فهرست نشریات علمی دسترسی آزاد ایران

مقدمهدر دهه‌های اخیر، تنوع کاربری اراضی شهری به عنوان یکی از ارکان کلیدی پایداری شهری اهمیت یافته است، چرا که مدل‌های سنتی برنامه‌ریزی مبتنی بر تفکیک کاربری‌ها قادر به پاسخ‌گویی به پیچیدگی‌ها و نیازهای فضایی ـ اجتماعی شهرهای معاصر نبوده‌اند، که این ناکارآمدی به صورت گسست‌های فضایی، تضعیف تعاملات اجتماعی و افزایش وابستگی به حمل‌ونقل موتوری بروز یافته است. در مقابل، توسعۀ مبتنی بر کاربری ترکیبی با تأکید بر هم‌زیستی عملکردهای گوناگون در یک بستر مشترک، امکان بهبود دسترسی‌پذیری و بهره‌وری فضایی را فراهم می‌آورد و می‌تواند مصرف انرژی را کاهش دهد و پیوندهای اجتماعی را تقویت کند و بهره‌وری زیرساخت‌ها را ارتقا دهد؛ ولی تحقق این رویکرد مستلزم تحلیل‌های دقیق و چندلایه از ساختارهای کالبدی، اجتماعی و اقتصادی شهر است، امری که بدون بهره‌گیری از فناوری‌های نوین مانند هوش مصنوعی ممکن نیست. هوش مصنوعی با الگوریتم‌های یادگیری ماشین قادر است داده‌های مکانی و اجتماعی را به ‌صورت هم‌زمان پردازش کرده و الگوهای پنهان و همبستگی‌های پیچیده را شناسایی کند، که این قابلیت به برنامه‌ریزی شهری مبتنی بر داده امکان می‌دهد تا ساختارهای هدفمند و انطباق‌پذیر برای کاربری ترکیبی طراحی کند و سیاست‌های شهری را به سوی تاب‌آوری و پایداری سوق دهد. افزون بر این، کاربری ترکیبی نه تنها یک راهکار کالبدی، بلکه ابزاری چندبعدی برای ارتقای تاب‌آوری اجتماعی، اقتصادی و فرهنگی فضاهای شهری محسوب می‌شود که با تقویت اقتصاد منطقه‌ای و افزایش تعاملات اجتماعی، آسیب‌پذیری‌های شهری را کاهش می‌دهد؛ اما تحقق این چشم‌انداز نیازمند داده‌های دقیق مکانی، ابزارهای تحلیل پیشرفته و نهادینه‌سازی سازوکارهای مشارکتی مبتنی بر داده است که در بسیاری از شهرهای در‌حال‌توسعه با محدودیت‌هایی همچون ضعف زیرساخت‌های فنی و نهادی مواجه است. اگرچه فناوری‌های هوشمند پتانسیل بالایی در تحلیل پیچیدگی‌های فضایی دارند، استفادۀ عملی از آن‌ها در مقیاس‌های کلان محدود و کمتر به نیازهای زمینه‌ای پاسخ‌گو بوده است؛ از این‌رو، شکاف میان ظرفیت نظری فناوری و کاربرد عملی آن به تحول ساختاری در نظام‌های قانونی و مدیریتی نیاز دارد تا بتوان نظام تصمیم‌سازی هماهنگ، مشارکتی و آینده‌نگر را پایه‌گذاری کرد و الگوهای پایدار، منعطف و تاب‌آور کاربری زمین را طراحی و اجرا کرد. در نهایت، با توجه به چالش‌های جمعیتی و کالبدی شهر تهران و محدودیت‌های برنامه‌ریزی موجود، این پژوهش به بررسی کاربرد هوش مصنوعی در توسعۀ کاربری‌های ترکیبی اراضی با تمرکز بر ایجاد الگوهای داده‌محور، چندبعدی و انطباق‌پذیر می‌پردازد تا پاسخ‌گوی پیچیدگی‌های فضایی معاصر باشد.