چالش‌های مدیریت داده‌محور در شهرداری اصفهان

گسترش شهرنشینی و پیچیده‌تر شدن مسائل شهری، مدیریت شهرها را بیش از گذشته به داده‌های دقیق و به‌روز وابسته کرده است. امروز میلیون‌ها داده در شهرها تولید می‌شود که می‌تواند مبنای تصمیم‌گیری‌های دقیق‌تر قرار گیرد. در چنین شرایطی، شهر داده‌محور دیگر یک مفهوم فناورانه صرف نیست، بلکه به یکی از الزامات حکمرانی شهری تبدیل شده است؛ زیرا تصمیم‌گیری بر پایه داده می‌تواند خطای سیاست‌گذاری را کاهش دهد، منابع محدود شهری را هدفمندتر تخصیص دهد و امکان پیش‌بینی و مدیریت بحران‌ها را افزایش دهد.

با این حال، پراکندگی اطلاعات میان سازمان‌های مختلف، نبود دسترسی یکپارچه به داده‌ها و فاصله میان تولید اطلاعات و استفاده واقعی از آن در تصمیم‌گیری، از مهم‌ترین چالش‌های بسیاری از شهرها به‌شمار می‌رود. اصفهان نیز در مسیر حرکت به سمت مدیریت داده‌محور، با راه‌اندازی سامانه‌ها و زیرساخت‌های هوشمند، تلاش کرده است داده را از مرحله ثبت و نگهداری به سطح تحلیل و تصمیم‌سازی شهری برساند؛ مسیری که موفقیت آن به یکپارچگی داده‌ها، استفاده از فناوری‌هایی همچون GIS و هوش مصنوعی و تغییر رویکرد مدیریتی از تجربه‌محوری به داده‌محوری وابسته است.

داده‌های شهری در اصفهان هنوز در جزیره‌های اطلاعاتی قرار دارند

اصغر منتظرالقائم، استاد دانشگاه و عضو هیئت علمی دانشگاه اصفهان، به خبرنگار خبرگزاری ایمنا می‌گوید: مهم‌ترین داده‌ای که یک برنامه‌ریز شهری برای تصمیم‌گیری نیاز دارد، داده‌های «جابه‌جایی و تحرک» یا Mobility Data است، زیرا این داده‌ها تصویری از نحوه حرکت شهروندان در شهر ارائه می‌کنند و می‌توانند بخش قابل توجهی از تصمیمات مدیریت شهری را تحت تأثیر قرار دهند.

وی می‌افزاید: داده‌های مربوط به مقصدهای پرتردد، ساعات اوج سفر، مسیرهای پرترافیک، مبدأ و مقصد سفرها و نحوه استفاده شهروندان از حمل‌ونقل عمومی به برنامه‌ریزان نشان می‌دهد که شهروندان چگونه از فضاهای شهری استفاده می‌کنند و در چه نقاطی بیشترین تقاضای سفر وجود دارد.

منتظرالقائم تصریح می‌کند: وقتی بدانیم شهروندان در چه ساعاتی و از چه مسیرهایی عبور می‌کنند، می‌توان درباره محل احداث یک مرکز خدماتی، توسعه فضای سبز، اصلاح شبکه معابر، طراحی مسیرهای حمل‌ونقل عمومی و حتی مکان‌یابی برخی پروژه‌های شهری تصمیم دقیق‌تری گرفت.

استاد دانشگاه اصفهان با اشاره به وضعیت داده‌های شهری اظهار می‌کند: یکی از چالش‌های جدی مدیریت شهری این است که داده‌ها هنوز به‌صورت کامل و یکپارچه در اختیار برنامه‌ریزان قرار ندارند و در بسیاری از موارد با «جزیره‌های اطلاعاتی» روبه‌رو هستیم.

