نقش کلان داده های شهری در شهرهای هوشمند

محورهای موضوعی : مطالعات مدیریت شهری

خیراله همتی ¹ , روزبه زمانیان ²

1 - دانشجوی دکتری شهرسازی دانشگاه آزاد اسلامی واحد تهران مرکز [e-mail]
2 - دکتری تخصصی شهرسازی دانشگاه آزاد اسلامی واحد علوم و تحقیقات [e-mail]

تاریخ دریافت : 1402/06/04 تاریخ پذیرش : 1402/08/04 تاریخ انتشار : 1403/01/01

کلید واژه: بیگ دیتا, کلان داده های, شهرهای هوشمند,   طراحی شهری, تحلیل شهری,

چکیده مقاله :

سیستم های شهری شامل بسیاری از اجزای نزدیک به هم هستند که به دلیل حسگرها ی جدید، جمع آوری داده ها و روش های تحلیل مکانی-زمانی قابل اندازه گیر ی تر از قبل گشته اند. تبدیل این داده ها به دانش برای تسهیل تلاش های برنامه ریزی در پرداختن به چالش های کنونی سیستم های پیچیده شهری، نیازمند روش های تحلیل بین رشته ای پیشرفته، مانند انفورماتیک شهری یا علوم داده شهری است. با این حال، با اعمال یک رویکرد صرفا مبتنی بر داده، گمشدن در "جنگل" داده ها، و از دست دادن "درخت" شهر های موفق و قابل زندگی که هدف نهایی برنامه ریزی شهر ی هستند، بسیار آسان است. این مقاله بیان می کند که چگونه داده های جغرافیایی وتحلیل شهری، با استفاده از روش های ترکیبی، می تواند به درک بهتر پویایی شهری و رفتار انسانی کمک کند، و چگونه می تواند تلاش های برنامه ریزی برای بهبود زیست پذیری را ارتقاء دهد. بر اساس بررسی جدیدترین تحقیقات، این مقاله یک گام فراتر می رود و همچنین به پتانسیل و همچنین محدودیت های منابع داده جدید درتجزیه وتحلیل شهری می پردازد تا دید کلی بهتری از کل "جنگل" این منابع داده جدید داشته باشد. کار حاضرمروری کیفی بر اساس پژوهش های صورت گرفته با روش های تجزیه وتحلیل حول قابلیت اطمینان استفاده از داده های بزرگ از پلتفرم ها یا حس گرهای رسانه ها ی اجتماعی، و چگونگی استخراج اطلاعات از مقادیر انبوه داده از طریق روش های تحلیل جدید، مانند یادگیری ماشین، برای تصمیم گیری آگاهانه تر با هدف بهبود زیست پذیری شهری است. هدف این مقاله مطالعه ی مروری پیرامون برخی از هم افزایی ها و چالش های رویکرد بین رشته ای (تجزیه وتحلیل شهری مبتنی بر GISدر بهبود زیست پذیری شهرها، با بررسی یافته های کلیدی وسوالات به دست آمده از ادبیات پیشرفته) است.

چکیده انگلیسی:

Urban systems include many closely related components that have become more measurable than before due to new sensors, data collection, and spatio-temporal analysis methods. Transforming these data into knowledge to facilitate planning efforts in addressing the current challenges of complex urban systems requires advanced interdisciplinary analysis methods, such as urban informatics or urban data science. However, by applying a purely data-driven approach, it is very easy to get lost in the "forest" of data, and miss the "tree" of successful and livable cities that are the ultimate goal of city planning. This paper describes how geospatial data from urban analysis, using hybrid methods, can contribute to a better understanding of urban dynamics and human behavior, and how it can enhance planning efforts to improve livability. Based on a review of the latest research, this paper goes a step further and also addresses the potential as well as the limitations of new data sources in urban analytics to get a better overview of the entire "jungle" of these new data sources. The present work is a qualitative review based on research conducted with analytical methods about the reliability of using big data from social media platforms or sensors, and how to extract information from massive amounts of data through new analytical methods, such as learning. The machine is for more informed decision-making with the aim of improving urban livability. The purpose of this article is to review some of the synergies and challenges of the interdisciplinary approach (dissection and urban analysis based on GIS in improving the livability of cities, by examining the key findings and questions obtained from the advanced literature).