نقش هوش مصنوعی در پیش بینی و مدیریت ریسک در پروژه های زیرساختی شهری

افزایش پیچیدگی و ابعاد ریسک در پروژه های زیرساختی شهری، نیاز به رویکردهای نوین برای پیش بینی و مدیریت موثر خطرات را الزامی ساخته است. هوش مصنوعی با توانایی تحلیل داده های حجیم و شناسایی الگوهای پنهان، نقش مهمی در مدیریت ریسک این پروژه ها ایفا می کند. این مقاله پس از مرور مفاهیم کلیدی و پیشینه پژوهش، به تحلیل نقش فناوری های هوش مصنوعی در بهبود فرآیند ارزیابی و مدیریت ریسک در پروژه های زیرساختی شهری داخلی و بین المللی پرداخته است. روش تحقیق این مطالعه، به صورت توصیفی-تحلیلی و با رویکرد کاربردی انجام شده و داده ها از طریق بررسی منابع کتابخانه ای و همچنین مصاحبه های نیمه ساختاریافته با خبرگان حوزه مدیریت شهری و هوش مصنوعی گردآوری شده است. داده ها با بهره گیری از روش تحلیل مضمون و ابزارهای آماری تجزیه و تحلیل گردید. جامعه آماری تحقیق، مدیران، کارشناسان و پژوهشگران فعال در پروژه های زیرساختی شهری کلان شهرهای ایران بوده که با روش نمونه گیری هدفمند انتخاب شدند. داده های پژوهش از طریق مطالعه اسناد و منابع کتابخانه ای و نیز مصاحبه های نیمه ساختاریافته با ۱۴ نفر از خبرگان حوزه مدیریت شهری و فناوری اطلاعات گردآوری گردید. برای اعتبارسنجی داده ها از تکنیک بازبینی مشارکتی و مثلث سازی استفاده شد. داده های کیفی با روش تحلیل مضمون و داده های کمی با نرم افزار SPSS تجزیه و تحلیل گردید. نتایج نشان می دهد که بهره گیری از الگوریتم های هوش مصنوعی می تواند دقت پیش بینی ریسک، سرعت تصمیم گیری و بهینه سازی تخصیص منابع را در پروژه های شهری به طور معناداری افزایش دهد. در پایان، راهکارهایی عملی برای توسعه بومی فناوری و ارتقاء همکاری های میان رشته ای ارائه شده است. یافته های این تحقیق می تواند مورد استفاده مدیران شهری و سیاست گذاران جهت بهبود تاب آوری پروژه های زیرساختی قرار گیرد. نتایج نشان می دهد کاربرد هوش مصنوعی موجب ارتقاء دقت پیش بینی، تسریع تصمیم گیری و بهینه سازی تخصیص منابع در پروژه های شهری می شود. در پایان، پیشنهادهایی برای توسعه بومی فناوری، ارتقاء همکاری های میان رشته ای و تقویت چارچوب های سیاستی ارائه شده است. یافته های تحقیق می تواند راهنمای مدیران شهری، سیاست گذاران و پژوهشگران برای ارتقای تاب آوری پروژه های آینده باشد.

کلیدواژه ها:

هوش مصنوعی ، مدیریت ریسک ، پروژه های زیرساختی ، یادگیری ماشینی ، پیش بینی ، داده کاوی شهری.