شکل کوچه‌ و خیابان‌های شهرتان تعیین می‌کند با ماشین شخصی بروید، اتوبوس سوار شوید یا پیاده‌روی کنید

چرا اصلا شکل و شمایل شهر اهمیت دارد؟

ساختار فیزیکی یک شهر، یعنی همین خیابان‌ها، ساختمان‌ها و فضاهای عمومی، تاثیر عمیقی روی زندگی روزمره ما دارد. این ساختار مشخص می‌کند که ما چطور در شهر حرکت می‌کنیم، چطور به خدمات مختلف مثل مدرسه، محل کار یا فروشگاه‌ها دسترسی پیدا می‌کنیم و چطور در فعالیت‌های شهری شرکت می‌کنیم. در این میان، چیزی به اسم «ریخت‌شناسی شهری» یا همان شکل و فرم شهر، به عنوان یک عامل کلیدی در سازماندهی رفت و آمدها شناخته می‌شود. این ریخت‌شناسی نه تنها دسترسی و اتصال بین نقاط مختلف یک منطقه را تعریف می‌کند، بلکه تعیین کننده این است که مردم بیشتر از چه وسیله‌ای برای سفرهایشان استفاده می‌کنند. در نتیجه، این موضوع روی دسترسی عادلانه همه شهروندان به فرصت‌های شغلی، تحصیلی و اجتماعی تاثیر مستقیم می‌گذارد.

متاسفانه در گذشته، سیاست‌گذاران شهری و حمل و نقل بیشتر از یک دیدگاه «کارکردی» به موضوع نگاه می‌کردند. یعنی تمام تمرکزشان روی این بود که سیستم‌های حمل و نقل به صورت بهینه کار کنند و ترافیک روان باشد. اما این رویکرد اغلب یک نکته مهم را نادیده می‌گرفت: اینکه خود طراحی شهری چطور می‌تواند استفاده از برخی روش‌های سفر را تشویق یا محدود کند. مطالعات قبلی هم نشان داده‌اند که بعضی از فرم‌های شهری، مردم را به سمت پیاده‌روی و استفاده از وسایل حمل و نقل عمومی هل می‌دهند، در حالی که برخی دیگر وابستگی شدید به ماشین شخصی را تقویت می‌کنند.

در چنین شرایطی، و با توجه به چالش‌های بزرگی که شهرهای امروزی با آنها روبرو هستند، مثل ترافیک سنگین، تکه تکه شدن فضاها، نابرابری در دسترسی و تاثیرات مخرب زیست محیطی حمل و نقل، فهمیدن رابطه بین شکل شهر و نحوه رفت و آمد مردم اهمیت فوق‌العاده‌ای پیدا کرده است. این تحقیق دقیقا به همین موضوع می‌پردازد و تلاش می‌کند با بررسی ساختار شبکه‌های خیابانی در شهرهای مختلف آمریکا، نشان دهد که چطور تفاوت در شکل این شبکه‌ها با تفاوت در سهم هر کدام از وسایل نقلیه (ماشین، اتوبوس، دوچرخه و غیره) در سفرها مرتبط است. هدف نهایی این است که شواهد تجربی و قابل اتکایی فراهم شود تا به طراحان شهری و برنامه‌ریزان حمل و نقل کمک کند سیاست‌های یکپارچه‌تر و بهتری طراحی کنند؛ سیاست‌هایی که در نهایت به سیستم‌های حمل و نقل عادلانه‌تر، پایدارتر و کارآمدتر منجر شوند.

ریخت‌شناسی شهری: سفری به دنیای الگوها و ساختارها

وقتی از «ریخت‌شناسی شهری» حرف می‌زنیم، منظورمان یک مفهوم چندبعدی است که در رشته‌های مختلفی مثل جغرافیا، معماری، برنامه‌ریزی و طراحی شهری به شیوه‌های متفاوتی به آن نگاه می‌شود. بعضی از رویکردها بیشتر روی کالبد ساخته شده شهر، یعنی چیزهایی مثل قطعات زمین، ساختمان‌ها و بلوک‌ها تمرکز می‌کنند. در مقابل، رویکردهای دیگری هم هستند که به منطق شکل‌گیری فضا و حرکتی که در آن ایجاد می‌شود، توجه دارند.

این مطالعه یک نگاه شبکه‌محور به ریخت‌شناسی شهری دارد. در این دیدگاه، ساختار و هندسه شبکه خیابان‌ها به عنوان نماینده‌ای از فرم کلی شهر در نظر گرفته می‌شود. محققان این پروژه تاکید می‌کنند که این تنها یکی از روش‌های معتبر برای مطالعه فرم شهری است و ادعایی ندارند که این بهترین یا کامل‌ترین روش است. آنها به خوبی می‌دانند که فرم شهر ابعاد مختلفی دارد و رویکرد آنها فقط یکی از جنبه‌های ساختاری آن را بررسی می‌کند؛ به طور مشخص، پیکربندی توپولوژیک و هندسی خیابان‌های شهری و ارتباط آن با الگوهای حرکت و دسترسی.

برای توصیف ساختار فضایی شهرها، این تحقیق از اصول ریخت‌شناسی شهری استفاده می‌کند که یک چارچوب مشخص برای اندازه‌گیری و توصیف پیکربندی فیزیکی محیط ساخته شده ارائه می‌دهد. این رویکرد روی نقش شبکه خیابان‌ها به عنوان یک جزء کلیدی در شکل‌دهی به فرم شهری تاکید دارد، چون ساختار این شبکه‌ها اغلب الگوهای قابل تشخیصی مثل الگوی شطرنجی، ارگانیک (نامنظم) یا بن‌بست را نشان می‌دهد.

با استفاده از شاخص‌های کمی، می‌توان هم ابعاد توپولوژیک و هم ابعاد هندسی این الگوها را اندازه‌گیری کرد.

• متغیرهای توپولوژیک: این متغیرها ساختار زیربنایی اتصالات و دسترسی بالقوه در شبکه خیابان‌ها را نشان می‌دهند. به زبان ساده، به ما می‌گویند که خیابان‌ها و تقاطع‌ها چطور به هم وصل شده‌اند، نه اینکه دقیقا چه شکلی هستند.
• متغیرهای هندسی: این متغیرها ویژگی‌های فضایی را ثبت می‌کنند، مثل طول متوسط خیابان‌ها، میزان پیچ و خم آنها (سینوسیته) و منظم بودن شکل بلوک‌ها.

این دو بعد در کنار هم، یک پایه تحلیلی محکم برای شناسایی نظم‌های ساختاری و تفسیر سازمان فضایی بافت شهری در شهرهای مورد مطالعه فراهم می‌کنند.

