may shed light on this question. Within the framework of the complex network analysis, this paper establishes a nine-metric scheme to quantify the service performance of an urban metro network from three dimensionalities i.e., accessibility, resilience, and serviceability. Accordingly, a shamrock plot is proposed as a tool to visualize the multi-dimensional maturity of a metro network as well as its growing pattern. The metrics and the visualization tool are used to reveal metro development in 42 cities of Chinese mainland. The results show that metro networks can evolve from nascent, to skeleton, and to mature forms, with their scores increasing in all dimensionalities. The choice of urban transportation between metro-dominant and automobile-dominant results from the race between metro development and car popularity. Cities may be more likely to become metro-dominant if metro develops early at a low level of car ownership. Urban metro network may develop as a response to the city’s needs hierarchically from the most basic (e.g., accessibility) to more advanced (e.g., resilience and serviceability), similar to Maslow’s hierarchy of individual needs.

1. Introduction

     Metro lines emerged and developed in densely-populated cities to meet increasing traffic demand, forming sophisticated networks of urban public transportation with dense stations and intricate interstation couplings (Angeloudis and Fisk, 2006). Metro lines sprawl in space and evolve over time as an outcome of accumulating infrastructure investment. The possible link between their patterns and performance in serving urban needs becomes a shared curiosity across urban planning, infrastructure engineering, and also social science. Characterizing and understanding network connections may shed light on optimizing urban public transportation networks (Von Ferber et al., 2009).

     A cluster of metro lines can be considered as a complex network with the stations (as network joints) connected by line segments (as network edges), since it reveals the features of complex networks, such as smallworld characteristics (Latora and Marchiori, 2002; Watts and Strogatz, 1998) and scale-free properties (Barabasi and Albert, 1999 ´ ) that do not exist in regular and random networks. Multiple dependent and interacting parts further complicate metro networks (Angeloudis and Fisk, 2006; Boccaletti et al., 2006; Derrible and Kennedy, 2010). They usually appear heterogeneous in space resulting from varying population density and land use across a city. Meanwhile possible changes, additions, and deletion of routes and stations during the evolution over time add to the heterogeneity. It is challenging to depict the spatiotemporal patterns of metro networks in a quantitative manner, while the complex-network theory may serve as a suitable tool for this purpose (Bar-Yam et al., 1998; Barabasi, 2012 ´ ).

     Efforts were made to characterize metro networks with metrics developed in the framework of complex network analysis. The topological structures of metro networks are featured with a number of indicators readily defined for complex networks, such as the degree, the characteristic path length, the clustering coefficient (Seaton and Hackett, 2004), the node importance (Yang et al., 2010), the directness (Derrible and Kennedy, 2009), and the network efficiency (Latora and Marchiori, 2002; Vragovi´c et al., 2005; Wu et al., 2018). Besides, to specify functions of metro networks as a key component of urban public transportation systems, studies were devoted to bridge the metrics to desired characteristics of metro systems, such as connectivity (Kanwar et al., 2019; Zhang et al., 2018), accessibility (J. Peng et al., 2021), robustness (Angeloudis and Fisk, 2006; Chang et al., 2006; Derrible and Kennedy, 2010; Wu et al., 2018; Yang et al., 2015), reliability (Zhang et al., 2011), and resilience (Zhang et al., 2018) more recently. Accordingly, new metrics were defined for assessing particular service performance of metro lines (e.g., Huang et al., 2014; Musso and Vuchic, 1988; Wu et al., 2016).

5. Concluding remarks

     This paper presents an attempt to quantitatively specify the spatiotemporal growth patterns of metro networks with the tools of the complex network theory by using the empirical data from 42 Chinese mainland cities that operate metro lines. Three essential dimensionalities (i.e., accessibility, resilience, and serviceability) are recognized to evaluate a metro network. Nine metrics grouped in three dimensionalities are proposed derived from complex network statistics to quantify the metro’s performance in pursuing the city’s hierarchical needs. A new tool of multi-dimensional data visualization, i.e., the shamrock plot, is developed to identify different patterns and maturity levels, while delineating temporal growing patterns of metro networks.

     Cities differ, so do the metro lines in them. Such differences may be driven by different develop rates under combined effects of geographical, economic and social factors. It would be interesting to depict a holistic landscape on how metro networks grow in 42 Chinese mainland cities. Inspired by the Poppy Field project that visualizes war fatality (https://www.poppyfield.org/), we developed a plot of “shamrock field” shown in Fig. 14. Each shamrock depicts a city operating metro. The stem grows from the year when the construction of the first metro line in the city started. The shamrock leafs in the year when the first metro line was accomplished. Its size shows the average daily passengers, and the variation of colors represents the average value of the nine metrics. The height of the shamrock depicts the current mileage. As shown in Fig. 14, the cities with a longer history in metro operation transformed the metro networks to larger and more mature systems (represented by high and golden shamrocks), which may be consistent with the conclusion in Fig. 12 that the metro of one city tends to grow in a relatively even manner in all the nine-network metrics over time. Younger metro systems (represented by shorter and greener shamrocks) were boosted particularly in the past decade in more cities, indicating a flourishing development of metros in Chinese mainland.

(جهت بزرگ نمایی روی عکس کلیک نمایید)

خلاصه
1.    مقدمه
2. داده ها و روش
2-1-خطوط مترو در شهرهای سرزمین اصلی چین
2-2- توصیف خطوط مترو به عنوان شبکه های پیچیده
2-3-تجزیه و تحلیل همبستگی معیارهای مبتنی بر شبکه
3.نتایج
1-3- طرح شبدری
3-2-سطوح بلوغ شبکه مترو مختلف
3-3- الگوهای زمانی شبکه های مترو و عملکرد بهبود یافته
4.بحث
4-1-آیا خطوط مترو با خودروهای شخصی در یک شهر رقابت می کند؟
4-2- آیا سیستم متروی شهر برای رفع نیازهای سلسله مراتبی آن گسترش می یابد؟
5. اظهارات پایانی
منابع

Abstract
1.    Introduction
2.    Data and methodology
2.1.    Metro lines in Chinese mainland cities
2.2.    Characterizing metro lines as complex networks
2.3.    Correlation analysis of the network-based metrics
3.    Results
3.1.    The shamrock plot
3.2.    Various maturity levels of metro networks
3.3.    Temporal patterns of metro networks and improved performance
4.    Discussion
4.1.    Do the metro lines compete with the private cars in a city?
4.2.    Does the metro network of a city grow to pursuit hierarchical needs of the city?
5.    Concluding remarks
References

این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 20 اسلاید و 5 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.

در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 8 صفحه (2100 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.

علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.

بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 50 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.