کاربرد هوش مصنوعی در شهرهای هوشمند: یک مرور نظام مند با استفاده از روش ترتیبی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هوش مصنوعی با ایجاد نوآوری در مدل مدیریت شهری، راه حل های بسیار مناسبی برای مشکلات بی شمار تحول و توسعه شهری از جمله تأمین آب کافی، مدیریت انرژی، مدیریت زباله و کاهش تراکم ترافیک، صدا و آلودگی ارائه می دهد. با توجه به ماهیت اجتماعی و فنی شهرهای هوشمند و کاربرد های هوش مصنوعی در این زمینه، در سال های اخیر تحقیقات دانشگاهی افزایش قابل توجهی در این موضوع داشته است. علاوه بر این، تجزیه و تحلیل محبوبیت کلمات کلیدی «شهر هوشمند» و «هوش مصنوعی» در Google Trends نشان می دهد که این کلمات کلیدی از سال 2014 تا کنون به طور فزاینده ای محبوب شده اند. بنابراین، این مقاله به بررسی نظام مند وضعیت فعلی و جهت گیری های آینده تحقیقات کاربرد هوش مصنوعی در شهرهای هوشمند به روش مرور ترتیبی می پردازد. بلکه پس از انجام مراحل مرور نظام مند به روش ترتیبی و غربالگری نهایی تعداد 61 مقاله، جهت تجزیه و تحلیل انتخاب شد. یافته ها نشان داد میزان انتشار پژوهش ها در این حوزه از سال 2018 به بعد روند افزایشی داشته است. همچنین بررسی دامنه موضوعی پژوهش های منتخب نشان داد که کاربرد هوش مصنوعی در شهرهای هوشمند بیشتر در حوزه مدیریت شهری و توسعه پایدار (30 درصد)، زندگی هوشمند و زیرساخت های هوشمند (28 درصد) و محیط هوشمند (21 درصد) است. همچنین نتایج حاصل نشان داد که 64 درصد مطالعات از روش کیفی، 21 درصد از روش کمی و 15 درصد از روش ترکیبی استفاده کرده اند. با توجه به اینکه کاربرد هوش مصنوعی در شهرهای هوشمند در مرحله مفهوم سازی است استفاده از روش کیفی به طور چشمگیری بیش از سایر پژوهش ها مورد توجه محققان این حوزه بوده است. اما پیشرفت و توسعه کاربرد هوش مصنوعی در شهرهای هوشمند موجب افزایش استفاده از رویکردهای تجربی و روش های کمی در سال های 2023 و 2024 شده است. همچنین بررسی ها نشان داد که این پژوهش های منتخب روی سطح سه قیف پارادایمی یعنی نظریه خاص با 46 درصد، روش های تحلیلی با 29 درصد و مشاهدات تجربی با 25 درصد تمرکز دارند.Application of Artificial Intelligence in Smart Cities: A Systematic Review using the Methodi Ordinatio
Artificial intelligence offers highly suitable solutions for numerous challenges in urban transformation and development, such as ensuring an adequate water supply, energy management, waste management, and reducing traffic congestion, noise, and pollution. Given the social and technical nature of smart cities and the applications of artificial intelligence in this field, university research has seen a significant increase in recent years. Furthermore, an analysis of the popularity of keywords "smart city" and "artificial intelligence" on Google Trends indicates that these key terms have been increasingly popular from 2014 to the present. Therefore, this article systematically examines the current status and future directions of research on the application of artificial intelligence in smart cities through a sequential review method. To this end, the databases "Scopus" and "Google Scholar" were searched, identifying a total of 3384 articles. Following a systematic review and final screening process, 61 articles were selected for analysis. The findings show an increasing trend in research publications in this area from 2018 onwards. Additionally, an examination of the thematic scope of selected research indicates that the application of artificial intelligence in smart cities is predominantly focused on urban management and sustainable development (30%), smart living and intelligent infrastructures (28%), and intelligent environment (21%). The results also reveal that 64% of studies have employed qualitative methods, 21% quantitative methods, and 15% a combination of methods. As the application of artificial intelligence in smart cities is still in the conceptualization stage, the noticeable preference for qualitative methods among researchers in this field is evident. However, the advancement and expansion of artificial intelligence applications in smart cities have led to an increased use of experimental approaches and quantitative methods in the years 2023 and 2024. Furthermore, the analyses show that these selected studies are concentrated in three paradigmatic levels, namely specific theory with 46%, analytical methods with 29%, and empirical observations with 25% focus.
تبلیغات