معیارهای کلیدی برای شناخت ریخت‌شناسی شهری

وقتی یک شبکه شهری را، به خصوص با نگاه نظریه گراف، تحلیل می‌کنیم، با تعداد زیادی متغیر توپولوژیک و فضایی روبرو می‌شویم. از آنجایی که تعداد این متغیرها خیلی زیاد است و اغلب به هم مرتبط هستند، کار کردن مستقیم با آنها پیچیده است. برای حل این مشکل، این متغیرها در چند بعد اصلی و مرتبط دسته‌بندی می‌شوند که جنبه‌های کلیدی ریخت‌شناسی شهری را پوشش می‌دهند. این گروه‌بندی مفهومی کمک می‌کند تا تعداد زیادی معیار منفرد به یک مجموعه قابل مدیریت از توصیف‌گرها با ارزش تفسیری روشن تبدیل شوند.

این تحقیق چهار بعد اصلی را بر اساس ارتباط منطقی بین ویژگی‌های شهری پیشنهاد می‌کند، اما تاکید دارد که این ساختار خشک و غیرقابل تغییر نیست. بسته به پیچیدگی و مقیاس داده‌ها (مثلا در شهرهای بزرگتر یا ناهمگن‌تر)، ممکن است به گروه‌بندی‌های اضافی یا کمی متفاوت نیاز باشد. این گروه‌بندی‌ها با متغیرهای اصلی هماهنگی دارند و چارچوب تفسیری کلی را حفظ می‌کنند که این امکان انعطاف‌پذیری و دقت بیشتر را فراهم می‌کند. بر اساس این سازماندهی نظری، ابعاد اصلی زیر شناسایی شده‌اند:

• اتصال‌پذیری (Connectivity): درجه اتصال بین گره‌ها (تقاطع‌ها) و بخش‌ها (خیابان‌ها) در شبکه را ارزیابی می‌کند.
• هندسه (Geometry): ویژگی‌های فیزیکی بخش‌های جاده و بلوک‌ها را تعریف می‌کند، مانند طول متوسط خیابان‌ها، پیچ و خم آنها و منظم بودن شکل بلوک‌ها.
• تراکم (Density): تمرکز عناصر جاده‌ای در واحد مساحت را اندازه‌گیری می‌کند.
• ویژگی‌های زاویه‌ای (Angular Characteristics): زوایایی که توسط بخش‌های جاده در تقاطع‌ها تشکیل می‌شود را توصیف می‌کند.

جدول زیر هفده معیار استفاده شده در این تحقیق را که بر اساس دسته‌بندی‌های بالا سازماندهی شده‌اند، نشان می‌دهد. این معیارها هم ویژگی‌های توپولوژیک و هم فضایی شبکه‌های خیابانی شهری را به صورت کمی اندازه‌گیری می‌کنند. انتخاب این معیارها نه تنها بر اساس استحکام تحلیلی آنها بوده، بلکه بر اساس توانایی آنها در تفسیر ریخت‌شناختی نیز صورت گرفته تا درک تفاوت‌های ساختاری در بافت‌های شهری مختلف واضح‌تر شود.

دسته	معیار	تعریف	مفهوم مقدار
اتصال‌پذیری	نسبت بن‌بست (Dead End Ratio)	سهم بخش‌هایی از خیابان که به بن‌بست ختم می‌شوند.	مقدار بین ۰ تا ۱. هرچه بالاتر باشد، اتصال‌پذیری کمتر است.
	تقاطع L شکل (L-junction)	نسبت گره‌هایی (تقاطع‌هایی) که فقط ۲ خیابان به آنها متصل است.	مقدار بین ۰ تا ۱. مقادیر بالاتر نشان‌دهنده اتصال‌پذیری پایین‌تر است.
	تقاطع T شکل (T-junction)	نسبت گره‌هایی که ۳ خیابان به آنها متصل است.	مقدار بین ۰ تا ۱. معمولا در طرح‌های نامنظم زیاد دیده می‌شود.
	تقاطع X شکل (X-junction)	نسبت گره‌هایی که ۴ خیابان به آنها متصل است.	مقدار بین ۰ تا ۱. مقادیر بالاتر نشان‌دهنده اتصال‌پذیری بیشتر است.
	خیابان به ازای هر گره (Streets per Node)	میانگین تعداد خیابان‌هایی که در یک گره (تقاطع) به هم می‌رسند.	از مقادیر کم (بن‌بست‌ها) تا مقادیر بالا (تقاطع‌های پیچیده).
	متوسط درجه (Avg Degree)	میانگین درجه گره، که تعداد اتصالات را اندازه‌گیری می‌کند.	مقدار بین ۰ تا ۱.
هندسه	پیچ‌وخم (Circuity)	میانگین نسبت طول کوتاه‌ترین مسیر در شبکه به فاصله اقلیدسی (خط مستقیم).	از نزدیک به ۱ (مسیر مستقیم) تا مقادیر بالاتر (مسیر غیرمستقیم).
	طول متوسط خیابان (Avg Street Length)	میانگین طول خیابان‌های پیوسته در شبکه.	بسته به فرم شهری، از خیابان‌های کوتاه تا بلند متغیر است.
تراکم	تراکم لبه (Edge Density)	طول لبه‌ها (خیابان‌ها) در واحد مساحت.	بسته به ریخت‌شناسی، از تراکم کم تا زیاد متغیر است.
	تراکم خیابان (Street Density)	تعداد خیابان‌ها در واحد مساحت در محدوده فضایی.	از الگوهای خیابانی پراکنده تا متراکم قابل مشاهده است.
	تراکم گره (Node Density)	سهم گره‌ها (تقاطع‌ها) در واحد مساحت.	مقدار بین ۰ تا ۱.
	تراکم تقاطع (Intersection Density)	تعداد تقاطع‌ها در هر کیلومتر مربع در محدوده شبکه.	از فراوانی کم تا زیاد تقاطع.
	تراکم بخش (Segment Density)	سهم بخش‌های خیابان در هر کیلومتر مربع در منطقه.	مقدار بین ۰ تا ۱.
ویژگی‌های زاویه‌ای	میانگین زاویه (Mean Angle)	میانگین زاویه‌ای که در تقاطع‌های شبکه تشکیل می‌شود.	از زوایای تند تا قائمه و باز متغیر است.
	ضریب تغییرات زاویه (Angle CV)	ضریب تغییرات زوایای تقاطع.	از تنوع زاویه‌ای کم تا زیاد در طرح.
	نسبت تعامد (Orthogonal Proportion)	درصد تقاطع‌هایی که زوایای نزدیک به ۹۰ درجه تشکیل می‌دهند.	مقدار بین ۰ تا ۱.
	آنتروپی جهت‌گیری (Orientation Entropy)	اندازه‌گیری نرمال شده عدم قطعیت زاویه‌ای.	مقدار بین ۰ تا ۱. مقادیر بالاتر نشان‌دهنده تنوع جهتی بیشتر است.