وی ادامه می‌دهد: هر سازمان و مجموعه بخشی از اطلاعات شهر را در اختیار دارد، برای مثال سازمان حمل‌ونقل داده‌های مربوط به سفر و ترافیک را جمع‌آوری می‌کند، سازمان پارک‌ها اطلاعات مربوط به فضای سبز را در اختیار دارد و سازمان فناوری اطلاعات نیز داده‌های سامانه‌های مختلف شهری را مدیریت می‌کند، اما اگر این داده‌ها با یکدیگر ارتباط نداشته باشند، مدیر شهری تصویر کاملی از شهر نخواهد داشت.

منتظرالقائم خاطرنشان می‌کند: برنامه‌ریز شهری زمانی می‌تواند تصمیم دقیقی بگیرد که بتواند داده‌های جمعیتی، اقتصادی، حمل‌ونقلی، محیط‌زیستی و کالبدی را کنار یکدیگر قرار دهد و ارتباط میان آن‌ها را تحلیل کند.

وی تصریح می‌کند: اصفهان در این زمینه گام‌هایی برداشته است و راه‌اندازی سامانه‌هایی همچون «سراج» به‌عنوان درگاه داده‌ها و سرویس‌های شهری و همچنین پلتفرم جامع شهر هوشمند نشان می‌دهد که حرکت به سمت یکپارچه‌سازی اطلاعات آغاز شده است، اما برای رسیدن به یک نظام داده‌محور، صرف راه‌اندازی سامانه کافی نیست و باید اتصال داده‌ها و استفاده واقعی از آن‌ها در فرآیند تصمیم‌گیری نیز محقق شود.

کدام تصمیم‌های شهری باید داده‌محور شوند؟

عضو هیئت علمی دانشگاه اصفهان با بیان اینکه بخش زیادی از تصمیم‌های شهری قابلیت داده‌محور شدن دارند، می‌گوید: هر تصمیمی که با «الگوی فضایی» و «توزیع جمعیت و فعالیت» ارتباط داشته باشد، می‌تواند بر مبنای داده گرفته شود.

وی می‌افزاید: یکی از نمونه‌های مهم، مکان‌یابی پارک‌ها و مراکز خدماتی است؛ به‌جای اینکه صرفاً بر اساس درخواست‌ها یا برداشت‌های فردی تصمیم بگیریم، می‌توانیم تراکم جمعیت، سرانه فضای سبز، گروه‌های سنی، الگوی تردد و فاصله شهروندان از خدمات موجود را بررسی کنیم و سپس بهترین مکان را انتخاب کنیم.

منتظرالقائم ادامه می‌دهد: توسعه خطوط حمل‌ونقل عمومی نیز باید بر اساس تقاضای واقعی سفر انجام شود؛ یعنی پیش از تعیین یک مسیر جدید باید مشخص شود شهروندان از کجا به کجا سفر می‌کنند، در چه ساعاتی بیشترین تقاضا وجود دارد و چه تعداد از این سفرها ظرفیت انتقال به حمل‌ونقل عمومی را دارند.

وی تصریح می‌کند: در حوزه بافت فرسوده نیز ترکیب اطلاعات مربوط به عمر ساختمان‌ها، تراکم جمعیت، وضعیت اقتصادی، میزان مهاجرت و شرایط کالبدی می‌تواند مناطق دارای اولویت برای نوسازی و بهسازی را مشخص کند.

استاد دانشگاه می‌گوید: حتی در حوزه نگهداری معابر می‌توان از داده استفاده کرد؛ اطلاعات مربوط به میزان تردد، عمر آسفالت، خرابی‌های ثبت‌شده و هزینه‌های تعمیرات می‌تواند مبنایی برای اولویت‌بندی بودجه نگهداری معابر باشد.

