هوش مصنوعی در برنامه‌ریزی شهری؛ از تحلیل داده تا تصمیم‌گیری

برنامه‌ریزی شهری همواره فرایندی داده‌محور بوده است؛ اما تا همین چند سال پیش، این داده‌ها عمدتاً به‌صورت دستی جمع‌آوری، تحلیل و تفسیر می‌شدند و همین موضوع سرعت و دقت تصمیم‌گیری‌های شهری را محدود می‌کرد. امروز با گسترش حسگرهای شهری، تصاویر ماهواره‌ای، داده‌های تلفن همراه و سامانه‌های اطلاعات جغرافیایی، حجم داده‌های در دسترس برنامه‌ریزان به‌شکل بی‌سابقه‌ای افزایش یافته است. در چنین شرایطی، «هوش مصنوعی در برنامه‌ریزی شهری» دیگر یک ایده‌ی آزمایشی نیست، بلکه به ابزاری عملی برای عبور از تحلیل داده‌های خام و رسیدن به تصمیم‌های شهری هوشمندانه‌تر تبدیل شده است.

آنچه هوش مصنوعی را از ابزارهای تحلیلی پیشین متمایز می‌کند، توانایی آن در یادگیری از الگوهای پنهان داده‌ها و ارائه‌ی پیش‌بینی یا پیشنهاد عملی است، نه صرفاً گزارش‌دهی آماری. این ویژگی باعث شده مدیران شهری بتوانند از تحلیل ترافیک و کیفیت هوا گرفته تا پیش‌بینی رشد جمعیت و بحران مسکن، تصمیم‌های خود را بر پایه‌ی شواهد داده‌محور بنا کنند. در ادامه‌ی این مقاله، مسیر کامل ورود هوش مصنوعی به برنامه‌ریزی شهری را از مرحله‌ی تحلیل داده تا مرحله‌ی تصمیم‌گیری و سیاست‌گذاری بررسی می‌کنیم.

جایگاه هوش مصنوعی در ایجاد فرایند

برنامه‌ریزی شهری به‌طور سنتی شامل چند مرحله‌ی به‌هم‌پیوسته است: شناخت وضع موجود، تحلیل داده‌ها، تدوین گزینه‌های طرح، ارزیابی و در نهایت تصمیم‌گیری نهایی. پژوهشی که با روش مرور نظام‌مند و مطالعات موردی به بررسی نقش هوش مصنوعی در مراحل مختلف پرداخته، نشان می‌دهد که یادگیری ماشین می‌تواند حجم زیادی از داده را به‌سرعت دسته‌بندی و تحلیل کند و از همین رو، فرایند اداری و مدیریت شهری را کارآمدتر و شرایط زیست‌محیطی و زندگی شهروندان، مانند کیفیت هوا یا وضعیت آسیب معابر، را بهبود می‌بخشد (Othengrafen et al., 2025).

اما نقش هوش مصنوعی به مرحله‌ی تحلیل محدود نمی‌ماند. پژوهشی دیگر که به بررسی نظری جایگاه هوش مصنوعی پرداخته، تأکید می‌کند که الگوریتم‌های تحلیل داده امکان پردازش سریع مجموعه‌داده‌های بزرگ مکانی و اجتماعی را فراهم می‌کنند و از این طریق، محدودیت‌های روش‌های سنتی برنامه‌ریزی را که عمدتاً کند و متکی به قضاوت فردی هستند، جبران می‌کنند (Fistola & La Rocca, 2025). به این ترتیب، هوش مصنوعی به‌جای جایگزینی کامل برنامه‌ریزان، نقش تقویت‌کننده‌ی توان تحلیلی و سرعت تصمیم‌گیری آنان را ایفا می‌کند.

از تحلیل داده تا تولید بینش: ابزارها و روش‌های هوش مصنوعی

قلب تپنده‌ی هوش مصنوعی، یادگیری ماشین و به‌طور خاص یادگیری عمیق است؛ فناوری‌هایی که قادرند در میان میلیون‌ها رکورد داده‌ی مکانی، جمعیتی و اقتصادی، الگوهایی را شناسایی کنند که از دید تحلیل دستی پنهان می‌مانند. یکی از مهم‌ترین این ابزارها، GeoAI است؛ رویکردی که هوش مصنوعی را با سامانه‌های اطلاعات جغرافیایی ترکیب می‌کند و امکان پردازش مقیاس‌پذیر و تحلیل هوشمند داده‌های مکانی را برای برنامه‌ریزان فراهم می‌آورد. مروری نظام‌مند بر ادبیات برنامه‌ریزی شهری الگوریتمی نشان می‌دهد که افزایش دسترسی به کلان‌داده در سال‌های اخیر، مسیر تازه‌ای برای تحلیل داده‌های شهری گشوده و GeoAI را به یکی از ابزارهای کلیدی این حوزه تبدیل کرده است (Son et al., 2023).

