سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات163
تعداد شماره‌ها6,761
تعداد مقالات72,822
تعداد مشاهده مقاله131,632,525
تعداد دریافت فایل اصل مقاله103,414,228
گودرزی, مجید, میرزایی, علی. (1404). هوش مصنوعی برای خودمختاری شهری؛ به سمت شهر خودمختار اراک. , 13(2), 1-17. doi: 10.22059/jurbangeo.2024.383661.2000
مجید گودرزی; علی میرزایی. "هوش مصنوعی برای خودمختاری شهری؛ به سمت شهر خودمختار اراک". , 13, 2, 1404, 1-17. doi: 10.22059/jurbangeo.2024.383661.2000
گودرزی, مجید, میرزایی, علی. (1404). 'هوش مصنوعی برای خودمختاری شهری؛ به سمت شهر خودمختار اراک', , 13(2), pp. 1-17. doi: 10.22059/jurbangeo.2024.383661.2000
گودرزی, مجید, میرزایی, علی. هوش مصنوعی برای خودمختاری شهری؛ به سمت شهر خودمختار اراک. , 1404; 13(2): 1-17. doi: 10.22059/jurbangeo.2024.383661.2000

هوش مصنوعی برای خودمختاری شهری؛ به سمت شهر خودمختار اراک

پژوهش‌های جغرافیای برنامه‌ریزی شهری
دوره 13، شماره 2، تیر 1404، صفحه 1-17    اصل مقاله (961.6 K)
نوع مقاله: پژوهشی - کاربردی
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2024.383661.2000
نویسندگان
مجید گودرزی* ؛ علی میرزایی
گروه جغرافیا و برنامه‌ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید چمران اهواز، اهواز، ایران، ایران
چکیده
امروزه استفاده از داده‌ها و راه‌کارهای داده محور در خط‌مشی گذاری و برنامه‌ریزی شهری، به‌شدت با استقبال شهروندان و مدیریت شهری مواجه شده است. در این راستا صنعت و تکنولوژی جهت تأمین رفاه زندگی انسانی با سرعت چشمگیری به تولید محصولاتی تحت عنوان هوش مصنوعی گام نهاده‌اند. درنتیجه عملکرد شهرها با استفاده از این ابزارها در حوزه‌های اقتصاد، جامعه، محیط‌زیست و حاکمیت ممکن است تغییر کند. به همین منظور پژوهش حاضر باهدف هوش مصنوعی برای خودمختاری شهری تدوین‌شده است. این پژوهش به لحاظ هدف، کاربردی و ازنظر ماهیت و روش در زمره تحقیقات توصیفی – تحلیلی است. برای جمع‌آوری داده‌ها از روش‌های اسنادی و میدانی استفاده‌شده است؛ سپس بر پایه مبانی نظری حاصل‌شده و با استفاده از روش دلفی، شاخص‌ها و متغیرهای اثرگذار در شهر خودمختار در ابعاد هشت‌گانه حکمرانی، امنیت، نهادی، اقتصادی، پشتیبانی تصمیم، زیست‌محیطی، فناوری و نظارت استخراج گردید. در مرحله دوم با استفاده از تکنیک تأثیرات متقابل (روش تحلیل ساختاری)، امتیازدهی و در محیط نرم‌افزار MICMAC مورد تحلیل قرار گرفت و عوامل پیشران و کلیدی شهر خودمختار با توجه به امتیاز تأثیرگذاری و تأثیرپذیری مستقیم و غیرمستقیم انتخاب شد. نتایج حاکی از آن است که سیستم شهر خودمختار، سیستمی پایدار بوده و عوامل پیشران با تأثیرگذاری، عواملی چون خدمات‌رسانی باهوش مصنوعی، ایجاد پلتفرم‌های دیجیتالی، خدمات دیجیتالی، حمل‌ونقل عمومی متصل و ایجاد مرکز داده بزرگ یکپارچه ملی دارای بیشترین تأثیرگذاری مستقیم و عواملی چون به‌روزآوری سیستم‌های قدیمی، خودکارسازی فرآیندهای مالی و کشف تقلب، مرکز داده بزرگ یکپارچه ملی، نصب حسگرها، ایجاد اتوماسیون دارای بیشترین تأثیر غیرمستقیم و از اصلی‌ترین عوامل بر توسعه شهر خودمختار می‌باشد.
کلیدواژه‌ها
برنامه‌ریزی شهری؛ شهر خودمختار؛ هوش مصنوعی؛ شهر اراک
عنوان مقاله [English]
Artificial Intelligence for Urban Autonomy; To the Autonomous City of Arak
نویسندگان [English]
Majid Goodarzi؛ Ali Mirzaei
Department of Geography and Urban Planning, Faculty of Letters and Humanities, Shahid Chamran University of Ahvaz, Ahvaz, Iran
چکیده [English]
ABSTRACT
Today, the use of data and data-driven solutions in urban planning and policy-making has been greatly welcomed by citizens and urban management. In this regard, industry and technology have taken steps to produce products under artificial intelligence at a remarkable speed to ensure the well-being of human life. As a result, the performance of cities may change if these tools are used in the fields of economy, society, environment, and governance. For this purpose, the current research was developed with the aim of artificial intelligence for urban autonomy. In terms of purpose, this research is applied, and in terms of nature and method, it is considered descriptive-analytical research. Documentary and field methods have been used to collect data. Then, based on the theoretical foundations and the Delphi method, the indicators, and variables