داده کاوی و یادگیری ماشینی برای ارتقای شهرهای هوشمند

شهرهای هوشمند (SC) توسعه اقتصادی را ارتقا می دهند، رفاه شهروندان خود را بهبود می بخشند و به توانایی مردم برای استفاده از فناوری ها برای ایجاد خدمات پایدار کمک می کنند. با این حال، روش های محاسباتی برای کمک به فرآیند ایجاد شهرهای هوشمند ضروری هستند زیرا برای فرآیند تصمیم گیری، کمک به سیاست گذاری و ارائه خدمات بهبودیافته به شهروندان هستند. به این ترتیب، هدف این تحقیق ارائه یک بررسی سیستماتیک در مورد رویکردهای داده کاوی (DM) و یادگیری ماشین (ML) اتخاذ شده در ارتقای شهرهای هوشمند است. برای یافتن مقالات مرتبط از Methodi Ordinatio و برای تحلیل شبکه از نرم افزار VOSviewer استفاده شد. سی و نه مقاله مهم برای تجزیه و تحلیل از پایگاه های داده Web of Science و Scopus شناسایی شدند که در آن ها تکنیک های DM و ML مورد استفاده و همچنین حوزه هایی را که بیشتر درگیر ترویج شهرهای هوشمند هستند، تحلیل کردیم. تجزیه و تحلیل پیش بینی کننده رایج ترین تکنیک بود و مطالعات عمدتا بر حوزه های تحرک هوشمند و محیط هوشمند متمرکز بودند. این مطالعه به دنبال تشویق رویکردهایی است که می تواند توسط سازمان ها و شرکت های دولتی برای توسعه شهرهای هوشمند مورد استفاده قرار گیرد، که برای کمک به اهداف توسعه پایدار ضروری است.

کلیدواژه ها:

شهرهای هوشمند ، داده کاوی ، یادگیری ماشینی ، بررسی سیستماتیک.