طراحی سامانه هوشمند کاهش وابستگی به خودروی شخصی مبتنی بر تحلیل رفتاری و هوش مصنوعی در حمل‌ونقل شهری

وابستگی روزافزون به خودروهای شخصی در کلان‌شهرها موجب تشدید ترافیک، اتلاف وقت، مصرف بالای سوخت فسیلی و آلودگی هوا شده است. مطالعات نشان می‌دهد سیاست‌های زیرساختی و محدودیت‌های مقرراتی به‌تنهایی برای تغییر پایدار الگوی سفر کافی نیستند و باید با مشوق‌های رفتاری و ابزارهای دیجیتال نوآور ترکیب شوند. در این راستا، سامانه‌ای هوشمند برای کاهش استفاده از خودروی شخصی پیشنهاد می‌شود که سه لایه اصلی دارد: نخست، تحلیل رفتاری سفر شهروندان با داده‌های gps و هوش مصنوعی برای تشخیص شیوه حمل‌ونقل. دوم، پاداش‌دهی مبتنی بر توکن (دارایی دیجیتال) متناسب با میزان صرفه‌جویی در انتشار co₂. سوم، بهره‌گیری از سنسورهای شهری و اینترنت اشیاء برای وزن‌دهی بیشتر به سفرهای سبز در زمان‌ها و مکان‌های آلوده. در این سامانه، هر سفر کاربر با سناریوی پایه «خودروی شخصی تک‌سرنشین» مقایسه و صرفه‌جویی کربنی محاسبه می‌شود. سپس امتیاز زیست‌محیطی و توکن‌های سبز برای کاربر صادر می‌گردد که در کیف‌پول ذخیره می‌شود. این توکن‌ها در بازارچه پاداش برای تخفیف بلیت حمل‌ونقل عمومی و خدمات سبز قابل استفاده‌اند. مقاله حاضر مدل مفهومی، متغیرها، معماری فنی، اجرای طرح شهری آزمایشی و شاخص‌های ارزیابی را معرفی کرده و در پایان مسیرهای توسعه آینده در ترکیب بازی‌وار‌سازی و حمل‌ونقل پایدار بررسی می‌کند.

design of an intelligent system to reduce reliance on private cars based on behavioral analysis and artificial intelligence in urban transportation

the growing dependence on private cars in megacities has intensified traffic congestion, time loss, high fossil fuel consumption, and air pollution. studies show that infrastructure policies and regulatory restrictions alone are not sufficient to achieve a lasting change in travel patterns and must be combined with behavioral incentives and innovative digital tools. in this regard, an intelligent system is proposed to reduce private car use, consisting of three main layers: first, behavioral analysis of citizens’ trips using gps data and artificial intelligence to detect transport modes; second, token based rewards proportional to the amount of co₂ emissions saved; and third, the use of urban sensors and the internet of things to assign higher weights to green trips at polluted times and locations. in this system, each user trip is compared with a baseline scenario of a single occupancy private car and the corresponding carbon savings are calculated. an environmental score and green tokens are then issued to the user and stored in a digital wallet. these tokens can be used in a reward marketplace to obtain discounts on public transport tickets and green services. this paper introduces the conceptual model, variables, technical architecture, urban pilot scheme, and evaluation indicators, and finally discusses future development paths for combining gamification with sustainable transport.