ارزیابی اثرات زیست‌محیطی سناریوهای حمل‌ونقل شهری با استفاده از مدل‌سازی مبتنی بر هوش مصنوعی

ارزیابی اثرات زیست‌محیطی سناریوهای حمل‌ونقل شهری با استفاده از مدل‌سازی مبتنی بر هوش مصنوعی

ستاره فنائی1 علی رفاهی2 شکیبا پیشه ور3 مرتضی فروزنده4

1) کارشناسی ارشد برنامه ریزی شهری دانشگاه یزد
2) دانشجو کارشناسی ارشد برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد مشهد
3) دانشجو دکتری تخصصی شهرسازی دانشگاه آزاد اسلامی تهران
4) دانشجو کارشناسی ارشد برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد قزوین

کد IOI مقاله : AACC-AAFZDZ
محل انتشار : سومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی(icarcau.com/3rd)
چکیده :
    سامانه‌های حمل‌ونقل شهری نقش مهمی در کیفیت محیط‌زیست شهرهای امروزی ایفا می‌کنند. این پژوهش با هدف ارزیابی اثرات زیست‌محیطی سناریوهای مختلف توسعه حمل‌ونقل شهری، با استفاده از تکنیک‌های مدل‌سازی مبتنی بر هوش مصنوعی انجام شده است. هدف اصلی، مقایسه‌ی سناریوهایی نظیر وضعیت موجود، گسترش حمل‌ونقل عمومی، برقی‌سازی ناوگان و محدودسازی خودروهای شخصی از نظر کارایی آن‌ها در کاهش آلاینده‌های هوا و مصرف انرژی است. برای مدل‌سازی رابطه‌ی پیچیده‌ی بین پارامترهای حمل‌ونقل و شاخص‌های کلیدی زیست‌محیطی مانند CO₂، NOx، PM2.5 و مصرف سوخت، از چارچوب ترکیبی یادگیری ماشین شامل جنگل تصادفی و شبکه‌های عصبی مصنوعی استفاده شد. این مدل پیشنهادی با بهره‌گیری از داده‌های ترافیکی، آلاینده‌ها، کاربری زمین و شرایط آب‌وهوایی آموزش دیده و اعتبارسنجی شد. سناریوهای مختلف بر یک مطالعه موردی کلان‌شهری اعمال گردیدند و مدل پیش‌بینی عملکرد دقیقی در برآورد پیامدهای زیست‌محیطی تحت راهبردهای گوناگون برنامه‌ریزی نشان داد. نتایج حاکی از آن است که برقی‌سازی ناوگان حمل‌ونقل عمومی و خصوصی، بیشترین کاهش در میزان آلاینده‌ها را به همراه دارد و پس از آن، توسعه زیرساخت‌های حمل‌ونقل عمومی مؤثرترین گزینه است. در مقابل، سناریوی بدون مداخله، روند افزایشی انتشار آلاینده‌ها را حفظ می‌کند. یافته‌های این پژوهش، ارزش مدل‌سازی مبتنی بر هوش مصنوعی را در حمایت از برنامه‌ریزان شهری و سیاست‌گذاران برای طراحی راهبردهای حمل‌ونقل پایدار و سازگار با محیط‌زیست نشان می‌دهد. این چارچوب پیشنهادی قابلیت تطبیق با سایر شهرها با بهره‌گیری از داده‌های محلی مناسب را داراست.

کلمات کلیدی : حمل‌ونقل شهری اثرات زیست‌محیطی هوش مصنوعی مدلسازی سناریو یادگیری ماشین آلودگی هوا