ارائه مدل مدیریت واحد بحرانهای شهر هوشمند از منظر پدافند غیرعامل مبتنی بر شیوههای AHP و ANFIS
نویسندگان
1 گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.
2 گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.
doi
10.22060/ceej.2023.21679.7793چکیده
امروزه رشد جمعیت و بهتبع آن افزایش تمایل به شهرنشینی، بهخصوص در کشورهای درحالتوسعه، موجب بروز مشکلات محیطزیستی، اقتصادی، اجتماعی و امنیتی شده است که ادامه وضع موجود، امکان توسعه پایدار شهری را ناممکن میسازد. از طرفی، طی سالیان اخیر، توجه به مباحث پدافند غیرعامل در بسیاری از کشورها موردتوجه قرار گرفته است. اینجاست که شهر هوشمند بهعنوان راهحل ایدهآل مقابله با چالشهای ناشی از شهرنشینی مطرح میگردد. در این پژوهش، ابتدا معیارهای مهم مدیریت واحد بحرانهای شهر هوشمند با تاکید بر پدافند غیرعامل شناسایی گردید و میزان اهمیت هریک از آنها مشخص شد و سپس نتایج آنها مورد بررسی قرار گرفت. روش گردآوری اطلاعات در پژوهش حاضر، از نوع توصیفی- تحلیلی بر پایه مطالعات کتابخانهای است. اطلاعات لازم در این پژوهش، با استفاده از مطالعات کتابخانهای و همچنین، ضمن تکمیل چکلیست بهصورت کیفی جمعآوریشده و پس از آن برای انجام محاسبات ازنظر کارشناسان خبره در زمینه پدافند غیرعامل و شهر هوشمند استفاده شد. سپس با استفاده از فرآیند تحلیل سلسلهمراتبی AHP، شاخصهای تعیین شده، امتیازدهی و رتبهبندی گردیدند و در ادامه با استفاده از نرمافزار MATLAB R2021b، اقدام به کدنویسی روش سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)، شد که درنهایت منجر به طراحی و ارائه مدل مدیریت واحد بحرانهای شهر هوشمند از منظر پدافند غیرعامل گردید. یافتههای حاصل از پژوهش حاضر مبتنی بر شیوههای AHP و ANFIS، نشان از اهمیت ایمنسازی اینترنت اشیا (IoT)، ایمنسازی محیط، ایمنسازی شبکه، کنترلپذیرش شبکه، ایجاد نرمافزار مجازیسازی در سطح سیستمعامل (کانتینر)، کاهش تهدید و اصلاح، و تجزیهوتحلیل و اقدام در بحث مدیریت واحد بحرانهای شهر هوشمند از منظر پدافند غیرعامل دارد. باتوجهبه اهمیت موضوع ایجاد شهرهای هوشمند، میتوان گفت که لزوم بررسی و توجه همهجانبه به مدیریت واحد بحرانهای شهرهای هوشمند باتوجهبه اصول و مبانی پدافند غیرعامل، تأثیر بیشتری را در برقراری حفاظت، امنیت و افزایش توسعه پایدار شهری دارد؛ بنابراین کلیه شاخصهای مهم دراینخصوص بهتفکیک مورد ارزیابی قرار گرفت و مدل نهایی ارائه گردید. مدل ارائه شده دارای نسبت سازگاری نهایی 0/059 بوده که قابلقبول است. همچنین مقدار خطای RMSE شبکه آموزشدیده ANFIS، برابر0/0179 و مقدار R2 آن نیز برابر 0/9897 بدست آمد که نشان از دقت بسیار بالای مدل پیشنهادی دارد.
