به گزارش بک‌پرس؛ در دهه گذشته تلاش‌های مختلفی برای تعریف بهتر ساختار شهر هوشمند صورت گرفته است. به‌ویژه در پنج سال اخیر، شهرهای سراسر جهان در طیف وسیعی از رتبه‌بندی‌ها مورد ارزیابی، فهرست‌بندی و اعطا قرار گرفته‌اند.
که سعی در نشان دادن پیشرفت‌های تکنولوژیکی و در نتیجه نشان دادن پیشرفت‌های تکنولوژیکی خود داشته‌اند. بهبود کیفیت زندگی در زندگی مردم در شهرهای هوشمند از موارد مورد بحث بسیاری از کشورهاست.
وقتی سال 2020 و همه‌گیری کرونا فرا رسید، مشخص شد که شهرهای هوشمند به اندازه قابل قبول هوشمند و انعطاف پذیر نیستند. این خود باعث بیان شدن سوال همیشگی ؛ از جمله ویژگی‌های شهر هوشمند چیست؛، چگونه میتوان شهرهای هوشمندتر را ایجاد کرد، شهروند هوشمند کیست؟و زندگی در شهرهای هوشمند از چه کیفیتی برخوردار است، شده است ؟
با بررسی های علت و معلولی میتوان به ابن نتیجه رسید که این سوال‌ها خارج از انتظار نیست حتی میتوان گفت که ساختار شهر هوشمند از بسیاری جهات شکست خورده اند.به همین دلیل بسیاری از افراد این حوزه سعی بر انجام تحقیقات و پیدا کردن مدل‌های منطقی‌تر هستند تا بتوان در شهرهای هوشمند پیاده‌سازی کنند. این طبیعی و طبیعی است. در تاریخ طولانی دستاوردهای علمی و اجتماعی، توسعه مفاهیم پیچیده با رشد دانش و درک تکامل می‌یابد.
مدل های چند وجهی شهرهای هوشمند:
تا به امروز، مدل‌ها برای حمایت از کنترل اساسی و سازماندهی مدیریت شهری برای حل یا حداقل کاهش چالش های شهری کافی بوده‌اند.امروزه با گسترش ههرها و پیشرفت تکنولوژی شهرهای هوشمند، این مفهوم و مدل نیز نیاز دستخوش تغییرات است. هنوز در بعضی از موارد شهرهای هوشمند با فناوری‌های هوشمند در شهرها تعریف شده است که این خود تعریفی ناقص از هوشمندسازی شهرهاست.
مدل‌های ماتریس، یک نظریه عمومی از سال 2000 به بعد و کاملاً پذیرفته شده قبل از همه‌گیری کووید-19، بر روی آنها تکیه شده است که تا حدی منطقی بود. از نظر عملی، ساختارهای ماتریسی برای نشان دادن روابط بین دو یا چند متغیر و به خصوص ایجاد مدل‌ها یا الگوهایی که می‌توانند مجدداً اعمال شوند، عالی هستند. بنابراین، برای بیش از دو دهه، محک زدن در برابر این مدل‌ها، ابزار عملی اولیه در پیاده‌سازی «کیت شهر هوشمند» بوده است.
بنابراین، مدل علّی و تز نمایش شهرهای هوشمند به‌عنوان ساختارهای ماتریسی، عموماً درست بودند، اما به همه سؤالات پاسخ ندادند، و انقلاب اینترنت اشیا، مناسب بودن آنها را برای نشان دادن پیچیدگی اکوسیستم شهر هوشمند مدرن بیشتر گسترش داد.
در نتیجه این جریان‌ها شهرهای به ظاهر هوشمند ساخته شد. در اولین بحران بزرگ ایجاد شده و کرونا، مشخص شد که ان هوشمند سازی به اندازه کافی نبوده و هرچند موفقیت‌های محدودی داشتند(مثلاً با استفاده از مجموعه‌های داده در سطح شهر).
