Abstract:
اهداف: با توجه به گسترش سریع مناطق شهری کمبود زیرساخت‌های شهری در کلانشهرهای کشور به‌شدت احساس می‌شود. این زیرساخت‌ها به موازات توسعه شهرنشینی برای بهبود کیفیت زندگی در کلانشهرهای کشور حیاتی است. پژوهش حاضر با استفاده از تکنیک چندشاخصه کوداس با هدف تحلیل شاخص‌های مرتبط با زیرساخت شهری در کلانشهرهای ایران، انجام شد.
روش‌شناسی: پژوهش تحلیلی-مقایسه‌ای حاضر با استفاده از اطلاعات به‌دست‌آمده از طریق آمارنامه شهر تهران در سال ۱۳۹۸ انجام شد. ۱۰ کلانشهر تهران، مشهد، اصفهان، شیراز، قم، کرمانشاه و همدان، رشت، زاهدان و کرمان برای بررسی شاخص‌های تعداد سرویس‌های بهداشتی تحت نظارت شهرداری، تعداد فضاهای ورزشی سرپوشیده، تعداد ایستگاه‌های آتش‌نشانی، تعداد آتش‌نشان‌ها، تعداد عملیات اطفاءحریق، تعداد ایستگاه‌های متروی بهره‌برداری‌شده، تعداد کل پارک‌ها، تعداد پارک‌های شهری و جنگلی، تعداد پارکینگ‌های روباز و پارکینگ‌های طبقاتی تحت تملک شهرداری، تعداد پل روگذر ساده و مکانیزه، تعداد فضاهای ورزشی روباز، تعداد جایگاه سوخت سی.ان.جی تحت تملک شهرداری و بخش خصوصی، تعداد بازارهای میوه و تره‌بار دایمی و موقت انتخاب شدند. با استفاده از نرم‌افزار اکسل ۲۰۱۰، وزن شاخص‌ها از طریق مدل آنتروپی شانون، تحلیل و در تکنیک تصمیم‌گیری کوداس استفاده شدند.
یافته‌ها: بیشترین مقدار فاصله اقلیدسی به کلانشهر تهران (۰/۲۴۲) و کمترین مقدار فاصله اقلیدسی به کلانشهر زاهدان (۰/۰۰۹) تعلق داشت. با توجه به مقدار hik به‌دست‌آمده از تکنیک کوداس، کلانشهرهای تهران (۹/۲۵۴)، مشهد (۰/۲۹۷)، اصفهان (۰/۱۹۸)، شیراز (۰/۱۳۱-)، قم (۰/۷۷۱-)، همدان (۱/۵۵۵-)، کرمانشاه (۱/۹۶۰)، کرمان (۲/۱۴۳-)، رشت (۲/۱۹۹-) و زاهدان (۲/۴۹۶-) به‌ترتیب در رتبه اول تا دهم قرار داشتند. نتایج نشان داد که کلانشهر تهران به میزان به‌ترتیب ۸/۹۵۷، ۹/۰۵۶، ۹/۳۵۸، ۱۰/۰۲۵، ۱۱/۲۱۴، ۱۱/۴۵۳، ۱۰/۸۰۹، ۱۱/۷۵ و ۱۱/۳۹۷ امتیاز نسبت به مشهد، اصفهان، شیراز، قم، کرمانشاه، رشت، همدان، زاهدان و کرمان فاصله داشت.
نتیجه‌گیری: اختلاف امتیازهای به‌دست‌آمده از تکنیک کوداس، نشان‌دهنده نابرابری کلانشهرهای مورد بررسی در میزان زیرساخت‌های شهری موجود در آنها است.
Aims: Due to the rapid expansion of urban areas, the lack of urban infrastructure in the countrychr('39')s metropolises is strongly felt. This infrastructure, in parallel with urban development, is vital for improving the quality of life in the countrychr('39')s metropolises. The present study was conducted using the CODAS multi-indicator technique with the aim of analyzing indicators related to urban infrastructure in Iranian metropolises.
Methodology: The present analytical-comparative study was conducted using the information obtained through the statistics of Tehran in 2019. 10 metropolises of Tehran, Mashhad, Isfahan, Shiraz, Qom, Kermanshah and Hamedan, Rasht, Zahedan, and Kerman to study the indicators of the number of health services under the supervision of the municipality, the number of indoor sports facilities, the number of fire stations, the number of firefighters, the number of firefighting operations Fire, number of operated metro stations, the total number of parks, number of urban and forest parks, number of open parking lots and multi-story car parks owned by the municipality, number of simple and mechanized overpass bridges, number of open sports spaces, number of fuel stations CNG, owned by the municipality and the private sector, selected a number of permanent and temporary fruit and vegetable markets. Using Excel software, the weights of the indices were analyzed through the Shannon entropy model and used in the CODAS decision technique.
Findings: The highest Euclidean distance belonged to the Tehran metropolis (0.242) and the lowest Euclidean distance belonged to the Zahedan metropolis (0.009). According to the amount of h_ik obtained from THE CODAS technique, metropolises of Tehran (9.254), Mashhad (0.297), Isfahan (0.198), Shiraz (-0.131), Qom (-0.771), Hamedan (-1.555), Kermanshah (-1.960), Kerman (-2.143), Rasht (-2.199), and Zahedan (-2.496) were ranked first to tenth, respectively. The results showed that the Tehran metropolis was far away 8.957, 9.056, 9.385, 10.025, 11.214, 11.453, 10.809, 11.75, and 11.397 scores compared to Mashhad, Isfahan, Shiraz, Qom, Kermanshah, Rasht, Hamedan, Zahedan, and Kerman were, respectively.
Conclusion: The difference in scores obtained from the CODAS technique indicates the inequality of the studied metropolises in the amount of urban infrastructure in them.
(
, 
, 
)
