امکان سنجی درآمدزایی از داده های حمل ونقل شهری در تهران: چالش های نهادی و مدل های درآمدی پایدار

داده ها امروزه به عنوان محرک های کلیدی رشد اقتصادی و توسعه پایدار شهری شناخته می شوند. شهرها سهم عمده ای از تولید ناخالص داخلی جهان را به خود اختصاص داده اند و در رقابتی مداوم برای جذب سرمایه گذاری هستند (Lupi, ۲۰۱۹; Azizalrahman et al., ۲۰۱۹). گسترش فناوری های دیجیتال، شهرها را به کانون های تولید و پردازش داده تبدیل کرده است؛ به گونه ای که حسگرهای اینترنت اشیاء و فرایندهای مدیریت شهری، حجم قابل توجهی از داده های مکانی–زمانی را تولید می کنند (Bozkurt et al., ۲۰۲۲; Moustaka et al., ۲۰۱۸). این داده ها در صورت بهره برداری مناسب، می توانند به بهینه سازی تخصیص منابع و ارتقای کیفیت خدمات شهری منجر شوند (Lupi, ۲۰۱۹). پروژه های شهر هوشمند با اتکا بر رایانش ابری، اینترنت اشیاء و تحلیل کلان داده، در پی غلبه بر چالش های زیرساخت های جزیره ای و ناهماهنگ هستند. این رویکردها پتانسیل کاهش آلاینده ها، افزایش کارایی سیستم های شهری و تقویت مشارکت شهروندان در حکمرانی را دارند (Azizalrahman et al., ۲۰۱۹; Listianingsih et al., ۲۰۲۵). داده های حمل ونقل از جایگاه ویژه ای برخوردارند، زیرا نقش تعیین کننده ای در روان سازی ترافیک، بهبود حمل ونقل عمومی و کاهش زمان سفر و پیامدهای زیست محیطی دارند (Faber et al., ۲۰۱۸; Bittencourt et al., ۲۰۲۴; Butt et al., ۲۰۲۰). ادغام کلان داده، سامانه های سایبر–فیزیکی و الگوریتم های یادگیری ماشین امکان تصمیم گیری مبتنی بر شواهد و بلادرنگ را در مقیاس شهری فراهم کرده است (Bittencourt et al., ۲۰۲۴; Faber et al., ۲۰۱۸). با این وجود، چالش های حکمرانی داده همچنان مانعی جدی در مسیر بهره برداری اثربخش از داده های شهری محسوب می شوند. ناهمگونی داده ها از نظر قالب، منبع، کیفیت و حریم خصوصی، فرآیند یکپارچه سازی و بهره برداری اقتصادی از آن ها را با محدودیت مواجه کرده است. تدوین استانداردهای منسجم و هم راستاسازی ذی نفعان برای شکستن سیلوهای داده ضرورتی اساسی است (Bozkurt et al., ۲۰۲۲). با این حال، بخش قابل توجهی از ادبیات شهر هوشمند عمدتا بر ابعاد فناورانه تمرکز داشته و به الزامات حکمرانی توجه کمتری نشان داده است؛ امری که به شکاف میان پیاده سازی های فناورانه و نیازهای واقعی مدیریت شهری انجامیده است (Batty et al., ۲۰۱۲; Lupi, ۲۰۱۹; Paskaleva et al., ۲۰۱۷). در شهرهای در حال توسعه، این چالش ها با شدت بیشتری بروز می یابند و پراکندگی نهادی و ابهام مقرراتی، مسیر درآمدزایی از داده های حمل ونقل را پیچیده تر می کند (Lupi, ۲۰۱۹). پژوهش حاضر با تمرکز بر اکوسیستم داده های حمل ونقل شهری، به تحلیل ساختارها و ارزیابی امکان پذیری مدل های اقتصادی برای ایجاد جریان های درآمدی پایدار می پردازد و رابطه میان حکمرانی، داده و حمل ونقل را در بستر شهر تهران بررسی می کند.

کلیدواژه ها:

مهندسی ترافیک ، حمل ونقل شهری ، حکمرانی داده ، شهر هوشمند