کاربری های ترکیبی اراضی

مقدمه در دهه های اخیر، تنوع کاربری اراضی شهری به عنوان یکی از ارکان کلیدی پایداری شهری اهمیت یافته است، چرا که مدل های سنتی برنامه ریزی مبتنی بر تفکیک کاربری ها قادر به پاسخ گویی به پیچیدگی ها و نیازهای فضایی اجتماعی شهرهای معاصر نبوده اند، که این ناکارآمدی به صورت گسست های فضایی، تضعیف تعاملات اجتماعی و افزایش وابستگی به حمل ونقل موتوری بروز یافته است. در مقابل، توسعه مبتنی بر کاربری ترکیبی با تأکید بر هم زیستی عملکردهای گوناگون در یک بستر مشترک، امکان بهبود دسترسی پذیری و بهره وری فضایی را فراهم می آورد و می تواند مصرف انرژی را کاهش دهد و پیوندهای اجتماعی را تقویت کند و بهره وری زیرساخت ها را ارتقا دهد؛ ولی تحقق این رویکرد مستلزم تحلیل های دقیق و چندلایه از ساختارهای کالبدی، اجتماعی و اقتصادی شهر است، امری که بدون بهره گیری از فناوری های نوین مانند هوش مصنوعی ممکن نیست. هوش مصنوعی با الگوریتم های یادگیری ماشین قادر است داده های مکانی و اجتماعی را به صورت هم زمان پردازش کرده و الگوهای پنهان و همبستگی های پیچیده را شناسایی کند، که این قابلیت به برنامه ریزی شهری مبتنی بر داده امکان می دهد تا ساختارهای هدفمند و انطباق پذیر برای کاربری ترکیبی طراحی کند و سیاست های شهری را به سوی تاب آوری و پایداری سوق دهد. افزون بر این، کاربری ترکیبی نه تنها یک راهکار کالبدی، بلکه ابزاری چندبعدی برای ارتقای تاب آوری اجتماعی، اقتصادی و فرهنگی فضاهای شهری محسوب می شود که با تقویت اقتصاد منطقه ای و افزایش تعاملات اجتماعی، آسیب پذیری های شهری را کاهش می دهد؛ اما تحقق این چشم انداز نیازمند داده های دقیق مکانی، ابزارهای تحلیل پیشرفته و نهادینه سازی سازوکارهای مشارکتی مبتنی بر داده است که در بسیاری از شهرهای در حال توسعه با محدودیت هایی همچون ضعف زیرساخت های فنی و نهادی مواجه است. اگرچه فناوری های هوشمند پتانسیل بالایی در تحلیل پیچیدگی های فضایی دارند، استفاده عملی از آن ها در مقیاس های کلان محدود و کمتر به نیازهای زمینه ای پاسخ گو بوده است؛ از این رو، شکاف میان ظرفیت نظری فناوری و کاربرد عملی آن به تحول ساختاری در نظام های قانونی و مدیریتی نیاز دارد تا بتوان نظام تصمیم سازی هماهنگ، مشارکتی و آینده نگر را پایه گذاری کرد و الگوهای پایدار، منعطف و تاب آور کاربری زمین را طراحی و اجرا کرد. در نهایت، با توجه به چالش های جمعیتی و کالبدی شهر تهران و محدودیت های برنامه ریزی موجود، این پژوهش به بررسی کاربرد هوش مصنوعی در توسعه کاربری های ترکیبی اراضی با تمرکز بر ایجاد الگوهای داده محور، چندبعدی و انطباق پذیر می پردازد تا پاسخ گوی پیچیدگی های فضایی معاصر باشد. مواد و روش ها پژوهش حاضر با رویکرد فراتحلیل و مرور نظام مند به بررسی کاربرد هوش مصنوعی در تحلیل ترکیب کاربری اراضی شهری می پردازد و از روش تحلیل مسیر برای بررسی تأثیر متغیرهای مستقل بر توسعه کاربری های ترکیبی