علاوه بر ابعادی که در این مطالعه به آنها پرداخته شد، ادبیات موجود در زمینه تحلیل شبکه‌های شهری بر نقش معیارهای «مرکزیت» به عنوان بخشی از روش‌های توصیف ساختار داخلی سیستم‌های خیابانی تاکید کرده است. این معیارها از دیدگاه توپولوژیک نظریه گراف نشات می‌گیرند و امکان توصیف موقعیت نسبی گره‌ها و لبه‌ها در یک سیستم را، فراتر از موقعیت فیزیکی یا اتصال فوری آنها، فراهم می‌کنند. از این دیدگاه، معیارهای مرکزیت یک لایه تحلیلی اضافی ارائه می‌دهند که امکان بررسی نحوه توزیع دسترسی و اتصال‌پذیری در بافت‌های خیابانی مختلف را فراهم می‌کند.

برای مثال، مرکزیت درجه (Degree Centrality) با تخمین تعداد اتصالات مستقیم هر گره نسبت به کل، یک تقریب اولیه از سطح یکپارچگی آن ارائه می‌دهد. مرکزیت نزدیکی (Closeness Centrality) دامنه را با در نظر گرفتن میانگین فواصل بین گره‌ها گسترش می‌دهد و امکان شناسایی نقاط استراتژیک با پتانسیل دسترسی بیشتر به کل سیستم را فراهم می‌کند. به طور مکمل، مرکزیت بینابینی (Betweenness Centrality) یک بعد حیاتی را معرفی می‌کند و نشان می‌دهد کدام گره‌ها تمایل دارند در کوتاه‌ترین مسیرهای بین جفت‌های دیگر قرار بگیرند و نقش آنها را به عنوان مفصل‌های جریان عمومی برجسته می‌کند. منطق مشابهی را می‌توان برای بخش‌های شبکه از طریق مرکزیت بینابینی لبه (Edge Betweenness Centrality) به کار برد که به شناسایی پیوندهایی با وزن ساختاری بالا در اتصال‌پذیری کلی کمک می‌کند. اگرچه این معیارها بخشی از تحلیل تجربی انجام شده در این مطالعه نبودند، اما یک بعد تحلیلی مکمل را نشان می‌دهند که می‌تواند مطالعه پیکربندی‌های فضایی و درک ساختاری شبکه‌های شهری را غنی‌تر کند.

انواع الگوهای شهری: از شطرنجی تا ارگانیک

تحلیل سیستماتیک معیارها و ابعاد ریخت‌شناختی که توصیف شد، به شناسایی و طبقه‌بندی انواع مختلفی از الگوهای شهری منجر می‌شود. این الگوها نماینده پیکربندی‌های فضایی هستند که اگرچه ممکن است در واقعیت شهری دارای تغییرات محلی و درجات ترکیبی باشند، اما ویژگی‌های ساختاری متمایزی را به اشتراک می‌گذارند. درک روشن از انواع الگوهای شهری برای تحلیل ریخت‌شناسی شهرها اساسی است. ادبیات موجود چندین الگوی غالب را شناسایی کرده است که در میان آنها، موارد زیر برای این مطالعه اهمیت ویژه‌ای دارند:

1. الگوی شطرنجی یا شبکه‌ای (Gridiron/Reticular)
   این الگو با یک شبکه خیابانی عمدتا متعامد مشخص می‌شود که در آن خیابان‌ها با زوایای قائمه یکدیگر را قطع می‌کنند و بلوک‌هایی با شکل منظم ایجاد می‌کنند. این ساختار معمولا اتصال‌پذیری و نفوذپذیری بالایی را ارائه می‌دهد و جهت‌یابی و توزیع کارآمد را تسهیل می‌کند. مثال بارز آن، منطقه میدتاون منهتن در نیویورک است.
2. الگوی حومه‌ای یا بن‌بست (Suburban/Cul-de-sac)
   این الگو یک ساختار سلسله‌مراتبی دارد و اغلب طراحی آن شبیه به یک درخت یا شاخه‌های آن است (دندریتیک). مشخصه اصلی آن، درصد بالای خیابان‌های بن‌بست است که به خیابان‌های جمع‌کننده و در نهایت به شریان‌های اصلی متصل می‌شوند. شهر میشن ویهو در کالیفرنیا نمونه‌ای از این الگو است.
3. الگوی ارگانیک یا نامنظم (Organic/Irregular)
   این الگو اغلب از رشد شهری خود به خودی، سازگار با توپوگرافی (پستی و بلندی‌های زمین)، یا توسعه یافته در طول تاریخ بدون یک طرح هندسی یکپارچه به وجود می‌آید. مشخصه آن خیابان‌هایی با طرح‌های غیر یکنواخت، عرض‌های متغیر و بلوک‌هایی با اشکال و اندازه‌های متنوع است. محله آلفاما در لیسبون، پایتخت پرتغال، یک نمونه کلاسیک از این الگو است.
4. الگوی ترکیبی (Hybrid)
   در واقعیت، بسیاری از مناطق شهری به طور دقیق با یک الگوی واحد مطابقت ندارند، بلکه ترکیبی از ویژگی‌های الگوهای ذکر شده را نشان می‌دهند. این الگوهای ترکیبی می‌توانند از روی هم قرار گرفتن مراحل مختلف برنامه‌ریزی، انطباق با زمینه‌های جغرافیایی خاص، یا تکامل ارگانیک مناطق قبلا برنامه‌ریزی شده به وجود بیایند. شهر کانبرا در استرالیا یک نمونه از پیکربندی ترکیبی است.

چگونه رفت‌وآمد مردم دسته‌بندی و تحلیل شد؟

برای تحلیل رابطه بین ریخت‌شناسی شهری و الگوهای رفت‌وآمد، اطلاعات مربوط به نحوه استفاده از فضای خیابان‌ها از داده‌های اداره سرشماری ایالات متحده (سال ۲۰۲۰) جمع‌آوری شد. این اطلاعات بر اساس چارچوبی به نام «ABC حمل و نقل» سازماندهی شدند. این چارچوب، شیوه‌های سفر را بر اساس عملکرد و وسیله نقلیه به سه دسته طبقه‌بندی می‌کند:

• حمل و نقل فعال (Active Mobility): شامل روش‌های غیرموتوری مانند پیاده‌روی و دوچرخه‌سواری است.
• حمل و نقل عمومی (Public Mobility): شامل سفرهایی است که با استفاده از سیستم‌های حمل و نقل اشتراکی یا جمعی مانند اتوبوس و مترو انجام می‌شود.
• حمل و نقل خصوصی (Private Mobility): به استفاده از وسایل نقلیه موتوری شخصی مانند خودروی سواری اشاره دارد.