مواد و روش‌هاپژوهش حاضر با رویکرد فراتحلیل و مرور نظام‌مند به بررسی کاربرد هوش مصنوعی در تحلیل ترکیب کاربری اراضی شهری می‌پردازد و از روش تحلیل مسیر برای بررسی تأثیر متغیرهای مستقل بر توسعۀ کاربری‌های ترکیبی استفاده کرده است. در بخش مرور نظام‌مند، با بهره‌گیری از نرم‌افزار PRISMA و طی فرایندی سه‌مرحله‌ای، ابتدا جست‌وجوی گسترده‌ای در پایگاه‌های معتبر اسکاپوس، اسپرینگر لینک، گوگل اسکالر و سمنتیک اسکالر انجام شده و ۲۱۰۷ مقاله شناسایی شد. پس از حذف مطالعات نامرتبط و کاهش تعداد مقالات به ۶۵۴، با استفاده از معیارهای دقیق‌تری بر اساس ورود و خروج، تعداد به ۱۸۷ و در نهایت، به ۶۵ مقالۀ با‌کیفیت رسید. داده‌ها با نرم‌افزار VOSviewer تحلیل و نقشه‌های بصری آن تهیه شدند. در بخش دوم، هفت مؤلفۀ کاربرد هوش مصنوعی به عنوان متغیرهای مستقل و پنج مؤلفۀ توسعۀ کاربری ترکیبی به عنوان متغیرهای وابسته تعیین شدند و تأثیرات آن‌ها توسط جامعه‌ای شامل ۹۶ خبره و متخصص با نمونه‌گیری هدفمند بررسی شد. مقیاس پرسشنامه بر اساس طیف لیکرت پنج‌سطحی طراحی و تحلیل داده‌ها با مدل‌سازی معادلات ساختاری و رویکرد حداقل مربعات جزئی (PLS3) انجام گرفت. تحلیل مدل‌های اندازه‌گیری و ساختاری با نرم‌افزار SMARTPLS انجام شد که پایایی، روایی و معناداری مدل‌ها را تأیید کرد. یافته‌هایافته‌های توصیفی پژوهش نشان می‌دهد مطالعات مرتبط با کاربرد هوش مصنوعی در توسعۀ کاربری‌های ترکیبی اراضی شهری بیشتر در سه حوزۀ تحلیل کاربری اراضی و تحلیل فضایی شهری، استراتژی‌های توسعه و مدیریت کاربری ترکیبی و تصمیم‌گیری‌های مرتبط با کاربری اراضی دسته‌بندی می‌شوند که به‌ترتیب شامل ۲۹، ۳۰ و ۷ مقاله هستند. از نظر توزیع جغرافیایی، چین با ۴۰ مقاله پیشرو بوده و پس از آن آمریکا، اروپا و ایران به‌ترتیب با ۱۲، ۹ و ۳ مقاله قرار دارند؛ این ترکیب نشان‌دهندۀ تمرکز علمی جهانی و همچنین، شکاف‌های موجود در کاربرد هوش مصنوعی در برنامه‌ریزی کاربری زمین است. روند زمانی مطالعات نیز حاکی از افزایش چشمگیر انتشارات از سال ۲۰۲۰ به بعد و اوج آن در سال ۲۰۲۴ است که این موضوع بیانگر توجه روزافزون جامعۀ علمی به فناوری‌های هوشمند در مواجهه با پیچیدگی‌های برنامه‌ریزی شهری است. تحلیل هم‌زمانی کلیدواژه‌ها نیز تأکید می‌کند که رویکردهای یکپارچۀ هوش مصنوعی با مفاهیمی همچون برنامه‌ریزی پیشگیرانه، تغییرات جمعیتی و تحولات زیست‌محیطی پیوند خورده و نقش مهمی در ایجاد الگوهای پویا و انعطاف‌پذیری سیستم‌های شهری دارد. بررسی کاربرد تکنیک‌های هوش مصنوعی نشان می‌دهد روش‌هایی مانند یادگیری عمیق، الگوریتم‌های ژنتیک، یادگیری ترکیبی و تحلیل کلان‌داده در حوزه‌هایی نظیر طبقه‌بندی و پیش‌بینی کاربری زمین، شبیه‌سازی چیدمان فضایی و بهینه‌سازی تخصیص کاربری زمین کاربرد گسترده دارند. در تحلیل مدل‌سازی معادلات ساختاری، متغیرهای پژوهش مشتمل بر هفت مؤلفه برای کاربرد هوش مصنوعی و پنج مؤلفه برای توسعۀ کاربری‌های ترکیبی شناسایی شدند و مدل اندازه‌گیری با بارهای عاملی بالاتر از 0/4، پایایی و روایی مطلوب تأیید شد. شاخص‌های برازش مدل ساختاری نیز حاکی از کیفیت بالای مدل است؛ معیار GoF برابر 0/739، R² معادل 0/716 و Q² برابر 0/506 نشان‌دهندۀ تبیین قوی و پیش‌بینی مناسب متغیر وابسته است. تمامی مسیرهای اثرگذاری میان متغیرهای مستقل و وابسته در سطح معناداری ۹۵ درصد تأیید شده‌اند که مهم‌ترین