دانشجو دکتری مهندسی برق - سیستم های مخابراتی
شهرهای هوشمند آینده: عملیاتهای شهری به وسیله AI- بخش دوم
در بخش اول از 12 حوزه شهرهای هوشمند آینده به اولین جز یعنی انجام عملیاتهای شهری با هوش مصنوعی، پرداختیم و ضمن طرح کردن موضوع، به ارائه آمار و ارقام پیرامون سرمایهگذاریها و پیشبینیها در این حوزه پرداختیم و سپس توضیحات را با آوردن 5 دلیل برای روشنتر کردن اهمیت موضوع همراه با آمارهای جذاب برای هر کدام پایان دادیم. در این بخش میخواهیم این قسمت را تمام کنیم و وارد سایر اجزای شهرهای هوشمند آینده شویم. آنچه در این مقاله خواهید دید معرفی گامهای پیادهسازی و سپس بررسی شهرهایی که در حال تحقق این جزء هستند.
پیادهسازی موفق AI شهری
1) حکمروایی و استراتژی داده محور
اساسیترین اقدام برای شهرهایی که میخواهند AI را پیادهسازی کنند، داشتن مدلی مناسب برای حکمروایی داده یا همان Data Governance است. ذینفعان شهری باید بدانند که دادههایشان در کجا و برای چه منظوری مورد استفاده قرار میگیرد. همین امر موجب اعتماد مردم به سیستم میشود. آنچه باید تضمین شود، تبادل شفاف، به هنگام و قابلیت دسترسی سهل به داده به وسیله مکانیزمهایی است که بحث مالی نیز پوشش داده شود؛ شاید مکانیزمی مانند Blockchain. بدون وجود مدلی مناسب برای مدیریت داده، هم اعتماد مردم به سیستم و هم صحت دادهها بسیار شکننده خواهد بود. طبق پیشبینی Gartner تا سال 2030، 30% شرکتهای فعال در حوزه شهر هوشمند، حمایت و اقبال عموم مردم را از دست خواهند داد و تنها دلیل آن نداشتن سرویسهای یکپارچه و تحلیل داده خواهد بود.
2) توجه ویژه به حریم خصوصی و ایجاد اعتماد
اگرچه استفاده از دادهها منجر به ارائه سرویس و خدمات بهتری میشود اما باید توجه داشت که حفظ حریم از دغدغههای اصلی است. شهرها باید از دادههای شخصی شهروندان به خوبی محافظت کنند و به شهروندان اطمینان خاطر دهند که از دادههای آنها به خوبی استفاده میشود.
3) استفاده از استانداردهای مناسب برای اطمینان از تبادل داده
آنچه حائز اهمیت است اطمینان داشتن از وجود استانداردی است تا تبادل داده در شهر هوشمند را تضمین کند و امر یکپارچه سازی و تحلیل دادهها را میسر کند. یکپارچهسازی داده با کمک APIها میسر خواهد شد و نیز وجود این APIها و نیز زیر سیستمها برای محافظت از پلتفرمهای شهر هوشمند بسیار کارآمد خواهد بود. از استانداردهای معروف برای استفاده در این حوزه میتوان به ISO 37120 اشاره کرد که مختص شهرهای هوشمند است.
4) پرهیز از تعصب الگوریتمی
تمام سیستمهای مبتنی بر هوش مصنوعی از الگوریتمها برای عملکرد استفاده میکنند؛ باید دقت شود که این الگوریتمها به گونهای نباشند که عملکرد آنها موجب بیشتر شدن تبعیض در جامعه شود (برای مثال اختصاص یافتن به گروه یا قوم خاص). داشتن تیمی متنوع که با داده کار میکنند میتواند تا حد خوبی این مسئله را حل کند.
5) آموزش مهارتهای لازم به کارکنان
شهرها باید با برگزاری دورههای آموزشی کوتاه مدت به صورت مداوم مهارتهای لازم برای به کارگیری AI را به کارمندان خود آموزش دهند. همچنین نیاز به یک بازنگری در آموزشهای فعلی برای دانشجویان نیز ضروری است، چرا که آنها نیز در آینده وارد بازار کار خواهند شد و باید بتوانند با هوش مصنوعی فعالیت کنن.