فراتر از تحلیل مکانی، مدل‌های پیش‌بین مبتنی بر یادگیری ماشین در حال حاضر برای پیش‌بینی چالش‌های آینده‌ی شهری از جمله ترافیک، کمبود مسکن و پیامدهای زیست‌محیطی به کار گرفته می‌شوند و به تصمیم‌گیران کمک می‌کنند پیش از وقوع بحران، اقدامات پیشگیرانه اتخاذ کنند. همچنین، در برخی پژوهش‌ها حتی تلاش شده با تحلیل داده‌های رفتاری و احساسی شهروندان در فضای عمومی، درک بهتری از واکنش‌های اجتماعی به تصمیمات شهری به دست آید؛ رویکردی که نشان می‌دهد هوش مصنوعی می‌تواند فراتر از داده‌های صرفاً کالبدی، ابعاد انسانی و رفتاری شهر را نیز در تحلیل خود لحاظ کند (Son et al., 2023).

تصمیم‌گیری و سیاست‌گذاری شهری

گام نهایی و شاید مهم‌ترین گام در مسیر «از تحلیل داده تا تصمیم‌گیری»، تبدیل بینش‌های به‌دست‌آمده از تحلیل داده به تصمیم‌های عملی و سیاست‌های اجرایی است. در این مرحله، هوش مصنوعی نه‌تنها داده‌ها را پردازش می‌کند، بلکه در قالب سامانه‌های پشتیبان تصمیم، گزینه‌های مختلف سیاست‌گذاری را شبیه‌سازی و پیامدهای هر گزینه را برای مدیران شهری قابل‌مقایسه می‌سازد. بررسی نظری جایگاه هوش مصنوعی در فرایند نوین برنامه‌ریزی شهری نشان می‌دهد که الگوریتم‌های تحلیل داده امکان تصمیم‌گیری آگاهانه‌تر را فراهم کرده و بسیاری از محدودیت‌های روش‌های سنتی برنامه‌ریزی را پوشش می‌دهند (Fistola & La Rocca, 2025).

در عین حال، ورود هوش مصنوعی به لایه‌ی تصمیم‌گیری، ابعاد تازه‌ای از شفافیت و مشارکت شهروندی را نیز مطرح کرده است. برخی پژوهش‌ها نشان می‌دهند که استفاده‌ی هوشمندانه از داده‌ها می‌تواند مشارکت شهروندان را در فرایندهای تصمیم‌گیری شهری تقویت کند و کانال‌های تازه‌ای برای شنیده‌شدن صدای ساکنان در طراحی سیاست‌های شهری بگشاید (Othengrafen et al., 2025). با این حال، هرچه هوش مصنوعی نقش پررنگ‌تری در تصمیم‌گیری ایفا کند، ضرورت پاسخ‌گویی، توضیح‌پذیری و نظارت انسانی بر این تصمیم‌ها نیز اهمیت بیشتری پیدا می‌کند، موضوعی که در بخش چالش‌ها به آن بازخواهیم گشت.

کاربردهای عملی در مراحل مختلف برنامه‌ریزی شهری

در عمل، هوش مصنوعی امروز در طیف وسیعی از حوزه‌های برنامه‌ریزی شهری به کار گرفته می‌شود؛ از مدیریت ترافیک و بهینه‌سازی حمل‌ونقل عمومی گرفته تا پایش کیفیت هوا، شناسایی آسیب‌های زیرساختی و برنامه‌ریزی مسکن. برای مثال، الگوریتم‌های یادگیری ماشین می‌توانند تصاویر خیابانی را برای شناسایی خودکار آسیب‌های سطح معابر تحلیل کنند و به این ترتیب، فرایند نگهداری زیرساخت شهری را که پیش‌تر به بازرسی‌های دستی و زمان‌بر وابسته بود، تسریع کنند (Othengrafen et al., 2025). این نوع کاربردها به‌ویژه برای شهرداری‌ها با منابع محدود، ارزش عملی بالایی دارند چون امکان پایش مستمر و کم‌هزینه‌ی وضعیت زیرساخت را فراهم می‌کنند.

