در سال 2008، برای اولین بار در تاریخ، جمعیت بیشتری در جهان در شهرها زندگی می کردند تا در مناطق روستایی. روند شهرنشینی ادامه خواهد یافت. برای مثال، صندوق جمعیت سازمان ملل متحد (UNFPA) انتظار دارد تا سال 2030 5 میلیارد شهروند ساکن شود. در آماده سازی، نیاز فزاینده ای به مفاهیم توسعه استراتژیک موفق و پایدار وجود دارد. در این زمینه، شهر هوشمند اصطلاحی است برای چنین مفاهیم برنامه ریزی شهری که نه تنها زیرساخت های یک شهر، بلکه سرمایه فکری، اقتصادی و اجتماعی آن را نیز در نظر می گیرد. در این دیدگاه برنامه ریزی کل نگر، فناوری های ارتباطی اطلاعات (ICT) نقش اصلی را ایفا می کند. به طور خاص،
این شماره ویژه مجله بین المللی اطلاعات جغرافیاییهدف آن ترویج مفاهیم، روشها و ابزارهای نوآورانه است که به حل مشکلات فعلی و آینده در مناطق شهری از دیدگاه علم GI کمک میکند. بدیهی است، تنها تعداد محدودی از نورافکن ها در این موضوع گسترده می توانند در اینجا ارائه شوند. با این حال، یک «داستان کلی» واضح وجود دارد که میتوان مشاهده کرد: اولاً، مدلسازی کل شهرها مستلزم استفاده از منابع دادههای جغرافیایی است که بسیار فراتر از منابع معمولی و رسمی است. به طور خاص، داده های رسانه های اجتماعی باز و همچنین ابرهای پیشرفته برای توصیف شهرهایی با تراکم و عمق اطلاعات معقول ضروری هستند. ثانیاً، روشهای زمینآماری و بصری (عمدتاً به صورت ترکیبی) باید برای این منابع داده سفارشی شوند تا اطلاعات مهم و مقادیر اضافی استخراج شود. و سوم اینکه
این دیدگاه کاربر بلافاصله در اولین مقاله این شماره، ارائه شده توسط Aurol Degbelo و همکاران، انتخاب شده است. (مونستر، آلمان، Castellón de la Plana، اسپانیا، لیسبون، پرتغال). با تمرکز بر دیدگاه شهروندی، به چالشهای مختلفی مانند مشارکت یا سواد پرداخته میشود. استدلال می شود که GI Science قادر است با استفاده از استانداردهای باز، رابط های متقاعد کننده و غیره با این چالش ها مقابله کند.
استفان نبیکر و همکاران (Muttenz، سوئیس) یک روش جایگزین برای ایجاد مدلهای سه بعدی شهر را توصیف میکند: آنها از تصاویر رنگی واقعی و دادههای عمقی که از سیستمهای نقشهبرداری تلفن همراه استریو چند نمایه که در سطح خیابان به دست آمدهاند، استفاده میکنند. آنها نشان میدهند که با استفاده از روشهای پیشرفته میتوان دقت ژئوارفرنس بیشتری را به دست آورد و به راحتی فضاهای تصویر سه بعدی کل شهرها را مدیریت کرد.
گلوریا ری کالگاری و همکاران (میلانو، ایتالیا) نشان می دهد که رویکردهای کشف دانش تعدیل شده به کار رفته در منابع داده باز، قادر به استخراج کاربری زمین شهری با وضوح فضایی متوسط برای مناطق بسیار بزرگ هستند.
تورستن فورستر و اگنس ماینکا (دوسلدورف، آلمان) روشی را برای تحلیل شبکهها بر اساس پلتفرم رسانههای اجتماعی، توییتر ارائه میکنند. از 40 میلیون توییت، آنها روندهایی را به دست میآورند که میتوان آنها را برای شهرهای منفرد مشاهده کرد (که تغییرات قابل توجهی را در میان آنها آشکار میکند) و برای ارتباط بین دو شهر. پیشبینی میشود که چنین جریانهای دادههای رسانههای اجتماعی را میتوان برای موضوعات مهم و خاصتر مکانی-زمانی اعمال کرد.
لی یین و رابرت مارک سیلورمن (بوفالو، نیویورک، ایالات متحده) نشان میدهند که چگونه اطلاعات جغرافیایی میتواند تحولات شهری را توصیف کند، با مثالی از رها شدن و تخریب مسکن در شهر بوفالو. نویسندگان به بررسی همبستگی مکانی-زمانی این پدیده ها با پارامترهای مختلف مانند مجاورت با دیگر جاهای خالی، اندازه جلوی زمین و غیره می پردازند.
سرانجام، ناتالیا آندرینکو و همکاران. (سنت آگوستین، آلمان؛ پیزا، ایتالیا) هدف بهبود شبیه سازی ترافیک بر اساس شبکه های حمل و نقل انتزاعی را دنبال می کنند. این مدلها از مدلهای وابستگی ساخته شدهاند که از دادههای ترافیک واقعی با کمک روشهای تجزیه و تحلیل بصری مشتق شدهاند.
اگرچه این شماره ویژه می تواند تنها یک نمای بسیار محدود و تکه تکه ارائه دهد، همچنین به وضوح پتانسیل عظیمی از داده های جغرافیایی و اطلاعات جغرافیایی در چارچوب دیدگاه برنامه ریزی کل نگر شهرهای هوشمند را آشکار می کند. با این حال، هنوز نیاز به دوختن این وصلهها (و بیشتر) به یکدیگر و به ویژه ارتقای ارزش اضافی بالقوه برای ذینفعان مختلف وجود دارد. این شماره ویژه مطمئناً می تواند در خدمت این هدف باشد.
© 2016 توسط نویسنده; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons توسط Attribution (CC-BY) ( http://creativecommons.org/licenses/by/4.0/ ) توزیع شده است
بدون نظر