کاربرد هوش مصنوعی در برنامه‌ریزی شهری؛ فرصت‌ها، مزایا و چالش‌ها

رشد جمعیت شهری، افزایش ترافیک، آلودگی هوا، مصرف بالای انرژی، کمبود منابع، فرسودگی زیرساخت‌ها و پیچیده‌تر شدن مدیریت شهرها، برنامه‌ریزان شهری را با مسائل تازه‌ای روبه‌رو کرده است. روش‌های سنتی تصمیم‌گیری در بسیاری از موارد نمی‌توانند حجم زیاد و تنوع اطلاعات تولیدشده در شهرهای امروزی را با سرعت کافی تحلیل کنند.

در چنین شرایطی، کاربرد هوش مصنوعی در برنامه‌ریزی شهری می‌تواند زمینه تصمیم‌گیری سریع‌تر، دقیق‌تر و داده‌محورتر را فراهم کند. هوش مصنوعی از طریق تحلیل داده‌های حسگرها، تصاویر، سامانه‌های حمل‌ونقل، شبکه‌های اجتماعی، اطلاعات جغرافیایی و زیرساخت‌های شهری، الگوهایی را شناسایی می‌کند که ممکن است تشخیص آن‌ها برای انسان دشوار یا زمان‌بر باشد.

پژوهش مبنای این مطلب با عنوان «تبیین نقش هوش مصنوعی در برنامه‌ریزی شهری و توسعه شهرها» در فصلنامه علمی معماری و شهرسازی صفه منتشر شده است. این پژوهش کاربرد هوش مصنوعی در حوزه‌هایی مانند حمل‌ونقل، انرژی، کاربری زمین، ساخت‌وساز و مدیریت محیط شهری را بررسی می‌کند.

هوش مصنوعی در برنامه‌ریزی شهری چیست؟

هوش مصنوعی مجموعه‌ای از فناوری‌ها و روش‌های محاسباتی است که می‌تواند برخی فعالیت‌های مرتبط با ادراک، تحلیل، یادگیری، شناسایی الگو، پیش‌بینی و تصمیم‌گیری را انجام دهد.

در برنامه‌ریزی شهری، این فناوری برای پردازش داده‌های مربوط به جمعیت، حمل‌ونقل، مصرف انرژی، کاربری زمین، محیط زیست، زیرساخت‌ها و رفتار شهروندان استفاده می‌شود.

به بیان ساده، هوش مصنوعی می‌تواند داده‌های پراکنده شهری را دریافت و آن‌ها را به اطلاعات قابل استفاده برای مدیران، برنامه‌ریزان و تصمیم‌گیران تبدیل کند.

بر اساس مقاله، هوش مصنوعی فقط یک فناوری منفرد نیست؛ بلکه مجموعه‌ای از تکنیک‌ها و زیرشاخه‌ها مانند یادگیری ماشین، پردازش زبان طبیعی، بینایی رایانه‌ای، تشخیص الگو و تحلیل داده را شامل می‌شود.

هوش مصنوعی شهری چیست؟

هوش مصنوعی شهری یا Urban AI به استفاده از الگوریتم‌ها و سامانه‌های هوشمند برای تحلیل داده‌های مربوط به محیط شهری و ارائه راهکارهای قابل استفاده در شهر گفته می‌شود.

این مفهوم با «داده‌های بزرگ شهری» ارتباط مستقیم دارد. داده‌هایی مانند وضعیت ترافیک، مصرف آب و برق، کیفیت هوا، تراکم جمعیت، تصاویر دوربین‌ها، اطلاعات مکانی و نظرات شهروندان می‌توانند ورودی سامانه‌های هوش مصنوعی باشند.

در پژوهش، دو شاخه اصلی برای هوش مصنوعی شهری معرفی شده است:

1. تبدیل داده‌های شهری به دانش مرتبط با قلمرو، زیرساخت‌ها و کاربری‌ها؛
2. استفاده از سامانه‌های رباتیک در محیط شهری، مانند وسایل نقلیه خودران، پهپادهای تحویل و ربات‌های خدماتی.

