ارتباطات (Communication)، تعامل (Interaction)، مشارکت (Involvement) و همکاری (Contributions) به عنوان اجزای کلیدی در دستیابی به اهداف شهر هوشمند، حیاتی هستند. فناوری‌ های هوشمندی مانند هوش مصنوعی (Artificial intelligence (AI)) که قادر به خود نظارتی (Self-monitoring)، تجزیه و تحلیل (Analysis) و گزارش ‌دهی (Reporting) هستند، تنها در صورتی می ‌توانند مؤثر واقع شوند که به یک مشکل واقعی رسیدگی کنند و نیازهای واقعی را برآورده سازند. در رویکرد سنتی، شهرها از طریق جلسات اجتماعی یا از طریق کمپین ‌ها با اجزای تشکیل دهنده (constituents) مختلف درگیر می‌ شدند، که اغلب بر مدل‌ های تعامل یک ‌طرفه برای جمع ‌آوری داده ها یا افزایش پذیرش نوآوری های مختلف تکیه می کردند. در مقابل، عملیات شهر هوشمند به مدل ‌های تعامل بسیار متفاوتی نیاز دارد که به موجب آن اجزای شهری (Hasija et al., 2020):

• داده ‌های مبتنی بر استفاده و بازخورد کاربر نهایی را جمع ‌آوری می کنند که می ‌توانند برای برآورد تقاضا، بهبود خدمات موجود، کشف نیازها، طراحی ابتکارات جدید و شناسایی چالش‌ های پیاده‌ سازی استفاده شوند.
• با بهره گیری از فناوری های فراگیری نظیر تلفن های هوشمند (Smartphones)، اینترنت اشیاء (Internet of Things (IoT))، رایانش ابری (Cloud computing)، و همچنین سکوهای دیجیتال قابل همکاری (Interoperable digital platforms)، و فرایندهای عملیاتی (Operating processes) از بروز چالش های بوروکراتیک (Bureaucratic rigidity) جلوگیری به عمل می آورند.

مفهوم شهر هوشمند (Smart cities) برای اولین بار در اوایل دهه 1990 معرفی شد که عمدتا به توسعه شهری مبتنی بر فناوری (Technology)، نوآوری (Innovation) و جهانی شدن (Globalization) اشاره داشت (Gibson et al., 1992). اگرچه هنوز تعریف مشترکی از شهر هوشمند وجود ندارد، اما از اواسط دهه 2000، حوزه های عملیاتی شهرهای هوشمند به وضوح تعریف شده است. به طور کلی مفهوم «شهر هوشمند» به شش جنبه تقسیم می ‌شود: اقتصاد هوشمند (Smart economy)، محیط هوشمند (Smart environment)، حکمرانی هوشمند (Smart governance)، تحرک هوشمند (smart mobility)، افراد هوشمند (Smart people) و زندگی هوشمند (Smart living). برای هر یک از این مشخصه های شش گانه، عوامل (Factors) و شاخص های (Indicators) خاصی ارائه شده است (Giffinger et al., 2007). همچنین، دو رویکرد مهم در بحث شهرهای هوشمند وجود دارند که عبارتند از رویکرد فناوری محور (Techno-centered approach) و رویکرد انسان/اجتماع محور (Human/social centered approach) (Galderisi, 2018). رویکرد اول، که تا کنون عمدتاً غالب بوده است، عمدتاً توسط شرکت ‌های چند ملیتی، رهبران بخش تولید فناوری اطلاعات و ارتباطات، پرورش یافته است. با این وجود، در سال‌ های اخیر انتقادات زیادی از جبر فناورانه  که زیربنای این رویکرد است، مطرح شده است، به طوری که معاون سیسکو (vice president of CISCO) خاطرنشان کرد که، «ما در حال عبور از آستانه بهره گیری از ابزارهای مبتنی بر اینترنت در شهرها هستیم. … دستگاه ‌های فناوری تنها در صورتی می توانند زندگی ما را بهتر کنند که در دست کاربرانی قرار گیرند که راه استفاده از آن را فرا گرفته و بتوانند بهترین استفاده ممکن را از آن ببرند» (Campbell, 2012). رویکرد دوم نقش فناوری را به عنوان یک ابزار توانمندساز (Enabling tool) حیاتی نادیده نمی ‌گیرد، اما به سرمایه انسانی و اجتماعی به عنوان اهرم‌ های اصلی توسعه هوشمند (Smart development) نگاه می ‌کند. به دنبال این خط فکری، برچسب شهر هوشمند اخیراً تحت عنوان شهر هوشمند انسان (Human smart city) نیز شناخته می شود (Concilio et al., 2016). طرفداران رویکرد شهر هوشمند انسانی نه تنها بر اهمیت فناوری ‌های اطلاعات و ارتباطات (ICT) در تقویت جنبه‌های انسانی شهرهای هوشمند تأکید می‌کنند، بلکه اذعان می کنند که ICT نقش مهمی در دگرگونی شهرهای مدرن دارد. بر این اساس، فناوری ‌های جدید به جای اینکه فقط در فضاهای شهری موجود بکار گرفته شوند، در واقع ساختار فیزیکی شهرها را تغییر داده و روش ‌های تعامل مردم با محیط‌ های شهری و فضای آن‌ ها را تغییر می‌ دهند (Galderisi, 2018). بطور کلی شهرهای هوشمند از داده ها و فناوری برای ایجاد کارایی، بهبود پایداری، ایجاد توسعه اقتصادی و افزایش عوامل کیفیت زندگی افرادی که در شهر زندگی می کنند و به کار مشغول هستند، استفاده می کنند (Hasija et al., 2020).

