تحلیل روانشناسی شهری با داده های هوش مصنوعی برای ارتقای کیفیت زندگی

تحلیل روانشناسی شهری با داده های هوش مصنوعی برای ارتقای کیفیت زندگی

روانشناسی شهری به مطالعه رابطه میان محیط ساخته شده و حالات ذهنی، احساس امنیت، تعلق مکانی، استرس و رضایت شهروندان می پردازد. در گذشته، این حوزه بیشتر متکی بر پرسشنامه ها، مصاحبه ها و مشاهده های میدانی بود؛ روش هایی ارزشمند اما محدود، پرهزینه و اغلب مقطعی. امروز هوش مصنوعی این امکان را فراهم کرده است که حالات روانی و واکنش های احساسی شهروندان نسبت به فضاهای شهری، بر پایه داده های واقعی، پیوسته و در مقیاس بزرگ تحلیل شود. این تحول می تواند کیفیت طراحی شهری را از سطح عملکرد فیزیکی به سطح تجربه انسانی ارتقا دهد؛ سطحی که برای شهرهای ایران، با تنوع فرهنگی و اجتماعی بالا، اهمیت ویژه ای دارد.

یکی از مهم ترین منابع داده در روانشناسی شهری مبتنی بر AI، ردپای دیجیتال شهروندان است؛ داده هایی که از شبکه های اجتماعی، تصاویر شهری، داده های مکانی تلفن همراه و حتی الگوهای جست وجوی محلی به دست می آیند. الگوریتم های پردازش زبان طبیعی می توانند متن های منتشرشده توسط شهروندان را تحلیل کرده و احساسات غالب—مانند رضایت، خشم، اضطراب یا شادی—را نسبت به مکان های خاص استخراج کنند. برای مثال، اگر در بازه ای از زمان، تعداد زیادی از پیام ها درباره یک میدان یا پارک با واژگانی منفی همراه باشد، این می تواند نشانه ای از افت کیفیت ادراک شده آن فضا باشد؛ حتی اگر از نظر فیزیکی تغییر محسوسی رخ نداده باشد. این نوع تحلیل به مدیران شهری امکان می دهد پیش از شکل گیری بحران اجتماعی، نشانه ها را شناسایی کنند.

در شهرهای ایران، چنین تحلیلی می تواند تفاوت ادراک مردم از فضاهای مختلف را آشکار کند. برای نمونه، در تهران، تفاوت احساس امنیت میان برخی پارک های مرکزی و پارک های محلی حاشیه شهر بارها در داده های اجتماعی بازتاب یافته است. در رشت نیز تحلیل تصاویر و متن های کاربران نشان می دهد که فضاهای دارای پوشش گیاهی متراکم و عناصر بومی—مانند میدان شهرداری یا پیاده راه های اطراف آن—بیش از فضاهای جدید اما بی هویت، حس تعلق ایجاد می کنند. این یافته ها برای طراحی فضاهای عمومی آینده بسیار راهگشاست، زیرا نشان می دهد که کیفیت روانی فضا الزاما به نوسازی فیزیکی وابسته نیست، بلکه به هویت، مقیاس انسانی و ارتباط با حافظه جمعی بستگی دارد.

یکی دیگر از حوزه های مهم، تحلیل استرس شهری است. داده های مربوط به تراکم جمعیت، ترافیک، آلودگی صوتی، کیفیت هوا و حتی سرعت حرکت افراد، همگی با سطح استرس شهروندان ارتباط دارند. مدل های یادگیری ماشین می توانند این داده ها را ترکیب و نقشه هایی از «نقاط پرتنش شهری» تولید کنند. این نقشه ها نشان می دهند که کدام تقاطع ها، خیابان ها یا فضاهای عمومی بیشترین احتمال ایجاد فشار روانی را دارند. در تهران، برخی بزرگراه ها و گره های ترافیکی به طور مداوم به عنوان نقاط پرتنش شناسایی شده اند. در رشت نیز خیابان های پرتردد مرکزی در ساعات بارانی، به دلیل ازدحام، لغزندگی و دید کم، می توانند منبع استرس باشند. چنین تحلیلی می تواند مبنای مداخلاتی مانند بهبود طراحی پیاده رو، افزایش فضاهای مکث یا بازطراحی تقاطع ها قرار گیرد.

