تولید سناریوهای طراحی شهری با استفاده از هوش مصنوعی

شهرها امروز با سرعتی رشد می‌کنند که ابزارهای سنتی طراحی و برنامه‌ریزی شهری دیگر به‌تنهایی از پس پاسخ‌گویی به آن برنمی‌آیند. تغییرات اقلیمی، افزایش جمعیت شهرنشین، محدودیت منابع و پیچیدگی روزافزون زیرساخت‌ها، طراحان و برنامه‌ریزان شهری را وادار کرده‌اند تا به دنبال روش‌هایی سریع‌تر، داده‌محورتر و انعطاف‌پذیرتر برای بررسی آینده‌های ممکن یک بافت شهری باشند. در همین نقطه است که «تولید سناریوهای طراحی شهری با استفاده از هوش مصنوعی» به یکی از پرکاربردترین و امیدبخش‌ترین حوزه‌های پژوهشی و حرفه‌ای در شهرسازی معاصر تبدیل شده است.

هوش مصنوعی، به‌ویژه شاخه‌های یادگیری عمیق و مدل‌های مولد، این امکان را فراهم کرده که به‌جای طراحی یک طرح واحد و قطعی، ده‌ها یا حتی صدها گزینه‌ی طراحی جایگزین در بازه‌ای زمانی کوتاه تولید و مقایسه شوند. این رویکرد نه‌تنها سرعت فرایند طراحی را افزایش می‌دهد، بلکه به تصمیم‌گیران شهری اجازه می‌دهد پیش از اجرای واقعی یک پروژه، پیامدهای اجتماعی، اقتصادی و زیست‌محیطی آن را در قالب سناریوهای گوناگون بسنجند. در ادامه‌ی این مقاله، به‌صورت جامع بررسی می‌کنیم که سناریوسازی شهری مبتنی بر هوش مصنوعی چیست، از چه فناوری‌هایی بهره می‌برد، در عمل چگونه به کار گرفته می‌شود و چه فرصت‌ها و چالش‌هایی پیش روی آن قرار دارد.

سناریوی طراحی شهری چیست و چرا به هوش مصنوعی نیاز دارد؟

سناریوی طراحی شهری در معنای کلاسیک خود، تصویری فرضی از آینده‌ی یک محدوده‌ی شهری است که بر پایه‌ی مجموعه‌ای از فرضیات درباره‌ی رشد جمعیت، الگوی کاربری زمین، شبکه‌ی حمل‌ونقل یا تغییرات اقلیمی ساخته می‌شود. برنامه‌ریزان به کمک این سناریوها می‌توانند اثر تصمیمات امروز را بر شکل شهر در افق‌های بیست یا سی‌ساله بسنجند. با این حال، روش‌های سنتی سناریوسازی عمدتاً بر تجربه و قضاوت کارشناسی متکی هستند و همین موضوع باعث می‌شود در مواجهه با پیچیدگی روزافزون سامانه‌های شهری، توانایی محدودی برای پوشش دادن طیف واقعی حالت‌های ممکن آینده داشته باشند؛ محدودیتی که در ادبیات پژوهشی به‌روشنی به آن اشاره شده است (Hao et al., 2024).

از سوی دیگر، فرایند طراحی شهری به شکل سنتی زمان‌بر و پرهزینه است، چرا که هر گزینه‌ی طراحی باید به‌صورت دستی ترسیم، ارزیابی و بازبینی شود. ورود هوش مصنوعی به این حوزه دقیقاً همین شکاف را پر می‌کند: الگوریتم‌های یادگیری ماشین می‌توانند حجم بزرگی از داده‌های مکانی، جمعیتی و زیست‌محیطی را در زمانی کوتاه پردازش کنند و بر اساس آن، طیف گسترده‌ای از گزینه‌های طراحی را به‌صورت خودکار یا نیمه‌خودکار تولید کنند. مرور نظام‌مندی که اخیراً بر روی بیش از صد و هشتاد پژوهش منتشرشده در بازه‌ی سال‌های ۲۰۱۶ تا ۲۰۲۵ انجام شده، نشان می‌دهد که هوش مصنوعی مولد به‌طور فزاینده‌ای در حال بازتعریف تولید دانش، طراحی فضایی و شیوه‌های برنامه‌ریزی شهری است (Huang et al., 2026).