در مقیاسی گسترده‌تر، مرور ادبیات برنامه‌ریزی الگوریتمی نشان می‌دهد که پذیرش گسترده‌تر هوش مصنوعی مستلزم همکاری میان ذی‌نفعان کلیدی، از جمله شهرداری‌ها، دانشگاه‌ها و بخش خصوصی است و شهرهایی که این همکاری را زودتر آغاز کرده‌اند، پیشرو در به‌کارگیری واقعی هوش مصنوعی برای دستیابی به توسعه‌ی هوشمند و پایدار محسوب می‌شوند (Son et al., 2023). از سوی دیگر، ترکیب هوش مصنوعی طبیعی انسان و هوش مصنوعی ماشینی، به‌عنوان عاملی حیاتی برای پاسخ‌گویی مؤثر به چالش‌های شهرنشینی و دستیابی به توسعه‌ی هوشمند و پایدار معرفی شده است؛ نکته‌ای که نشان می‌دهد کاربرد موفق این فناوری در گرو تعامل آن با تخصص انسانی است، نه جایگزینی کامل آن.

مزایای استفاده از هوش مصنوعی در برنامه‌ریزی و تصمیم‌گیری شهری

نخستین مزیت آشکار هوش مصنوعی در این حوزه، افزایش سرعت و دقت پردازش داده‌های حجیم و پیچیده‌ی شهری است. جایی که تحلیل دستی داده‌های ترافیکی، جمعیتی یا زیست‌محیطی ممکن است هفته‌ها زمان ببرد، الگوریتم‌های یادگیری ماشین می‌توانند این تحلیل‌ها را در زمانی به‌مراتب کوتاه‌تر و با دقت بالاتر انجام دهند. این سرعت عمل به‌ویژه در شرایط بحرانی، مانند مدیریت سیل یا بحران‌های زیست‌محیطی، اهمیت حیاتی پیدا می‌کند، چرا که تصمیم‌گیری سریع می‌تواند مستقیماً بر ایمنی و رفاه شهروندان تأثیر بگذارد.

مزیت دیگر، توانایی هوش مصنوعی در کشف روابط پیچیده و غیرخطی میان متغیرهای شهری است که از دید تحلیل سنتی پنهان می‌مانند؛ برای نمونه، ارتباط میان الگوی کاربری زمین و میزان مصرف انرژی یا کیفیت هوا. علاوه بر این، به‌کارگیری سامانه‌های پشتیبان تصمیم مبتنی بر هوش مصنوعی، امکان شبیه‌سازی پیامدهای چند سیاست جایگزین را پیش از اجرای واقعی فراهم می‌کند و به این ترتیب ریسک تصمیم‌های پرهزینه و برگشت‌ناپذیر شهری را کاهش می‌دهد. مجموع این مزایا نشان می‌دهد چرا هوش مصنوعی به‌سرعت از یک ابزار تحلیلی جانبی به بخشی اصلی از گردش‌کار برنامه‌ریزی شهری تبدیل شده است.

چالش‌ها و ملاحظات اخلاقی

با وجود همه‌ی مزایا، به‌کارگیری هوش مصنوعی در تصمیم‌گیری‌های شهری با چالش‌های جدی همراه است. یکی از مهم‌ترین این چالش‌ها، خطر تعصب و سوگیری الگوریتمی است؛ چرا که مدل‌های هوش مصنوعی بر پایه‌ی داده‌های تاریخی آموزش می‌بینند و اگر این داده‌ها خود حامل نابرابری‌های گذشته باشند، ممکن است تصمیم‌های تولیدشده نیز همان نابرابری‌ها را تکرار یا حتی تشدید کنند. پژوهشی که به‌طور خاص به بررسی ملاحظات اخلاقی هوش مصنوعی در برنامه‌ریزی شهری پرداخته، بر این نکته تأکید می‌کند که با افزایش اتکای برنامه‌ریزان به هوش مصنوعی برای تصمیم‌گیری، احتمال تداوم سوگیری‌ها، مبهم‌شدن فرایند تصمیم‌گیری و نقض حریم خصوصی افزایش می‌یابد و این موضوع می‌تواند اعتماد عمومی را تضعیف و جوامع حاشیه‌نشین را از فرایند تصمیم‌گیری کنار بگذارد (Sanchez et al., 2025).