GIS؛ نقشه‌ای که باید زبان مشترک مدیریت شهری شود

منتظرالقائم با اشاره به نقش سامانه‌های اطلاعات جغرافیایی در برنامه‌ریزی شهری اظهار می‌کند: GIS امروز یکی از ابزارهای اصلی برنامه‌ریزی شهری است، زیرا امکان می‌دهد اطلاعات مختلف شهر بر بستر مکان قرار گیرد و ارتباط میان پدیده‌ها قابل مشاهده و تحلیل شود.

وی می‌افزاید: برای مثال، وقتی اطلاعات مربوط به جمعیت، فضای سبز، مراکز درمانی، مدارس، ایستگاه‌های حمل‌ونقل عمومی و شبکه معابر روی یک نقشه قرار گیرد، می‌توان نقاط دارای کمبود خدمات یا مناطقی را که با تراکم بالای جمعیت و کمبود زیرساخت روبه‌رو هستند، شناسایی کرد.

منتظرالقائم ادامه می‌دهد: GIS فقط یک ابزار نقشه‌کشی نیست، بلکه می‌تواند به ابزار تحلیل و تصمیم‌سازی تبدیل شود. برای نمونه در مدیریت فضای سبز می‌توان موقعیت درختان و گونه‌های گیاهی را ثبت کرد و اطلاعات مربوط به آبیاری، هرس و نگهداری آن‌ها را مدیریت کرد.

وی تصریح می‌کند: در حوزه زیرساخت نیز داشتن نقشه دقیق تأسیسات زیرزمینی می‌تواند از حفاری‌های غیرضروری و آسیب به شبکه‌های موجود جلوگیری کند و هزینه‌های مدیریت شهری را کاهش دهد.

عضو هیئت علمی دانشگاه اصفهان خاطرنشان می‌کند: اصفهان در زمینه استفاده از GIS و نظام آدرس‌گذاری مکان‌محور نیز اقدامات قابل توجهی داشته است، اما مرحله مهم‌تر، تبدیل نقشه و داده مکانی به «زبان مشترک» میان همه بخش‌های مدیریت شهری است.

هوش مصنوعی چگونه آینده محله‌های اصفهان را پیش‌بینی می‌کند؟

منتظرالقائم درباره نقش هوش مصنوعی در آینده برنامه‌ریزی شهری می‌گوید: هوش مصنوعی می‌تواند با استفاده از داده‌های تاریخی و مدل‌های پیش‌بینی‌کننده، سناریوهای مختلف آینده شهر را شبیه‌سازی کند.

وی ادامه می‌دهد: اگر اطلاعات مربوط به روند رشد جمعیت، مهاجرت، ساخت‌وساز، قیمت و تقاضای مسکن، وضعیت اقتصادی، ترافیک و کیفیت هوا را در اختیار یک مدل تحلیلی قرار دهیم، می‌توانیم سناریوهای احتمالی آینده یک محله را بررسی کنیم.

استاد دانشگاه تصریح می‌کند: برای مثال می‌توان پرسید اگر روند فعلی ساخت‌وساز و افزایش جمعیت در یک منطقه ادامه پیدا کند، پنج سال آینده چه میزان تقاضا برای مدرسه، فضای سبز، حمل‌ونقل عمومی، پارکینگ یا خدمات درمانی ایجاد خواهد شد.

وی می‌افزاید: در چنین شرایطی مدیریت شهری به جای اینکه پس از ایجاد مشکل برای حل آن اقدام کند، می‌تواند پیش از شکل‌گیری بحران برای آن برنامه‌ریزی کند. این همان نقطه‌ای است که هوش مصنوعی و مدل‌های پیش‌بینی‌کننده می‌توانند ارزش واقعی خود را نشان دهند.

منتظرالقائم خاطرنشان می‌کند: مفهوم «دوقلوی دیجیتال» نیز در همین چارچوب قابل بررسی است؛ یعنی ایجاد یک مدل دیجیتال از شهر که بتوان در آن اثر تصمیم‌های مختلف را پیش از اجرای واقعی شبیه‌سازی و ارزیابی کرد.

