هوش مصنوعی در برنامه ریزی شهری؛ از تحلیل داده تا تصمیم گیری

برنامه ریزی شهری همواره فرایندی داده محور بوده است؛ اما تا همین چند سال پیش، این داده ها عمدتا به صورت دستی جمع آوری، تحلیل و تفسیر می شدند و همین موضوع سرعت و دقت تصمیم گیری های شهری را محدود می کرد. امروز با گسترش حسگرهای شهری، تصاویر ماهواره ای، داده های تلفن همراه و سامانه های اطلاعات جغرافیایی، حجم داده های در دسترس برنامه ریزان به شکل بی سابقه ای افزایش یافته است. در چنین شرایطی، «هوش مصنوعی در برنامه ریزی شهری» دیگر یک ایده ی آزمایشی نیست، بلکه به ابزاری عملی برای عبور از تحلیل داده های خام و رسیدن به تصمیم های شهری هوشمندانه تر تبدیل شده است.

آنچه هوش مصنوعی را از ابزارهای تحلیلی پیشین متمایز می کند، توانایی آن در یادگیری از الگوهای پنهان داده ها و ارائه ی پیش بینی یا پیشنهاد عملی است، نه صرفا گزارش دهی آماری. این ویژگی باعث شده مدیران شهری بتوانند از تحلیل ترافیک و کیفیت هوا گرفته تا پیش بینی رشد جمعیت و بحران مسکن، تصمیم های خود را بر پایه ی شواهد داده محور بنا کنند. در ادامه ی این مقاله، مسیر کامل ورود هوش مصنوعی به برنامه ریزی شهری را از مرحله ی تحلیل داده تا مرحله ی تصمیم گیری و سیاست گذاری بررسی می کنیم.

جایگاه هوش مصنوعی در فرایند برنامه ریزی شهری

برنامه ریزی شهری به طور سنتی شامل چند مرحله ی به هم پیوسته است: شناخت وضع موجود، تحلیل داده ها، تدوین گزینه های طرح، ارزیابی و در نهایت تصمیم گیری نهایی. پژوهشی که با روش مرور نظام مند و مطالعات موردی به بررسی نقش هوش مصنوعی در مراحل مختلف برنامه ریزی شهری پرداخته، نشان می دهد که یادگیری ماشین می تواند حجم زیادی از داده را به سرعت دسته بندی و تحلیل کند و از همین رو، فرایند اداری و مدیریت شهری را کارآمدتر و شرایط زیست محیطی و زندگی شهروندان، مانند کیفیت هوا یا وضعیت آسیب معابر، را بهبود می بخشد (Othengrafen et al., 2025).

اما نقش هوش مصنوعی به مرحله ی تحلیل محدود نمی ماند. پژوهشی دیگر که به بررسی نظری جایگاه هوش مصنوعی در برنامه ریزی شهری و منطقه ای پرداخته، تاکید می کند که الگوریتم های تحلیل داده امکان پردازش سریع مجموعه داده های بزرگ مکانی و اجتماعی را فراهم می کنند و از این طریق، محدودیت های روش های سنتی برنامه ریزی را که عمدتا کند و متکی به قضاوت فردی هستند، جبران می کنند (Fistola & La Rocca, 2025). به این ترتیب، هوش مصنوعی به جای جایگزینی کامل برنامه ریزان، نقش تقویت کننده ی توان تحلیلی و سرعت تصمیم گیری آنان را ایفا می کند.

از تحلیل داده تا تولید بینش: ابزارها و روش های هوش مصنوعی

قلب تپنده ی هوش مصنوعی در برنامه ریزی شهری، یادگیری ماشین و به طور خاص یادگیری عمیق است؛ فناوری هایی که قادرند در میان میلیون ها رکورد داده ی مکانی، جمعیتی و اقتصادی، الگوهایی را شناسایی کنند که از دید تحلیل دستی پنهان می مانند. یکی از مهم ترین این ابزارها، GeoAIاست؛ رویکردی که هوش مصنوعی را با سامانه های اطلاعات جغرافیایی ترکیب می کند و امکان پردازش مقیاس پذیر و تحلیل هوشمند داده های مکانی را برای برنامه ریزان فراهم می آورد. مروری نظام مند بر ادبیات برنامه ریزی شهری الگوریتمی نشان می دهد که افزایش دسترسی به کلان داده در سال های اخیر، مسیر تازه ای برای تحلیل داده های شهری گشوده و GeoAI را به یکی از ابزارهای کلیدی این حوزه تبدیل کرده است (Son et al., 2023).

