تحلیل چندمعیاره تاثیر قابلیت های هوش مصنوعی بر بهبود عملکرد سیستم ترافیک شهری (مطالعه موردی:شهر اصفهان)

شهر اصفهان به عنوان یکی از کلان شهرهای مهم ایران، در سال های اخیر تحت تاثیر عواملی نظیر افزایش جمعیت و مالکیت خودرو، تمرکز فعالیت های اقتصادی، تجاری و گردشگری، محدودیت های کالبدی ناشی از بافت تاریخی و افزایش سفرهای درون شهری، با چالش های فزاینده ای در حوزه مدیریت ترافیک مواجه شده است. این شرایط موجب افزایش تراکم ترافیکی در معابر اصلی، آلودگی هوا، اتلاف زمان و انرژی شهروندان و کاهش کارایی شبکه حمل ونقل شهری شده و ضرورت بهره گیری از فناوری های نوین در مدیریت ترافیک را بیش از پیش آشکار ساخته است. در این راستا، هوش مصنوعی با قابلیت هایی همچون تحلیل پیش بینی کننده، پردازش داده های برخط و تصمیم گیری هوشمند، ظرفیت قابل توجهی برای ارتقای عملکرد سامانه های حمل ونقل شهری دارد. پژوهش حاضر با هدف تحلیل چندمعیاره تاثیر قابلیت های هوش مصنوعی بر بهبود عملکرد سیستم ترافیک شهری در شهر اصفهان انجام شد. این تحقیق از نظر هدف، کاربردی–توسعه ای و از لحاظ ماهیت، توصیفی–تحلیلی و پیمایشی است. جامعه آماری شامل کارشناسان حوزه های حمل ونقل، مدیریت شهری و مهندسی ترافیک بود که حجم نمونه بر اساس فرمول کوکران و با افزایش ضریب اطمینان، ۴۰ نفر تعیین شد. داده های پژوهش از طریق پرسشنامه مبتنی بر طیف لیکرت گردآوری و پس از کدگذاری در نرم افزار SPSS، با استفاده از مدل تاکسونومی عددی در نرم افزار MATLAB تحلیل شدند. در این پژوهش، هشت شاخص شامل کاهش ترافیک، بهینه سازی زمان سفر، بهبود ایمنی، کاهش تاثیرات محیطی، کارایی جریان ترافیک، پاسخ به حوادث، قابلیت اعتماد حمل ونقل عمومی و مدیریت پارکینگ مورد ارزیابی قرار گرفت. نتایج نشان داد که هوش مصنوعی بیشترین تاثیر را بر قابلیت اعتماد حمل ونقل عمومی (Fi=۱) در سطح «بسیار بهبوددهنده»، کاهش ترافیک (Fi=۰.۷۵۲)، کارایی جریان ترافیک (Fi=۰.۶۸۰) و کاهش تاثیرات محیطی (Fi=۰.۶۵۵) دارد. در مقابل، شاخص های بهبود ایمنی (Fi=۰)، مدیریت پارکینگ (Fi=۰.۰۰۱)، پاسخ به حوادث (Fi=۰.۱۵۵) و بهینه سازی زمان سفر (Fi=۰.۲۴۱) در سطح «بدون بهبود» قرار گرفتند که عمدتا ناشی از محدودیت های زیرساختی، کمبود داده های یکپارچه و الزامات فنی اجرای سامانه های هوشمند است. یافته های پژوهش بیانگر آن است که هوش مصنوعی از ظرفیت بالایی برای ارتقای مدیریت ترافیک شهری اصفهان برخوردار است، اما تحقق این ظرفیت مستلزم توسعه زیرساخت های دیجیتال، یکپارچه سازی سامانه های اطلاعاتی و اجرای پروژه های پایلوت در سطح شهر است. همچنین اولویت بندی شاخص های دارای بیشترین ظرفیت می تواند زمینه دستیابی به نتایج سریع تر و حرکت به سوی نظام حمل ونقل شهری هوشمند و پایدار را فراهم سازد.

کلیدواژه ها:

هوش مصنوعی ، مدیریت ترافیک شهری ، تحلیل چندمعیاره ، مدل تاکسونومی عددی ، شهر اصفهان