چالش دیگر، شفافیت محدود بسیاری از مدل‌های یادگیری عمیق است؛ ویژگی معروف به «جعبه‌سیاه» که درک و توضیح منطق پشت یک تصمیم الگوریتمی را برای شهروندان و حتی خود برنامه‌ریزان دشوار می‌کند. برای پاسخ به این نگرانی، همان پژوهش توصیه می‌کند که فرایندهای برنامه‌ریزی مبتنی بر هوش مصنوعی باید بر شفافیت، استفاده از مجموعه‌داده‌های فراگیر، مشارکت عمومی و رهنمودهای اخلاقی مستحکم تکیه کنند و در بسیاری از موارد از رویکرد «انسان در حلقه‌ی تصمیم» بهره ببرند تا نظارت و اصلاح انسانی بر خروجی الگوریتم‌ها حفظ شود (Sanchez et al., 2025). به این موارد باید شکاف میان نظریه و عمل را نیز افزود؛ موضوعی که در ادبیات این حوزه به‌کرات مطرح شده و نشان می‌دهد بسیاری از نوآوری‌های هوش مصنوعی بدون چارچوب نظری روشن وارد عمل می‌شوند (Fistola & La Rocca, 2025).

آینده‌ی هوش مصنوعی در تصمیم‌گیری‌های شهری

روند پژوهش‌های اخیر نشان می‌دهد که آینده‌ی هوش مصنوعی، در گرو توسعه‌ی سامانه‌های توضیح‌پذیر یا Explainable AI است؛ سامانه‌هایی که به برنامه‌ریزان اجازه می‌دهند منطق پشت پیشنهادها و تصمیم‌های 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 مدل‌های زبانی بزرگ با سامانه‌های اطلاعات جغرافیایی پیشرفته و ابزارهای شبیه‌سازی شهری، می‌تواند محیط‌های کاری ترکیبی تازه‌ای برای برنامه‌ریزان فراهم کند که در آن، تحلیل داده، تولید گزینه و ارزیابی سیاست در یک بستر یکپارچه انجام می‌شود.

از سوی دیگر، به‌کارگیری گسترده‌تر هوش مصنوعی در تصمیم‌گیری شهری بدون چارچوب‌های نظارتی و قانونی روشن، امکان‌پذیر و پایدار نخواهد بود. پژوهش‌ها بر لزوم تدوین چارچوب‌های قانونی مشخص برای تعیین محدودیت‌ها و مسئولیت‌های استفاده از هوش مصنوعی در حکمرانی شهری تأکید می‌کنند تا این فناوری بتواند در کنار تخصص انسانی، به‌جای در تقابل با آن، به ابزاری قابل‌اعتماد برای مدیریت آینده‌ی شهرها تبدیل شود (Fistola & La Rocca, 2025). به این ترتیب، مسیر آینده نه به‌سمت جایگزینی کامل برنامه‌ریزان انسانی، بلکه به‌سمت شراکتی هوشمندانه میان انسان و ماشین در فرایند تصمیم‌گیری شهری پیش می‌رود.

جمع‌بندی

هوش مصنوعی از یک فرایند عمدتاً دستی و مبتنی بر قضاوت فردی، به فرایندی داده‌محور، سریع و قابل‌شبیه‌سازی تبدیل کرده است. از تحلیل کلان‌داده‌های مکانی و پیش‌بینی چالش‌های آینده‌ی شهری گرفته تا پشتیبانی از سیاست‌گذاری و تصمیم‌گیری نهایی، این فناوری در تمام مراحل زنجیره‌ حضوری فعال پیدا کرده است. با این حال، بهره‌گیری مسئولانه از این ابزار نیازمند توجه جدی به چالش‌های اخلاقی، شفافیت الگوریتمی و حفظ نظارت انسانی است تا هوش مصنوعی، به‌جای تشدید نابرابری‌های موجود، به ابزاری واقعی برای شهرهای عادلانه‌تر، هوشمندتر و پاسخ‌گوتر 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