فراتر از تحلیل مکانی، مدل های پیش بین مبتنی بر یادگیری ماشین در حال حاضر برای پیش بینی چالش های آینده ی شهری از جمله ترافیک، کمبود مسکن و پیامدهای زیست محیطی به کار گرفته می شوند و به تصمیم گیران کمک می کنند پیش از وقوع بحران، اقدامات پیشگیرانه اتخاذ کنند. همچنین، در برخی پژوهش ها حتی تلاش شده با تحلیل داده های رفتاری و احساسی شهروندان در فضای عمومی، درک بهتری از واکنش های اجتماعی به تصمیمات شهری به دست آید؛ رویکردی که نشان می دهد هوش مصنوعی می تواند فراتر از داده های صرفا کالبدی، ابعاد انسانی و رفتاری شهر را نیز در تحلیل خود لحاظ کند (Son et al., 2023).

نقش هوش مصنوعی در تصمیم گیری و سیاست گذاری شهری

گام نهایی و شاید مهم ترین گام در مسیر «از تحلیل داده تا تصمیم گیری»، تبدیل بینش های به دست آمده از تحلیل داده به تصمیم های عملی و سیاست های اجرایی است. در این مرحله، هوش مصنوعی نه تنها داده ها را پردازش می کند، بلکه در قالب سامانه های پشتیبان تصمیم، گزینه های مختلف سیاست گذاری را شبیه سازی و پیامدهای هر گزینه را برای مدیران شهری قابل مقایسه می سازد. بررسی نظری جایگاه هوش مصنوعی در فرایند نوین برنامه ریزی شهری نشان می دهد که الگوریتم های تحلیل داده امکان تصمیم گیری آگاهانه تر را فراهم کرده و بسیاری از محدودیت های روش های سنتی برنامه ریزی را پوشش می دهند (Fistola& La Rocca, 2025).

در عین حال، ورود هوش مصنوعی به لایه ی تصمیم گیری، ابعاد تازه ای از شفافیت و مشارکت شهروندی را نیز مطرح کرده است. برخی پژوهش ها نشان می دهند که استفاده ی هوشمندانه از داده ها می تواند مشارکت شهروندان را در فرایندهای تصمیم گیری شهری تقویت کند و کانال های تازه ای برای شنیده شدن صدای ساکنان در طراحی سیاست های شهری بگشاید (Othengrafen et al., 2025). با این حال، هرچه هوش مصنوعی نقش پررنگ تری در تصمیم گیری ایفا کند، ضرورت پاسخ گویی، توضیح پذیری و نظارت انسانی بر این تصمیم ها نیز اهمیت بیشتری پیدا می کند، موضوعی که در بخش چالش ها به آن بازخواهیم گشت.

کاربردهای عملی هوش مصنوعی در مراحل مختلف برنامه ریزی شهری

در عمل، هوش مصنوعی امروز در طیف وسیعی از حوزه های برنامه ریزی شهری به کار گرفته می شود؛ از مدیریت ترافیک و بهینه سازی حمل ونقل عمومی گرفته تا پایش کیفیت هوا، شناسایی آسیب های زیرساختی و برنامه ریزی مسکن. برای مثال، الگوریتم های یادگیری ماشین می توانند تصاویر خیابانی را برای شناسایی خودکار آسیب های سطح معابر تحلیل کنند و به این ترتیب، فرایند نگهداری زیرساخت شهری را که پیش تر به بازرسی های دستی و زمان بر وابسته بود، تسریع کنند (Othengrafen et al., 2025). این نوع کاربردها به ویژه برای شهرداری ها با منابع محدود، ارزش عملی بالایی دارند چون امکان پایش مستمر و کم هزینه ی وضعیت زیرساخت را فراهم می کنند.