شهرهای هوشمند موجود نتوانستند پاسخ گو کافی باشند. انعطاف‌پذیری واقعی، نه به دلیل عدم برنامه‌ریزی یا اجرای ابتکارات، بلکه عمدتاً به دلیل محدودیت‌هایی که در درک صحیح و مدل‌سازی سیستم وجود داشت، وجود نداشت. شهرهای ما، هر چند «هوشمند»، اکوسیستم‌های پویا هستند. ما معتقدیم که آنها شبکه های عصبی پیچیده ای هستند.
مدل مبتنی بر دانش عصبی
مفهوم City SmartUp دیدگاه جدیدی در مدل سازی شهرهای هوشمند است این مدل در سال 2016 ارائه شد. در این مدل به پیشنهاد استفاده از مدل مدیریت استارت آپ برای توسعه سیاست‌ها و پروژه‌های شهر هوشمند شده است. این روش، با موفقیت در شهرهای سراسر جهان به کار گرفته شد و با مدل چرخ شهر هوشمند و سری ISO 37.100 تکمیل شد.همچنین این مدل به عنوان مبنایی برای مفهوم جدیدیشده است، که در 18 ماه گذشته توسعه یافته و اجرا شده است .
مدل شهر هوشمند عصبی.
کلمه هوشمند به طور کلی با “هوش” مرتبط است. فرهنگ لغت انگلیسی آکسفورد هوش را توانایی درک و حل مشکلات و درگیری های جدید و سازگاری با موقعیت های جدید تعریف می‌کند.
بنابراین اگر هوش انسانی به عنوان استدلال، حل مسئله و یادگیری خلاصه شود، میتوان دریافت که استفاده از اصطلاح شهر هوشمند برای توصیف تکامل شهری منطقی است. ما در مسیر درستی قرار داشتیم اما احتمالاً نقشه اشتباهی داشتیم.
مدل عصبی پیشنهاد می‌کند که رابطه متقابل بین ستون‌های مختلف یک شهر، مانند بهداشت، آموزش، امنیت، و بهداشت و فناوری‌های مورد استفاده برای حل مشکلات شهری، مشابه ارتباطات پیچیده در شبکه‌های عصبی است. همانند مغز انسان، هوش شهری از ترکیب و ارتباط بین استدلال و تحلیل منطقی، جهت‌گیری راه‌حل‌ها و ظرفیت شهرهای ما برای یادگیری از تجربیات ناشی می‌شود.
اتصالات عصبی نیز لزوماً به صورت متوالی، استاندارد یا تکراری ثابت ایجاد نمی‌شوند. در مقابل، هنگامی که هر عنصر اساسی در رابطه متقابل متغیرها تغییر می‌کند، ارتباطات عصبی دوباره ساخته می‌شوند، به دنبال یک مسیر جدید، تایید مدل استدلال-تصمیم گیری-یادگیری. این گونه است که ما به عنوان یک گونه تکامل یافته‌ایم و معتقدیم که اینگونه است که شهرهای ما در واقعیت هوشمندتر می‌شوند.
مجموعه شبیه‌سازی کیهانی برای آموزش هوش مصنوعی؛
در رسانه تخصصی شهر هوشمند و فناوری‌های نوین بک‌پرس بخوانید.
نقشه برداری شهر
از نظر عملی، مدل عصبی شش لایه ضروری را برای کمک به درک و توسعه سیاست‌ها و راه‌حل‌های شهر هوشمند پیشنهاد می‌کند:
- DNA شهر
- ابعاد شهر هوشمند
- فن آوری های بنیادی (یا پایه، هسته، ضروری).
- ستون های شهری معاصر
- فن آوری های لبه
- کاربری شهری
دو عامل مهم در درک و در نهایت به کارگیری مدل عصبی وجود دارد:
- همیشه باید از مرکز (DNA منحصر به فرد هر شهر)، تا انتهای آن کار کرد – در واقع یکی از بزرگترین محدودیت‌های مدل‌های قبلی، قبل از درک درست شخصیت واقعی زیربنا و یا شهر تمایل به پیدا کردن راه‌حل بوده است در حالیکه ببرسی و شناخت کامل نسبت به زیربنا و ساختارهای شهری بسیاز مهم هستند.
