ذکاوت پیاده

ذکاوت پیاده (Pedestrian Intelligence)

رویکردی نو برای فهم شهر از دید عابرپیاده- وقتی هوش مصنوعی بالاخره زبان عابر را می‌فهمد

در دنیای مدیریت داده‌محور شهرها، استفاده از الگوریتم‌های «تشخیص اشیاء« (Object Detection) به ما این امکان را می‌دهد که فضای عمومی را نه صرفاً به عنوان یک تصویر، بلکه به عنوان مجموعه‌ای از داده‌های رفتاری تحلیل کنیم. این تکنولوژی که در پروژه‌های پیشرفته‌ای نظیر «دوقلوی دیجیتال» سنگاپور یا پایش‌های «دیده‎‌بان حیاتی تورنتو» استفاده می‌شود، «عابر پیاده» را از یک عابر ناشناس به یک واحد آماری برای سنجش عدالت و ایمنی تبدیل می‌کند.

سال‌هاست که در برنامه‌ریزی شهری درباره پیاده‌محوری صحبت می شود، اما واقعیت این است که تجربه زیسته عابرپیاده هنوز کم‌ترین سهم را در تصمیم‌سازی‌های شهری ما دارد. دلیلش روشن است، ما رفتار واقعی عابران را نمی‌بینیم. برنامه ریزی، طراحی و اجرای مسیرهای پیاده تا کنون براساس برداشت‌ها، پرسشنامه‌ها و اندازه‌گیری‌های ایستا انجام می شده است. اما امروز، با تحول هوش مصنوعی، حسگرها و یادگیری ماشین، برای نخستین بار شهر می‌تواند شهر را از دید عابرپیاده ببیند و زبان او را بفهمد. این همان جایی است که مفهوم «ذکاوت پیاده» متولد می‌شود؛ مفهومی نوظهور در ادبیات جهانی که به نظر من می‌تواند یکی از بزرگ‌ترین شکاف‌های برنامه‌ریزی شهری ایران را پر کند.

 ذکاوت پیاده چیست؟

ذکاوت پیاده را می‌توان این‌گونه تعریف کرد:

«توان شناختی شهر برای فهم، پیش‌بینی و پاسخ‌گویی هوشمندانه به نیازهای عابران پیاده».

در این مفهوم، موضوع فقط کیفیت پیاده‌رو یا رفتار پیاده نیست؛ بلکه توان شهر در دیدن بدن انسان است. بنابراین ذکاوت پیاده، تلفیقی از رفتارشناسـی عابرپیاده، داده‌محوری در سنجش پیاده‌روی، تحلیل هوشمند مبتنی بر AI و تصمیم‌سازی شهری واکنش‌پذیر اوست. در واقع آنچه شهرهای سنتی ما به‌صورت شهودی داشتند—یعنی فهم انسان در مقیاس خرد—امروز با فناوری باید دوباره از داده ها و شناخت الگوهای رفتاری پیاده‌روی احیا شود.

 سه پرسش کلیدی ذکاوت پیاده

این رویکرد، به دنبال پاسخ به سه پرسش بنیادی است:

1. آیا می‌توان الگوهای واقعی پیاده‌روی را به‌طور دقیق و خودکار تشخیص داد؟
2. کدام مدل‌های یادگیری ماشین برای این تشخیص مناسب‌ترند؟
3. ویژگی‌های محیطی چگونه رفتار عابر را تغییر می‌دهند؟

سؤال سوم برای شهرهای ایران حیاتی است؛ شهری که تصلب کالبدی، رمپ‌های غیراستاندارد، شیب‌های نامناسب، سایه‌های کم و سطوح ناایمن آن، بخش بزرگی از تجربه عابرپیاده را شکل می‌دهد. پاسخ  این سوالات در مجموع نیازمند شناخت الگوهای رفتاری عابرپیاده از داده ها برای تحلیل و طراحی است.

چهار الگوی رفتاری پیاده‌روی که می‌توان از داده‌ها استخراج کرد

تحقیقات مبتنی بر حسگرها و AI نشان می‌دهد، رفتار پیاده حداقل چهار الگوی حرکت آرام، سریع، همراه بامکث و استرس زا را دارد:

• پیاده‌روی آرام (تجربه‌محور)
• پیاده‌روی سریع (کارکردی)
• پیاده‌روی همراه با مکث‌های مکرر (Window-shopping)
• پیاده‌روی استرس‌زا (ازدحام، ناامنی، گرما وعجله)

داده‌های فوق به‌طور لحظه‌ای قابل تحلیل‌اند؛ و همین نقطه آغاز «طراحی واکنش‌پذیر» است.

اما چرا ترکیب پیاده‌روی و AI مهم است؟

در گذشته نقشه‌های کلاسیک عرض، شیب و گره های مسیر پیاده را نشان می‌دادند و اندازه گیری و ارزیابی کیفیت مسیرها  از طریق پرسش نامه به طور ایستا و نه لحظه ای بدست می امدند. اما امروز با ابزارهایی مثل حسگرهای  IMU، داده‌های GPS ، دوربین‌های شهری، گوشی هوشمند و مدل‌های یادگیری عمیق، امکان تحلیل پیوسته، واقعی و در لحظه تجربه عابر را فراهم کرده‌اند. اینجاست که ابعاد کلیدی ذکاوت پیاده در برنامه‌ریزی شهری روشن می شود. از این رو نقشه‌های مبتنی بر ذکاوت پیاده  می توانند دمای لحظه‌ای، ازدحام لحظه‌ای، سرعت جریان پیاده، ایمنی ادراک‌شده، نقاط مطلوب یا اجتناب‌شده، خطوط تمایل واقعی، گلوگاه‌ها و موانع عبور را نشان ‌دهند. این دقیقا همان چیزی است که شهرهای آینده را از وضعیت کنونی جدا می‌کند. به عبارت دیگر ما می‌توانیم واقعیت پیاده‌روی و نه تصورمان را از پیاده‌روی را ببینیم. بنابراین درحال حاضر،  فهم شهر از دید عابرپیاده با این ابزار جدید با ابعاد کاربردی ذکاوت پیاده فراهم شده است.

