گذار از شهرداری الکترونیک به شهرداری هوشمند: نقش تحول آفرین هوش مصنوعی

بیش از سه دهه است که بسیاری از شهرداری‌ها، خدمات خود را از حالت دستی و کاغذی، سنتی و حضوری به شهرداری الکترونیک و شهرداری هوشمند منتقل کرده‌اند. اما با گسترش هوش مصنوعی، برخی سازمان‌ها مدعی‌اند که خدماتشان «هوشمند» شده‌ است؛ حال آنکه در بسیاری موارد، مفاهیم به اشتباه استفاده می‌شوند یا درک دقیقی از تفاوت‌ها وجود ندارد. این پست به‌صورت توصیفی، تفاوت‌های بنیادین شهرداری الکترونیک و شهرداری هوشمند را تبیین می‌کند و نشان می‌دهد که چگونه هوش مصنوعی می‌تواند نیروی پیشران نسل آینده خدمات شهری باشد و به چالش های پیش رو اشاره می کند. همچنین نمونه‌هایی از تجربه شهرهای پیشرو دنیا در استفاده از هوش مصنوعی ارائه می‌شود تا مسیر گذار برای مدیریت شهری روشن‌تر شود.

1- شهرداری الکترونیک: اتوماسیون (Automation) یا دیجیتالی‌سازی بدون تغییر ماهیت

شهرداری الکترونیک بر خودکارسازی یا دیجیتالی‌سازی فرآیندهای موجود تمرکز دارد. هدف اصلی آن:
✔️ حذف کاغذ
✔️ کاهش مراجعه حضوری
✔️ کاهش زمان ارائه خدمت
✔️ مکانیزه کردن گام‌هایی از فرایندهای سنتی

ناظر به این موضوع می توان به درخواست پروانه ساخت به صورت الکترونیک پرداخت عوارض و قبوض به شکل آنلاین و ثبت و پیگیری شکایات یا مکاتبات دیجیتال اشاره کرد. بنابراین شهرداری الکترونیک به خودکارسازی فرآیندهای موجود محدود است.  این گونه سامانه‌ها غالباً جزیره‌ای هستند و ارتباط مستقیمی بین بخش‌های آن برقرار نیست. با وجود آنکه این لایه، پیش‌نیاز ضروری برای هوشمندسازی است اما به‌تنهایی شهر را هوشمند نمی‌کند.

۲– شهرداری هوشمند: یکپارچه، پیش‌بین و تصمیم‌ساز

شهرداری هوشمند تنها نسخه دیجیتالیِ شهرداری سنتی نیست؛ بلکه بازتعریف نحوه خدمت‌رسانی و تصمیم‌گیری است. درمورد ویژگی‌های اصلی شهرداری هوشمند می توان به موارد زیر اشاره کرد:

الف) یکپارچگی داده‌ها و خدمات

• شهروند با یک حساب واحد (Single Sign-On) به همه خدمات مورد نیاز خود دسترسی دارد.
• داده‌ها بین بخش‌های مختلف (ساخت‌وساز، حمل‌ونقل، پسماند، فضای سبز، انرژی و…) به صورت شفاف و استاندارد جریان می‌یابند.

ب) تصمیم‌گیری پیش‌بینانه

براساس داده‌های بلادرنگ  (Real-time)، الگوریتم‌ها قادرند:

• پیش‌بینی خرابی زیرساخت‌ها؛
• پیش‌بینی ازدحام ترافیک؛
• مدیریت مصرف انرژی؛
• تحلیل لحظه‌ای وضعیت محیطی را تولید کنند.

پ) خدمات بهینه‌سازی‌شده

خدمات نه فقط واکنشی، بلکه پیشگیرانه و فعال ارائه می‌شوند. جدول زیر ویژگی های شهرداری الکترونیک و شهرداری هوشمند را نشان می دهد.

۳– چگونه خدمات شهری باید مبتنی بر هوش مصنوعی باشند؟

برای آنکه هوش مصنوعی نقشی واقعی در مدیریت شهری ایفا کند، باید ابتدا سه زیرساخت کلیدی شامل زیرساخت داده یکپارچه شهری، دسترسی به داده‌های غیرحساس  و مدل‌های هوش مصنوعی برای مدیریت هوشمند ایجاد شود:

الف- زیرساخت داده یکپارچه شهری

بدون داده استاندارد، هوش مصنوعی در مورد خدمات مورد نیاز شهروندان در شهرداری ها عملاً بی‌اثر است.  این داده‌ها شامل

• • • • کاربری اراضی
      • اطلاعات ساخت‌وساز
    • حمل‌ونقل و ترافیک
    • محیط‌زیست (آلودگی هوا/صوتی)
    • انرژی شهری
    • داده‌های پسماند
    • اطلاعات دارایی‌ها و معابر

ب-  دسترسی به داده‌های غیرحساس

منظور از دسترسی به داده‌های غیرحساس در مدیریت شهری این است که شهرداری بتواند مجموعه‌ای از داده‌هایی که مربوط به زیرساخت و عملکرد شهر است (شامل اطلاعات شخصی و مالی مردم نیست) را شفاف، استاندارد و قابل استفاده شهروندان منتشر کنند تا:

• • • • • کسب‌وکارها و پژوهشگران بتوانند خدمات مبتنی بر هوش مصنوعی طراحی کنند؛
        • سامانه‌های شهری بتوانند با هم ارتباط بگیرند؛
        • تحلیل‌های شهری دقیق‌تر انجام شود.