این طبقه‌بندی به ساختاردهی تحلیل توزیع سهم هر یک از این روش‌ها به شیوه‌ای واضح و قابل مقایسه کمک می‌کند. بر اساس این طبقه‌بندی، الگوهای حمل و نقل از دو دیدگاه بررسی شدند. از یک سو، رویکرد «تفکیک شده» امکان ارزیابی سهم خاص هر روش حمل و نقل و ارتباط بالقوه آن با ویژگی‌های ریخت‌شناختی خاص را فراهم می‌کند. از سوی دیگر، تحلیل «تجمیعی» یک نمای کلی از ترکیب روش‌های حمل و نقل در هر واحد شهری ارائه می‌دهد و امکان مقایسه سیستماتیک در زمینه‌های فضایی مختلف را فراهم می‌سازد. این رویکرد روش‌شناختی نه تنها امکان توصیف توزیع روش‌های حمل و نقل را فراهم می‌کند، بلکه کاوش در ارتباطات بالقوه بین محیط ساخته شده و شیوه‌های رفت و آمد روزمره را نیز تسهیل می‌بخشد.

روش‌شناسی: سفری به پشت صحنه تحقیق

برای انجام تحلیل ریخت‌شناختی شبکه‌های خیابانی در شهرهای انتخاب شده، قلمرو شهری به واحدهای اداری تعریف شده توسط اداره سرشماری، که به آنها «حوزه‌های سرشماری» (census tracts) گفته می‌شود، تقسیم شد. این تقسیم‌بندی سرزمینی امکان توصیف دقیق و منسجم ریخت‌شناسی شهری را فراهم می‌کند و ادغام ویژگی‌های توپولوژیک و فضایی با داده‌های تکمیلی مانند شاخص‌های حمل و نقل موجود در سطح همان حوزه را تسهیل می‌بخشد. این رویکرد امکان مقایسه سیستماتیک بین مناطق شهری را فراهم می‌کند و در عین حال، جزئیات لازم برای ثبت ناهمگونی‌های داخلی را حفظ می‌کند.

ریخت‌شناسی شهری بر اساس متغیرهایی که قبلا تعریف و در جدول معیارهای شهری خلاصه شدند، تحلیل شد. این متغیرها ویژگی‌های کلیدی فضایی و توپولوژیک مرتبط با توصیف شبکه‌های خیابانی را گروه‌بندی می‌کنند. بر این اساس، یک روش طبقه‌بندی سیستماتیک و تکرارپذیر برای اندازه‌گیری میزان تطابق هر واحد شهری با پروفایل‌های نظری الگوهای شهری که در ادبیات تثبیت شده‌اند، به کار گرفته شد. این روش از یک چارچوب «تصمیم‌گیری چند معیاره» (MADM) استفاده می‌کند که بر اساس میزان نزدیکی ویژگی‌های ریخت‌شناختی مشاهده شده به مقادیر مشخصه هر الگو، امتیازات وزنی و جریمه‌هایی را اختصاص می‌دهد.

در این چارچوب، سه نوع بازه تعریف شد:

• بازه بهینه: شامل مقادیری است که به شدت مشخصه و نماینده یک الگوی خاص هستند.
• بازه متوسط: شامل مقادیری است که با الگو سازگار هستند اما کمتر متمایز بوده یا به طور بالقوه با الگوهای دیگر همپوشانی دارند.
• بازه بحرانی یا جریمه‌کننده: شامل مقادیری است که به طور قابل توجهی با ویژگی‌های تعریف‌کننده الگو در تضاد هستند. برای مثال، نسبت بسیار بالای خیابان‌های بن‌بست هنگام ارزیابی الگوی شطرنجی، بحرانی تلقی شده و باعث اعمال جریمه در طرح امتیازدهی می‌شود.

برای اندازه‌گیری کمی تطابق یک منطقه شهری با هر پروفایل، از یک مکانیزم امتیازدهی وزنی با جریمه استفاده شد. این رویکرد یک ارزیابی کمی و تکرارپذیر از شباهت ریخت‌شناختی بین مناطق شهری مشاهده شده و الگوهای نظری را امکان‌پذیر می‌سازد و یک طبقه‌بندی سیستماتیک بر اساس ویژگی‌های ریخت‌شناختی انتخاب شده را تسهیل می‌کند.

لازم به ذکر است که تعریف مقادیر مرجع و بازه‌های مربوط به هر معیار، دلخواه نبوده، بلکه بر اساس بررسی دقیق مطالعات قبلی در مورد شبکه‌های خیابانی شهری از دیدگاه‌های تحلیلی مختلف صورت گرفته است. تحقیقاتی مانند کارهای وو و همکاران (۲۰۲۴) و برینگتون-لی و میلارد-بال (۲۰۱۹) شاخص‌هایی مانند «شاخص عدم اتصال شبکه خیابانی» (SNDi) را معرفی کرده‌اند که یک معیار مبتنی بر نظریه گراف است و عدم اتصال ساختاری را با استفاده از یک مجموعه داده جهانی شامل بیش از ۴۶ میلیون کیلومتر خیابان اندازه‌گیری می‌کند. این معیارها متغیرهایی مانند نسبت خیابان‌های بن‌بست، پیوستگی پیوندها بر اساس طبقه‌بندی سلسله‌مراتبی آنها و وجود اتصالات اضافی را در بر می‌گیرند. به طور مکمل، کار جیانگ (۲۰۰۷)، که شبکه‌های ۴۰ شهر در ایالات متحده و خارج از آن را تحلیل می‌کند، نشان می‌دهد که پیکربندی‌های شهری تمایل دارند ویژگی‌های مشخصه سیستم‌های «دنیای کوچک» و «بدون مقیاس» را نشان دهند—هم از نظر توزیع طول خیابان و هم درجه اتصال‌پذیری— و بنابراین یک پایه تجربی محکم برای تعیین بازه‌های مرجع برای متغیرهای توپولوژیک مورد استفاده فراهم می‌کند.

طبقه‌بندی الگوها و شناسایی فرم‌های ترکیبی

طبقه‌بندی یک منطقه شهری با اختصاص دادن آن به نوع الگویی که بالاترین امتیاز کل را کسب کرده است، تعیین می‌شود، به شرطی که این امتیاز از یک آستانه حداقلی که تطابق معنادار را تضمین می‌کند، فراتر رود. برای مثال، یک شهر به عنوان «شطرنجی» دسته‌بندی می‌شود اگر امتیاز مرتبط با آن الگو، بالاترین امتیاز در بین تمام ارزیابی‌ها باشد و به سطح اطمینان از پیش تعریف شده‌ای برسد.

فرم‌های ترکیبی در مواردی شناسایی می‌شوند که یک منطقه شهری در دو یا چند نوع الگوی متمایز، امتیازات بالایی کسب کند، که نشان‌دهنده ترکیب قابل توجهی از ویژگی‌های هر الگو است. این حالت می‌تواند در مناطقی مشاهده شود که ویژگی‌های برجسته شطرنجی با عناصر معمول رشد ارگانیک ترکیب شده‌اند، که اغلب ناشی از انطباق با توپوگرافی یا لایه‌بندی تاریخی است. یک فرم ترکیبی همچنین زمانی تشخیص داده می‌شود که هیچ امتیاز واحدی به وضوح غالب نباشد، اما توزیع خاص مقادیر در ابعاد ریخت‌شناختی، یک پیکربندی ترکیبی قابل تشخیص را نشان دهد—برای مثال، یک طرح عمدتا متعامد که شامل تعداد قابل توجهی خیابان بن‌بست است، که ویژگی معمول الگوهای حومه‌ای در توسعه‌های اخیر است. این رویکرد امکان طبقه‌بندی دقیق‌تری را فراهم می‌کند که فراتر از دسته‌های انحصاری متقابل است و پیچیدگی و تنوع بافت شهری را با دقت بیشتری منعکس می‌کند.

