توسعه چارچوب هوشمند اولویت بندی نوسازی بافت های فرسوده شهری

نوسازی بافت های فرسوده شهری همواره با چالش های متعددی از جمله محدودیت منابع، تک بعدی بودن معیارهای تصمیم گیری و عدم پاسخگویی به نیازهای پویای ساکنان مواجه بوده است. پژوهش حاضر با هدف توسعه چارچوبی هوشمند و یکپارچه برای اولویت بندی نوسازی، با تکیه بر فناوری های هوش مصنوعی و کلان داده ها انجام شده است. روش پژوهش حاضر مروری نظام مند بر ادبیات نظری و پیشینه های پژوهشی است که منجر به شناسایی ابعاد چهارگانه کالبدی، اجتماعی-اقتصادی، زیست محیطی و حکمرانی در فرآیند نوسازی گردید. یافته ها نشان می دهد که ادغام الگوریتم های یادگیری ماشین، بینایی ماشین و پردازش زبان طبیعی (NLP) امکان تلفیق داده های ناهمگن را فراهم می کند و تصویر کاملی از آسیب پذیری های شهری ارائه می دهد. چارچوب پیشنهادی دارای معماری لایه ای است که از جمع آوری داده تا تصمیم گیری پویا و بلادرنگ را پوشش می دهد. یکی از نوآوری های کلیدی این پژوهش، معرفی «دوقلوهای دیجیتال» به عنوان ابزاری برای شبیه سازی پیامدهای نوسازی پیش از اجراست که ریسک شکط طرح ها را به حداقل می رساند. نتایج تاکید می کنند که این رویکرد، اولویت بندی را از حالت ایستا به حالتی پویا تبدیل کرده و با در نظر گرفتن عدالت فضایی و پایداری محیطی، کیفیت زندگی را ارتقا می بخشد. با این حال، چالش هایی نظیر سوگیری الگوریتمی، حریم خصوصی و نیاز به شفافیت مدل ها (XAI) شناسایی شدند. در نهایت، این پژوهش پیشنهاد می کند که ایجاد پایگاه داده یکپارچه، تدوین چارچوب های اخلاقی و اجرای پایلوت های هدفمند، گام های ضروری برای پیاده سازی موفق این سیستم در مدیریت شهری هستند. این چارچوب می تواند الگویی برای گذار از نوسازی فیزیکی صرف به نوسازی جامع و داده محور باشد.

کلیدواژه ها:

هوش مصنوعی ، نوسازی بافت فرسوده ، اولویت بندی هوشمند ، دوقلوی دیجیتال ، مدیریت شهری داده محور