ابعاد چهارگانه کاربردی ذکاوت پیاده

چهار عامل پیش بینی رفتار، شناسایی خطوط تمایل، سنجش ادراک امنیت و تحلیل موانع و گلوگاه های عابر پیاده  از ابعاد چهارگانه ذکاوت پیاده هستند.

۱. پیش‌بینی رفتار عابر (Predictive Walking Patterns)

تجربه شهر تایپه با داده‌های تلفن همراه نشان دهنده آن است که در روزهای گرم ۶۳٪ عابران مسیرهای سایه‌دار شمالی را انتخاب می‌کنند. این نوع تحلیل می‌تواند برای شهرهای گرم جنوبی ایران حیاتی باشد.

۲. شناسایی خطوط تمایل عابران (Desire Lines Detection)

داده‌های GPS و تصاویر هوایی نشان می‌دهد که پیادگان همیشه «مسیر واقعی» به «مسیر رسمی» ترجیح می دهند.

تجربه دانمارک نشان می دهد که ۱۴ مسیر جدید میان‌بر شهری با تحلیل خطوط تمایل ایجاد کرد.

۳. سنجش ادراک امنیت پیاده (Perceived Safety AI)

مدل‌های AI می‌توانند با اندازه گیری داده هایی مثل : نور، حضور مردم، بازبودن مقازه ها، سایه، گرافیتی و پوشش گیاهی عناصر مؤثر بر امنیت ادراک‌شده را تشخیص دهند و نقشه امنیت ادراک‌شده که از این داده‌ها به‌دست می‌آید برای زنان، سالمندان و کودکان تولید کند.

۴. تحلیل موانع و گلوگاه‌های پیاده (Obstruction Intelligence)

با مدل‌های قطه بندی (Segmentation) می‌توان سد معبر، انسداد ویلچر، رمپ‌های غیراستاندارد، سطوح ناایمن و ازدحام‌های خطرناک را تشخیص داد.

جمع‌بندی: چرا ذکاوت پیاده برای ایران ضروری است؟

به باورمن، هر نوع برنامه‌ریزی، ارزیابی و طراحی مرتبط با پیاده‌مداری، تنها زمانی به نتایج معتبر و عملیاتی می‌رسد که از مقیاس محله آغاز شود. محله، کوچک‌ترین واحد اجتماعی-فضایی شهر است که تجربه زیسته شهروندان در آن شکل می‌گیرد و داده‌های آن دقیق‌ترین تصویر از نیازهای واقعی، تنوع کاربران، و کیفیت حرکت پیاده را فراهم می‌کند. از این رو، حتی در رویکردهای مبتنی بر هوش مصنوعی نیز واحد تحلیل ومداخله باید محله باشد.

شهرهای ایران با مشکلات زیادی از جمله پیاده‌روهای ناایمن، موانع متعدد برای سالمندان و افراد کم‌توان از جمله نبود سایه و مسیرهای خنک، رمپ‌های غیراستاندارد، کمبود فضاهای توقف کوتاه و نشستن روبرو می باشند. مزید بر این، نبود داده رفتاری قابل اعتماد در شبکه پیاده روهای شهری به این مشکلات می افزاید. از این رو ذکاوت پیاده می‌تواند یک ابزار تغییر مبتنی بر فهم و دید عابر از شهر باشد.

این رویکرد به ما امکان می‌دهد که  رفتار واقعی عابر را قبل از اجرا شبیه‌سازی کنیم. طراحی را درمقیاس محله به کار بریم و از نسخه‌تکراری اجتناب کنیم. این طراحی بدون شک موجب ارزیابی لحظه‌ای نقاط پرخطر و پرتردد عابر و در نتیجه بهبود تجربه زنان، سالمندان و ویلچری‌ها خواهد شد. به بیان دیگر، ذکاوت پیاده همان چیزی است که می‌تواند پیاده‌روی را از سطح «حرکت» به سطح «هوشمندی شهری» ارتقا دهد.

این بخش مستقیماً در مدیریت روزمره شهرداری بسیارکاربرد دارد. ما در عابرشهر معتقدیم هوشمندسازی شهر، نصب دوربین‌های جریمه نیست؛ بلکه درکِ رنجِ یک ویلچرسوار در اخرین زنجیره جابه جایی یا مایل آخر (The Last Mile)  است. به عبارتی، فاصله میان ایستگاه حمل‌ونقل عمومی (مترو، اتوبوس) تا مقصد نهایی (خانه یا محل کار) برای عابرپیاده به عنوان مایل آخر از اهمیت بالایی برخوردار است. لذا از شهرداری‌های مناطق دعوت می‌کنیم تا با استفاده از مدل‌های ذکاوت پیاده، به جای همسان‌سازیِ کالبدی، به سمت طراحیِ محله‌محور حرکت کنند. در این ارتباط من آمادگی دارم با همکاری یک نهاد علمی، «شاخص های ذکاوت پیاده» را برای یکی از پیاده‌راه‌های تهران (مثل همان ۱۵ خرداد) محاسبه کنم.