طبقه‌بندی الگوها و زیرالگوها با استفاده از خوشه‌بندی

در مرحله بعد، از روش «تحلیل مولفه‌های اصلی» (PCA) روی مجموعه اولیه متغیرهای توپولوژیک و فضایی استفاده شد. PCA یک ابزار آماری است که به زبان ساده، به ما کمک می‌کند تا از بین تعداد زیادی متغیر، چند «بعد پنهان» اصلی را پیدا کنیم که بیشترین تنوع و اطلاعات را در خود جای داده‌اند. این کار به کاهش ابعاد داده‌ها کمک کرد و چند بعد پنهان را شناسایی کرد که بیشتر تغییرات مشاهده شده در ریخت‌شناسی شهری را توضیح می‌دادند.

اگرچه در ابتدا گروه‌های مفهومی برای سازماندهی ویژگی‌های ریخت‌شناختی تعریف شده بود، تحلیل PCA نشان داد که بیان تجربی این دسته‌ها ممکن است بسته به مقیاس شهری و ناهمگونی داخلی متفاوت باشد. با این حال، ابعاد استخراج شده تمایل داشتند منطق ساختاری طبقه‌بندی نظری را حفظ کنند، که نشان‌دهنده تطابق قوی بین الگوهای مفهومی و پیکربندی‌های واقعی شهری است.

بر اساس این ابعاد جدید، از تکنیک‌های خوشه‌بندی (Clustering) برای شناسایی الگوهای ریخت‌شناختی غالب استفاده شد. خوشه‌بندی مانند این است که کامپیوتر به طور خودکار مناطق شهری با ویژگی‌های مشابه را در یک گروه قرار دهد. اگرچه گروه‌بندی‌های حاصل، پیکربندی‌های سازگار با چارچوب نظری را منعکس می‌کنند، اما باید به عنوان ساختارهای انعطاف‌پذیر در محیط‌های شهری پیچیده درک شوند. ممکن است زیرگروه‌های پیرامونی ظاهر شوند که با وجود انحراف از مرکز خوشه، ویژگی‌های ساختاری اساسی را حفظ کنند که طبقه‌بندی آنها را توجیه می‌کند.

نتایج و تحلیل مقایسه‌ای: چه الگوهایی در شهرهای آمریکا پیدا شد؟

نمونه‌ای از نه شهر ایالات متحده با پیکربندی‌های ریخت‌شناختی متنوع انتخاب شد. این شهرها بر اساس تنوع فضایی، پوشش جغرافیایی و در دسترس بودن داده‌ها از سرشماری ایالات متحده انتخاب شدند. در هر مورد، حوزه‌های سرشماری بر اساس الگوی ریخت‌شناختی نظری مربوطه طبقه‌بندی شدند و گروه‌بندی‌های حاصل با استفاده از تکنیک‌های خوشه‌بندی تحلیل شدند. هدف، بررسی تطابق بین انواع نظری و پیکربندی‌های مشاهده شده در هر شهر بود.

نتایج نه تنها الگوهای نظری را در چندین مورد تکرار کردند، بلکه وجود «زیرالگوهایی» را در هر نوع الگو آشکار ساختند. این زیرگروه‌ها نمایانگر تغییرات داخلی هستند که تنوع درون دسته‌های اصلی را منعکس می‌کنند. هر زیرگروه با یک علامت مثبت (+) یا منفی (-) مشخص می‌شود که به ترتیب نشان‌دهنده انحراف به سمت بالا یا پایین از ویژگی‌های غالب دسته خود است.

طبقه‌بندی این زیرالگوها امکان تفسیر دقیق‌تری از تفاوت‌های درون-نوعی مشاهده شده در شهرهای تحلیل شده را فراهم می‌کند. جدول زیر خلاصه‌ای از این زیرشاخه‌ها را به همراه ویژگی‌های کلی مرتبط با هر یک ارائه می‌دهد که کاملا با ابعاد ریخت‌شناختی تعریف شده قبلی هماهنگ است.

زیرگروه	توصیف کلی
±Density	تغییرات در ویژگی‌های مرتبط با تراکم شهری
±Intersection	تغییرات در ویژگی‌های مرتبط با تقاطع‌های خیابانی
±Mean	تغییرات در معیارهای میانگین شبکه مانند تراکم بخش یا پیچ‌وخم
±Street	تغییرات در ویژگی‌های مرتبط با خیابان‌های اصلی و اتصال‌پذیری آنها
±Std	تفاوت‌ها در پراکندگی هندسی یا تنوع زوایای شبکه

تحلیل خوشه‌بندی وجود زیرالگوها را در هر دسته ریخت‌شناختی کلی نشان می‌دهد و تنوع داخلی قابل توجهی را که توسط گوناگونی شهرهای مورد مطالعه شکل گرفته است، برجسته می‌کند. با این وجود، یک سازگاری قوی پدیدار می‌شود، زیرا بیشتر زیرگروه‌های شناسایی شده با دسته‌های ریخت‌شناختی اصلی که قبلا تعریف شده‌اند، همخوانی نزدیکی دارند. برای نشان دادن این موضوع، جدول زیر نه شهر تحلیل شده را ارائه می‌دهد و طبقه‌بندی‌های ریخت‌شناختی نظری آنها را در کنار نتایج خوشه‌بندی و زیرالگوهای شناسایی شده، به تفصیل بیان می‌کند.

