کارشناسی پیشگیری از تخلفات ساختمانی در شهرهای کوچک و متوسط: طراحی چارچوب هوشمند مبتنی بر هوش مصنوعی و مشارکت شهروندی (مطالعه موردی: شهرستان رشت)

ترخصات ساختمانی یکی از معضلات ساختاری و پیچیده در مدیریت شهری ایران به شمار می رود که فراتر از یک مسئله فنی، به یک بحران حاکمیتی، محیط زیستی و اجتماعی تبدیل شده است. این پدیده نه تنها ساختار کالبدی شهرها را مختل می کند، بلکه امنیت ساکنان، دسترسی به خدمات شهری، حفظ بافت تاریخی-فرهنگی و دستیابی به اهداف توسعه پایدار (SDGs) را به خطر می اندازد. در این میان، شهرهای کوچک و متوسط، به دلیل محدودیت های منابع انسانی، فنی و نظارتی، بیش از دیگر شهرها در معرض رشد غیرمنظور تخلفات ساختمانی قرار دارند. این مقاله با هدف طراحی یک چارچوب علمی-کاربردی برای کارشناسی پیشگیرانه (Preventive Inspection) در زمینه تخلفات ساختمانی، با تمرکز بر شهرستان رشت به عنوان نماینده ای از شهرهای شمال ایران، به بررسی جامع علل شکل گیری تخلفات، نقاط ضعف سیستم نظارتی فعلی، و راهکارهای نوین پیشگیری از طریق فناوری های هوشمند و مشارکت شهروندی می پردازد. روش تحقیق از نوع ترکیبی (Mixed-Methods) است که از تلفیق روش های کیفی و کمی بهره می برد. داده های کیفی از طریق مصاحبه های نیمه ساختاریافته با ۱۲ کارشناس فنی، ۴ عضو شورای اسلامی شهر رشت، ۳ نماینده دانشگاهی (از دانشگاه گیلان و دانشگاه آزاد رشت) و ۲ نماینده سازمان های مردمی جمع آوری شد. داده های کمی نیز از طریق تحلیل کامل ۳۸۷ پرونده تخلف ساختمانی ثبت شده در سامانه مرکزی شهرداری رشت در سال های ۱۴۰۲–۱۴۰۳ استخراج گردید. یافته ها نشان می دهد که ۷۹٪ تخلفات در مراحل پیشرفته ساخت (مانند دیوارچینی، سقف گذاری یا نصب نمای ساختمان) شناسایی می شوند، در حالی که رفع آن ها هزینه هایی بین ۶۰ تا ۹۰٪ ارزش کل ساخت به همراه دارد و اغلب با مقاومت اجتماعی مواجه می شود. بیش از ۷۰٪ از کارشناسان شهرداری اعلام کردند که سیستم نظارتی فعلی فاقد ابزارهای پیش بینی، دسترسی به داده های لحظه ای و پشتیبانی سازمانی است. همچنین، تنها ۱۸٪ از تخلفات توسط گشت های روتین شهرداری شناسایی شده اند، در حالی که ۸۲٪ از طریق گزارش شهروندان یا دخالت دستگاه های قضایی به چشم می خورند. بر اساس این شکاف های شناسایی شده، مقاله حاضر چارچوبی سه لایه ای با عنوان «سیستم هوشمند پیشگیری از تخلفات ساختمانی» (Intelligent Preventive Building Violation System – IPBVS) را پیشنهاد می دهد که شامل: (۱) سامانه تشخیص زودهنگام مبتنی بر هوش مصنوعی (AI-Based Early Detection System)، که با استفاده از تحلیل تصاویر ماهواره ای ماهانه و تصاویر پهپادی هفتگی و به کمک مدل های یادگیری عمیق (Deep Learning) مانند CNN، تغییرات کالبدی را به طور خودکار شناسایی می کند؛ (۲) اپلیکیشن مشارکت شهروندی مبتنی بر اعتماد و حریم خصوصی (Privacy-Preserving Citizen Reporting App)، که امکان گزارش ناشناس، ردیابی وضعیت پرونده و دریافت بازخورد را به شهروندان می دهد؛ و (۳) شبکه کارشناسی پیشگیرانه متمرکز و هوشمند (Centralized Preventive Inspection Network)، که با تقسیم شهر به مناطق ریسک محور و تعیین شاخص های نظارتی مبتنی بر داده، فعالیت کارشناسان را هدفمند و پیش بینی پذیر می کند. نتایج شبیه سازی نشان می دهد که اجرای این چارچوب می تواند تا ۶۰٪ از تخلفات ساختمانی را در مرحله فوندانسیون یا زیرسازی شناسایی و متوقف کند، هزینه های رفع تخلف را تا ۴۵٪ کاهش دهد، و اعتماد شهروندان به سیستم نظارتی شهری را از ۳۱٪ به بیش از ۷۵٪ افزایش دهد. مقاله در نهایت پیشنهاداتی عملیاتی برای اجرای آزمایشی این چارچوب در مناطق پرریسک شهر رشت، بازتعریف نقش کارشناسان شهرداری، تدوین سیاست های کلان در سطح وزارت کشور و تقویت همکاری با دانشگاه های محلی به عنوان مراکز پشتیبان فنی ارائه می دهد. این تحقیق، با ترکیب دانش مدیریت شهری، فناوری های هوش مصنوعی و مشارکت اجتماعی، به یکی از نخستین تلاش های علمی در ایران برای جابه جایی رویکرد «واکنشی» به «پیشگیرانه» در حوزه کارشناسی تخلفات ساختمانی می پردازد.

کلیدواژه ها:

کارشناسی پیشگیری ، تخلفات ساختمانی ، شهر رشت ، هوش مصنوعی ، تشخیص تصویر ، شبکه عصبی کانولوشنی (CNN) ، مشارکت شهروندی ، نظارت هوشمند ، مدیریت شهری ، شهرهای کوچک و متوسط ، پهپاد ، ماهواره ، سامانه پیشگیری