تحلیل تأثیر هوش مصنوعی بر پایداری شهری (مطالعه موردی؛ شهر بوشهر)
محورهای موضوعی : برنامه ریزی شهری
مجید گودرزی
1
*
,
محمد حاجیان
2
1 - دانشیار، گروه جغرافيا و برنامه‌ريزي شهری، دانشگاه شهيد چمران اهواز، اهواز، ايران.
2 - دانشجوي دکتری، گروه جغرافيا و برنامه‌ريزي شهری، دانشگاه شهيد چمران اهواز، اهواز، ايران
کلید واژه: هوش مصنوعی, برنامه‌ریزی شهری, پایداری شهری, شهر بوشهر.,
چکیده مقاله :
با توجه به چالش‌های روزافزون مانند تغییرات اقلیمی، رشد جمعیت و محدودیت‌های منابع در شهرها، ضرورت استفاده از فناوری‌های نوین به‌ویژه هوش مصنوعی برای تحقق توسعه پایدار شهری بیش‌ازپیش احساس می‌شود. شهر پایدار با کاهش آلودگی، افزایش تعاملات اجتماعی و ایجاد زیرساخت‌های انعطاف‌پذیر، کیفیت زندگی را برای نسل‌های آینده تضمین می‌کند. در همین راستا پژوهش حاضر باهدف تحلیل تأثیر هوش مصنوعی بر پایداری شهر بوشهر تدوین شده است. برای دستیابی به این هدف از چهار مؤلفه اصلی شهر پایدار شامل پایداری زیست‌محیطی، پایداری اجتماعی، پایداری اقتصادی و مدیریتی استفاده شده است. این پژوهش ازنظر هدف، کاربردی و ازنظر ماهیت و روش، توصیفی- تحلیلی بوده که برای تحلیل دادهها از روش ترکیبی استفاده گردیده است. تحلیل دادهها با استفاده از نرم‌افزار SPSS و نرم‌افزار MAXQDA استفاده شد. یافته‌های پژوهش نشان می‌دهد که هوش مصنوعی تأثیرات متفاوتی بر مؤلفه‌های چهارگانه و پایداری شهری بوشهر دارد. برخی مؤلفه‌ها مانند اقتصادی و زیست‌محیطی بهبودیافته‌تر بوده‌اند و مؤلفه‌های اجتماعی و مدیریتی نیازمند توجه بیشتری می‌باشند. با توجه به یافته‌های تحقیق هوش مصنوعی می‌تواند نقش محوری را در افزایش پایداری ایفا نماید؛ بنابراین برای بهره‌مندی کامل از مزایای این فناوری لازم است چالش‌های مرتبط با زیرساخت‌های ناکافی و مقاومت فرهنگی برطرف شوند.
Given the increasing challenges such as climate change, population growth, and resource limitations in urban areas, the need to utilize modern technologies, particularly artificial intelligence, to achieve sustainable urban development is felt more than ever. A sustainable city ensures quality of life for future generations by reducing pollution, enhancing social interactions, and establishing resilient infrastructure. In line with this, the present study aims to analyze the impact of artificial intelligence on the sustainability of Bushehr city. To achieve this goal, four main components of a sustainable city were utilized: environmental sustainability, social sustainability, economic sustainability, and management. This research is applied in purpose, and descriptive-analytical in nature and method, employing a mixed-methods approach for data analysis. Quantitative data analysis was conducted using SPSS software, while qualitative data analysis was performed using MAXQDA software. The study's findings indicate that artificial intelligence has varying impacts on the four sustainability components and the overall urban sustainability of Bushehr. Some components, such as economic and environmental, have seen greater improvement, whereas the social and management components require further attention. According to the research findings, artificial intelligence can play a pivotal role in enhancing sustainability; therefore, to fully leverage the benefits of this technology, it is essential to address challenges related to insufficient infrastructure and cultural resistance.
1. انوشه‌یی، علیرضا؛ رضایی، علی اکبر (1402). ارزیابی نقش ابزارهای هوش مصنوعی در توسعه مدیریت شهری. نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری. 7 (24)، 1623-1632.
2. حسینی، سیده زهرا و ديگران (1403). تحلیل عوامل تبیین نقش هوش مصنوعی در برنامه‌ریزی شهری و توسعۀ شهرها. صفه. 34 (3)، 138-113.