امروزه، یکی از برجسته ‌ترین نمونه ‌های عملیات شهر هوشمند، راه‌حل‌ های اخیر در زمینه تحرک شهری (Urban mobility) هستند. به عنوان مثال، راهکار ابری سیتی برین (City Brain) که توسط علی بابا (Alibaba) ارائه شده است، با بهره گیری از داده ‌های جمع ‌آوری‌ شده از طریق فیدهای ویدیویی (Video feeds) در چراغ ‌های راهنمایی، به کاهش ازدحام و انسداد ترافیک در هوانگژو (Hangzhou) چین کمک می کند. به گفته علی بابا، سیتی برین با دقت 92 درصد قادر به شناسایی تخلفات رانندگی است. علاوه بر این، سیستم پیشنهادی به وسایل نقلیه اورژانس کمک می کند تا در نیمی از زمان به مقصد برسند. همچنین افزایش 15 درصدی در سرعت ترافیک را نیز به ارمغان داشته است (Hasija et al., 2020). امروزه، شهرها در سراسر جهان از پیشرفته ترین فناوری های دیجیتال برای ساخت سیستم های کنترل باز و هوشمند (open and Intelligent control systems)، بهره می بند که به عنوان نمونه هایی از ابتکارات شهر هوشمند تلقی می گردند و بدین صورت به مدیریت لحظه ای فرایندهای اضطراری و امنیت عمومی و همچنین ترافیک شهری می پردازند (Hasija & Teo, 2022).

منابع

Campbell, T. (2012). Beyond Smart City: How cities network, learn and innovate. Earthscan, NY.

Concilio, G., Marsh, J., Molinari, F., & Rizzo, F. (2016). Human Smart Cities: A New Vision for Redesigning Urban Community and Citizen’s Life BT  – Knowledge, Information and Creativity Support Systems: Recent Trends, Advances and Solutions (A. M. J. Skulimowski & J. Kacprzyk (reds); bll 269–278). Springer International Publishing.

Galderisi, A. (2018). Chapter 1 – The Smart City Metaphor to Foster Collaborative and Adaptive Decision-Making Processes in the Face of Climate Issues (A. Galderisi & A. B. T.-S. Colucci  Resilient and Transition Cities (reds); bll 3–10). Elsevier. https://doi.org/https://doi.org/10.1016/B978-0-12-811477-3.00001-8

Gibson, D. V, Kozmetsky, G., & Smilor, R. W. (1992). The technopolis phenomenon: Smart cities, fast systems, global networks. Rowman \& Littlefield.

Giffinger, R., Fertner, C., Kramar, H., Kalasek, R., Pichler-Milanovic, N., & Meijers, E. J. (2007). Smart cities. Ranking of European medium-sized cities. Final Report.

Hasija, S., Shen, Z.-J. M., & Teo, C.-P. (2020). Smart City Operations: Modeling Challenges and Opportunities. Manufacturing & Service Operations Management, 22(1), 203–213. https://doi.org/10.1287/msom.2019.0823

Hasija, S., & Teo, C. P. (2022). Introduction to the Special Section on Smart City Operations. Manufacturing & Service Operations Management, 24(5), 2387–2388. https://doi.org/10.1287/msom.2022.1133