شهر	الگوی اولیه (نظری)	زیرالگوی خوشه‌بندی
بوستون	شطرنجی ۴۴٪، ارگانیک ۱۸٪، ترکیبی ۱۴٪، بن‌بست ۲۴٪	شطرنجی ۱۲.۱٪، Street- ۳۵.۴٪، Street+ ۰.۳٪، ارگانیک ۲۹.۲٪، Street+ ۷.۹٪، بن‌بست ۱۵.۲٪
کری تاون	شطرنجی ۱٪، ارگانیک ۲۸٪، ترکیبی ۱۷٪، بن‌بست ۵۴٪	شطرنجی ۱.۳٪، بن‌بست ۲۷.۶٪، Std+ ۶۸.۴٪، Std- ۲.۶٪
چندلر	شطرنجی ۲٪، ارگانیک ۴۷٪، ترکیبی ۱۰٪، بن‌بست ۴۱٪	ارگانیک ۶۰.۸٪، بن‌بست ۳۷.۴٪، Street+ ۱.۹٪
چارلستون	شطرنجی ۲۳٪، ارگانیک ۳۹٪، ترکیبی ۸٪، بن‌بست ۳۰٪	شطرنجی ۱۱.۵٪، Density- ۹.۸٪، Density+ ۴.۹٪، Density- ۱۱.۵٪، ارگانیک ۲۹.۵٪، Density- ۲۴.۶٪، بن‌بست ۸.۲٪
فورت کالینز	شطرنجی ۱۲٪، ارگانیک ۳۱٪، ترکیبی ۱۳٪، بن‌بست ۴۴٪	شطرنجی ۷.۷٪، ارگانیک ۲۱.۲٪، Street+ ۵.۸٪، بن‌بست ۱۳.۵٪، Street+ ۲۶.۹٪، Street- ۲۵.۰٪
پیچ‌تری	ارگانیک ۱۳٪، ترکیبی ۶٪، بن‌بست ۸۱٪	ارگانیک ۱۲.۵٪، بن‌بست ۱۸.۸٪، Mean+ ۴۳.۸٪، Mean- ۲۵.۰٪
فیلادلفیا	شطرنجی ۵۹٪، ارگانیک ۱۶٪، ترکیبی ۱۱٪، بن‌بست ۱۴٪	شطرنجی ۱۴.۲٪، Mean- ۴۱.۳٪، ارگانیک ۴۴.۵٪
سالت لیک	شطرنجی ۵۴٪، ارگانیک ۱۷٪، ترکیبی ۸٪، بن‌بست ۲۱٪	شطرنجی ۴۳.۱٪، Intersection- ۲۵.۰٪، بن‌بست ۳۱.۹٪
سانتافه	شطرنجی ۵٪، ارگانیک ۴۳٪، ترکیبی ۱۲٪، بن‌بست ۴۰٪	ارگانیک ۲۶.۲٪، Density- ۱۹.۱٪، Density+ ۲.۴٪، بن‌بست ۱۹.۱٪، Density+ ۱۶.۷٪، Density- ۱۶.۷٪

نمونه‌های انتخاب شده از دسته‌ها و زیرالگوهای ریخت‌شناختی در شهرهایی مانند سالت لیک سیتی، بوستون و چندلر که تنوع داخلی قابل توجهی نشان می‌دهند، به خوبی نشان می‌دهند که چگونه زمینه‌های شهری مختلف به تنوع ریخت‌شناختی که توسط نتایج خوشه‌بندی ثبت شده است، کمک می‌کنند، بدون اینکه وارد جزئیات تاریخی یا اجتماعی شویم.

ارتباط بین ساختار شهر و الگوهای رفت‌وآمد

با استفاده از داده‌های سرشماری در مورد سهم نسبی حالت‌های حمل و نقل فعال، عمومی و خصوصی در هر واحد شهری، تحلیلی با گروه‌بندی مشاهدات بر اساس الگوی ریخت‌شناختی غالب آنها انجام شد. این رویکرد امکان شناسایی روندهای کلی حمل و نقل مرتبط با پیکربندی‌های فضایی مختلف را فراهم کرد. نمودارهای چگالی نشان می‌دهند که چگونه توزیع‌های سهم حمل و نقل در این الگوهای ریخت‌شناختی متفاوت است.

تحلیل رفتار میانه و پراکندگی برای هر حالت حمل و نقل، تغییرات سیستماتیکی را نشان می‌دهد که پروفایل‌های حمل و نقل متمایزی را بسته به ریخت‌شناسی شهری شکل می‌دهد. به طور خاص، ریخت‌شناسی‌های شطرنجی‌مانند تمایل دارند با سهم‌های بالاتر حمل و نقل فعال و عمومی همراه باشند. در مقابل، الگوهای ارگانیک و بن‌بست—که با اتصال‌پذیری کمتر و شیوع خیابان‌های بن‌بست مشخص می‌شوند—وابستگی بیشتری به وسایل نقلیه خصوصی نشان می‌دهند. این تمایل به صورت آماری در میانه‌های به طور مداوم پایین‌تر برای حالت‌های حمل و نقل فعال و عمومی در این پیکربندی‌های فضایی منعکس می‌شود.

تاثیرات نهایی ریخت‌شناسی شهری بر حمل و نقل

برای نشان دادن اینکه چگونه پیکربندی‌های فضایی مختلف با تغییرات در استفاده از حالت‌های خاص حمل و نقل مرتبط هستند، رابطه بین ریخت‌شناسی شهری و استفاده از هر حالت از طریق «اثرات نهایی» تخمین زده شده تحلیل شد. یک نقشه حرارتی (Heatmap) ضرایب نرمال شده مرتبط با هر الگوی شهری را نمایش می‌دهد که امکان تفسیر بصری از اینکه چگونه فرم‌های ریخت‌شناختی خاص با انحرافات مثبت یا منفی در تمایل به حمل و نقل فعال، عمومی یا خصوصی در مقایسه با میانگین کلی مرتبط هستند را فراهم می‌کند.

اثرات نهایی تخمین زده شده، تضادهای قابل توجهی را بین پیکربندی‌های ریخت‌شناختی مختلف نشان می‌دهد. به عنوان مثال، ریخت‌شناسی شطرنجی با تمایل بالاتر به استفاده از حمل و نقل عمومی (با ضریب ۰.۴۹+) و تمایل کمتر به استفاده از وسیله نقلیه خصوصی (با ضریب ۰.۴۱-) همراه است، که نشان‌دهنده یک محیط شهری مساعد برای دینامیک‌های حمل و نقل پایدار است. در مقابل، الگوی ارگانیک تأثیر مثبت قوی بر استفاده از خودرو (با ضریب ۰.۴۴+) به همراه تأثیرات منفی بر حمل و نقل عمومی (۰.۴۷-) و حمل و نقل فعال (۰.۳۰-) نشان می‌دهد، که بیانگر تمایل کمتر به حالت‌های جایگزین حمل و نقل در این نوع بافت شهری است.

