کاربرد فناوری تشخیص نویسه نوری در مدیریت مناطق حاشیه نشین و ایجاد بانک اطلاعاتی هوشمند شهری

پدیده حاشیه نشینی یکی از چالش های پیچیده و چندلایه مدیریت شهری در ایران به شمار می رود. کمبود اطلاعات دقیق، ساخت یافته و مکان مند از وضعیت سکونتگاه های غیررسمی، مانعی مهم در راه برنامه ریزی و تصمیم گیری شهری است. این مقاله با هدف ارائه یک راهکار فناورانه، مدلی ترکیبی مبتنی بر تشخیص نویسه نوری و شبکه عصبی پیچشی برای استخراج خودکار اطلاعات از فرم های دست نویس و چاپی در مناطق حاشیه نشین ارائه می دهد. از طریق طراحی فرم های استاندارد، استفاده از موتورهای مختلف تشخیص نویسه نوری، آموزش مدل شبکه عصبی پیچشی اختصاصی برای زبان فارسی و اتصال به سیستم های اطلاعات مکانی، روشی ارائه شده است که می تواند بانک اطلاعاتی دقیقی از داده های متنی و مکانی مناطق محروم فراهم آورد. نتایج نشان می دهد که مدل پیشنهادی با دقت بیش از ۹۳٪ در تشخیص نویسه های دست نویس فارسی، توانایی بالایی در استخراج داده های شهری دارد و می تواند به عنوان ابزاری کلیدی در ارتقاء عدالت فضایی و خدمات رسانی هوشمند مورد استفاده قرار گیرد.

کلیدواژه ها:

تشخیص نویسه نوری ، حاشیه نشینی ، شبکه عصبی پیچشی ، یادگیری عمیق ، شهرداری ، سیستم های اطلاعات مکانی ، OCR ، حاشیه نشینی ، سامسانه های اطلاعات مکانی ، شبکه عصبی