کاربرد مبدل بینایی (Vision Transformer) در تحلیل های ادراکی–رفتاری فضاهای شهری: یک مطالعه مروری

ادراک انسان از محیط ساخته شده نقش تعیین کننده ای در شکل گیری الگوهای رفتاری، میزان استفاده از فضاهای عمومی و کیفیت زندگی شهری دارد. تحلیل ادراکی و رفتاری فضاهای شهری یکی از رویکردهای کلیدی در مطالعات معاصر شهرسازی و طراحی شهری به شمار می رود، این در حالی است که در سال های اخیر، با گسترش داده های تصویری شهری و پیشرفت هوش مصنوعی، به ویژه در حوزه بینایی ماشین، امکان تحلیل این ابعاد پیچیده در مقیاس های بزرگ فراهم شده است. در این میان، مدل Vision Transformer (ViT) یکی از این ابزارهای تحلیلی و به عنوان نسل جدیدی از مدل های بینایی ماشین، با بهره گیری از سازوکار توجه درون زا (Self-Attention) است که توانایی درک روابط زمینه ای و ساختار کلی صحنه های شهری را دارد. هدف این مقاله، مرور و تحلیل مطالعات پیشین پیرامون ظرفیت هوش مصنوعی در تحلیل فضای شهری و به خصوص کاربرد Vision Transformer در تحلیل های ادراکی - رفتاری فضاهای شهری است. بدین منظور، ابتدا مفاهیم نظری مرتبط با ادراک و رفتار شهری مرور شده و سپس نقش هوش مصنوعی در تحلیل داده های تصویری شهری بررسی می شود. در ادامه، ساختار کلی Vision Transformer و تفاوت های آن با مدل های متداولی مانند شبکه های عصبی کانولوشنی تبیین شده و مطالعات شاخصی که از ViT در درک ادراک ایمنی، تعامل انسان - محیط و تشخیص موقعیت های بحرانی شهری استفاده کرده اند، مورد بررسی قرار گرفته است. نتایج این مرور نشان می دهد که ViT به دلیل توانایی در مدل سازی وابستگی های بلندبرد و درک کلیت صحنه، ظرفیت بالایی برای تحلیل ادراکی - رفتاری فضاهای شهری دارد، هرچند چالش هایی مانند نیاز به داده های حجیم و پیچیدگی محاسباتی همچنان پابرجاست. این مقاله می تواند به عنوان مبنایی نظری برای پژوهش های آتی در حوزه هوش مصنوعی و مطالعات شهری مورد استفاده قرار گیرد.

کلیدواژه ها:

مبدل بینایی (ViT) ، تحلیل ادراکی-رفتاری ، فضاهای شهری ، بینایی ماشین