یک تحلیل دقیق‌تر: مقایسه رودرروی الگوها

برای ارزیابی دقیق‌تر تفاوت‌ها بین پیکربندی‌های خیابانی در رابطه با انواع مختلف حمل و نقل، یک تحلیل «پسینی» (Post Hoc) بر اساس مقایسه‌های زوجی بین الگوها انجام شد. از آزمون کروسکال-والیس به عنوان یک آزمون کلی استفاده شد و به دنبال آن آزمون‌های من-ویتنی برای شناسایی اینکه کدام تضادهای خاص از نظر آماری معنادار بودند، انجام شد. برای تخمین اندازه این تفاوت‌ها، «اندازه اثر» محاسبه و به صورت (r) بیان شد. این معیار امکان تفسیر اهمیت عملی تفاوت‌های مشاهده شده فراتر از معناداری آماری آنها را فراهم می‌کند. جدول زیر نتایج را برای هر ترکیب از الگوی خیابان و نوع حمل و نقل، شامل آمار U، مقدار p و اندازه اثر (r) خلاصه می‌کند. (در جدول زیر، A: حمل و نقل فعال، B: حمل و نقل عمومی، C: حمل و نقل خصوصی است)

نوع حمل و نقل	الگوی ۱	الگوی ۲	U	p-value	تفاوت میانگین	اندازه اثر (r)
A	شطرنجی	ارگانیک	۱۲۴۲۵۵	۰.۰۸۷	۰.۰۴۹	۰.۳۰۲
B	شطرنجی	ارگانیک	۱۴۶۲۰۷.۵	<0.001	۰.۱۸۸	۰.۵۰۱
C	بن‌بست	شطرنجی	۱۵۰۶۱۴	<0.001	۰.۲۷۰	۰.۴۰۴
C	شطرنجی	ارگانیک	۳۵۴۴۷	<0.001	-۰.۴۰۸	-۰.۵۰۱
C	بن‌بست	ترکیبی	۳۳۵۳۹	۰.۰۳۲	۰.۰۶۸	۰.۱۳۶

تحلیل پسینی یک رابطه مداوم بین ریخت‌شناسی شهری و الگوهای حمل و نقل را نشان می‌دهد، به طوری که هر نوع الگو، حالت‌های مختلف سفر را ترویج یا محدود می‌کند.

• الگوی شطرنجی: این پیکربندی به دلیل حمایت مداوم از حمل و نقل فعال و استفاده از حمل و نقل عمومی برجسته است و تفاوت‌های میانگین قابل توجهی در مقایسه با الگوهای ارگانیک و بن‌بست نشان می‌دهد—به ویژه در حمل و نقل عمومی (اندازه اثر r=۰.۵۰۱). همچنین کمترین استفاده نسبی از خودروهای خصوصی را نشان می‌دهد.
• الگوی بن‌بست: این طرح با وابستگی بالا به وسایل نقلیه خصوصی و تأثیرات منفی قابل توجه بر حمل و نقل فعال و عمومی همراه است که به دلیل اتصال‌پذیری محدود آن است. تفاوت میانگین ۰.۲۷۰ در مقایسه با الگوی شطرنجی در حمل و نقل خصوصی (با اندازه اثر r=۰.۴۰۴) این روند را تقویت می‌کند.
• الگوی ارگانیک: این تمایل در الگوی ارگانیک، که به دلیل پیچیدگی هندسی خود بالاترین سطح استفاده از خودرو را نشان می‌دهد، حتی بارزتر است. تفاوت میانگین نسبت به الگوی شطرنجی به ۰.۴۰۸- می‌رسد (با اندازه اثر r=-۰.۵۰۱)، که قوی‌ترین اثر مشاهده شده در تحلیل است و با ضعیف‌ترین عملکرد در هر دو نوع حمل و نقل فعال و عمومی همراه است.
• الگوی ترکیبی: در نهایت، ریخت‌شناسی ترکیبی یک رفتار میانی را در تمام حالت‌های حمل و نقل نشان می‌دهد. اندازه‌های اثر نسبت به الگوی شطرنجی کوچکتر هستند (بین ۰.۱۳۷ و ۰.۲۶۴)، که نشان می‌دهد این الگو نه هیچ حالت خاصی را بهینه می‌کند و نه به شدت آنها را جریمه می‌کند، که با ساختار ریخت‌شناختی ترکیبی آن سازگار است.

این نتایج چه کاربردی برای سیاست‌گذاران شهری دارد؟

این مطالعه اهمیت ریخت‌شناسی شبکه خیابان‌ها را به عنوان یک عامل ساختاری کلیدی در شکل‌دهی به رفتار حمل و نقل، فراتر از توضیحات سنتی اجتماعی-اقتصادی، برجسته می‌کند. با آشکار ساختن ارتباطات قوی بین زیرالگوهای خیابانی و سهم حالت‌های حمل و نقل، یافته‌ها از ادغام شاخص‌های ریخت‌شناختی در طراحی سیاست‌های شهری و حمل و نقل حمایت می‌کنند. چنین ادغامی می‌تواند برنامه‌ریزی مبتنی بر شواهد و با دقت فضایی بیشتری را ممکن سازد، با کاربردهای بالقوه در معیارهای دسترسی، ارزیابی‌های عدالت در حمل و نقل و استراتژی‌های توسعه شهری مبتنی بر حمل و نقل، مانند:

• سرمایه‌گذاری هدفمند در زیرساخت‌ها برای حمل و نقل فعال: شهرها می‌توانند از طبقه‌بندی‌های ریخت‌شناختی برای شناسایی مناطقی استفاده کنند که فرم ساخته شده در آنها از قبل از پیاده‌روی و دوچرخه‌سواری حمایت می‌کند. الگوهای شطرنجی یا ترکیبی، که با اتصال‌پذیری بالا و تراکم تقاطع مشخص می‌شوند، زمینه مناسبی برای تقویت حمل و نقل فعال از طریق زیرساخت‌های اضافی مانند خطوط دوچرخه‌سواری، پیاده‌روهای عریض‌تر و اقدامات آرام‌سازی ترافیک فراهم می‌کنند.
• استراتژی‌های برنامه‌ریزی شهری و منطقه‌بندی: ریخت‌شناسی شهری می‌تواند به سیاست‌های کاربری زمین و تراکم اطلاع‌رسانی کند. به عنوان مثال، مناطقی با الگوهای خیابانی گسسته یا دندریتیک ممکن است به مداخلات برنامه‌ریزی یکپارچه نیاز داشته باشند که نفوذپذیری را افزایش دهد، سلسله‌مراتب خیابان‌ها را متعادل کند، یا منطقه‌بندی کاربری مختلط را برای حمایت از سفرهای غیرخودرویی ترویج کند.
• اولویت‌بندی فضایی برای بهبود حمل و نقل عمومی: این روش به برنامه‌ریزان شهری امکان می‌دهد تا محله‌هایی را شناسایی کنند که شرایط ریخت‌شناختی در آنها دسترسی و یکپارچگی چندوجهی را مختل می‌کند. چنین مناطقی می‌توانند برای مسیرهای جدید حمل و نقل عمومی، بهبود اتصالات اول/آخر مسیر، یا خدمات حمل و نقل انعطاف‌پذیر در اولویت قرار گیرند.
• مدل‌سازی سناریو و ارزیابی تأثیر پروژه‌ها: انواع ریخت‌شناختی و ارتباطات آنها با حالت‌های حمل و نقل می‌تواند برای شبیه‌سازی اینکه چگونه تغییرات در فرم شهری (مانند توسعه‌های جدید، بازآرایی خیابان‌ها) ممکن است بر رفتار سفر تأثیر بگذارد، استفاده شود. این امر به برنامه‌ریزان امکان می‌دهد تا اثربخشی احتمالی پروژه‌های پیشنهادی یا طرح‌های تراکم‌زایی را در تغییر سهم حالت‌های حمل و نقل به سمت جایگزین‌های پایدار ارزیابی کنند.
• ارتباطات سیاستی و برنامه‌ریزی مشارکتی: وضوح بصری و نوع‌شناختی طبقه‌بندی الگوی خیابان، یک ابزار ارتباطی مفید برای تعامل با ذینفعان غیرفنی ارائه می‌دهد. این امر به توضیح اینکه چرا برخی محله‌ها ممکن است به استراتژی‌های متفاوتی برای تقویت دسترسی عادلانه و پایدار به حمل و نقل نیاز داشته باشند، کمک می‌کند.