affecting the autonomous city were extracted in the eight dimensions of governance, security, institutional, economic, decision support, environmental, technology, and supervision. In the second stage, it was analyzed using the mutual effects technique (structural analysis method), scoring, and in the MICMAC software environment, and the driving and key factors of the autonomous city were selected according to the score of influence and direct and indirect influence. The results indicate that the autonomous city system is a stable system, and the driving factors with impact, such as artificial intelligent delivery services, the creation of digital platforms, digital services, connected public transportation, and the creation of a large integrated national data center, have the most impact. Direct factors such as updating old systems, automating financial processes and detecting fraud, creating large integrated national data centers, installing sensors, and creating automation have the most indirect effect and are some of the main factors in the development of the autonomous city. The innovation of the present research lies in providing solutions that incorporate the use of artificial intelligence in managing cities, aiming to move them toward autonomy.
Extended Abstract
Introduction
Today, with the development of human societies and living standards, the need for efficient tools in social interactions and industry has been felt more than ever. In the last decade, citizens and urban management have greatly welcomed the use of data and data-driven solutions in urban planning and policy-making. In this regard, industry and technology have taken steps to produce products under artificial intelligence at a remarkable speed to ensure the well-being of human life. As a result, the performance of cities may change if these tools are used in the fields of economy, society, environment, and governance. For this purpose, the current research with the aim of artificial intelligence for urban autonomy has been developed for the autonomous city of Arak. In terms of purpose, this research is applied, and in terms of nature and method, it is considered descriptive-analytical research.
 
Methodology
The current research is applied in terms of purpose and descriptive-analytical based on its nature and method and relies on future research methods using quantitative and qualitative models. In this research, firstly, with a systematic and structural view, the review of the theoretical literature using the method of collecting documentary and library information in the field of using artificial intelligence in governance and urban management was discussed, then based on the theoretical foundations obtained and the indicators and the influential variables related to artificial intelligence in urban governance, eight dimensions (governance, security, institutional, economic, decision support, environmental, technology, supervision) were extracted. In the second stage, it was scored using the technique of mutual effects (structural analysis method) and analyzed in the environment of MICMAC software, and finally, the driving and key factors of the autonomous city were selected according to direct influence and effectiveness.
 
Results and discussion
According to the preliminary analysis in the field of MDI matrix features, it was found that the number of repetitions with the software proposal is considered 3 times, and the filling degree of the MDI matrix is 68.98%, which shows a high coefficient of influence of the variables on each other. It can be seen that the distribution and dispersion of variables affecting the use of artificial intelligence in the Arak metropolis is L-shaped and indicates the stability of the system, and four categories of variables are influencing factors, two-dimensional factors, dependent factors, and independent factors. They can be identified and separated.
 