3. عنابستانی، علی‌اکبر؛ توکلی‌نیا، جمیله؛ نیکنامی، نسیم (1403). تبیین اثرگذاری هوش مصنوعی بر بهبود کیفیت زندگی شهروندان با رویکرد آینده‌پژوهی (مورد مطالعه: کلان‌شهر مشهد). اقتصاد و برنامه ریزی شهری. 5 (1)، 6-21.
4. منوریان، عباس؛ صادقی، جواد؛ پیران نژاد، علی (1402). چارچوب خط‌مشی‌گذاری برای به‌کارگیری سامانه‌های هوش مصنوعی در حوزه شهری با استفاده از رویکرد فراترکیب. مدیریت دولتی. 15 (3)، 512-552.
5. Abbas, S. & Sheikh, A. (2021). Designing a framework for the application of artificial intelligence in human resource management: An exploratory approach. International Journal of Human Resource Studies. 11 (2), 1-15.
6. Ahmad, K. & Shams, E. (2023). Assessing urban resilience against flood risks using composite indicators. Journal of Urban Planning and Development. 149 (2), 04023010. https://doi.org/10.1061/(ASCE)UP.1943-5444.0000857
7. Albino, V.; Berardi, U. & Dangelico, R. M. (2015). Smart cities: Definitions, dimensions, performance, and initiatives. Journal of Urban Technology. 22 (1), 3-21. https://doi.org/10.1080/10630732.2015.1014155
8. Angelidou, I. (2014). Smart cities: A new approach to urban development. Urban Research & Practice. 7 (3), 1-14. https://doi.org/10.1080/17535069.2014.952114
9. Batty, M. et al (2012). Smart cities of the future. The European Physical Journal Special Topics. 214 (1), 481-518. https://doi.org/10.1140/epjst/e2012-01703-3
10. Beck, M.; Smith, J. & Johnson, L. (2023). The role of artificial intelligence in the implementation of the UN Sustainable Development Goal 11: Fostering sustainable cities and communities. Cities. 150, 105021.
11. Bibri, S. E. & Krogstie, J. (2020). Smart sustainable cities of the future: An extensive interdisciplinary literature review. Sustainability. 12 (8), 3408. https://doi.org/10.3390/su12083408
12. Bello, A. O. et al (2024). Exploring the nexus between the barriers and drivers for sustainable smart cities in developing countries: The case of Nigeria. Sustainable Development. 32 (4), 4097–4113. https://doi.org/10.1002/sd.2861
13. Bolton, K. et al (2021). The role of artificial intelligence in sustainable development. Sustainability. Special Issues.
14. Brown, A. & Taylor, J. (2024). The social impact of digital communication. Journal of Social Research. Special Issues.
15. Brown, T. (2021). AI innovations for sustainable urban planning. Sustainability Science. 12 (3), 234-250.
16. Chen, H. & Wang, X. (2021). AI applications in sustainable urban design. Journal of Architecture and Urbanism. 14 (2), 112-130.
17. Elkington, J. (2022). The Triple Bottom Line: Sustainability in business and society. Berlin: Routledge.
18. Fagnant, D. J. & Kockelman, K. (2022). The future of transportation: Autonomous vehicles and urban mobility. Transportation Research Part A: Policy and Practice. 163, 1-12.
19. Fpga Insights. (2023). AI in smart cities: Advancing urban sustainability. FPGA Technology Review.
20. Gonzalez, S.; Brown, P. & Ahmed, T. (2023). Urban sustainability and artificial intelligence: Exploring the intersection of technology and urban planning in the post-pandemic world. Journal of Urban Technology. 30 (1), 210-225.
21. Johnson, L. (2022). Technology and social behavior: A review. International Journal of Human-Computer Interaction. 12 (1), 229-250.
22. Johnson, L. & Lee, M. (2022). Smart cities: The role of AI in sustainable development. Journal of Environmental Management. 78 (4), 567-589.
23. Khan, A.; Gupta, R. & Martinez, L. (2023). Smart cities and energy management: A review of recent developments in artificial intelligence applications for energy efficiency in urban areas post-COVID-19 pandemic. Energy Reports. 9, 90-102.