هوش مصنوعی شهری در واقع نقطه تلاقی هوش مصنوعی، شهر هوشمند، زیرساخت‌های فیزیکی و سیاست‌گذاری شهری است.

مهم‌ترین کاربردهای هوش مصنوعی در برنامه‌ریزی شهری

۱. مدیریت هوشمند حمل‌ونقل و ترافیک

مدیریت حمل‌ونقل یکی از مهم‌ترین حوزه‌های کاربرد هوش مصنوعی در شهرهاست. سامانه‌های هوشمند می‌توانند داده‌های مربوط به سرعت خودروها، حجم ترافیک، تصادفات، وضعیت جاده‌ها و ساعات اوج رفت‌وآمد را تحلیل کنند.

این اطلاعات ممکن است از منابع مختلفی جمع‌آوری شوند:

• حسگرهای نصب‌شده در خیابان‌ها؛
• دوربین‌های کنترل ترافیک؛
• سامانه‌های موقعیت‌یابی خودروها؛
• تلفن‌های همراه؛
• خودروهای متصل؛
• اینترنت اشیا؛
• اطلاعات شبکه‌های اجتماعی.

هوش مصنوعی با تحلیل این داده‌ها می‌تواند جریان ترافیک را پیش‌بینی و برای کنترل ازدحام راهکار ارائه کند. تنظیم هوشمند چراغ‌های راهنمایی، پیشنهاد مسیر جایگزین، مدیریت پارکینگ و برنامه‌ریزی حمل‌ونقل عمومی از جمله کاربردهای آن هستند.

پژوهش به سامانه‌هایی اشاره می‌کند که با استفاده از حسگرها، اینترنت اشیا و داده‌های رسانه‌های اجتماعی، جریان ترافیک را پیش‌بینی و راهکارهای مدیریتی پیشنهاد می‌کنند.

۲. بهبود عملکرد حمل‌ونقل عمومی

هوش مصنوعی می‌تواند برای پیش‌بینی میزان تقاضای سفر، تعیین زمان حرکت وسایل نقلیه عمومی و اصلاح مسیر اتوبوس‌ها و قطارهای شهری استفاده شود.

با تحلیل الگوی جابه‌جایی شهروندان، مدیران شهری می‌توانند تشخیص دهند:

• در چه ساعاتی تقاضای سفر افزایش پیدا می‌کند؛
• کدام مسیرها با ازدحام بیشتری روبه‌رو هستند؛
• کدام مناطق به ایستگاه یا خط جدید نیاز دارند؛
• ظرفیت ناوگان در چه زمان‌هایی باید افزایش یابد؛
• کدام مسیرها عملکرد اقتصادی یا اجتماعی مناسبی ندارند.

در نتیجه، برنامه‌ریزی حمل‌ونقل به جای تکیه صرف بر داده‌های تاریخی محدود، می‌تواند بر تحلیل مستمر اطلاعات واقعی استوار شود.

۳. توسعه وسایل نقلیه خودران

وسایل نقلیه خودران یکی از شناخته‌شده‌ترین کاربردهای هوش مصنوعی شهری هستند. این وسایل با استفاده از دوربین، حسگر، نقشه‌های دیجیتال و الگوریتم‌های یادگیری ماشین، محیط اطراف خود را تحلیل می‌کنند.

رواج خودروهای خودران می‌تواند در آینده بر بسیاری از موضوعات برنامه‌ریزی شهری اثر بگذارد؛ از جمله:

• طراحی خیابان‌ها؛
• ابعاد و موقعیت پارکینگ‌ها؛
• ایمنی عابران پیاده؛
• نحوه استفاده از زمین؛
• الگوی سفرهای شهری؛
• طراحی شبکه حمل‌ونقل عمومی.

با این حال، به‌کارگیری گسترده وسایل نقلیه خودران به زیرساخت فنی، قوانین مشخص و استانداردهای ایمنی نیاز دارد.

۴. کنترل و پیش‌بینی آلودگی هوا

سامانه‌های هوش مصنوعی می‌توانند داده‌های ایستگاه‌های سنجش آلودگی، تصاویر، اطلاعات هواشناسی و الگوهای ترافیکی را تحلیل کنند.