ج-  مدل‌های هوش مصنوعی برای مدیریت هوشمند

هوش مصنوعی می‌تواند:

• • • • • پیش‌بینی ترافیک و بهینه‌سازی مسیرها؛
        • پایش خودکار معابر (تخلف ساخت‌وساز، فرسودگی و گودال و موانع)؛
        • پیش‌بینی حجم زباله و ساماندهی هوشمند جمع‌آوری؛
        • مدیریت هوشمند انرژی ساختمان‌های شهرداری؛
        • چت‌بات‌های فارسی‌زبان برای خدمت‌رسانی سریع۲۴ /۷؛
        • تحلیل داده‌های IoT برای نگهداشت هوشمند دارایی‌ها.

این‌ها همان کارکردهایی‌اند که شهرداری‌های پیشرو دنیا اکنون در حال استفاده از آنها هستند.

۴ – تجارب جهانی:

برای آگاهی از اینکه در حال حاضر شهرهای پیشرو چه می‌کنند به چند مثال بسنده می کنم. این تجربه‌ها نشان می‌دهد که هوش مصنوعی زمانی مؤثر است که داده‌ها استاندارد و یکپارچه باشند. برای مثال لس‌آنجلس یکی از پیشروترین شهرهای جهان در به‌کارگیری هوش مصنوعی در مدیریت ترافیک است. این شهر از سال ۲۰۱۳ سیستم چراغ‌های راهنمایی خود را به سامانه هوشمند تطبیقی مبتنی بر AI متصل کرد. این سامانه که ابتدا با نام ATSAC (Automated Traffic Surveillance and Control)  همزمان با برگزاری المپیک لس انجلس در سال 1984 اغاز شد و در دهه گذشته با استفاده از الگوریتم‌های جدید یادگیری ماشین و پردازش بلادرنگ داده‌ها توسعه یافت. اما این سیستم چگونه کار می‌کند؟

• • • • • ۴,۶۰۰ تقاطع شهر تحت پوشش حسگرها، دوربین‌ها و حلقه‌های القایی قرار گرفته‌اند.
        • داده‌ها هر لحظه به مرکز کنترل ترافیک ارسال می‌شود.
        • الگوریتم‌های هوش مصنوعی با تحلیل جریان خودروها، طول صف‌ها، سرعت متوسط و زمان روز، چراغ‌ها را به شکل لحظه‌ای تنظیم می‌کنند.
        • این تنظیمات نه ‌تنها بر اساس یک تقاطع، بلکه به صورت شبکه‌ای و خوشه‌ای انجام می‌شود.

طبق گزارش شهرداری لس‌آنجلس این سیستم باعث کاهش ۱۲٪ زمان سفر در ساعات اوج، افزایش ۱۶٪ سرعت متوسط حرکت خودروها، کاهش ۱۰٪ زمان توقف پشت چراغ‌ها و کاهش مصرف سوخت و آلایندگی با کاهش توقف‌های غیرضروری شده است.  از ویژگی کلیدی این سامانه، ترکیب (هوش مصنوعی + داده بلادرنگ + کنترل یکپارچه شبکه‌ای) است. چیزی که آن را از سیستم‌های سنتی زمان‌بندی چراغ‌های (هوشمند) کاملاً متمایز می‌کند.  تجربه ای  مشابه نیز در کپنهاگ برای دوچرخه‌محوری مبتنی بر داده هوش مصنوعی برای کنترل چراغ‌ها انجام گرفته است که باعث کاهش زمان سفر تا ۲۰٪.  جریان دوچرخه شده است؛ یا در نیویورک  سیستمی به نام ( AI Sidewalk Assessment) که با نقشه‌برداری خودکار پیاده‌روها با یادگیری ماشین موجب کاهش ۴۰٪ هزینه ارزیابی معابر شده است.

اما چرا تجاربه لس آنجلس  مهم است ؟ زیرا لس‌آنجلس، به‌عنوان شهری با ترافیک پیچیده و میلیون‌ها خودرو نشان داد که:

• • • • • هوش مصنوعی حتی با زیرساخت موجود (چراغ‌ها و کنترلرهای قدیمی) قابل پیاده‌سازی است.
        • پیاده‌سازی تدریجی (نه پروژه‌های بزرگ یک‌باره) می‌تواند نتایج قابل توجهی ایجاد کند.
        • یکپارچگی داده و سیستم نظارت لحظه‌ای، پایه موفقیت این پروژه بود.