فناوری‌ها و روش‌های هوش مصنوعی در تولید سناریوهای طراحی شهری

در قلب بسیاری از ابزارهای امروزی سناریوسازی شهری، شبکه‌های مولد تخاصمی یا GAN قرار دارند. این مدل‌ها از دو شبکه‌ی عصبی رقیب تشکیل شده‌اند که یکی طرح‌های جدید تولید می‌کند و دیگری صحت و واقع‌گرایی آن‌ها را می‌سنجد؛ نتیجه‌ی این رقابت، تولید طرح‌های شهری متنوع و در عین حال قابل‌قبول از نظر معیارهای کالبدی و کارکردی است. برای نمونه، سامانه‌ای موسوم به Urban-GAN به‌طور خاص برای کمک‌رسانی محاسباتی به طراحی تکثرگرای شهری توسعه یافته و امکان تولید همزمان چند گزینه‌ی طراحی متفاوت برای یک قطعه‌ی زمین را فراهم می‌کند (Quan, 2022). این نوع رویکردها به طراحان اجازه می‌دهند به‌جای اتکا به یک ایده‌ی طراحی، طیفی از راه‌حل‌های جایگزین را همزمان بررسی کنند.

در کنار GANها، مدل‌های یادگیری عمیق مولد دیگری مانند اتوانکودرهای متغیر (VAE) و مدل‌های انتشار (diffusion models) نیز به‌سرعت در حال ورود به فرایند طراحی شهری هستند؛ برخی از این مدل‌ها حتی امکان دریافت دستورهای کاربر، مانند تعیین نسبت فضای سبز یا تراکم ساختمانی، را دارند و بر همان اساس طرح را تولید می‌کنند. علاوه بر این، مفهوم دوقلوی دیجیتال شهری (Urban Digital Twin) به یکی از بسترهای کلیدی برای اجرای این سناریوها تبدیل شده است؛ دوقلوی دیجیتال، نسخه‌ای مجازی و به‌روزرسانی‌شونده از شهر واقعی است که هوش مصنوعی مولد می‌تواند در دل آن، داده‌ها، طرح‌ها و مدل‌های سه‌بعدی جدید را برای پیشبرد شهرهای هوشمند تولید کند (Bibri et al., 2024). ترکیب این فناوری‌ها به معنای آن است که سناریوهای طراحی دیگر تصاویر ایستا نیستند، بلکه مدل‌هایی پویا و قابل‌آزمایش در محیطی شبیه‌سازی‌شده به شمار می‌روند.کوتاه کردن بوسیله هوش مصنوعی

کاربردهای عملی هوش مصنوعی در تولید سناریوهای طراحی شهری

در عمل، نقش هوش مصنوعی در سناریوسازی شهری معمولاً در سه مرحله‌ی اصلی دیده می‌شود: تولید طرح، تولید سناریو و ارزیابی طرح. در مرحله‌ی تولید طرح، الگوریتم‌ها بر اساس داده‌های موجود از بافت شهری، چیدمان‌های جدیدی برای کاربری زمین، شبکه‌ی معابر یا فضای سبز پیشنهاد می‌دهند. در مرحله‌ی تولید سناریو، این طرح‌ها در قالب آینده‌های محتمل، مانند رشد سریع جمعیت یا وقوع سیلاب‌های شدید، قرار می‌گیرند تا واکنش شهر به این شرایط سنجیده شود؛ پژوهشی که چارچوب این سه مرحله را به‌طور مفصل تشریح کرده، نشان می‌دهد هوش مصنوعی می‌تواند در کنار متخصصان انسانی، سناریوهای چالش‌برانگیزی تولید کند که ممکن است از دید برنامه‌ریزان انسانی پنهان بماند (Hao et al., 2024).

نمونه‌ی دیگری از کاربرد عملی این فناوری، استفاده از مدل‌های زبانی بزرگ برای تولید روایت‌های توصیفی از آینده‌ی حمل‌ونقل یا فضای عمومی شهر است؛ در چنین کاربردهایی، هوش مصنوعی نه یک طرح کالبدی، بلکه یک روایت قابل‌فهم برای ذی‌نفعان شهری تولید می‌کند که هزینه‌ی پایین و سرعت بالای آن، از مزیت‌های اصلی‌اش به شمار می‌رود (Hao et al., 2024). در مقیاسی بزرگ‌تر، شهرداری‌ها و شرکت‌های مهندسی از ترکیب دوقلوهای دیجیتال و مدل‌های مولد برای ساخت مدل‌های سه‌بعدی شهر، تحلیل ریسک سیل و بهینه‌سازی شبکه‌ی حمل‌ونقل استفاده می‌کنند؛ کاربردی که به‌طور مشخص در مرور نظام‌مند اخیر درباره‌ی نقش هوش مصنوعی مولد در دوقلوهای دیجیتال شهری مستندسازی شده است (Bibri et al., 2024).