با استفاده از این سامانه‌ها می‌توان:

• نقاط دارای آلودگی بالا را شناسایی کرد؛
• تغییرات کیفیت هوا را پیش‌بینی کرد؛
• منابع احتمالی آلاینده را تشخیص داد؛
• پیش از رسیدن آلودگی به وضعیت بحرانی هشدار صادر کرد؛
• اثر اجرای سیاست‌های کاهش آلودگی را بررسی کرد.

پژوهش به سامانه Air-C اشاره دارد که با استفاده از تصاویر میکروسکوپی و الگوریتم‌های یادگیری ماشین، امکان بررسی کیفیت هوا و شناسایی نوع و اندازه ذرات موجود در آن را فراهم می‌کند.

۵. مدیریت هوشمند مصرف انرژی

مصرف انرژی در ساختمان‌ها، خیابان‌ها، شبکه حمل‌ونقل و زیرساخت‌های شهری یکی از مسائل مهم مدیریت شهر است.

الگوریتم‌های هوش مصنوعی می‌توانند مصرف برق را بر اساس عواملی مانند موارد زیر پیش‌بینی کنند:

• مساحت ساختمان؛
• سال ساخت؛
• تعداد ساکنان؛
• نوع کاربری ساختمان؛
• شرایط آب‌وهوایی؛
• ساعت و فصل مصرف؛
• الگوی فعالیت خانوارها یا کسب‌وکارها.

این پیش‌بینی به مدیریت بهتر شبکه برق و کاهش مصرف در ساعات اوج کمک می‌کند. همچنین می‌توان روشنایی معابر را متناسب با حضور افراد، میزان نور محیط و وضعیت ترافیک تنظیم کرد.

در مقاله، پیش‌بینی بار الکتریکی و شناسایی الگوی مصرف انرژی در مناطق مختلف، از حوزه‌های اصلی کاربرد هوش مصنوعی معرفی شده است.

۶. مدیریت منابع آب و شناسایی نشت

فرسودگی شبکه‌های آب و فاضلاب باعث هدررفت حجم زیادی از منابع آب می‌شود. حسگرهای هوشمند می‌توانند فشار، جریان و مصرف آب را به‌طور مستمر ثبت کنند و الگوریتم‌های یادگیری ماشین نیز تغییرات غیرعادی را تشخیص دهند.

از هوش مصنوعی می‌توان برای موارد زیر استفاده کرد:

• شناسایی محل احتمالی نشت آب؛
• تشخیص شکستگی لوله پیش از وقوع بحران؛
• پیش‌بینی میزان تقاضای آب؛
• شناسایی الگوی غیرعادی مصرف؛
• مدیریت بارندگی‌های شدید؛
• پیش‌بینی سیل و روان‌آب؛
• کاهش هزینه تعمیر زیرساخت.

پژوهش بیان می‌کند که تشخیص زودهنگام شکستگی شبکه می‌تواند هزینه تعمیر را کاهش دهد و از هدررفت آب جلوگیری کند. همچنین داده‌های حسگرها و الگوریتم‌ها می‌توانند برای پیش‌بینی بارندگی شدید و کاهش خسارت‌های احتمالی مورد استفاده قرار گیرند.

۷. مدیریت پسماند شهری

یکی دیگر از کاربردهای هوش مصنوعی در برنامه‌ریزی شهری، بهینه‌سازی جمع‌آوری و مدیریت پسماند است.

حسگرهای نصب‌شده در مخازن زباله می‌توانند میزان پرشدگی آن‌ها را ثبت کنند. سپس الگوریتم هوش مصنوعی بهترین زمان و مسیر جمع‌آوری را مشخص می‌کند.

نتایج احتمالی این فرایند عبارت‌اند از:

• کاهش سفرهای غیرضروری خودروهای جمع‌آوری؛
• کاهش مصرف سوخت؛
• جلوگیری از سرریز مخازن؛
• کاهش آلودگی محیطی؛
• کاهش هزینه نیروی انسانی و ناوگان؛
• بهبود تفکیک و بازیافت پسماند.