Conclusion
Using the experts' Delphi questionnaire, 38 variables were extracted and analyzed using the interaction effects analysis model in Mic Mac software. The results show that key factors play a role in the future state of the realization of urban artificial intelligence in Arak metropolis. These important factors include artificial intelligent delivery services, the creation of digital platforms, digital services, connected public transportation, the creation of a large integrated national data center with the most significant direct impact, and factors such as updating old systems, automating financial processes, and detecting fraud. The large integrated national data center, the installation of sensors, and the creation of automation have the most significant indirect impact and are one of the main factors in the development of the autonomous city.
 
Funding
There is no funding support.
 
Authors’ Contribution
Authors contributed equally to the conceptualization and writing of the article. All of the authors approved the content of the manuscript and agreed on all aspects of the work declaration of competing interest none.
 
Conflict of Interest
Authors declared no conflict of interest.
 
Acknowledgments
 We are grateful to all the scientific consultants of this paper.
کلیدواژه‌ها [English]
Urban Planning, Autonomous City, Artificial Intelligence, Arak City
مراجع
  1. ادیانی، سید یونس. (1398). تأملات عقلانی در هوش مصنوعی. تهران، ایران: مرکز پژوهش‌های مجلس شورای اسلامی.
  2. انوشه‌یی، علیرضا و رضایی، علی‌اکبر. (1402). ارزیابی نقش ابزارهای هوش مصنوعی در توسعه مدیریت شهری. نشریه رویکردهای پژوهشی نوین مدیریت و حسابداری، 7(24)، 1623-1632.‌
  3. بیات، زهرا. (1401). بررسی قابلیت هوشمند سازی شهرها در ایران. کنفرانس بین‌المللی مطالعات بین‌رشته‌ای در مدیریت و مهندسی.
  4. تقوایی، مسعود و شفیعی، مرجان. (1401). تحلیل شاخص‌ها و تبیین راهبردهای تحقق هوشمند سازی شهری (مطالعه موردی: شهر اصفهان). برنامه‌ریزی فضایی، 12(1)، 51-80.‌
  5. رضائی، مریم، تدین، بهاره و جوانبخت قهفرخی، مرضیه. (1402). بررسی و ارزیابی مطلوبیت فضاهای شهری در راستای رضایت‌مندی روانی جامعه سالمندان مطالعه موردی: خیابان ملت شهرکرد. پژوهش‌های جغرافیای برنامه‌ریزی شهری، 11(3)، 98 – 79. doi: 10.22059/jurbangeo.2023.361322.1838
  6. زرقانی، سید هادی، قباسفیدی، سیده الهام، (1402). هوش مصنوعی و امنیت شهری، فرصت‌ها و چالش‌ها. دهمین کنفرانس ملی و سومین کنفرانس بین‌المللی برنامه‌ریزی شهری و مدیریت شهری، مشهد.
  7. زیاری، کرامت اله؛ توکلی نغمه، مصطفی و خانی، هادی. (1403). تحلیل توزیع و الگوی فضایی سالمندان با تأکید بر شهر دوست دار سالمند مطالعه موردی: شهر قم. پژوهش‌های جغرافیای برنامه‌ریزی شهری، 12(3)، 40- 23. doi: 10.22059/jurbangeo.2024.378784.1962
  8. صبوحی، هادی، امینی، امینه و ابوالحسنی، حسن. (1386). مدیریت فرایندهای شهر الکترونیک با استفاده از ترکیب مؤلفه‌های نرم‌افزاری خودمختار و توزیع‌شده با قابلیت کنترل خطا. کنفرانس بین‌المللی شهر الکترونیک تهران.
  9. صفری، احرام و ابراهیمی، کریم. (2022). اولویت‌بندی حوزه‌های کاربردی به‌منظور جاری‌سازی فناوری هوش مصنوعی با روش تحلیل مضمون و کپراس. پژوهش در مدیریت تولید و عملیات، 13(4)، 91-110.‌ doi:10.22108/POM.2023.134630.1457
  10. عبدی، آیدا. (1396). بررسی وضعیت فناوری هوش مصنوعی در ایران و جهان. تهران، ایران: مرکز پژوهش‌های مجلس شورای اسلامی.
  11. منوریان، عباس؛ صادقی، جواد و پیران نژاد، علی. (1402). چارچوب خط‌نگاری برای به‌کارگیری سامانه‌های هوش مصنوعی در حوزه شهری با استفاده از رویکرد فراترکیب. مدیریت دولتی، 15(3)، 512-552.‌ https://doi.org/10.22059/jipa.2023.355649.3298
