نوع مقاله : مقاله پژوهشی

نویسندگان

• محمدرضا ضیاءآبادی ¹
• جواد یوسف زاده ¹
• علی اکبر سالاری پور ²

¹ دانشکده هنر و معماری دانشگاه گیلان، رشت، ایران

² گروه شهرسازی، دانشکده هنر و معماری، دانشگاه گیلان

چکیده

تحلیل نقش هوش مصنوعی شهری در مدیریت بیماری‌های همه‌گیر، به‌ویژه کووید-۱۹، از حوزه‌های نوپای برنامه‌ریزی شهری هوشمند محسوب می‌شود. این مطالعه با هدف تبیین سطح بلوغ و ظرفیت به‌کارگیری فناوری‌های هوش مصنوعی شهری در ایران، در دو فاز انجام شد: نخست، مرور نظام‌مند ۳۳۶ مقاله نمایه‌شده در پایگاه ساینس‌دایرکت (2020–2025) با رویکرد پریزما و تحلیل کتاب‌سنجی با نرم‌افزار VOSviewer؛ دوم، تحلیل موردی اقدامات شهر تهران به روش تحلیل کیفی در سه محور «پیش‌بینی»، «تشخیص و درمان» و «کنترل انتشار»، با استفاده از داده‌های پژوهشی، اسناد رسمی و شواهد تجربی نتایج نشان داد که ایران از نظر زیرساخت داده‌ای در سطح بالایی قرار دارد، اما بهره‌گیری از مدل‌های یادگیری ماشینی و الگوریتم‌های هوشمند در سطح متوسط است و ظرفیت فناورانه موجود هنوز به «حکمروایی داده‌بنیاد شناختی» نرسیده است. بررسی اقدامات تهران در دوران کووید-۱۹ نشان داد که بیشترین کاربرد هوش مصنوعی در تشخیص مبتنی بر داده و کنترل انتشار با ابزارهای نظارت دیجیتال و آموزش آنلاین بوده و توان پیش‌بینی بلادرنگ هنوز محدود است. این یافته‌ها شکاف میان زیرساخت‌های فناورانه و بهره‌برداری عملی از آن‌ها را آشکار می‌کنند و می‌توانند مبنای توسعه سامانه‌های پیش‌بینی و مدل‌های دوقلوی دیجیتال سلامت شهری قرار گیرند.

کلیدواژه‌ها

• هوش شهری
• بیماری‌های همه‌گیر
• کرونا
• فناوری‌های نوین

موضوعات

• برنامه ریزی توسعه شهری و منطقه ای

عنوان مقاله [English]

Urban Intelligence Applications in Predicting and Controlling Pandemics: A Systematic Review of Tehran’s Experiences during the COVID-19 Pandemic

نویسندگان [English]

• mohammadreza ziaabadi ¹
• Javad yousefzadeh ¹
• Aliakbar Salaripour ²

¹ Faculty of Art and Architecture, University of Guilan, Rasht, Iran

² Department of urban planning, Faculty of Art and Architecture, University of Guilan

چکیده [English]

The analysis of the role of urban artificial intelligence in managing pandemics (particularly COVID-19) is considered an emerging field within smart urban planning. This study aims to elucidate the level of maturity and the capacity for deploying urban AI technologies in Iran and was conducted in two phases. First, a systematic review of 336 articles indexed in the ScienceDirect database (2020–2025) was carried out using the PRISMA approach, complemented by bibliometric analysis with VOSviewer software. Second, a case-based analysis of measures implemented in Tehran was conducted using qualitative analysis across three dimensions: “prediction,” “diagnosis and treatment,” and “control of transmission,” drawing on research data, official documents, and empirical evidence. The results indicate that while Iran possesses a relatively high level of data infrastructure, the utilization of machine learning models and intelligent algorithms remains at a moderate level, and the existing technological capacity has not yet evolved into “cognitive data-driven governance.” The examination of Tehran’s response during the COVID-19 pandemic shows that the most significant applications of artificial intelligence were in data-driven diagnostics and transmission control through digital surveillance tools and online education, whereas real-time predictive capabilities remain limited. These findings reveal a gap between technological infrastructure and its practical utilization and can serve as a foundation for developing predictive systems and urban health digital twin models

کلیدواژه‌ها [English]

• Urban Intelligence
• Epidemics
• COVID-19
• Emerging Technologies