مزایای استفاده از هوش مصنوعی در تولید سناریوهای طراحی شهری

نخستین و ملموس‌ترین مزیت این رویکرد، افزایش چشمگیر سرعت و مقیاس‌پذیری فرایند طراحی است. جایی که یک تیم طراحی انسانی ممکن است هفته‌ها زمان صرف ترسیم و بازبینی چند گزینه‌ی طراحی کند، ابزارهای مبتنی بر هوش مصنوعی می‌توانند در عرض چند ساعت ده‌ها گزینه‌ی متفاوت تولید کنند. مروری نظام‌مند بر کاربردهای هوش مصنوعی در طراحی شهری نشان می‌دهد که این روش‌ها به‌ویژه در مراحل تحلیل داده، تولید و بهینه‌سازی طرح و تصویرسازی، توانسته‌اند بسیاری از محدودیت‌های کلیدی گردش‌کار سنتی را که عمدتاً به فرایندهای دستی و زمان‌بر متکی است، کاهش دهند (Huang et al., 2026).

مزیت دیگر، توانایی هوش مصنوعی در کشف الگوها و ارتباطات پنهانی است که ممکن است از دید تحلیل انسانی دور بماند؛ برای نمونه، ارتباط میان الگوی خیابان‌بندی و تاب‌آوری شهر در برابر رویدادهای اقلیمی حدی، موضوعی است که مدل‌های یادگیری ماشین می‌توانند آن را در مقیاس بزرگ و با دقت بالا تحلیل کنند. همچنین، امکان تولید سناریوهای بصری و تقریباً واقع‌گرایانه از رویدادهای نامطلوب، به تصمیم‌گیران و شهروندان کمک می‌کند تا پیامدهای هر گزینه را ملموس‌تر درک کنند، موضوعی که نقش مهمی در مشارکت عمومی و شفافیت فرایند تصمیم‌گیری شهری ایفا می‌کند (Hao et al., 2024).

چالش‌ها و محدودیت‌های هوش مصنوعی در سناریوسازی شهری

با وجود همه‌ی مزیت‌ها، ورود هوش مصنوعی به طراحی شهری بدون چالش نیست. یکی از مهم‌ترین دغدغه‌ها، نبود چارچوب‌های ارزیابی استاندارد برای سنجش کیفیت واقعی خروجی‌های تولیدشده است؛ پژوهشی که بر پایه‌ی تحلیل هزینه و تفاوت میان سناریوهای تولیدشده انجام شده، تأکید می‌کند که ارزیابی این خروجی‌ها باید فراتر از کفایت بصری آن‌ها برود و به شاخص‌های اقتصادی و عملکردی قابل‌سنجش در مقیاس شهری متصل شود تا بتوان از آن‌ها در تصمیم‌گیری واقعی استفاده کرد. این موضوع نشان می‌دهد که صرفاً زیبا یا متنوع بودن یک طرح تولیدشده، کافی نیست و باید قابلیت اجرا و توجیه اقتصادی آن نیز سنجیده شود.

چالش دیگر، فاصله‌ی میان پژوهش‌های آزمایشگاهی و عمل واقعی حرفه‌ی طراحی شهری است. پژوهشی که بر اساس مصاحبه با طراحان شهری شاغل در بریتانیا انجام شده، نشان می‌دهد که با وجود آزمایش گسترده‌ی ابزارهای هوش مصنوعی توسط طراحان، تأثیر واقعی این ابزارها بر طرح‌های نهایی هنوز محدود است و ابزارهای فعلی محدودیت‌های قابل‌توجهی دارند، هرچند ادغام هوش مصنوعی در این حرفه اجتناب‌ناپذیر به نظر می‌رسد. به این موارد باید کیفیت و دسترس‌پذیری داده‌های شهری، نیاز به تفسیر انسانی برای سنجش پیامدهای اجتماعی و فرهنگی، و ضرورت حفظ نقش کارشناسان برنامه‌ریزی در نظارت بر خروجی الگوریتم‌ها را نیز افزود؛ نکته‌ای که به‌صراحت در ادبیات این حوزه بر آن تأکید شده است (Hao et al., 2024).