بحث نهایی و محدودیت‌های تحقیق

این تحقیق شواهد منسجمی از وجود رابطه بین ریخت‌شناسی شهری و الگوهای حمل و نقل مودال ارائه می‌دهد. همانطور که نشان داده شد، محیط‌هایی که با ساختارهای متعامد مشخص می‌شوند—به ویژه آنهایی که دارای الگوی شطرنجی هستند—شیوع بیشتری از حالت‌های حمل و نقل فعال و عمومی را در مقایسه با طرح‌های پراکنده‌تر مانند الگوهای ارگانیک یا بن‌بست نشان می‌دهند. این تمایل از نظر عملکردی منطقی است، زیرا طرح‌های مبتنی بر شبکه تمایل دارند فعالیت‌های اقتصادی، نهادی و خدماتی را متمرکز کنند و در نتیجه استفاده از حالت‌های حمل و نقل پایدار مانند پیاده‌روی، دوچرخه‌سواری و حمل و نقل عمومی را ترویج می‌کنند. سالت لیک سیتی به عنوان یک مثال قانع‌کننده از این فرضیه عمل می‌کند که مناطق مرکزی آن مانند داون‌تاون، سنترال سیتی و کاپیتول هیل به طور مداوم در هر دو چارچوب نظری و تحلیل خوشه‌بندی به عنوان الگوی شطرنجی طبقه‌بندی می‌شوند و همین مناطق تسلط حمل و نقل فعال و عمومی را نشان می‌دهند.

این ارتباط با نتایج کمی در تمام شهرها از طریق تحلیل پسینی بیشتر پشتیبانی می‌شود. به عنوان مثال، مقایسه الگوهای شطرنجی و ارگانیک تفاوت‌های آماری معناداری را در حمل و نقل خصوصی (p-value < 0.001) نشان می‌دهد، با اندازه اثر منفی (r = -0.501) که نشان‌دهنده نسبت پایین‌تر این حالت در مناطقی با شبکه خیابانی ساختاریافته‌تر است. به طور مشابه، تأثیرات بر حمل و نقل فعال و عمومی مثبت است (به ترتیب r = 0.302 و r = 0.501)، که این ایده را تقویت می‌کند که نظم فضایی در فرم شهری تمایل به تقویت رفتار حمل و نقل پایدارتر دارد. این تمایلات همچنین در مقایسه بین الگوهای بن‌بست و شطرنجی ظاهر می‌شوند و نقش ساختاری ریخت‌شناسی شهری در شکل‌دهی به تصمیمات مودال ساکنان را برجسته می‌کنند. به طور کلی، یافته‌ها فرضیه اصلی مطالعه را تأیید می‌کنند و نشان می‌دهند که فرم شهری نه تنها بر دسترسی فیزیکی بلکه بر جهت‌گیری عملکردی سیستم‌های حمل و نقل نیز تأثیر می‌گذارد.

یک محدودیت کلیدی این مطالعه به واحدهای فضایی مورد استفاده برای تقسیم‌بندی شهرها مربوط می‌شود که بر اساس تقسیمات اداری اداره سرشماری ایالات متحده، به طور خاص حوزه‌های سرشماری (tracts)، است. در حالی که این واحدها به طور مؤثری طیف متنوعی از الگوهای مودال و ساختار خیابان را ثبت می‌کنند، ممکن است دارای ناهمگونی داخلی باشند و به طور بالقوه حالت‌های خاص حمل و نقل یا انواع خیابان‌ها را متمرکز کرده و نمایندگی داده‌ها را به خطر اندازند. واحدهای کوچکتر مانند بلوک‌ها یا زیربلوک‌ها می‌توانند جزئیات بیشتری را ارائه دهند، اما استفاده از آنها منجر به تعداد بسیار زیادی از مشاهدات بسیار همگن می‌شود و احتمال وجود داده‌های پرت را افزایش داده و شاخص‌های تجمیعی را تحریف می‌کند. به همین دلیل، استفاده از حوزه‌ها یک تعادل عملی بین جزئیات فضایی و مدیریت‌پذیری داده‌ها ارائه می‌دهد.

علاوه بر این، تحلیل یک نمایش مسطح (دو بعدی) از فضای شهری را اتخاذ می‌کند، که توانایی آن را برای در نظر گرفتن عوامل توپوگرافیک مانند شیب، موانع طبیعی یا تغییرات ارتفاع—عناصری که نشان داده شده است به طور قابل توجهی بر الگوهای حمل و نقل و پیکربندی ساختاری شبکه‌های خیابانی تأثیر می‌گذارند—محدود می‌کند. این محدودیت‌های روش‌شناختی باید هنگام تفسیر یافته‌ها در نظر گرفته شوند و به ارزش گنجاندن مدل‌های شهری سه‌بعدی در تحقیقات آینده برای دستیابی به درک جامع‌تری از دینامیک‌های فضایی و عملکردی اشاره می‌کنند.

با نگاه به آینده، تحقیقات آتی باید به دنبال تعمیق درک نظری و تجربی از چگونگی شکل‌دهی ریخت‌شناسی شبکه خیابان‌ها به فرآیندهای گسترده‌تر اجتماعی-فضایی—و شکل‌گیری توسط آنها—باشند. در حالی که این مطالعه یک روش مقیاس‌پذیر و قابل انتقال برای طبقه‌بندی فرم شهری و ارتباط آن با رفتار سفر ارائه داد، کار بیشتری برای بررسی چگونگی تعامل این الگوهای ریخت‌شناختی با محدودیت‌های توپوگرافیک، پیکربندی‌های کاربری زمین، خطرات زیست محیطی و نابرابری‌های زیرساختی مورد نیاز است. به طور خاص، پتانسیل در توسعه یک چارچوب انتقادی و محاسباتی که نظریه شهری را با تحلیل توپولوژیک و ابزارهای داده منبع‌باز پیوند می‌دهد، دیده می‌شود. این امر امکان ساخت ریخت‌شناسی‌های مقایسه‌ای در جغرافیای متنوع—به ویژه در شهرهای جنوب جهانی—را فراهم می‌کند و از تلاش‌های برنامه‌ریزی متمرکز بر تحولات شهری عادلانه، مقاوم و پایدار حمایت می‌کند.