  12. Abdi, A. (2017). Assessing the status of artificial intelligence technology in Iran and the world. Tehran, Iran: Islamic Parliament Research Center. [In Persian]
  13. Adyani, S. Y. (2019). Rational reflections on artificial intelligence. Tehran, Iran: Islamic Parliament Research Center. [In Persian]
  14. Allam, Z., & Dhunny, Z. A. (2019). On big data, artificial intelligence and smart cities. Cities, 89, 80–91. https://doi.org/10.1016/j.cities.2019.01.032
  15. Banaeian Far, S., & Imani Rad, A. (2023). What are the benefits and opportunities of launching a Metaverse for NEOM city?. Security And Privacy, 6(3), 1–7. https://doi.org/10.1002/spy2.282
  16. Bayat, Z. (2022). Examining the potential for smart cities in Iran. International Conference on Interdisciplinary Studies in Management and Engineering. [In Persian]
  17. Bazan-Krzywoszańska, A., Lach, R., & Mrówczyńska, M. (2020). City as a System Supported by Artificial Intelligence. Urban and Regional Planning, 5(2), 32. https://doi.org/10.11648/j.urp.20200502.11
  18. Chen, B. W., Imran, M., Nasser, N., & Shoaib, M. (2019). Self-Aware autonomous city: From sensing to planning. IEEE Communications Magazine, 57(4), 33–39. https://doi.org/10.1109/MCOM.2019.1800628
  19. Cugurullo, F. (2020). Urban Artificial Intelligence: From Automation to Autonomy in the Smart City. Frontiers in Sustainable Cities, 2, 1–14. https://doi.org/10.3389/frsc.2020.00038
  20. Cugurullo, F. (2021). Frankenstein urbanism: Eco, smart and autonomous cities, artificial intelligence and the end of the city. Frankenstein Urbanism: Eco, Smart and Autonomous Cities, Artificial Intelligence and the End of the City, 1–214. https://doi.org/10.4324/9781315652627
  21. Cugurullo, F., & Acheampong, R. A. (2023). Fear of AI: an inquiry into the adoption of autonomous cars in spite of fear, and a theoretical framework for the study of artificial intelligence technology acceptance. AI and Society, 0123456789. https://doi.org/10.1007/s00146-022-01598-6
  22. Cugurullo, F., Caprotti, F., Cook, M., Karvonen, A., MᶜGuirk, P., & Marvin, S. (2024). The rise of AI urbanism in post-smart cities: A critical commentary on urban artificial intelligence. In Urban Studies, 61(6), 1168–1182. https://doi.org/10.1177/00420980231203386
  23. Furda, A., & Vlacic, L. (2010). An Object-Oriented Design of a World Model for Driverless City Vehicles. 2010 IEEE Intelligent Vehicles Symposium (IV 2010), 1054–1059.
  24. Khelladi, I., Castellano, S., & Kalisz, D. (2020). The smartization of metropolitan cities: the case of Paris. International Entrepreneurship and Management Journal, 16(4), 1301–1325. https://doi.org/10.1007/s11365-020-00691-w
  25. Lidoris, G., Klasing, K., Bauer, A., Xu, T., Kühnlenz, K., Wollherr, D., & Buss, M. (2007). The Autonomous City Explorer Project: Aims and system overview. IEEE International Conference on Intelligent Robots and Systems, 560–565. https://doi.org/10.1109/IROS.2007.4399411
  26. Manourian, A., Sadeghi, J., & Piran-Nejad, A. (2023). A roadmap framework for implementing artificial intelligence systems in the urban domain using a meta-synthesis approach. Public Administration Management, 15(3), 512–552. https://doi.org/10.22059/jipa.2023.355649.3298 [In Persian]