۸. برنامه‌ریزی کاربری زمین

برنامه‌ریزی کاربری زمین شامل تعیین محل مناسب برای سکونت، فعالیت اقتصادی، خدمات عمومی، فضای سبز، شبکه معابر و زیرساخت‌هاست.

هوش مصنوعی می‌تواند اطلاعات جمعیتی، زیست‌محیطی، اقتصادی و مکانی را به‌طور هم‌زمان تحلیل کند و سناریوهای مختلف توسعه را با یکدیگر مقایسه کند.

این فناوری می‌تواند در موضوعات زیر مفید باشد:

• پیش‌بینی گسترش کالبدی شهر؛
• شناسایی توسعه پراکنده؛
• تعیین مناطق مستعد ساخت‌وساز؛
• بررسی میزان دسترسی به خدمات؛
• تشخیص کمبود فضای سبز یا خدمات عمومی؛
• ارزیابی آثار تغییر کاربری؛
• شناسایی ساخت‌وسازهای غیرمجاز.

هوش مصنوعی نباید به‌تنهایی درباره تغییر کاربری تصمیم بگیرد؛ بلکه می‌تواند به‌عنوان ابزار پشتیبان تصمیم برای برنامه‌ریزان مورد استفاده قرار گیرد.

۹. تحلیل تصاویر ماهواره‌ای و هوایی

تصاویر ماهواره‌ای، تصاویر پهپادی و عکس‌های هوایی، اطلاعات مهمی درباره تغییرات شهر فراهم می‌کنند. بررسی دستی این حجم از تصاویر بسیار زمان‌بر است.

الگوریتم‌های بینایی رایانه‌ای می‌توانند برای تشخیص موارد زیر آموزش داده شوند:

• تغییرات کاربری زمین؛
• رشد محدوده ساخته‌شده؛
• کاهش پوشش گیاهی؛
• توسعه سکونتگاه‌های غیررسمی؛
• ساخت‌وساز غیرمجاز؛
• تغییر مسیر آبراهه‌ها؛
• گسترش جزایر حرارتی.

ترکیب هوش مصنوعی با سیستم اطلاعات جغرافیایی یا GIS، امکان تحلیل دقیق‌تر تحولات مکانی را ایجاد می‌کند.

۱۰. پیش‌بینی رشد و تحولات شهری

مدل‌های هوش مصنوعی می‌توانند اطلاعات تاریخی و جاری را تحلیل کنند و سناریوهایی درباره آینده شهر ارائه دهند.

برنامه‌ریزان می‌توانند از این مدل‌ها برای پیش‌بینی موارد زیر استفاده کنند:

• تغییر جمعیت؛
• تقاضای مسکن؛
• میزان سفرهای شهری؛
• نیاز به خدمات عمومی؛
• مصرف آب و انرژی؛
• گسترش بافت شهری؛
• تغییر قیمت زمین؛
• فشار بر زیرساخت‌ها.

این پیش‌بینی‌ها قطعی نیستند، اما می‌توانند آثار احتمالی سیاست‌های مختلف را پیش از اجرا نشان دهند.

۱۱. افزایش مشارکت شهروندان

هوش مصنوعی می‌تواند نظرات و پیشنهادهای شهروندان را از طریق فرم‌های آنلاین، نامه‌ها، شبکه‌های اجتماعی و سامانه‌های ارتباط مردمی تحلیل کند.

پردازش زبان طبیعی امکان دسته‌بندی دیدگاه‌ها، تشخیص موضوعات پرتکرار و تحلیل احساسات را فراهم می‌کند. برای مثال، هزاران نظر شهروندی درباره یک طرح شهری می‌تواند بر اساس موضوع، موقعیت مکانی و نوع نگرش دسته‌بندی شود.

پژوهش تأکید می‌کند که سامانه‌های هوش مصنوعی جای برنامه‌ریزان را نمی‌گیرند؛ بلکه می‌توانند استدلال‌ها و دیدگاه‌های شهروندان را پیش‌پردازش و از تصمیم‌گیری انسانی پشتیبانی کنند.

