تحلیل کاربری هوش مصنوعی در پیش بینی فرسودگی شبکه معابر و زیرساخت های شهری و ارائه الگویی برای اولویت بندی مداخلات شهرداری

فرسودگی شبکه معابر و زیرساخت های شهری یکی از چالش های اساسی مدیریت شهری در کلان شهرها محسوب می شود که در صورت عدم شناسایی به موقع، می تواند منجر به افزایش هزینه های نگهداشت، کاهش ایمنی ترافیکی و افت کیفیت خدمات شهری شود. در سال های اخیر، توسعه فناوری های هوشمند و الگوریتم های یادگیری ماشین امکان پایش مستمر، تحلیل داده های حجیم شهری و پیش بینی فرسودگی زیرساخت ها را فراهم کرده است. هدف پژوهش حاضر تحلیل کاربری هوش مصنوعی در پیش بینی فرسودگی شبکه معابر و زیرساخت های شهری و ارائه الگویی برای اولویت بندی مداخلات مدیریتی شهرداری ها است.این پژوهش با رویکرد توصیفی–تحلیلی و با بهره گیری از روش ترکیبی (کیفی و کمی) انجام شده است. داده های پژوهش از طریق منابع مختلف شامل داده های سامانه های مدیریت معابر شهری، تصاویر هوایی و ماهواره ای، اطلاعات ترافیکی، داده های سنسورهای شهری و مصاحبه با خبرگان حوزه مدیریت زیرساخت های شهری گردآوری شده است. در مرحله تحلیل، از الگوریتم های یادگیری ماشین نظیر Random Forest، Gradient Boosting و شبکه های عصبی عمیق برای پیش بینی احتمال فرسودگی و تخریب معابر استفاده شده و نتایج حاصل در قالب یک مدل تصمیم یار برای اولویت بندی مداخلات تعمیر و نگهداری تحلیل شده است.یافته های پژوهش نشان می دهد که بهره گیری از مدل های هوش مصنوعی می تواند دقت پیش بینی فرسودگی معابر را به طور قابل توجهی افزایش داده و فرآیند تصمیم گیری شهرداری ها در تخصیص منابع تعمیر و نگهداری را بهینه سازد. همچنین نتایج بیانگر آن است که ترکیب داده های مکانی، ترافیکی و محیطی نقش مهمی در بهبود عملکرد مدل های پیش بینی دارد. در نهایت، پژوهش حاضر چارچوبی تحلیلی برای اولویت بندی مداخلات نگهداشت شهری ارائه می دهد که می تواند به کاهش هزینه های نگهداری، افزایش ایمنی معابر و ارتقای کارایی مدیریت شهری کمک کند.

کلیدواژه ها:

هوش مصنوعی ، مدیریت زیرساخت های شهری ، فرسودگی معابر ، یادگیری ماشین