6) دنبال کردن راه کاری شهروند محور
در رویکرد جدیدی که برای شهرهای آینده مدنظر است، محوریت با شهروندان، کسبوکارهای محلی و گردشگران است و تمام فعالیتها در جهت ارائه خدمات بهتر به آنها صورت میگیرد.
بررسی نمونههای جهانی
1) شهر Vienna، اتریش
شهر وین از جمله اولین شهرهایی بود که در سال 2011 سند داده دولتی باز خود را منتشر کرد و پلتفرم VeroCity را رونمایی کرده است. جمعآوری و تحلیل داده شهر وین بر اساس Context Broker اتحادیه اروپا پیادهسازی شده است که میتواند دادهها را از هر نوع و از هر منبعی مدیریت کنند.
پلتفرم Context Broker امکان داشتن تصور از دادهها به صورت گرافیکی را به صورت به هنگام فراهم میکند. این پلتفرم توانایی کمک به اموری چون فعالیتهای روزمره، جابجایی شهری، پایش محیط زیست، مدیریت زیرساختهای شهری، افزایش بهرهوری در حوزه انرژی و غیره را دارد. از آنجایی که وجود چنین پلتفرمی موجب دسترسی مدیران و شهروندان به دادهها میشود، شفافیت و اعتماد و نیز مشارکت شهروندی بالا رفته است. نکته مثبت دیگر این است که مدیران شهری و حتی شهروندان عادی میتوانند بدون درگیر شدن با دادههای خام به راحتی از آنها استفاده کنند.
اقدام جدید دیگر شهر وین، راهاندازی یک chatbot است که با استفاده از هوش مصنوعی به سوالات شهروندان پاسخ میدهد. این chatbot که WienBot نام دارد به طور پیوسته از مکالمات یادگیری انجام میدهد. این یادگیری موجب شده است که با شناسایی سوالات متداول و کلمات مرتبط به یکدیگر این chatbot توانایی پیشنهاد کردن سایر سوالات و جوابهای از پیش آماده شده را به شهروندان بدست آورد. همچنین این chatbot به سوالات پرسیده شده در وبسایت اصلی شهر (www.wien.at) که خدمات متفاوتی را به شهروندان ارائه میدهد، پاسخ میدهد. با نگاهی به سوالات دیده میشود که سوالات به روز شده و موضوعات اخیر همچون بیماری کرونا را شامل شدهاند.
با توجه به تلاشهای صورت گرفته برای مدیریت عملیاتهای شهری با کمک تکنولوژی، شهر وین توانست برای 2 سال پیاپی رتبه نخست را در شاخصهای استراتژی شهر هوشمند (Smart City Strategy Index) بدست آورد.
2) شهر Cascais، پرتغال
شهر کاسکای با جمعیتی حدود 211 هزار نفر، سالانه بیش از 1 میلیون گردشگر را به خود جذب میکند و به جهت بالا بردن کیفیت و بازدهی در ارائه خدمات نظیر امنیت شهری، حمل و نقل عمومی و مدیریت زیرساختها به دنبال آزمایش کردن راهکارهای نوآورانهای است که بتوانند در مقیاسهای بزرگ به خوبی عمل کنند. تا کنون نیز موفق شده است تا خدمات مبتنی بر فناوریهای جدید را در خود توسعه دهد؛ این خدمات شامل سامانههای پرداخت از راه دور برای محل پارک خودرو، ساختمانهای کم مصرف و غیره میشود.
در سال 2018، برای حل بزرگترین چالشی که با آن مواجه شده بودند، یعنی فقدان رویکرد یکپارچه در بین حوزههای شهری همچون سلامت، آموزش، انرژی و سایر حوزهها، یک مرکز فرماندهی دیجیتالی با نام C2 تاسیس کردند تا مدیریت حوزههای مختلف را به صورت یکپارچه و در یک اتاق انجام دهند. این اقدام با کمک سیستم عاملی که شرکت Deloitte برای شهر هوشمند و هوشمندسازی طراحی و ایجاد کرده است صورت گرفت که CitySynergy نام دارد.