۱۲. ارائه خدمات عمومی هوشمند

چت‌بات‌ها و دستیارهای مجازی می‌توانند بخشی از خدمات روزمره شهرداری و سازمان‌های محلی را ارائه کنند.

کاربردهای احتمالی آن‌ها شامل موارد زیر است:

• پاسخ به پرسش‌های شهروندان؛
• راهنمایی برای دریافت مجوز؛
• ثبت گزارش مشکلات شهری؛
• پیگیری پرونده‌ها؛
• ارائه اطلاعات حمل‌ونقل؛
• راهنمایی درباره خدمات حمایتی؛
• کاهش مراجعات حضوری.

در نمونه‌ای که پژوهش به آن اشاره می‌کند، یک دستیار مجازی توانسته است به ۷۸ درصد پرسش‌ها پاسخ دهد و موارد پیچیده‌تر را به کارشناسان مربوط ارجاع دهد.

۱۳. افزایش امنیت شهری

با ترکیب داده‌های مکانی، گزارش‌های جرائم و اطلاعات زمانی می‌توان الگوهای وقوع جرم را بررسی کرد.

هوش مصنوعی ممکن است به موارد زیر کمک کند:

• شناسایی نقاط جرم‌خیز؛
• تحلیل زمان‌های دارای ریسک بیشتر؛
• مدیریت روشنایی معابر؛
• بهبود طراحی فضاهای عمومی؛
• تخصیص بهتر نیروهای امدادی؛
• تشخیص رفتارهای غیرعادی.

با این حال، استفاده از هوش مصنوعی در حوزه امنیت باید تحت نظارت قانونی انجام شود؛ زیرا خطر نقض حریم خصوصی، نظارت بیش از حد و ایجاد خروجی‌های تبعیض‌آمیز وجود دارد.

مزایای هوش مصنوعی در برنامه‌ریزی شهری

تصمیم‌گیری داده‌محور

هوش مصنوعی به مدیران کمک می‌کند تصمیمات خود را بر پایه حجم بزرگ‌تری از اطلاعات اتخاذ کنند. این موضوع می‌تواند وابستگی به حدس، تجربه شخصی یا داده‌های قدیمی را کاهش دهد.

افزایش سرعت تحلیل

تحلیل دستی میلیون‌ها رکورد ترافیکی، تصویری یا مصرف انرژی دشوار است. الگوریتم‌ها می‌توانند این اطلاعات را در زمان کوتاه‌تری پردازش کنند.

پیش‌بینی مشکلات پیش از وقوع

یکی از مهم‌ترین مزایای هوش مصنوعی، توانایی شناسایی الگوهایی است که می‌توانند نشانه وقوع مشکل باشند؛ مانند احتمال شکستگی لوله، افزایش ترافیک یا بالا رفتن مصرف انرژی.

کاهش خطاهای تکراری

خودکارسازی وظایف مشخص و استاندارد می‌تواند بخشی از خطاهای انسانی ناشی از خستگی، حجم کار یا ورود دستی اطلاعات را کاهش دهد.

افزایش بهره‌وری خدمات شهری

تخصیص بهتر منابع، اصلاح مسیر جمع‌آوری پسماند، تنظیم روشنایی و پیش‌بینی تقاضا می‌تواند هزینه‌ها را کاهش و بهره‌وری را افزایش دهد.

کمک به توسعه پایدار

مدیریت بهتر انرژی، آب، حمل‌ونقل و محیط زیست می‌تواند به کاهش مصرف منابع و اثرات منفی زیست‌محیطی کمک کند.

پژوهش، تصمیم‌گیری خودکار، مدیریت زیرساخت‌ها، کاهش خطا، تحلیل داده، عرضه خدمات و افزایش بهره‌وری را از محورهای اصلی کاربرد هوش مصنوعی در شهرها معرفی می‌کند.

چالش‌های استفاده از هوش مصنوعی در برنامه‌ریزی شهری

۱. کیفیت پایین یا ناقص بودن داده‌ها

نتیجه یک سامانه هوش مصنوعی به کیفیت داده‌های ورودی وابسته است. داده‌های ناقص، قدیمی یا نادرست می‌توانند به پیشنهادهای اشتباه منجر شوند.