شهروندان باید به داده‌های عمومی شهر دسترسی داشته باشند

وی با تأکید بر اهمیت دسترسی عمومی به اطلاعات شهری می‌گوید: یکی از اصول حکمرانی داده‌محور، شفافیت و فراهم کردن امکان دسترسی شهروندان به داده‌های عمومی و غیرشخصی است.

منتظرالقائم می‌افزاید: شهروندی که بتواند اطلاعات مربوط به کیفیت هوا، وضعیت ترافیک، پروژه‌های عمرانی، خدمات شهری یا شاخص‌های مختلف محله خود را مشاهده کند، امکان مشارکت آگاهانه‌تری در اداره شهر خواهد داشت.

وی تصریح می‌کند: پلتفرم‌هایی همچون «اصفهان من» می‌توانند بخشی از این ارتباط میان شهروند و مدیریت شهری را برقرار کنند، اما گام بعدی، توسعه داده‌های باز شهری است.

استاد دانشگاه ادامه می‌دهد: اگر داده‌های عمومی و غیرشخصی در اختیار پژوهشگران، دانشگاه‌ها، شرکت‌های دانش‌بنیان و فعالان حوزه فناوری قرار گیرد، می‌توان از ظرفیت آن‌ها برای طراحی خدمات و اپلیکیشن‌های جدید استفاده کرد.

منتظرالقائم با اشاره به اهمیت داده‌های لحظه‌ای در مدیریت شهری اظهار می‌کند: داده‌های Real-time می‌توانند برنامه‌ریزی شهری را از یک فرایند ثابت و بر پایه اطلاعات گذشته به فرایندی پویا و تطبیقی تبدیل کنند.

وی می‌افزاید: در مدیریت ترافیک، داده‌های لحظه‌ای امکان شناسایی سریع گره‌های ترافیکی و حوادث را فراهم می‌کنند و مدیریت شهری می‌تواند در کوتاه‌ترین زمان نسبت به تغییر شرایط واکنش نشان دهد.

منتظرالقائم ادامه می‌دهد: پس از اجرای یک طرح شهری می‌توان عملکرد آن را با داده‌های واقعی ارزیابی کرد؛ اگر یک طرح ترافیکی نتوانسته باشد هدف موردنظر را محقق کند، نباید تنها به دلیل اینکه اجرا شده است برای همیشه ثابت باقی بماند، بلکه باید امکان اصلاح و بازنگری آن وجود داشته باشد.

وی تصریح می‌کند: این موضوع یکی از تفاوت‌های اصلی میان برنامه‌ریزی سنتی و برنامه‌ریزی داده‌محور است؛ در روش سنتی، تصمیم گرفته می‌شود و سپس تلاش می‌کنیم شرایط را با تصمیم تطبیق دهیم، اما در برنامه‌ریزی داده‌محور، تصمیم دائم با اطلاعات جدید ارزیابی و اصلاح می‌شود.

عضو هیئت علمی دانشگاه اصفهان درباره میزان آمادگی اصفهان برای تبدیل شدن به یک شهر داده‌محور می‌گوید: اصفهان از نظر وجود اراده مدیریتی و ایجاد زیرساخت‌های اولیه، شرایط مناسبی دارد، اما این آمادگی هنوز کامل نیست و باید چند مرحله اساسی طی شود.

وی می‌افزاید: نخستین موضوع، تکمیل زیرساخت جمع‌آوری داده است؛ هرچه حسگرها، سامانه‌های پایش و ابزارهای ثبت اطلاعات دقیق‌تر و گسترده‌تر باشند، کیفیت تصمیم‌گیری نیز افزایش پیدا می‌کند.

منتظرالقائم ادامه می‌دهد: مرحله دوم، اتصال سامانه‌ها و ایجاد یک پلتفرم داده یکپارچه است؛ اطلاعات نباید در اختیار سازمان‌ها باقی بماند، بلکه باید امکان تبادل و تحلیل آن‌ها در یک ساختار مشخص وجود داشته باشد.

