کاربرد هوش مصنوعی در پیش بینی و مدیریت تقاضای خدمات شهری
محل انتشار: دومین همایش بین المللی پژوهش در عصر نوین
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 65
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IECME02_570
تاریخ نمایه سازی: 25 شهریور 1405
چکیده مقاله:
رشد سریع شهرنشینی، افزایش پیچیدگی نیازهای شهروندان و محدودیت منابع مالی، انسانی و زیرساختی، مدیریت تقاضای خدمات شهری را به یکی از چالش های اصلی مدیریت شهری تبدیل کرده است. خدماتی نظیر حمل ونقل عمومی، جمع آوری پسماند، تامین و توزیع آب، مدیریت انرژی، خدمات اورژانسی، نگهداری فضای سبز، پارکینگ و رسیدگی به درخواست های مردمی، همگی با الگوهای تقاضای متغیر و گاه غیرقابل پیش بینی مواجه اند. در این شرایط، هوش مصنوعی به عنوان یک فناوری تحول آفرین، ظرفیت بالایی برای تحلیل داده های حجیم شهری، پیش بینی نیازهای آینده و بهینه سازی تخصیص منابع دارد. هدف این مقاله، بررسی کاربرد هوش مصنوعی در پیش بینی و مدیریت تقاضای خدمات شهری و تبیین فرصت ها، سازوکارها و الزامات اجرایی آن در چارچوب شهر هوشمند است.روش پژوهش حاضر از نوع توصیفی–تحلیلی بوده و با رویکرد مروری، ابعاد کاربردی فناوری های هوش مصنوعی در مدیریت خدمات شهری بررسی شده است. در این راستا، نقش روش هایی مانند یادگیری ماشین، یادگیری عمیق، تحلیل داده های کلان، پردازش زبان طبیعی، اینترنت اشیا و سامانه های تصمیم یار هوشمند در شناسایی الگوهای رفتاری شهروندان و پیش بینی تقاضا تحلیل می شود. داده های مورد استفاده در چنین سامانه هایی می توانند از منابعی مانند حسگرهای شهری، دوربین های ترافیکی، سامانه های حمل ونقل، گزارش های مردمی، شبکه های اجتماعی، داده های مکانی، سوابق مصرف آب و انرژی، وضعیت آب وهوا و اطلاعات جمعیتی استخراج شوند. ترکیب این داده ها با الگوریتم های پیش بینی، امکان برآورد دقیق تر حجم، زمان و مکان تقاضا برای خدمات شهری را فراهم می کند.یافته ها نشان می دهد که استفاده از هوش مصنوعی در مدیریت شهری می تواند به کاهش هزینه های عملیاتی، افزایش سرعت پاسخ گویی، جلوگیری از اتلاف منابع و ارتقای رضایت شهروندان منجر شود. برای نمونه، در حوزه مدیریت پسماند، الگوریتم های هوشمند قادرند زمان بهینه جمع آوری زباله و مسیر حرکت ناوگان را بر اساس میزان پرشدگی مخازن و تراکم ترافیک تعیین کنند. در بخش حمل ونقل شهری نیز مدل های پیش بینی می توانند حجم تردد، تقاضای سفر و زمان های اوج ازدحام را شناسایی کرده و به تنظیم هوشمند چراغ های راهنمایی، برنامه ریزی ناوگان عمومی و مدیریت پارکینگ کمک کنند. همچنین، در حوزه آب و انرژی، پیش بینی الگوی مصرف امکان شناسایی زمان های اوج مصرف، کاهش هدررفت و توزیع عادلانه تر منابع را فراهم می سازد.با وجود مزایای گسترده، استقرار هوش مصنوعی در خدمات شهری با چالش هایی مانند کیفیت و یکپارچگی داده ها، نبود زیرساخت دیجیتال کافی، نگرانی های مربوط به حریم خصوصی، امنیت اطلاعات، سوگیری الگوریتمی، کمبود نیروی انسانی متخصص و مقاومت سازمانی روبه رو است. بنابراین، موفقیت در پیاده سازی مدیریت هوشمند تقاضای خدمات شهری، مستلزم ایجاد پایگاه های داده یکپارچه، تدوین قوانین شفاف برای حفاظت از داده های شهروندان، تقویت زیرساخت های ارتباطی و آموزش مدیران و کارکنان شهری است.در مجموع، هوش مصنوعی می تواند مدیریت خدمات شهری را از رویکرد واکنشی و مبتنی بر حل مسئله پس از وقوع، به رویکردی پیش نگر، داده محور و شهروندمدار تبدیل کند. بهره گیری هدفمند از این فناوری، ضمن بهبود کیفیت خدمات شهری، زمینه تحقق شهر هوشمند، افزایش تاب آوری شهری و استفاده بهینه از منابع عمومی را فراهم خواهد کرد.
نویسندگان
مرتضی خلقتی
دانشجوی کارشناسی ارشددانشگاه علوم و تحقیقات
مهدی تجری
دانشجوی دکتری مدیریت ورزشی دانشگاه ازاد اسلامی واحد کرج