همچنین داده‌های یک منطقه ممکن است نماینده همه گروه‌های جمعیتی و محله‌های شهر نباشند.

۲. خروجی‌های تبعیض‌آمیز

اگر داده‌های آموزشی حاوی تبعیض یا نابرابری باشند، الگوریتم نیز ممکن است همان الگو را بازتولید کند.

این مسئله در حوزه‌هایی مانند تخصیص خدمات، امنیت، مسکن و اولویت‌بندی مناطق اهمیت زیادی دارد.

۳. توضیح‌پذیر نبودن تصمیم‌ها

برخی مدل‌های پیچیده هوش مصنوعی نمی‌توانند به‌وضوح توضیح دهند که چگونه به یک نتیجه رسیده‌اند.

در تصمیمات شهری که بر زندگی و حقوق شهروندان اثر می‌گذارند، مشخص بودن دلایل تصمیم بسیار مهم است. مدیران نباید صرفاً به دلیل اینکه «الگوریتم چنین گفته است»، یک تصمیم مهم را اجرا کنند.

۴. حریم خصوصی شهروندان

داده‌های مکانی، تصاویر دوربین‌ها، سوابق سفر، مصرف انرژی و فعالیت آنلاین ممکن است اطلاعات حساس شهروندان را آشکار کنند.

برای استفاده از این اطلاعات باید موارد زیر مشخص باشد:

• چه اطلاعاتی جمع‌آوری می‌شود؛
• هدف جمع‌آوری چیست؛
• چه نهادی به داده‌ها دسترسی دارد؛
• اطلاعات تا چه زمانی نگهداری می‌شود؛
• شهروند چگونه می‌تواند اعتراض کند؛
• چگونه از افشای اطلاعات جلوگیری می‌شود.

۵. امنیت سایبری

زیرساخت‌های هوشمند می‌توانند هدف حمله سایبری قرار گیرند. دستکاری سامانه‌های ترافیکی، شبکه آب، برق یا اطلاعات عمومی می‌تواند پیامدهای جدی داشته باشد.

پژوهش هشدار می‌دهد که حمله به زیرساخت‌های پشتیبان هوش مصنوعی می‌تواند به جاسوسی، سوءاستفاده از داده‌های شخصی یا دستکاری عمدی سامانه‌ها منجر شود.

۶. شکاف دیجیتال

همه شهروندان دسترسی یا مهارت یکسانی برای استفاده از خدمات دیجیتال ندارند. انتقال کامل خدمات عمومی به بسترهای هوشمند ممکن است سالمندان، افراد کم‌درآمد یا ساکنان مناطق کم‌برخوردار را با محدودیت روبه‌رو کند.

۷. تأثیر بر بازار کار

خودکارسازی می‌تواند برخی فعالیت‌های اداری و تکراری را کاهش دهد. در مقابل، نیاز به مشاغل جدید در حوزه داده، امنیت، مدیریت سامانه و تحلیل فناوری افزایش پیدا می‌کند.

بنابراین، آموزش و ارتقای مهارت کارکنان شهری باید بخشی از برنامه پذیرش هوش مصنوعی باشد.

۸. نبود قوانین و چارچوب حکمرانی

استفاده مسئولانه از هوش مصنوعی به مقررات روشن نیاز دارد. مسئولیت خطا، نحوه اعتراض، مالکیت داده، شفافیت الگوریتم و حدود استفاده از اطلاعات باید مشخص شود.

پژوهش، پیامدهای بازار کار، خروجی‌های تبعیض‌آمیز، توضیح‌پذیر نبودن، امنیت سایبری و شکاف دیجیتال را از چالش‌های اصلی کاربرد هوش مصنوعی در برنامه‌ریزی شهری معرفی می‌کند.

آیا هوش مصنوعی جای برنامه‌ریزان شهری را می‌گیرد؟

هوش مصنوعی می‌تواند تحلیل داده، تشخیص الگو و پیش‌بینی را سریع‌تر انجام دهد، اما برنامه‌ریزی شهری فقط یک مسئله محاسباتی نیست.