این تجربه یکی از نمونه‌های الهام‌بخش برای شهرهایی است که قصد دارند بدون هزینه‌های عظیم زیرساختی، مدیریت ترافیک را به طور واقعی هوشمند و کارآمد کنند.

بارسلونا – Digital Twin شهری

مدل دیجیتال دوقلو برای شبیه‌سازی سیاست‌های شهری (ازدحام، انرژی، حمل‌ونقل).
نتیجه: کاهش ۲۵٪ خطای پیش‌بینی ترافیک.

آمستردام – مدیریت جمعیت با AI

استفاده از دوربین‌ها و الگوریتم‌ها برای مدیریت ازدحام در مناطق گردشگری.
نتیجه: بهبود ۱۸٪ ایمنی عابران.

سنگاپور – Smart Nation Platform

شبکه عظیم حسگرها برای پایش لحظه‌ای شهر.
نتیجه: مدیریت بلادرنگ پسماند، محیط‌زیست و ایمنی.

سئول – AI برای مدیریت انرژی

پایش لحظه‌ای انرژی ۱۰ هزار ساختمان عمومی.
نتیجه: کاهش مصرف تا ۱۵٪.

۵– چالش‌های ایران در مسیر هوشمندسازی

درمقام بکی از پیش گامان و متولیان سیستم اطلاعات جغرافیای (GIS) در دهه هفتاد شمسی در شهرداری تهران، می توانم شهادت دهم که گرچه شهرداری تهران در خوش زمانی به موقع در بکارگیری این تکنولوژی نوآورانه اقدام و سرمایه گذاری کرد، ولی با چالش های بسیاری از جمله نبود اطلاعات پایه و همچنین نقشه به هنگام و دیجیتال برای استفاده دراین سیستم روبرو بود و سالها طول کشید تا به نتیجه برسد. امروز هم با وجود خیل زیاد متخصصان هوش مصنوعی در ایران، شهرداری‌های کشور برای پیاده‌سازی واقعی هوشمندسازی با چالش‌هایی  از جمله موارد زیر روبرو می باشند:

الف- نبود قوانین جامع حکمرانی داده: بدون چارچوب قانونی شفاف، داده‌ها منتشر نمی‌شوند یا در اختیار بخش‌های مختلف قرار نمی‌گیرند.

ب- ساختار جزیره‌ای سازمانی: هر سازمان برای خود سامانه دارد؛ داده‌ها مشترک نیستند؛ استانداردها متفاوت‌اند.

ج- کمبود زیرساخت‌های IoT و سنجش شهری: هوش مصنوعی بدون داده بلادرنگ کارایی محدودی دارد.[1]

د-  کمبود فرهنگ‌سازی و آموزش: همه مدیران تا کارشناسان و شهروندان، باید با چیستی و کارکرد هوش مصنوعی آشنا شوند.

۶-جمع‌بندی

بنابراین گذار از شهرداری الکترونیک به شهرداری هوشمند، یک تحول فنی صرف نیست؛ بلکه یک دگرگونی ساختاری، فرهنگی و حکمرانی است و با شعار محقق نمی شود لذا این گذار باید:

• • • • • با حکمرانی داده آغاز شود
        • با پروژه‌های پایلوت کوچک تست شود
        • با یکپارچه‌سازی داده‌ها و سامانه‌ها ادامه یابد
        • و در نهایت به کاربست هوش مصنوعی در تصمیم‌سازی برسد

تنها با رعایت موارد اشاره شده است که هوش مصنوعی می‌تواند از یک مفهوم انتزاعی به نیروی محرکه شهرهای آینده تبدیل شود، همچنانکه تجربهٔ لس‌آنجلس نشان داد هوش مصنوعی چگونه می‌تواند یک بخش پیچیدهٔ شهری را به‌طور ملموس و پایدار متحول کند.

[1] برای شهرداری‌ها و شوراهای شهر، اینترنت اشیا (IoT) به استفاده از شبکه‌ای از دستگاه‌های فیزیکی به هم پیوسته که مجهز به حسگرها و نرم‌افزار هستند، برای جمع‌آوری و تبادل داده‌های بلادرنگ اشاره دارد. این فناوری، دولت‌های شهری را قادر می‌سازد تا خدمات شهری، زیرساخت‌ها و منابع را با کارایی بیشتری مدیریت کنند و منجر به تصمیم‌گیری مبتنی بر داده و کیفیت زندگی بالاتر برای ساکنان شود. با جمع‌آوری و تجزیه و تحلیل داده‌ها، اینترنت اشیا شهرهای سنتی را به “شهرهای هوشمند” تبدیل می‌کند و به چالش‌های شهری مانند تراکم ترافیک، آلودگی و امنیت عمومی می‌پردازد.