کاربرد هوش مصنوعی در برنامهریزی شهری: رویکردی مبتنی بر یادگیری ماشین برای پیشبینی توسعه شهری

رشد فزاینده شهرها و پیچیدگی پویایی های فضایی آنها، نیازمند به کارگیری روش های نوین تحلیلی برای پیشبینی و مدیریت توسعه شهری است. در دهه های اخیر، مدل های مبتنی بر یادگیری ماشین به دلیل توانایی در پردازش کلان داده های شهری و استخراج روابط غیرخطی میان متغیرهای متعدد، به عنوان ابزاری کارآمد در برنامه ریزی شهری مطرح شده اند. هدف این پژوهش، بررسی نقش هوش مصنوعی و به ویژه الگوریتم های یادگیری ماشین در پیش بینی توسعه شهری و تحلیل تاثیرپذیری آن از عوامل مختلف محیطی، اقتصادی و جمعیتی است. این پژوهش با استفاده از روش کتابخانه ای و مروری، به تحلیل مطالعات و مدل های ارائه شده در این حوزه پرداخته و کاربرد روش های مختلف یادگیری ماشین، از جمله شبکه های عصبی عمیق، ماشین های بردار پشتیبان، مدل های مبتنی بر درخت تصمیم و یادگیری تقویتی را در پیش بینی روندهای رشد شهری مورد بررسی قرار داده است. یافته های پژوهش نشان می دهد که مدل های یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی، در پردازش داده های سنجش از دور و تحلیل تغییرات کاربری زمین، عملکرد قابل توجهی داشته و توانسته اند دقت پیش بینی توسعه شهری را نسبت به مدل های سنتی افزایش دهند. همچنین، روش های مبتنی بر سری های زمانی و خوشه بندی داده ها، امکان تحلیل روندهای رشد شهری در بازه های زمانی مختلف را فراهم ساخته اند. ترکیب این مدل ها با سیستم های اطلاعات جغرافیایی (GIS) و داده های کلان اقتصادی، چارچوب تحلیلی جامعی را برای برنامه ریزی شهری ارائه داده است. در نتیجه، بهره گیری از هوش مصنوعی در برنامه ریزی شهری نه تنها موجب افزایش دقت پیش بینی و کاهش عدم قطعیت در تصمیم گیری ها شده، بلکه امکان تحلیل چندبعدی توسعه شهری را نیز فراهم آورده است. این پژوهش نشان می دهد که کاربرد یادگیری ماشین در برنامه ریزی شهری، روی کردی ضروری برای مدیریت به ینه فضاهای شهری و توسعه پایدار محسوب می شود.

کلیدواژه ها:

برنامهریزی شهری ، توسعه شهری ، سنجش از دور ، یادگیری ماشین