وی تصریح می‌کند: موضوع مهم دیگر، نیروی انسانی است. شهر داده‌محور فقط با خرید تجهیزات و راه‌اندازی سامانه ساخته نمی‌شود؛ مدیران و کارشناسان باید توانایی تفسیر داده و استفاده از نتایج تحلیل‌ها را داشته باشند.

عبور از «تجربه‌گرایی» به «داده‌گرایی» در مدیریت شهری

منتظرالقائم تأکید می‌کند: شاید مهم‌ترین تغییر مورد نیاز، تغییر فرهنگ مدیریتی باشد. تجربه مدیران ارزشمند است، اما تجربه به‌تنهایی نمی‌تواند پاسخگوی پیچیدگی‌های امروز شهر باشد.

وی می‌افزاید: در شهرهای بزرگ، تعداد متغیرهایی که بر تصمیم‌های شهری اثر می‌گذارند بسیار زیاد است و نمی‌توان همه آن‌ها را با تجربه فردی تحلیل کرد، بنابراین تجربه باید در کنار داده قرار گیرد، نه در مقابل آن.

استاد دانشگاه خاطرنشان می‌کند: داده نیز به‌تنهایی تصمیم نمی‌گیرد؛ داده باید به اطلاعات، اطلاعات به تحلیل و تحلیل به تصمیم تبدیل شود. اگر داده جمع‌آوری شود اما در تصمیم‌گیری نهایی نقشی نداشته باشد، در عمل هزینه زیادی برای ایجاد سامانه‌های اطلاعاتی صرف می‌شود بدون اینکه ارزش واقعی آن‌ها در مدیریت شهر دیده شود.

منتظرالقائم ادامه می‌دهد: اصفهان برای تبدیل شدن به یک شهر داده‌محور باید پنج مسیر را هم‌زمان دنبال کند؛ تکمیل زیرساخت جمع‌آوری داده، یکپارچه‌سازی سامانه‌ها، تربیت نیروی انسانی متخصص، ایجاد فرهنگ داده‌محوری و توسعه شفافیت و داده‌باز.

وی تصریح می‌کند: آینده مدیریت شهری متعلق به شهری است که بتواند از حجم عظیم داده‌های تولیدشده در شهر برای تصمیم‌گیری بهتر استفاده کند، بنابراین پرسش اصلی دیگر این نیست که آیا باید داده‌محور شویم یا نه، بلکه این است که چگونه می‌توانیم داده را از یک «محصول جانبی مدیریت شهری» به «مبنای تصمیم‌گیری شهری» تبدیل کنیم.

شهر داده‌محور؛ فراتر از سامانه و فناوری

به گزارش صما، داده‌محور شدن شهر به‌معنای جایگزین کردن انسان با الگوریتم یا کنار گذاشتن تجربه مدیران نیست؛ مسئله، تغییر شیوه تصمیم‌گیری است. شهری که بتواند داده‌های پراکنده خود را به تصویری روشن از نیازها، رفتارها و تغییرات آینده تبدیل کند، پیش از آنکه با بحران، کمبود یا نارضایتی روبه‌رو شود، امکان واکنش و اصلاح خواهد داشت.

از این منظر، ارزش واقعی فناوری نه در تعداد سامانه‌ها و حسگرها، بلکه در تصمیم‌هایی است که به‌واسطه آن‌ها دقیق‌تر، سریع‌تر و قابل ارزیابی‌تر گرفته می‌شوند.

اصفهان نیز برای رسیدن به چنین نقطه‌ای باید میان داده، فناوری و تصمیم مدیریتی پیوندی واقعی ایجاد کند؛ پیوندی که می‌تواند کیفیت حکمرانی شهری و در نهایت تجربه زندگی شهروندان را تغییر دهد.