24. Khan, K. A. & Sakhawat, A. (2021). Challenges in the implementation of smart city initiatives in developing countries: Evidence from Pakistan. Journal of Urban Technology. 28 (3), 1-21. https://doi.org/10.1080/10630732.2020.1846997
25. Lee, S. & Kang, J. (2020). The role of artificial intelligence in disaster management in coastal cities: A case study of South Korean cities. Journal of Urban Technology. 27 (3), 45-62.
26. Nam, T. & Pardo, T. A. (2011). Conceptualizing smart city with dimensions of technology, people, and institutions. 12th Annual International Conference on Digital Government Research. College Park. MD. USA. https://doi.org/10.1145/2037556.2037602
27. Nguyen, T. & Lee, K. (2023). The role of artificial intelligence in enhancing urban resilience against climate change and natural disasters. Sustainability. 15 (10).
28. Pérez, S. & Zarnauskas, A. (2017). Smart cities, smart governance: A survey of smart governance in smart cities. International Journal of Information Systems for Crisis Response and Management. 9 (2), 1-20. https://doi.org/10.4018/IJISCRAM.2017070101
29. Russell, S. & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. 4th ed. London: Pearson.
30. Sánchez-González, E. & Rodriguez, P. (2020). Using AI to tackle climate change and rising sea levels in coastal cities: The case of Spain. Sustainable Cities and Society. 55, 101946.
31. Santos, J. & Almeida, M. (2022). The role of artificial intelligence in enhancing urban resilience against climate change and natural disasters. Sustainability. 14 (12), 7358-7375.
32. Scott, J.; Lopez, R. & Harris, M. (2023). Economic growth and urban sustainability. Economic Development Quarterly. 37 (2), 1-70.
33. Shah, M.; Al-Jahwari, A. & Khan, F. (2022). Smart systems based on AI for improving urban management in Gulf coastal cities. Journal of Smart Cities and Urban Design. 6 (2), 112-126.
34. Singh, A. et al (2024). Artificial intelligence for sustainable development goals: Bibliometric patterns and concept evolution trajectories. Sustainable Development. 32 (1), 724–754.
35. Smith, J. (2023). Artificial intelligence and urban sustainability. Urban Studies Journal. 45 (2), 123-145.
36. Smith, R.; Lee, K. & Patel, S. (2023). Understanding the digital generation: A comprehensive study. Technology and Society. 16 (3), 118-130.
37. Thompson, E. (2023). Machine learning for urban sustainability. Journal of Sustainable Development Studies. 10 (4), 200-215.
38. UN-Habitat. (2016). Urbanization and Development: Emerging Futures. United Nations Human Settlements Programme. https://unhabitat.org/urbanization-and-development-emerging-futures-world-cities-report-2016
39. Venkatesh, R.; Gupta, S. & Rao, P. (2019). AI-driven urban management: Case study of Mumbai. Journal of Artificial Intelligence in Urban Planning. 4 (1), 55-70.
40. Wang, L.; Zhang, H. & Chen, X. (2021). Leveraging big data and AI for urban management in smart cities: Insights from Singapore and New York. International Journal of Urban Management. 14 (4), 215-230.
41. Williams, T. (2023). Identity formation in the digital age. Journal of Youth Studies. 18 (4), 110-121.
42. Winter, F.; Thomas, L. & Zhao, W. (2024). Collaborative approaches to sustainable urban development. Journal of Environmental Policy. 7 (3), 21-40.
43. Zhang, Y. (2023). Data-driven approaches to urban sustainability. Environmental Research Letters. 18 (5), 300-315.
44. Zhou, X.; Yu, F. & Zhang, Z. (2020). How smart city initiatives can address urban environmental challenges: Evidence from China. International Review of Administrative Sciences. 86 (4), 781-800. https://doi.org/10.1177/0020852319856907
45. Zhou, X.; Zhao, R. & Others. (2023). Shifting paradigm of urban sustainability: Major sustainable city development trends. Journal of International Development. 35 (2), 123-145.
46. Zubair, M. & Khan, A. (2021). The impact of artificial intelligence on sustainable urban development. PalArch's Journal of Archaeology of Egypt. 18 (8), 3530-3549.
47. Zubizarreta, T.; Lima, G. & Silva, P. (2024). Artificial intelligence in sustainable smart cities: A systematic study on applications, benefits, challenges, and solutions. Journal of Urban Sustainability. 19 (4), 101-120.