هوش مصنوعی همچنین می تواند به تحلیل احساس امنیت ادراک شده کمک کند؛ مفهومی که همواره یکی از عوامل اصلی کیفیت زندگی شهری بوده است. با استفاده از بینایی ماشین، تصاویر فضاهای شهری از نظر نورپردازی، میزان دیدپذیری، وجود نقاط کور، تراکم عناصر و حضور انسان ها تحلیل می شوند و الگوریتم ها می توانند پیش بینی کنند که کدام فضاها از نظر روانی ناامن تلقی می شوند. این روش در برخی پروژه های جهانی نشان داده که همبستگی بالایی میان ویژگی های بصری فضا و احساس امنیت کاربران وجود دارد. در بافت های قدیمی شهرهای ایران—از جمله محلات تاریخی رشت یا مناطق فرسوده تهران—چنین تحلیلی می تواند نشان دهد که با حداقل مداخله، مثلا افزایش نور یا باز کردن دید در گوشه های خاص، می توان احساس امنیت را به طور معناداری افزایش داد.

از منظر تعلق مکانی و هویت شهری، AI می تواند به تحلیل نحوه تعامل مردم با فضاهای خاص کمک کند. داده های مربوط به مدت توقف افراد، تعداد بازدیدهای تکرارشونده و نوع فعالیت انجام شده در فضا، شاخص هایی از میزان تعلق هستند. برای مثال، اگر الگوریتم نشان دهد که مردم به طور مداوم به یک میدان یا پارک خاص بازمی گردند و زمان زیادی در آن می گذرانند، می توان نتیجه گرفت که آن فضا دارای کیفیت روانی بالاست. در رشت، پیاده راه مرکزی نمونه ای از فضایی است که داده های رفتاری نشان می دهد مردم نه فقط برای عبور، بلکه برای مکث، گفتگو و تعامل اجتماعی از آن استفاده می کنند؛ نشانه ای از شکل گیری حس تعلق که باید در پروژه های مشابه آینده تقویت شود.

یکی از کاربردهای نوین، تحلیل تاثیر طبیعت شهری بر سلامت روان است. مطالعات مبتنی بر داده نشان داده اند که حضور در فضاهای سبز با کاهش استرس، افزایش تمرکز و بهبود خلق وخو ارتباط دارد. هوش مصنوعی می تواند با ترکیب داده های مکانی، تصاویر ماهواره ای و الگوهای حرکتی شهروندان، بررسی کند که دسترسی واقعی به فضای سبز در هر محله چگونه است و آیا این دسترسی با شاخص های سلامت روان همبستگی دارد یا نه. در شهرهای متراکم ایران، که سرانه فضای سبز در برخی مناطق پایین است، چنین تحلیلی می تواند توجیهی علمی برای توزیع عادلانه تر فضاهای سبز فراهم کند. در اقلیم گیلان، اگرچه طبیعت پیرامونی فراوان است، اما دسترسی روزمره به فضاهای سبز درون شهری همچنان عامل مهمی در کاهش فشار روانی زندگی شهری محسوب می شود.

هوش مصنوعی حتی می تواند به تحلیل ریتم زندگی شهری بپردازد؛ این که شهر در چه ساعاتی زنده تر است، چه زمان هایی احساس رکود یا ناامنی افزایش می یابد و چگونه این ریتم بر احساسات مردم اثر می گذارد. این تحلیل ها در طراحی نورپردازی شبانه، برنامه ریزی فعالیت های فرهنگی و حتی زمان بندی خدمات شهری کاربرد دارد. برای مثال، اگر داده ها نشان دهند که پس از غروب آفتاب میزان حضور مردم در یک فضا به شدت کاهش می یابد و همزمان احساس ناامنی در شبکه های اجتماعی افزایش پیدا می کند، می توان نتیجه گرفت که مداخله ای مانند نورپردازی، افزودن کاربری فعال یا برگزاری رویداد می تواند کیفیت روانی فضا را بهبود دهد.

در نهایت، تحلیل روانشناسی شهری با هوش مصنوعی، شهر را از یک کالبد صرف به یک سیستم زنده با احساسات، واکنش ها و تجربه های انسانی تبدیل می کند. این رویکرد به طراحان و مدیران شهری کمک می کند تصمیم هایی بگیرند که نه تنها از نظر فنی درست باشند، بلکه از نظر انسانی نیز معنادار و موثر باشند. در شهرهای ایران، که همزمان با مسائل کالبدی، با چالش های اجتماعی و روانی متعددی روبه رو هستند، چنین تحلیلی می تواند نقشی کلیدی در ارتقای واقعی کیفیت زندگی شهری ایفا کند.