فهرست نشریات علمی دسترسی آزاد ایران

آلودگی بصری به عنوان چالشی مهم در مدیریت منظر مطرح است. روش‌های پایش سنتی، هزینه‌بر و با پوشش محدود هستند، در حالی که داده‌های شهروند محور با وجود پوشش گسترده و هزینه کمتر، به دلیل ناهمگونی در کیفیت و احتمال خطا، نیازمند سازوکار اعتبارسنجی می‌باشند. این پژوهش با هدف اعتبارسنجی داده‌های مکانی شهروند محور در ارزیابی آلودگی بصری دیوارهای شهری و ارائه چارچوبی ترکیبی مبتنی بر یادگیری عمیق و مشارکت شهروندان انجام شد. مطالعه به صورت ترکیبی و در چهار مرحله طراحی شد: گردآوری داده‌های مکانی-تصویری از طریق سامانه‌ای تحت‌وب در تهران، پالایش و برچسب‌گذاری تصاویر در چهار طبقه، آموزش سه مدل یادگیری عمیق ResNet50، EfficientNetB0 و  EfficientNetV2-L و در نهایت اعتبارسنجی داده‌های شهروند محور با مقایسه برچسب‌های کاربران و نتایج مدل‌ها. مدل EfficientNetV2-L با دقت ۸۷/۷۸٪ بهترین عملکرد را نشان داد و در تشخیص کلاس‌های دشوار پایدارتر عمل کرد. منحنی‌های یادگیری، همگرایی مناسب و کنترل بیش‌برازش را تأیید نمودند. تلفیق این دو منبع، چارچوبی کارآمد و قابل‌اعتماد برای پایش آلودگی بصری و پشتیبانی از تصمیم‌گیری مشارکتی ایجاد کرد. پژوهش حاضر چارچوبی عملی برای استفاده از مدل‌های یادگیری عمیق به عنوان مرجع پویا در اعتبارسنجی داده‌های شهروند محور ارائه می‌دهد. ادغام این نتایج در سامانه‌های مدیریتی، امکان پایش مستمر، بازخورد بلادرنگ و ارتقای همزمان کیفیت داده و دقت مدل را فراهم کرده و به ابزاری مؤثر در تصمیم‌گیری مدیریت شهری تبدیل می‌شود.