آن‌ها مدل‌سازی و شبیه‌سازی چیدمان فضایی (15/858=t)، مدل‌سازی مشارکت و مذاکرۀ ذی‌نفعان (5/765= t) و هم‌افزایی الگوریتم‌های هوشمند (4/339= t) بوده‌اند؛ همچنین مسیر پیش‌بینی و طبقه‌بندی کاربری زمین (3/652= t)، کاربرد هوش مصنوعی (2/868= t)، ترکیب داده‌ها و یادگیری ترکیبی (2/510= t)، تحلیل کلان‌داده و روندهای شهری (2/09= t) و تحلیل و بهینه‌سازی تخصیص کاربری (2/023= t) نیز به طور معنادار بر توسعۀ کاربری‌های ترکیبی اراضی تأثیرگذار شناخته شده‌اند که درمجموع اهمیت هوش مصنوعی را در بهبود کاربری‌های ترکیبی اراضی شهری به‌روشنی نشان می‌دهد.نتیجه‌گیریهوش مصنوعی با بهره‌گیری از تحلیل‌های عمیق و تلفیق داده‌های جغرافیایی، اجتماعی و محیط ‌زیستی، ظرفیت‌های چشمگیری در درک و مدیریت پیچیدگی‌های کاربری‌های ترکیبی اراضی شهری ایجاد کرده است. مرور نظام‌مند پژوهش‌ها نشان می‌دهد کاربردهای هوش مصنوعی عمدتاً در سه حوزۀ تحلیل فضایی و کاربری اراضی، استراتژی‌های توسعه و تصمیم‌گیری برنامه‌ریزی شهری متمرکز شده و از سال ۲۰۲۰ رشد قابل توجهی داشته است. تحلیل هم‌زمانی کلیدواژه‌ها، هوش مصنوعی را به‌ عنوان عاملی تحول‌آفرین معرفی می‌کند که پیوند مفاهیم زیست‌محیطی، جمعیتی و برنامه‌ریزی پیشگیرانه را تسهیل کرده و گذار از مدل‌های سنتی به الگوهای پویا و آینده‌نگر را ممکن ساخته است. تکنیک‌های پیشرفته‌ای مانند یادگیری عمیق، یادگیری ماشین، الگوریتم‌های ژنتیک و مدل‌های عامل‌محور، با بهره‌گیری از داده‌های چندمنبعی شامل تصاویر ماهواره‌ای، داده‌های حمل‌ونقل و شبکه‌های اجتماعی، نقش مهمی در طبقه‌بندی، بهینه‌سازی و شبیه‌سازی کاربری زمین شهری ایفا کرده و انعطاف‌پذیری سیستم‌های شهری را در مواجهه با چالش‌های محیطی و اجتماعی افزایش داده‌اند. پژوهش‌ها بر اهمیت ابعاد اجتماعی ـ فرهنگی، حکمرانی شفاف و عدالت الگوریتمی تأکید دارند و توسعۀ چارچوب‌های اخلاقی و همکاری‌های میان‌رشته‌ای را ضروری می‌دانند. همچنین، محدودیت‌های فناورانه مانند نیاز به منابع پردازشی بالا و چالش‌های داده‌ای، ضرورت استفاده از رایانش ابری و یادگیری فدرال را برجسته می‌کند. تحلیل معادلات ساختاری نشان داد تمامی مسیرهای اثرگذاری هوش مصنوعی بر توسعۀ کاربری‌های ترکیبی اراضی شهر تهران در سطح اطمینان معنادار هستند؛ مهم‌ترین مؤلفه‌ها شامل مدل‌سازی و شبیه‌سازی چیدمان فضایی، مدل‌سازی مشارکت و مذاکرۀ ذی‌نفعان و هم‌افزایی الگوریتم‌های هوشمند هستند. دیگر مسیرهای معنادار شامل پیش‌بینی و طبقه‌بندی کاربری زمین، کاربرد هوش مصنوعی، ترکیب داده‌ها و یادگیری ترکیبی، تحلیل کلان‌داده و روندهای شهری و تحلیل و بهینه‌سازی تخصیص کاربری نیز در مدل تأیید شده‌اند. در مجموع، هوش مصنوعی با فراهم ‌آوردن بستری کارآمد برای مدل‌سازی، پیش‌بینی، مشارکت‌پذیری و بهینه‌سازی، به ارتقای کیفیت تصمیم‌گیری و تحقق توسعۀ پایدار کاربری‌های ترکیبی در تهران کمک شایانی می‌کند، هرچند نیاز به توسعۀ زیرساخت‌های فنی، تضمین عدالت الگوریتمی و همکاری‌های میان‌رشته‌ای در پژوهش‌های آینده حیاتی است.