آینده‌ی هوش مصنوعی در سناریوسازی طراحی شهری

روند رو به رشد پژوهش‌ها نشان می‌دهد که آینده‌ی این حوزه به سمت ترکیب عمیق‌تر هوش مصنوعی مولد با دوقلوهای دیجیتال شهری و داده‌های زنده‌ی حسگرها پیش می‌رود. در چنین بستری، سناریوهای طراحی دیگر خروجی‌های ثابت و یک‌باره نخواهند بود، بلکه به‌صورت پیوسته با تغییر داده‌های واقعی شهر، به‌روزرسانی و بازتولید می‌شوند؛ رویکردی که در پژوهش‌های مرتبط با دوقلوی دیجیتال شهری به‌عنوان مسیر آینده‌ی هوش مصنوعی مولد در مدیریت شهر هوشمند معرفی شده است (Bibri et al., 2024).

از سوی دیگر، انتظار می‌رود مدل‌های ترکیبی، یعنی مدل‌هایی که تخصص انسانی را با قدرت محاسباتی مدل‌های انتشار و زبانی بزرگ در یک گردش‌کار مرحله‌به‌مرحله ادغام می‌کنند، جایگزین رویکردهای کاملاً خودکار شوند؛ چرا که تجربه نشان داده بهترین نتیجه زمانی حاصل می‌شود که هوش مصنوعی نقش دستیار طراح را ایفا کند نه جایگزین کامل او. با رشد این مدل‌های ترکیبی و توسعه‌ی چارچوب‌های ارزیابی اقتصادی و عملکردی دقیق‌تر، می‌توان انتظار داشت که تولید سناریوهای طراحی شهری با هوش مصنوعی از یک ابزار آزمایشی به بخشی استاندارد از گردش‌کار حرفه‌ای شهرسازی و معماری تبدیل شود.

جمع‌بندی

تولید سناریوهای طراحی شهری با استفاده از هوش مصنوعی، مسیری است که به شهرسازان امکان می‌دهد به‌جای تکیه بر یک طرح واحد و قطعی، طیف گسترده‌ای از آینده‌های ممکن یک شهر را کاوش، مقایسه و ارزیابی کنند. فناوری‌هایی مانند شبکه‌های مولد تخاصمی، مدل‌های انتشار و دوقلوهای دیجیتال شهری، این امکان را فراهم کرده‌اند که فرایند طراحی، سریع‌تر، داده‌محورتر و شفاف‌تر از گذشته پیش برود، بدون آنکه لزوماً جایگزین قضاوت حرفه‌ای طراحان و برنامه‌ریزان شهری شود.

با این حال، برای بهره‌برداری واقعی و پایدار از این فناوری، باید به چالش‌های آن نیز توجه جدی داشت؛ از کیفیت داده‌ها و نبود چارچوب‌های ارزیابی استاندارد گرفته تا لزوم حفظ نقش نظارتی متخصصان انسانی. آینده‌ی این حوزه به‌احتمال زیاد در گرو ترکیب هوشمندانه‌ی توان محاسباتی هوش مصنوعی با تجربه و قضاوت انسانی است؛ ترکیبی که می‌تواند شهرهای آینده را نه‌تنها هوشمندتر، بلکه تاب‌آورتر و انسانی‌تر نیز بسازد.

منابع

Bibri, S. E., Huang, J., Jagatheesaperumal, S. K., & Krogstie, J. (2024). The synergistic interplay of artificial intelligence and digital twin in environmentally planning sustainable smart cities: A comprehensive systematic review. Environmental Science and Ecotechnology. https://doi.org/10.1016/j.ese.2024.100433

Hao, H., Wang, Y., & Chen, J. (2024). Empowering scenario planning with artificial intelligence: A perspective on building smart and resilient cities. Engineering, 43(12), 272–283. https://doi.org/10.1016/j.eng.2024.06.012

Huang, T., Ye, X., Yigitcanlar, T., Xu, B., Newman, G., Zhao, B., Ennemoser, B., Wu, D., Kim, J., & Wang, D. (2026). Artificial intelligence in urban design: A systematic review. Cities, 169, Article 106527. https://doi.org/10.1016/j.cities.2025.106527

Quan, S. J. (2022). Urban-GAN: An artificial intelligence-aided computation system for plural urban design. Environment and Planning B: Urban Analytics and City Science, 49(9), 2500–2515. https://doi.org/10.1177/23998083221100550

ابزار هوش مصنوعی در طراحی شهری