نقش کلان داده های شهری در شهرهای هوشمند

Abstract

سیستم های شهری شامل بسیاری از اجزای نزدیک به هم هستند که به دلیل حسگرها ی جدید، جمع آوری داده ها و روش های تحلیل مکانی-زمانی قابل اندازه گیر ی تر از قبل گشته اند. تبدیل این داده ها به دانش برای تسهیل تلاش های برنامه ریزی در پرداختن به چالش های کنونی سیستم های پیچیده شهری، نیازمند روش های تحلیل بین رشته ای پیشرفته، مانند انفورماتیک شهری یا علوم داده شهری است. با این حال، با اعمال یک رویکرد صرفا مبتنی بر داده، گمشدن در "جنگل" داده ها، و از دست دادن "درخت" شهر های موفق و قابل زندگی که هدف نهایی برنامه ریزی شهر ی هستند، بسیار آسان است. این مقاله بیان می کند که چگونه داده های جغرافیایی وتحلیل شهری، با استفاده از روش های ترکیبی، می تواند به درک بهتر پویایی شهری و رفتار انسانی کمک کند، و چگونه می تواند تلاش های برنامه ریزی برای بهبود زیست پذیری را ارتقاء دهد. بر اساس بررسی جدیدترین تحقیقات، این مقاله یک گام فراتر می رود و همچنین به پتانسیل و همچنین محدودیت های منابع داده جدید درتجزیه وتحلیل شهری می پردازد تا دید کلی بهتری از کل "جنگل" این منابع داده جدید داشته باشد. کار حاضرمروری کیفی بر اساس پژوهش های صورت گرفته با روش های تجزیه وتحلیل حول قابلیت اطمینان استفاده از داده های بزرگ از پلتفرم ها یا حس گرهای رسانه ها ی اجتماعی، و چگونگی استخراج اطلاعات از مقادیر انبوه داده از طریق روش های تحلیل جدید، مانند یادگیری ماشین، برای تصمیم گیری آگاهانه تر با هدف بهبود زیست پذیری شهری است. هدف این مقاله مطالعه ی مروری پیرامون برخی از هم افزایی ها و چالش های رویکرد بین رشته ای (تجزیه وتحلیل شهری مبتنی بر GISدر بهبود زیست پذیری شهرها، با بررسی یافته های کلیدی وسوالات به دست آمده از ادبیات پیشرفته) است.