در مقیاسی گسترده تر، مرور ادبیات برنامه ریزی الگوریتمی نشان می دهد که پذیرش گسترده تر هوش مصنوعی در برنامه ریزی شهری مستلزم همکاری میان ذی نفعان کلیدی، از جمله شهرداری ها، دانشگاه ها و بخش خصوصی است و شهرهایی که این همکاری را زودتر آغاز کرده اند، پیشرو در به کارگیری واقعی هوش مصنوعی برای دستیابی به توسعه ی هوشمند و پایدار محسوب می شوند (Son et al., 2023). از سوی دیگر، ترکیب هوش مصنوعی طبیعی انسان و هوش مصنوعی ماشینی، به عنوان عاملی حیاتی برای پاسخ گویی موثر به چالش های شهرنشینی و دستیابی به توسعه ی هوشمند و پایدار معرفی شده است؛ نکته ای که نشان می دهد کاربرد موفق این فناوری در گرو تعامل آن با تخصص انسانی است، نه جایگزینی کامل آن.

مزایای استفاده از هوش مصنوعی در برنامه ریزی و تصمیم گیری شهری

نخستین مزیت آشکار هوش مصنوعی در این حوزه، افزایش سرعت و دقت پردازش داده های حجیم و پیچیده ی شهری است. جایی که تحلیل دستی داده های ترافیکی، جمعیتی یا زیست محیطی ممکن است هفته ها زمان ببرد، الگوریتم های یادگیری ماشین می توانند این تحلیل ها را در زمانی به مراتب کوتاه تر و با دقت بالاتر انجام دهند. این سرعت عمل به ویژه در شرایط بحرانی، مانند مدیریت سیل یا بحران های زیست محیطی، اهمیت حیاتی پیدا می کند، چرا که تصمیم گیری سریع می تواند مستقیما بر ایمنی و رفاه شهروندان تاثیر بگذارد.

مزیت دیگر، توانایی هوش مصنوعی در کشف روابط پیچیده و غیرخطی میان متغیرهای شهری است که از دید تحلیل سنتی پنهان می مانند؛ برای نمونه، ارتباط میان الگوی کاربری زمین و میزان مصرف انرژی یا کیفیت هوا. علاوه بر این، به کارگیری سامانه های پشتیبان تصمیم مبتنی بر هوش مصنوعی، امکان شبیه سازی پیامدهای چند سیاست جایگزین را پیش از اجرای واقعی فراهم می کند و به این ترتیب ریسک تصمیم های پرهزینه و برگشت ناپذیر شهری را کاهش می دهد. مجموع این مزایا نشان می دهد چرا هوش مصنوعی به سرعت از یک ابزار تحلیلی جانبی به بخشی اصلی از گردش کار برنامه ریزی شهری تبدیل شده است.

چالش ها و ملاحظات اخلاقی هوش مصنوعی در برنامه ریزی شهری

با وجود همه ی مزایا، به کارگیری هوش مصنوعی در تصمیم گیری های شهری با چالش های جدی همراه است. یکی از مهم ترین این چالش ها، خطر تعصب و سوگیری الگوریتمی است؛ چرا که مدل های هوش مصنوعی بر پایه ی داده های تاریخی آموزش می بینند و اگر این داده ها خود حامل نابرابری های گذشته باشند، ممکن است تصمیم های تولیدشده نیز همان نابرابری ها را تکرار یا حتی تشدید کنند. پژوهشی که به طور خاص به بررسی ملاحظات اخلاقی هوش مصنوعی در برنامه ریزی شهری پرداخته، بر این نکته تاکید می کند که با افزایش اتکای برنامه ریزان به هوش مصنوعی برای تصمیم گیری، احتمال تداوم سوگیری ها، مبهم شدن فرایند تصمیم گیری و نقض حریم خصوصی افزایش می یابد و این موضوع می تواند اعتماد عمومی را تضعیف و جوامع حاشیه نشین را از فرایند تصمیم گیری کنار بگذارد (Sanchez et al., 2025).

چالش دیگر، شفافیت محدود بسیاری از مدل های یادگیری عمیق است؛ ویژگی معروف به «جعبه سیاه» که درک و توضیح منطق پشت یک تصمیم الگوریتمی را برای شهروندان و حتی خود برنامه ریزان دشوار می کند. برای پاسخ به این نگرانی، همان پژوهش توصیه می کند که فرایندهای برنامه ریزی مبتنی بر هوش مصنوعی باید بر شفافیت، استفاده از مجموعه داده های فراگیر، مشارکت عمومی و رهنمودهای اخلاقی مستحکم تکیه کنند و در بسیاری از موارد از رویکرد «انسان در حلقه ی تصمیم» بهره ببرند تا نظارت و اصلاح انسانی بر خروجی الگوریتم ها حفظ شود (Sanchez et al., 2025). به این موارد باید شکاف میان نظریه و عمل را نیز افزود؛ موضوعی که در ادبیات این حوزه به کرات مطرح شده و نشان می دهد بسیاری از نوآوری های هوش مصنوعی بدون چارچوب نظری روشن وارد عمل می شوند (Fistola & La Rocca, 2025).

