ارزیابی و اعتبارسنجی شاخص‌های تعیین‌کننده میزان حیاتی بودن و اهمیت زیرساخت‌ها به روش بهترین-بدترین (BWM)

جغرافیا و مطالعات محیطی

دوره 11، شماره 42، تیر 1401، صفحه 106-121   

نوع مقاله: مقاله پژوهشی

نویسندگان

غلامرضا حسینعلی بیکی^{* 1}؛ عباس اکبرپور نیک قلب رشتی²؛ سید عظیم حسینی²؛ حمید رضا عباسیان جهرمی³

¹دانشجوی دکتری، گروه عمران، دانشکده فنی مهندسی، واحد تهران جنوب،‌ دانشگاه آزاد اسلامی، تهران، ایران

²استادیار، گروه عمران، دانشکده فنی مهندسی، واحد تهران جنوب،‌ دانشگاه آزاد اسلامی، تهران، ایران

³استادیار، گروه مهندسی و مدیریت ساخت، دانشکده عمران، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

چکیده

امروز رشد و توسعه جوامع در ابعاد اقتصادی، اجتماعی، سیاسی، بهداشت عمومی و امنیتی به عملکرد زیرساخت‌های حیاتی وابسته است. مدیریت و راهبری زیرساخت برای اطمینان داشتن از عملکرد صحیح و پایداری آن‌ها در برابر ریسک‌های پیش‌رو، یکی از دغدغه‌های بسیار مهم در این حوزه محسوب می‌شود. ایمن‌سازی و مراقبت از زیرساخت‌های حیاتی و دارایی‌های کلیدی در برابر تمامی ریسک‌ها، عوامل و شرایط نامطلوب با توجه به محدودیت منابع مالی، یکی از موضوعات چالش برانگیز برای دولت‌ها محسوب می‌شود. یکی از راه‌کارها رفع این محدودیت‌ها، اولویت‌بندی و طبقه‌بندی زیرساخت‌ها است. تعیین صحیح اولویت‌ها، با استفاده از شاخص‌های قابل سنجش علاوه بر تشخیص دارایی‌ها و زیرساخت‌های حیاتی از غیرحیاتی، باعث مدیریت بهینه منابع و افزایش اثربخشی اقدامات در حفاظت از زیرساخت‌ها حیاتی می‌گردد. هدف اصلی این تحقیق، ارزیابی و اعتباریابی شاخص‌های حیاتی بودن زیرساخت‌های حیاتی و تعیین وزن هر کدام از شاخص‌ها به روش بهترین-بدترین می‌باشد. نتیجه مطالعات انجام شده بر روی 26 شاخص اولیه و بررسی روایی و پایایی شاخص‌ها، منجر به تأیید نهایی 24 شاخص گردید. وزن‌دهی شاخص‌ها بر اساس روش بهترین-بدترین (BWM) انجام گردید. بر اساس محاسبات انجام شده مبتنی بر نظرات خبرگان منتخب، شاخص «تعداد جمعیت در معرض خطر» با وزن 8.5 درصد، «استقلال و تمامیت ارضی» با وزن 7.8 درصد و «توان دفاعی» با وزن 7.8 درصد به ترتیب بیشترین وزن و اهمیت را بین شاخص‌ها به خود اختصاص داده‌اند.

کلیدواژه‌ها

طبقه‌بندی؛ اولویت‌بندی؛ ارزش ذاتی؛ زیرساخت حیاتی؛ دارایی؛ شاخص؛ بهترین-بدترین

مراجع

Aaron Burkhart, (2017), Lifeline Infrastructure Risk Analysis Application, University of Colorado at Colorado Springs, 2015.

"CTED" Trends Report, (2017), Physical Protection Of Critical Infrastructure  A gainst Terrorist Attacks.

Dvorak, Z., Sventekova, E.,(2013), Evaluation of the resistance critical infrastructure in Slovak Republic, (JEMC) Vol. 3, No. 1, 2013, 1-5.  

Dvorak, Z., Sventekov E., Rehak, D., Cekerevac, Z., (2017), Assessment of Critical Infrastructure Elements in Transport, Procedia Engineering 187, 548 – 555, https://doi.org /10.1016 / j.proeng.2017.04.413.

European Council, Council Directive 2008/114/EC of 8 December 2008, on the Identification and Designation of European Critical Infrastructures and the Assessment of the Need to Improve Their Protection, Brussels, Belgium.

Feofilovs, M., Romagnoli, F., (2017),  Resilience of critical infrastructures: probabilistic case study of a district heating pipeline network in municipality of Latvia, Energy Procedia 128, 17–23, http://dx.doi.org/10.1016/j.egypro.2017.09.007.

Hempel, L., Kraff D., Pelzer R., (2018), Dynamic Interdependencies: Problematising Criticality Assessment in the Light of Cascading Effects, International Journal of Disaster Risk Reduction, https://doi.org/10.1016/j.ijdrr.2018.04.011.

Labaka, L., Hernantes, J., Sarriegi, J.M., (2016), A holistic framework for building critical infrastructure resilience, Technological Forecasting & Social Change 103, 21–33, http://dx. doi.org/10.1016/j.techfore.2015.11.005.

Lewis, T.G., Darken, R.P., Mackin, T., Dudenhoeffer, D., (2012), Model-based risk analysis for critical infrastructures, " ISSN 1755-8336 (2012)" https://doi.org/ 10.2495/978-1-84564-562-5/01.

Mikellidou, C.V., Shakou, L.M., Boustras, G., Dimopoulos C., (2017), Energy critical infrastructures at risk from climate change: A state of the art Review, Safety Science, https://doi.org/10.1016/j.ssci.2017.12.022.

Muller, G., (2012),  Fuzzy architecture assessment for critical infrastructure resilience, Procedia Computer Science 12, 367–372, https://doi.org/10.1016/j.procs.2012.09.086.     

National Strategy for the Physical Protection of Critical Infrastructures and Key Assets (PPCIKA), (2003).   

Pederson, P., Dudenhoeffer D.,, Hartley, S., Permann, M., (2006), Critical Infrastructure Interdependency Modeling: A Survey of U.S. and International Research, Idaho National Laboratory Idaho Falls, Idaho 83415, INL/EXT-06-11464.

Rehak, D., Markuci, J., Hromada, M., Barcova, K., (2016), Quantitative evaluation of the synergistic effects of failures in a critical infrastructure system, international journalof critical infrastructure protection1 4, 3–17,  http://dx.doi.org/10.1016/j.ijcip.2016.06.002.

Rezaei, j. (2015), Best-worst muliti-criteria decision-making method. Omega, 53, 49-57.

Serre, D., Heinzlef, C., (2018), Assessing and mapping urban resilience to floods with respect to cascading effects through critical infrastructure networks, International Journal of Disaster Risk Reduction, https://doi.org/10.1016/j.ijdrr.2018.02.018.

Sullivant, j., (2007), Strategise for Protecting National Critical Infrastructure Assets, ISBN: 978-0-471-79926-9.

Taylor, (2017), Vulnerability Analysis for Transportation Networks, ISBN: 978-0-12-811010-2, http://dx.doi.org/10.1016/B978-0-12-811010-2.00002-2.

UNISDR, (2017), National Disaster Risk Assessment, United Nations Office for Disaster Risk Reduction (UNISDR).