تصمیم‌های شهری با موضوعاتی مانند عدالت اجتماعی، حقوق شهروندان، فرهنگ، کیفیت زندگی، منافع عمومی، هویت محله و تعارض منافع ارتباط دارند. این موضوعات به قضاوت انسانی، مذاکره و مسئولیت‌پذیری نیاز دارند.

بنابراین، نقش مناسب هوش مصنوعی این است که به‌عنوان ابزار پشتیبان تصمیم‌گیری مورد استفاده قرار گیرد، نه اینکه به‌طور مستقل جایگزین برنامه‌ریز، مدیر شهری یا مشارکت عمومی شود.

نتایج پژوهش درباره روند هوش مصنوعی در شهرسازی

پژوهش مبنای مقاله برای تحلیل روند مطالعات، ۲۳۳۷ مقاله مرتبط با «هوش مصنوعی و برنامه‌ریزی شهری» را که بین سال‌های ۱۹۹۹ تا ۲۰۲۳ در پایگاه ScienceDirect نمایه شده بودند، بررسی کرده است. داده‌ها با نرم‌افزار VOSviewer و روش تحلیل هم‌رخدادی واژگان بررسی شده‌اند.

نتایج پژوهش نشان داد:

• مطالعات این حوزه در سال‌های اخیر به‌سرعت افزایش یافته‌اند؛
• موضوعات پژوهشی در شش خوشه اصلی قرار گرفته‌اند؛
• تمرکز مطالعات از شناخت اولیه هوش مصنوعی به حل مسائل واقعی شهرها تغییر کرده است؛
• موضوعاتی مانند آلودگی هوا، حمل‌ونقل، تاب‌آوری و اقتصاد شهری اهمیت بالایی پیدا کرده‌اند؛
• کاربردهای هوش مصنوعی بیش از گذشته با شهر هوشمند، انرژی، آب، تغییرات اقلیمی و خدمات شهری مرتبط شده‌اند.

مطالعه نتیجه می‌گیرد که هوش مصنوعی از یک موضوع نوظهور تحقیقاتی، به روشی برای برخورد با مسائل و مشکلات شهری تبدیل شده است.

الزامات استفاده موفق از هوش مصنوعی در مدیریت شهری

برای آنکه استفاده از هوش مصنوعی به بهبود واقعی شهر منجر شود، فراهم کردن چند پیش‌شرط ضروری است:

ایجاد زیرساخت داده

سازمان‌های شهری باید استانداردهای مشخصی برای جمع‌آوری، ذخیره، اشتراک‌گذاری و به‌روزرسانی اطلاعات داشته باشند.

آموزش مدیران و برنامه‌ریزان

کارکنان باید توانایی ارزیابی خروجی الگوریتم‌ها و شناخت محدودیت‌های آن‌ها را داشته باشند.

انجام پروژه‌های آزمایشی

بهتر است استفاده از هوش مصنوعی ابتدا در مقیاس محدود اجرا شود و پس از ارزیابی نتایج، توسعه پیدا کند.

تدوین مقررات

چارچوب حقوقی باید مسئولیت‌ها، حریم خصوصی، امنیت، شفافیت و نحوه اعتراض به تصمیم‌های الگوریتمی را مشخص کند.

حفظ نظارت انسانی

تصمیم‌های دارای آثار مهم اجتماعی و حقوقی باید با بررسی و تأیید افراد مسئول انجام شوند.

جلوگیری از تعمیق نابرابری

مدیران باید بررسی کنند که آیا همه محله‌ها و گروه‌های اجتماعی به‌طور منصفانه از خدمات هوشمند بهره‌مند می‌شوند یا خیر.

آینده هوش مصنوعی در برنامه‌ریزی شهری

در آینده، هوش مصنوعی احتمالاً ارتباط بیشتری با سیستم اطلاعات جغرافیایی، اینترنت اشیا، دوقلوهای دیجیتال، خودروهای متصل، حسگرهای محیطی و مدل‌های پیش‌بینی پیدا خواهد کرد.