آینده ی هوش مصنوعی در تصمیم گیری های شهری

روند پژوهش های اخیر نشان می دهد که آینده ی هوش مصنوعی در برنامه ریزی شهری، در گرو توسعه ی سامانه های توضیح پذیر یا Explainable AI است؛ سامانه هایی که به برنامه ریزان اجازه می دهند منطق پشت پیشنهادها و تصمیم های تولیدشده توسط هوش مصنوعی را بهتر درک کنند و در نتیجه، شفافیت و پذیرش عمومی این فناوری در حکمرانی شهری افزایش یابد (Fistola & La Rocca, 2025). همچنین، ترکیب مدل های زبانی بزرگ با سامانه های اطلاعات جغرافیایی پیشرفته و ابزارهای شبیه سازی شهری، می تواند محیط های کاری ترکیبی تازه ای برای برنامه ریزان فراهم کند که در آن، تحلیل داده، تولید گزینه و ارزیابی سیاست در یک بستر یکپارچه انجام می شود.

از سوی دیگر، به کارگیری گسترده تر هوش مصنوعی در تصمیم گیری شهری بدون چارچوب های نظارتی و قانونی روشن، امکان پذیر و پایدار نخواهد بود. پژوهش ها بر لزوم تدوین چارچوب های قانونی مشخص برای تعیین محدودیت ها و مسئولیت های استفاده از هوش مصنوعی در حکمرانی شهری تاکید می کنند تا این فناوری بتواند در کنار تخصص انسانی، به جای در تقابل با آن، به ابزاری قابل اعتماد برای مدیریت آینده ی شهرها تبدیل شود (Fistola& La Rocca, 2025). به این ترتیب، مسیر آینده نه به سمت جایگزینی کامل برنامه ریزان انسانی، بلکه به سمت شراکتی هوشمندانه میان انسان و ماشین در فرایند تصمیم گیری شهری پیش می رود.

جمع بندی

هوش مصنوعی مسیر برنامه ریزی شهری را از یک فرایند عمدتا دستی و مبتنی بر قضاوت فردی، به فرایندی داده محور، سریع و قابل شبیه سازی تبدیل کرده است. از تحلیل کلان داده های مکانی و پیش بینی چالش های آینده ی شهری گرفته تا پشتیبانی از سیاست گذاری و تصمیم گیری نهایی، این فناوری در تمام مراحل زنجیره ی برنامه ریزی شهری حضوری فعال پیدا کرده است. با این حال، بهره گیری مسئولانه از این ابزار نیازمند توجه جدی به چالش های اخلاقی، شفافیت الگوریتمی و حفظ نظارت انسانی است تا هوش مصنوعی، به جای تشدید نابرابری های موجود، به ابزاری واقعی برای شهرهای عادلانه تر، هوشمندتر و پاسخ گوتر تبدیل شود.

منابع

Fistola, R., & La Rocca, R. A. (2025). Artificial intelligence for urban planning—A new planning process to envisage the city of the future. Urban Science, 9(9), Article 336. https://doi.org/10.3390/urbansci9090336

Othengrafen, F., Sievers, L., & Reinecke, E. (2025). From vision to reality: The use of artificial intelligence in different urban planning phases. Urban Planning, 10. https://doi.org/10.17645/up.8576

Sanchez, T. W., Brenman, M., & Ye, X. (2025). The ethical concerns of artificial intelligence in urban planning. Journal of the American Planning Association, 91(2), 294–307. https://doi.org/10.1080/01944363.2024.2355305

Son, T. H., Weedon, Z., Yigitcanlar, T., Sanchez, T., Corchado, J. M., & Mehmood, R. (2023). Algorithmic urban planning for smart and sustainable development: Systematic review of the literature. Sustainable Cities and Society, 94, Article 104562. https://doi.org/10.1016/j.scs.2023.104562