- هر چه لایه از مرکز دورتر باشد، فرار آن بیشتر است. همانند DNA انسان، مرکز به عنوان جوهر شهر ثابت است و تغییر ناپذیر است، در حالی که فناوری‌های پیشرفته و موارد استفاده در بیرونی‌ترین لایه‌ها بر اساس زمینه متفاوت است، و تکامل و گسترش می‌یابد، و به سرعت به تغییرات خارجی و محیطی و توسعه فناوری واکنش نشان می‌دهد.
در این مدل جدید، ابتدا به درک این موضوع که چرا بسیاری از شهرهای هوشمند پیشنهادی نتوانستند با چهارچوب‌های قبلی به موفقیت برسند. در این مدل‌ها بدون در نظر گرفتن جنبه های منحصر به فرد اکوسیستم محلی؛سعی بر ساختن سیستماتیک لایه ها بر اساس تحلیل زمینه ای شده‌اند.
اولویت‌بندی و سرمایه‌گذاری در فناوری‌های بنیادی و اتصال زیرساخت‌های توزیع‌شده و توان محاسباتی می‌باشد. با اذعان به اینکه پیشرفته‌ترین فناوری‌ها و تکنولوژیها به دست آمده بیشتر در قسمت کاربری و استفاده قرار دارند.
پروژه‌هایی که در آن ذی‌نفعان بر حل مشکلات تاکتیکی با تلاش برای کپی کردن از شهرهای دیگر تمرکز می‌کنند، محکوم به شکست هستند. به عنوان مثال، آیا به جای تضمین اینترنت با کیفیت بالا برای همه، تلاش بیشتری برای اجرای یک برنامه هوش مصنوعی یا یک پروژه آزمایشی وسایل نقلیه خودران انجام می‌شود؟.
ساختار شهر هوشمند بر مبنا مدل عصبی
با در نظر گرفتن لایه‌ها و تعاملاتی که همیشه در شهرهای هوشمند شبیه به ارتباطات عصبی وجود داشته است.افرادی که از شهر های هوشمند استفاده می‌کنند خود درک بهتری نسبت به نیازهای شهری دارند .
شهروند هوشمند مانند نورون‌های عصبی می‌تواند در جریان باشند و با انتقال و پاسخگویی مناسب به تغییرات در روند تصمیم گیری های کلان شهری نقش اصلی را ایفا کنند. به همین در مدل عصبی هوشمند به دلیل همکاری و درگیری تک تک اعضا در تصمیم‌گیری و ایجاد ساختار کلان ، پیش بینی می‌شود که از نتیجه بهتری نیز برخوردار باشد.
پس از همه‌گیری،انتظار می‌رود برنامه‌ریزان و مدیران شهری باید اولویت‌ها و سرمایه‌گذاری‌های شهر هوشمند خود را با استفاده از مدل عصبی به‌عنوان نقشه مورد ارزیابی مجدد قرار دهند. این کار به سه روش قابل انجام است:
- بررسی پروژه‌های شهر هوشمند در حال توسعه برای به چالش کشیدن موارد همسویی و سرمایه‌گذاری آنها در برابر اصول مدل عصبی. آیا موارد استفاده و موارد تجاری از پیشرفته‌ترین فناوری‌ها استفاده می‌شود؟
- نقشه‌برداری DNA شهر، بررسی استراتژی‌ها برای اولویت‌بندی ابعاد و ستون‌ها و ارزیابی وضعیت فناوری پایه فعلی شهر و نقشه‌های راه سرمایه‌گذاری: آیا اصول اساسی به اندازه کافی درک شده‌اند؟
- تعبیه اصول مدل عصبی در سیاست‌ها و رویه‌های برنامه‌ریزی شهر هوشمند و همسو شدن بیشتر برای شهروند هوشمند و کاربران.
منبع سایت cities-today