مدیران شهری می‌توانند پیش از اجرای پروژه‌های بزرگ، اثر آن‌ها را در محیط‌های شبیه‌سازی‌شده بررسی کنند. برای مثال، می‌توان اثر ساخت یک بزرگراه، تغییر کاربری، ایجاد خط مترو یا افزایش تراکم ساختمانی را پیش از اجرای واقعی تحلیل کرد.

با این حال، هوشمندتر شدن شهرها الزاماً به معنای عادلانه‌تر یا بهتر شدن آن‌ها نیست. کیفیت نتایج به نحوه طراحی سامانه‌ها، کیفیت داده‌ها، میزان شفافیت و هدف سیاست‌گذاری بستگی دارد.

جمع‌بندی

کاربرد هوش مصنوعی در برنامه‌ریزی شهری می‌تواند شیوه تحلیل، مدیریت و تصمیم‌گیری درباره شهرها را متحول کند. مدیریت ترافیک، حمل‌ونقل عمومی، مصرف انرژی، منابع آب، آلودگی هوا، پسماند، امنیت، مشارکت شهروندی و برنامه‌ریزی کاربری زمین از مهم‌ترین حوزه‌های استفاده از این فناوری هستند.

هوش مصنوعی می‌تواند سرعت تحلیل را افزایش دهد، مشکلات را پیش‌بینی کند و بهره‌وری خدمات شهری را بهبود ببخشد. با این حال، داده‌های ناقص، تبعیض الگوریتمی، حریم خصوصی، امنیت سایبری، شکاف دیجیتال و توضیح‌پذیر نبودن تصمیم‌ها از چالش‌های جدی آن هستند.

بنابراین، آینده موفق هوش مصنوعی شهری به استفاده مسئولانه، قوانین شفاف، نظارت انسانی، آموزش متخصصان و مشارکت واقعی شهروندان وابسته است. هوش مصنوعی باید مکمل دانش و قضاوت برنامه‌ریزان باشد، نه جایگزین کامل آن‌ها.

سوالات متداول

هوش مصنوعی در برنامه‌ریزی شهری چه کاربردی دارد؟

هوش مصنوعی برای مدیریت ترافیک، پیش‌بینی تقاضای سفر، کنترل آلودگی، مدیریت مصرف انرژی و آب، تحلیل کاربری زمین، مدیریت پسماند و بررسی نظرات شهروندان استفاده می‌شود.

هوش مصنوعی شهری چیست؟

هوش مصنوعی شهری به سامانه‌هایی گفته می‌شود که داده‌های محیط شهری را با استفاده از الگوریتم‌ها تحلیل و نتایج قابل استفاده‌ای برای مدیریت و برنامه‌ریزی شهر تولید می‌کنند.

آیا هوش مصنوعی می‌تواند ترافیک را کاهش دهد؟

هوش مصنوعی می‌تواند جریان ترافیک را پیش‌بینی، زمان‌بندی چراغ‌ها را اصلاح، مسیرهای جایگزین پیشنهاد و عملکرد حمل‌ونقل عمومی را بهینه کند. میزان تأثیر آن به زیرساخت، داده و نحوه اجرای سامانه بستگی دارد.

آیا هوش مصنوعی جای برنامه‌ریز شهری را می‌گیرد؟

خیر. هوش مصنوعی ابزار پشتیبان تصمیم‌گیری است. موضوعاتی مانند عدالت اجتماعی، حقوق شهروندان، منافع عمومی و هویت شهری همچنان به قضاوت و مسئولیت انسانی نیاز دارند.

مهم‌ترین چالش هوش مصنوعی در شهرها چیست؟

کیفیت داده، حریم خصوصی، تبعیض الگوریتمی، امنیت سایبری، توضیح‌پذیری تصمیم‌ها و شکاف دیجیتال از مهم‌ترین چالش‌ها هستند.

هوش مصنوعی چگونه به توسعه پایدار شهری کمک می‌کند؟

این فناوری می‌تواند مصرف آب و انرژی را مدیریت، آلودگی را پیش‌بینی، مسیرهای حمل‌ونقل را بهینه و استفاده از زیرساخت‌های شهری را کارآمدتر کند.