تجلی هنر در معماری و شهرسازی در دست انتشار 1405 10 01 Optimizing the Location and Typology of Healthcare Centers through an Integrated Machine Learning and Urban Morphology Approach: A Case Study of Borujerd City بهینه‌سازی مکان‌یابی و گونه‌شناسی مراکز درمانی با رویکرد تلفیقی یادگیری ماشین و ریخت‌شناسی شهری: مطالعه موردی شهر بروجرد 1 26 FA سعیده روان مرد گروه معماری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران محمد جلیلی گروه معماری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران فرهاد کاروان گروه معماری، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران. حسین یاراحمدی گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران Journal Article 1405 01 18 <p>This study aimed to optimize the location and typology of healthcare centers in Borujerd by integrating machine learning algorithms, geographic information system analyses, and urban morphological indicators. This applied study employed a descriptive–analytical spatial design. The expert population comprised 30 specialists in urban planning, geography and geographic information systems, and healthcare services management, selected through purposive sampling. The study area was divided into 50 × 50-meter grid cells, and 2,400 balanced spatial points, including 1,200 suitable and 1,200 unsuitable points, were extracted for modeling. The variables included healthcare service shortage, population density, network travel time, street configuration, land-use mix, block size, and urban permeability. Nearest-neighbor analysis, global Moran’s I, network analysis, support vector machine, random forest, extreme gradient boosting, and a weighted ensemble model were applied. The overall nearest-neighbor ratio was 0.68, with a Z value of -5.62, indicating a significant clustered distribution (p &lt; 0.001). Global Moran’s I was 0.39 and statistically significant (p &lt; 0.001). The weighted ensemble model achieved the strongest performance, with a testing accuracy of 0.932, sensitivity of 0.936, specificity of 0.928, F1 score of 0.932, kappa coefficient of 0.864, and area under the curve of 0.976. Model–expert agreement was confirmed by a kappa coefficient of 0.817, while the correlation between their rankings was 0.862 (p &lt; 0.001). Implementing the proposed scenario increased favorable healthcare coverage from 72.13% to 89.46%. Integrating machine learning with urban morphology provided an accurate, interpretable, and stable framework for identifying priority areas and assigning appropriate healthcare facility types, thereby contributing to reduced spatial inequality and improved healthcare accessibility in Borujerd.</p> <p>هدف پژوهش حاضر، بهینه‌سازی مکان‌یابی و گونه‌شناسی مراکز درمانی شهر بروجرد از طریق تلفیق الگوریتم‌های یادگیری ماشین، تحلیل‌های سامانه اطلاعات جغرافیایی و شاخص‌های ریخت‌شناسی شهری بود. این پژوهش کاربردی با طرح توصیفی–تحلیلی و رویکرد فضایی انجام شد. جامعه تخصصی شامل 30 نفر از متخصصان برنامه‌ریزی شهری، جغرافیا و سامانه اطلاعات جغرافیایی و مدیریت خدمات بهداشتی و درمانی بود که به روش هدفمند انتخاب شدند. محدوده شهر به سلول‌های 50 × 50 متر تقسیم و 2400 نقطه فضایی متوازن، شامل 1200 نقطه مناسب و 1200 نقطه نامناسب، برای مدل‌سازی استخراج شد. متغیرها شامل کمبود خدمات، تراکم جمعیت، زمان دسترسی شبکه‌ای، ساختار معابر، اختلاط کاربری، اندازه بلوک و نفوذپذیری بافت بودند. از تحلیل نزدیک‌ترین همسایه، موران جهانی، تحلیل شبکه، ماشین بردار پشتیبان، جنگل تصادفی، تقویت گرادیانی حدی و مدل تلفیقی وزن‌دار استفاده شد. نسبت نزدیک‌ترین همسایه برای کل مراکز 0.68 و مقدار Z برابر با -5.62 بود که الگوی خوشه‌ای معناداری را نشان داد (p &lt; 0.001). شاخص موران جهانی نیز برابر با 0.39 و معنادار بود (p &lt; 0.001). مدل تلفیقی با صحت آزمون 0.932، حساسیت 0.936، ویژگی 0.928، امتیاز F1 برابر با 0.932، کاپای 0.864 و سطح زیر منحنی 0.976 بهترین عملکرد را داشت. توافق مدل و متخصصان با کاپای 0.817 تأیید شد و همبستگی رتبه‌بندی آنها 0.862 بود (p &lt; 0.001). اجرای سناریوی پیشنهادی، پوشش مطلوب را از 72.13 درصد به 89.46 درصد افزایش داد. تلفیق یادگیری ماشین و ریخت‌شناسی شهری چارچوبی دقیق، تفسیرپذیر و پایدار برای شناسایی پهنه‌های اولویت‌دار و تعیین گونه مناسب مراکز درمانی فراهم کرد و می‌تواند به کاهش نابرابری فضایی و بهبود دسترسی درمانی در بروجرد کمک کند.</p> https://www.jmaaue.org/index.php/jmaaue/article/download/263/197