شبکه های ارتباطی در جابه جایی کالا، مسافر، خدمات و بخصوص مدیریت بحران ناشی از وقوع حوادث طبیعی نقش حیاتی و اساسی دارند. آسیب پذیری آنها در زمان وقوع مخاطره، موجب گستردگی بحران در شهرها خواهد داشت. در دو دهه اخیر بعد فراکتال به عنوان شاخصی مناسب جهت بررسی شبکه معابر شهری مطرح شده است. در این تحقیق به منظور شناسایی و ارزیابی وضعیت ساختاری معابر از نظر آسیب پذیری از هندسه فراکتال و الگوریتم های ماشین یادگیری (درخت تصمیم (AD tree)، نزدیکترین همسایگی(KNN) و شبکه های عصبی مصنوعی (ANN))، با رویکرد مقایسه ایی استفاده شده است. با استفاده از ایجاد بانک اطلاعات مکانی این پژوهش و لایه معابر شهر سنندج بعد فراکتالی معابر محاسبه شد. در ادامه به منظور شناسایی معابر آسیب پذیر سطح شهر، با استفاده از روش پیشین پژوهی و نظرسنجی از خبرگان، معیارهای موثر در سنجش آسیب پذیری معابر شهری شامل (معابر، نقشه کاربری اراضی، نقشه زمین شناسی، نقشه تراکم جمعیت، نقشه نوع مصالح شهرداری، داده های ترافیکی شهرداری، لایه ارتفاع رقومی ارتفاع، لایه های فاصله از جاده اصلی (دسترسی)، فاصله از ایستگاه ها و پایانه ها، کیفیت مصالح اطراف معبر، فاصله از مراکز درمانی و امداد و نجات، فاصله از ایستگاه های آتش نشانی، فاصله از تقاطع ها، فاصله از پل ها و زیرگذرها، فاصله از تأسیسات و تجهیزات شهری، ارتفاع ساختمان های اطراف معبر، میزان مقاومت لایه های سنگ بستر، درجه شیب، فاصله از گسل، فاصله از نقاط پرترافیک شهری و فاصله از نقاط پرتراکم جمعیتی)، شناسایی و در نرم افزار Arc GIS، لایه های اطلاعاتی مربوطه ایجاد شد. نتایج نشان داد که ناحیه 3 بیشترین و ناحیه 7 کمترین میزان بعد فراکتالی را دارد اما به طور کلی در اکثر نواحی میزان بعد فراکتال پایینی مشاهده شد بر این اساس شبکه های ارتباطی شهر سنندج در هنگام وقوع مخاطرات، میزان آسیب پذیری بالایی خواهند داشت. همچنین دیگر یافته ها بر اساس کاربرد روش های تحلیل تصمیم گیری چند معیاره (Shannon Entropy) و الگوریتم های کاربردی در Arc GIS، نشان داد که معابر؛ بلوار توحید، بلوار دانشجو، پاسداران، فردوسی، کشاورز، حسن آباد، آبیدر، انقلاب، امام، طالقانی، شیخان، مردوخ، سعدی، بلوار کردستان و دکتر حسینی جزء معابر بسیار آسیب پذیر در برابر مخاطره زلزله در سطح شهر سنندج هستند. در نهایت ارزیابی مقایسه ایی الگوریتم های ماشین یادگیری مورد استفاده در این مطالعه، بیانگر آن است که الگوریتم ADTree، بیشترین دقت و بالاترین میزان کارایی را در پیش بینی میزان آسیب پذیری شبکه ارتباطی درون شهری سنندج نشان داد. از این رو این الگوریتم می تواند در عملیات شناسایی و پیش بینی مدیریت بحران و سنجش وضعیت آسیب پذیری موثر واقع افتد.