از این رو، کاسکای مدل عملیاتهای شهری خود را تغییر داده و با یکپارچهسازی مدیریت حوزههای مختلف شاهد افزایش بهرهوری و ارتقای کیفیت سرویس برای شهروندان بوده. پلتفرم شهری کاسکای شامل موارد مختلفی از جمله برنامه کاربردی مشارکت شهروندی، نقشه، داشبورد آنلاین، گزارشات موضوعی و شهرهای دوقلوی هوشمند است.
به گفته معاون شهردار کاسکای«آنچه شهروندان در آینده میخواهند، وجود یک مرکز مدیریت (شهرداری) با توانایی پیشبینی آینده است.» توانایی پیشبینی یک نیاز برشمرده شده و پلتفرم شهر کاسکای با توانایی تحلیل داده و ارزیابی همبستگی بین رویدادهای مختلف میتواند در تصمیمگیری و پیشبینی نیاز شهروندان موثر باشد.
به عنوان یک مثال از استفاده از فناوریهای نوظهور و هوش مصنوعی، میتوان به سیستم مدیریت پسماند هوشمند این شهر اشاره کرد که با هدف کاهش کربن دی اکسید به صورت 350 تن و نیز کاهش سفرها تا 180 هزار کیلومتر به صورت سالانه ایجاد شده است و دیگر خروجی آن صرفه جویی کردن 600,000 یورو برای هر سال خواهد بود. از سایر اهداف این شهر میتوان به کاهش 40% در هزینههای عملیاتی جادهای یاد کرد که از طریق یکپارچه کردن دادههای ترافیکی و وضعیت جاده بدست خواهد آمد.
علاوه بر موارد فوق، کاسکای نشان داده است که توانسته رضایت شهروندان خود را بالا ببرد و آمارهای بسیار خوبی چون کاهش 30 درصدی در مصرف آب و 20 درصدی در مصرف انرژی برق از خود نشان داده است.
این شهر الگوی مناسبی برای سایر شهرها میتواند باشد.
3) شهر Hong Kong، چین
هنگگنگ نیز به صورت مداوم در حال توسعه کاربردهای هوش مصنوعی در بخشهای دولتی و عمومی است. اولویت اول هنگگنگ به کار گیری هوش مصنوعی در مدیریت سرویسهای شهری است. برای مثال استفاده از chatbot برای رسیدگی به سوالات و شکایات شهروندان. از دیگر کاربردهای مورد نظر این شهر استفاده از هوش مصنوعی در مدیریت ترافیک است. هم اکنون این شهر قادر است تا دادههای مربوط به سرعت و حجم ترافیک را در 80% مسیرهای عبور و مرور جمعآوری و برای کاهش ازدحام استفاده کند.
هنگگنگ در جایی خوبی در این مسیر قرار دارد به صورتی که علاوه بر توانایی قابل توجه این شهر در جمعآوری دادههای ترافیکی، با وجود سنسورهای مختلف و متعدد در جمعآوری دادههای مربوط به سطح آب، میزان مصرف انرژی، آلودگی و رانش زمین خود را برای مواقع ضروری و بحرانی بهتر آماده میکند.
در حوزه سلامت نیز شهر هنگگنگ از AI برای برنامهریزی برنامه کاری هزاران پرستار در بیمارستانها به صورت هفتگی استفاده میکند. همچنین برنامهریزی برای به کارگیری رباتها در 20 سال آینده که یک سوم جمعیت این شهر بالای 65 سال سن خواهند داشت از دیگر برنامههای در حال جریان این شهر است.
با ذکر موردهای تطبیقی بخش اول از 12 ترند شهرهای هوشمند آینده را به پایان میبریم و در مقالهای دیگر به معرفی بخش دوم از این ترندها خواهیم پرداخت.
مطلبی دیگر از این انتشارات
کووید-19: موتور شتابدهنده تحول دیجیتالی!
مطلبی دیگر از این انتشارات
تطبیق و تحلیل دادههای موقعیت مکانی اتوبوس و جمعآوری خودکار کرایه برای بهبود عملکرد خطوط اتوبوسرانی شهر تهران
مطلبی دیگر از این انتشارات
مرکز آزمون اینترنت اشیاء