استفاده کرده است. در بخش مرور نظام مند، با بهره گیری از نرم افزار PRISMA و طی فرایندی سه مرحله ای، ابتدا جست وجوی گسترده ای در پایگاه های 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 دقیق تری بر اساس ورود و خروج، تعداد به ۱۸۷ و در نهایت، به ۶۵ مقاله با کیفیت رسید. داده ها با نرم افزار VOSviewer تحلیل و نقشه های بصری آن تهیه شدند. در بخش دوم، هفت مؤلفه کاربرد هوش مصنوعی به عنوان متغیرهای مستقل و پنج مؤلفه توسعه کاربری ترکیبی به عنوان متغیرهای وابسته تعیین شدند و تأثیرات آن ها توسط جامعه ای شامل ۹۶ خبره و متخصص با نمونه گیری هدفمند بررسی شد. مقیاس پرسشنامه بر اساس طیف لیکرت پنج سطحی طراحی و تحلیل داده ها با مدل سازی معادلات ساختاری و رویکرد حداقل مربعات جزئی (PLS3) انجام گرفت. تحلیل مدل های اندازه گیری و ساختاری با نرم افزار SMARTPLS انجام شد که پایایی، روایی و معناداری مدل ها را تأیید کرد.  یافته ها یافته های توصیفی پژوهش نشان می دهد مطالعات مرتبط با کاربرد هوش مصنوعی در توسعه کاربری های ترکیبی اراضی شهری بیشتر در سه حوزه تحلیل کاربری اراضی و تحلیل فضایی شهری، استراتژی های توسعه و مدیریت کاربری ترکیبی و تصمیم گیری های مرتبط با کاربری اراضی دسته بندی می شوند که به ترتیب 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 به ترتیب با ۱۲، ۹ و ۳ مقاله قرار دارند؛ این ترکیب نشان دهنده تمرکز علمی جهانی و همچنین، شکاف های موجود در کاربرد هوش مصنوعی در برنامه ریزی 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 جامعه علمی به فناوری های هوشمند در مواجهه با پیچیدگی های برنامه ریزی شهری است. تحلیل هم زمانی کلیدواژه ها نیز تأکید می کند که رویکردهای یکپارچه هوش مصنوعی با مفاهیمی همچون برنامه ریزی پیشگیرانه، تغییرات جمعیتی و تحولات زیست محیطی پیوند خورده و نقش مهمی در ایجاد الگوهای پویا و انعطاف پذیری سیستم های شهری دارد. بررسی کاربرد تکنیک های هوش مصنوعی نشان می دهد روش هایی مانند یادگیری عمیق، الگوریتم های ژنتیک، یادگیری ترکیبی و تحلیل کلان داده در حوزه هایی نظیر طبقه بندی و پیش بینی کاربری زمین، شبیه سازی چیدمان فضایی و بهینه سازی تخصیص کاربری زمین کاربرد گسترده دارند. در تحلیل مدل سازی معادلات ساختاری، متغیرهای پژوهش مشتمل بر هفت مؤلفه برای کاربرد هوش مصنوعی و پنج مؤلفه برای توسعه کاربری های ترکیبی شناسایی شدند و مدل اندازه گیری با بارهای عاملی بالاتر از 0/4، پایایی و روایی مطلوب تأیید شد. شاخص های برازش مدل ساختاری نیز حاکی از کیفیت بالای مدل است؛ معیار GoF برابر 0/739، R² معادل 0/716 و Q² برابر 0/506 نشان دهنده تبیین قوی و پیش بینی مناسب متغیر وابسته است. تمامی مسیرهای اثرگذاری میان متغیرهای مستقل و وابسته در سطح معناداری ۹۵ درصد تأیید شده اند که مهم ترین آن ها مدل سازی و شبیه سازی چیدمان فضایی (15/858=t)، مدل سازی مشارکت و مذاکره ذی نفعان (5/765= t) و هم افزایی الگوریتم های هوشمند (4/339= t) بوده اند؛ همچنین مسیر پیش بینی و طبقه بندی کاربری زمین (3/652= t)، کاربرد هوش مصنوعی (2/868= t)، ترکیب داده ها و یادگیری ترکیبی (2/510= t)، تحلیل کلان داده و روندهای شهری (2/09= t) و تحلیل و بهینه سازی تخصیص کاربری (2/023= t) نیز به طور معنادار بر توسعه کاربری های ترکیبی اراضی تأثیرگذار شناخته شده اند که درمجموع اهمیت هوش مصنوعی را در بهبود کاربری های ترکیبی اراضی شهری به روشنی نشان می دهد. نتیجه گیری هوش مصنوعی با بهره گیری از تحلیل های عمیق و تلفیق داده های جغرافیایی، اجتماعی و محیط زیستی، ظرفیت های چشمگیری در درک و مدیریت پیچیدگی های کاربری های ترکیبی اراضی شهری ایجاد کرده است. مرور نظام مند پژوهش ها نشان می دهد کاربردهای هوش مصنوعی عمدتاً در سه حوزه تحلیل فضایی و کاربری اراضی، استراتژی های توسعه و تصمیم گیری برنامه ریزی شهری متمرکز شده و از سال ۲۰۲۰ رشد قابل توجهی داشته است. تحلیل هم زمانی کلیدواژه ها، هوش مصنوعی را به عنوان عاملی تحول آفرین معرفی می کند که پیوند مفاهیم زیست محیطی، جمعیتی و برنامه ریزی پیشگیرانه را تسهیل کرده و گذار از مدل های سنتی به الگوهای پویا و آینده نگر را ممکن ساخته است. تکنیک های پیشرفته ای مانند یادگیری عمیق، یادگیری ماشین، الگوریتم های ژنتیک و مدل های عامل محور، با بهره گیری از داده های چندمنبعی شامل تصاویر ماهواره ای، داده های حمل ونقل و شبکه های اجتماعی، نقش مهمی در طبقه بندی، بهینه سازی و شبیه سازی کاربری زمین شهری ایفا کرده و انعطاف پذیری سیستم های شهری را در مواجهه با چالش های محیطی و اجتماعی افزایش داده اند. پژوهش ها بر اهمیت ابعاد اجتماعی فرهنگی، حکمرانی شفاف و عدالت الگوریتمی تأکید دارند و توسعه چارچوب های اخلاقی و همکاری های میان رشته ای را ضروری می دانند. همچنین، محدودیت های فناورانه مانند نیاز به منابع پردازشی بالا و چالش های داده ای، ضرورت استفاده از رایانش ابری و یادگیری فدرال را برجسته می کند. تحلیل معادلات ساختاری نشان داد تمامی مسیرهای اثرگذاری هوش مصنوعی بر توسعه کاربری های ترکیبی اراضی شهر تهران در سطح اطمینان معنادار هستند؛ مهم ترین مؤلفه ها شامل مدل سازی و شبیه سازی چیدمان فضایی، مدل سازی مشارکت و مذاکره ذی نفعان و هم افزایی الگوریتم های هوشمند هستند. دیگر مسیرهای معنادار شامل پیش بینی و طبقه بندی کاربری زمین، کاربرد هوش مصنوعی، ترکیب داده ها و یادگیری ترکیبی، تحلیل کلان داده و روندهای شهری و تحلیل و بهینه سازی تخصیص کاربری نیز در مدل تأیید شده اند. در مجموع، هوش مصنوعی با فراهم آوردن بستری کارآمد برای مدل سازی، پیش بینی، مشارکت پذیری و بهینه سازی، به ارتقای کیفیت تصمیم گیری و تحقق توسعه پایدار کاربری های ترکیبی در تهران کمک شایانی می کند، هرچند نیاز به توسعه زیرساخت های فنی، تضمین عدالت الگوریتمی و همکاری های میان رشته ای در پژوهش های آینده حیاتی است.