  27. Norman, B. (2018). Are autonomous cities our urban future?. In Nature Communications (Vol. 9, Issue 1, pp. 9–11). Springer US. https://doi.org/10.1038/s41467-018-04505-0
  28. Palmini, O., & Cugurullo, F. (2023). Charting AI urbanism: conceptual sources and spatial implications of urban artificial intelligence. Discover Artificial Intelligence, 3(1). https://doi.org/10.1007/s44163-023-00060-w
  29. Rezaee, M., Tadayon, B., & Javanbakht Ghahfarokhi, M. (2023). Studying and evaluating of the desirability of urban spaces toward the psychic satisfaction of the elderly community the case study of Mellat Street, Shahrekord. Geographical Urban Planning Research (GUPR), 11(3), 79-98. doi: 10.22059/jurbangeo.2023.361322.1838[In Persian]
  30. SaaDah, M. (2021). Artificial Intelligence for Smart Governance; towards Jambi Smart City. IOP Conference Series: Earth and Environmental Science, 717(1). https://doi.org/10.1088/1755-1315/717/1/012030
  31. Sabouhi, H., Amini, A., & Abolhassani, H. (2007). Managing electronic city processes using a combination of autonomous and distributed software components with fault control capability. International Conference on the Electronic City, Tehran, Iran. [In Persian]
  32. Safari, A., & Ebrahimi, K. (2022). Prioritizing application areas for implementing artificial intelligence technology using thematic analysis and COPRAS method. Research in Operations and Production Management, 13(4), 91–110. https://doi.org/10.22108/POM.2023.134630.1457 [In Persian]
  33. Son, T. H., Weedon, Z., Yigitcanlar, T., Sanchez, T., Corchado, J. M., & Mehmood, R. (2023). Algorithmic urban planning for smart and sustainable development: Systematic review of the literature. Sustainable Cities and Society, 94, 104562. https://doi.org/10.1016/j.scs.2023.104562
  34. Taghvaei, M., & Shafiee, M. (2022). Analysis of indicators and strategies for achieving urban smartness: A case study of Isfahan city. Spatial Planning, 12(1), 51–80. [In Persian]
  35. Ullah, Z., Al-Turjman, F., Mostarda, L., & Gagliardi, R. (2020). Applications of Artificial Intelligence and Machine learning in smart cities. In Computer Communications (Vol. 154, Issue February, pp. 313–323). Elsevier B.V. https://doi.org/10.1016/j.comcom.2020.02.069
  36. Yigitcanlar, T., Agdas, D., & Degirmenci, K. (2023). Artificial intelligence in local governments: perceptions of city managers on prospects, constraints and choices. AI and Society, 38(3), 1135–1150. https://doi.org/10.1007/s00146-022-01450-x
  37. Zarghani, S. H., & Ghabasifidi, S. E. (2023). Artificial intelligence and urban security: Opportunities and challenges. 10th National and 3rd International Conference on Urban Planning and Urban Management, Mashhad, Iran. [In Persian]
  38. Zhang, J., Hua, X. S., Huang, J., Shen, X., Chen, J., Zhou, Q., Fu, Z., & Zhao, Y. (2019). City brain: practice of large-scale artificial intelligence in the real world. IET Smart Cities, 1(1), 28–37. https://doi.org/10.1049/iet-smc.2019.0034
  39. Ziari, K., Tavakoli, M. and Khani, H. (2024). Analysis of the distribution and spatial pattern of the elderly with an emphasis on the elderly-friendly city: the case study of Qom city. Geographical Urban Planning Research (GUPR), 12(3), 23-40. doi: 10.22059/jurbangeo.2024.378784.1962[In Persian]
آمار
تعداد مشاهده مقاله: 111
تعداد دریافت فایل اصل مقاله: 13





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب