هوش مصنوعی در حمل ونقل پایدار شهری: تحلیل علم سنجی روندها، خوشه های مفهومی و شکاف های پژوهشی (۲۰۰۵–۲۰۲۴)

هوش مصنوعی نقش کلیدی در بهینه سازی سیستم های حمل ونقل شهری دارد و با تحلیل داده های واقعی، ترافیک را کاهش و مصرف انرژی را کاهش می دهد. پژوهش حاضر با رویکرد علم سنجی کیفی-کمی و روش توصیفی-تحلیلی، به تحلیل روند، ساختار مفهومی، شکاف های پژوهشی و جهت گیری های آینده در حوزه کاربست هوش مصنوعی در حمل ونقل پایدار شهری طی سال های ۲۰۰۵ تا ۲۰۲۴ پرداخته است. جامعه آماری متشکل از ۱۷۲ سند نمایه شده در پایگاه اسکوپوس است که با جست و جوی ساختاریافته و تحلیل هم رخدادی کلیدواژگان با نرم افزار VOSviewer، تحلیل گردید. بر اساس یافته ها پژوهش، تولید علمی از رشد تدریجی (۲۰۰۵–۲۰۱۵) به رشد شتابان (به ویژه از ۲۰۲۱ به بعد) تغییر یافته که علت آن تحولات فناوری، فشارهای اقلیمی، گسترش شهرهای هوشمند و پاندمی کووید-۱۹ هم زمان است. توزیع جغرافیایی منابع نشانگر پیشتازی کشورهایی نظیر هند، چین، ایالات متحده و ایتالیا است که نمایانگر تاثیر شهرنشینی شتابان و سیاست های ملی در تولید دانش است. تحلیل خوشه ای شش حوزه مفهومی کلیدی مشتمل بر فناوری های هوش مصنوعی، ابعاد زیست محیطی و پایداری، رفتار کاربران و تحرک، سیاست گذاری حمل ونقل، بهینه سازی سیستم ها، و سیستم های پشتیبان تصمیم را آشکار نمود. نتایج نشانگر آن است که هدف نهایی هوش مصنوعی در برنامه ریزی حمل و نقل شهری، تحقق اهداف پایداری شهری است، اما با شکاف هایی در ادغام عدالت اجتماعی، جزئیات الگوریتمی، شاخص های زیست محیطی و تحلیل های زمینه محور مواجه است. از این رو، پژوهش های آینده باید هوش مصنوعی را از کارایی به سمت عدالت اجتماعی، یکپارچگی محیطی، الگوریتم های زمینه محور، همکاری های میان رشته ای و آزمایشگاه های زنده شهری به سمت حرکت دهند.

کلیدواژه ها:

حمل و نقل پایدار ، شهر هوشمند ، پایداری ، هوش مصنوعی ، VOSviewer