مدل‌سازی عوامل فنی مؤثر بر پیاده‌سازی طرح‌های شهر هوشمند با استفاده از رویکرد مدل‌سازی تفسیری ساختاری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت فناوری اطلاعات، واحد قشم، دانشگاه آزاد اسلامی، قشم، ایران‌

2 استادیار گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران‌

3 استادیار گروه مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

مقدمه
شهرهای هوشمند، آیندۀ شهرها را تشکیل می‌دهند و عصر انقلاب اطلاعات دیر یا زود شهرها را به سمت هوشمند شدن سوق خواهد داد. شهر هوشمند در دنیای تکنولوژیکی امروز اهمیت بسیاری یافته و در کشورهای پیشرفته به عنوان یک الگوی مهم دنبال می‌شود، اما برای تحقق شهر هوشمند الزامات و ضروریات و همچنین، مؤلفه‌هایی لازم است که شناسایی آن‌ها جهت تحقق این مهم اجتناب‌ناپذیر است. بنابراین شهرها ‌‌باید آمادگی فنی لازم را برای هوشمند شدن داشته باشند یا بستر لازم برای آن را فراهم کنند. بنابراین، دو پرسش مطرح می‌شود که عوامل فنی که برای اجرای طرح‌های هوشمندسازی شهری مؤثرند کدام‌اند و چه ارتباطی بین این عوامل وجود دارد.
مواد و روش‌ها
تحقیق حاضر از نظر هدف کاربردی و از نظر جمع‌آوری اطلاعات توصیفی است. نوع تحقیق از نوع آمیختۀ کیفی و کمی است. جمع‌آوری اطلاعات در دو سطح میدانی و کتابخانه‌ای انجام می‌شود. به منظور بررسی شکاف تحقیقاتی و کشف نوآوری از روش کتابخانه‌ای استفاده می‌شود ضمن اینکه با استفاده از این روش مبانی نظری و پیشینۀ تحقیق استخراج می‌شود، اما به منظور شناسایی عوامل فنی مؤثر بر پیاده‌سازی شهر هوشمند از مصاحبه با خبرگان استفاده می‌شود، ضمن اینکه به منظور استخراج داده‌ها، از پایگاه‌های داده‌های حاکمیتی و آرشیوی استفاده خواهد شد. ابزار جمع‌آوری اطلاعات در تحقیق حاضر شامل یک مصاحبه و یک پرسشنامۀ دلفی در مقیاس 20 است که هر یک از عوامل استخراجی در مرحلۀ قبل به عنوان یک گویه در این پرسش وارد می‌شوند. روایی این پرسشنامه با استفاده از نظر اساتید و پایایی آن با استفاده از آزمون آلفای کرونباخ بررسی می‌شود. جامعۀ آماری تحقیق حاضر شامل کلیۀ کارشناسان و فعالان در حوزۀ شهر هوشمند هستند که ‌باید حداقل 10 سال در حوزۀ مربوطه مشغول فعالیت باشند و روش نمونه‌گیری به صورت گلوله برفی است. در مرحلۀ دلفی و دسته‌بندی از نرم‌افزار اکسل و در بخش انتخاب ویژگی از نرم‌افزار متلب استفاده شد.
یافته‌ها
با استفاده از تکنیک تحلیل محتوا عوامل مؤثر بر شهر هوشمند استخراج می‌شوند. این عوامل با استفاده از مصاحبه با خبرگان استخراج شده‌اند. پس از تعیین عوامل، در مرحلۀ دلفی عوامل فنی استخراجی مورد بازبینی و پالایش قرار گرفت و عواملی که در هر سه مرحلۀ اول اتفاق نظری در خصوص آن‌ها وجود نداشته باشد حذف می‌شوند. از 22 عامل فنی 4 عامل به دلیل نبود اتفاق نظر و همچنین، وجود مغایرت در سه مرحلۀ دلفی حذف شد. آمارۀ آزمون آلفای کرونباخ برای تمامی متغیرها بالاتر از 6/0 است که نشان می‌دهد تمامی متغیرها در سطح قابلیت اطمینان یا پایایی مطلوب قرار داشته و لذا پایایی پرسشنامه مورد تأیید قرار می‌گیرد. سپس با استفاده از تکنیک الگوریتم فراابتکاری ژنتیک که یکی از روش‌های انتخاب ویژگی است، غربال نهایی متغیرهای ورودی صورت گرفت. مرحلۀ دسته‌بندی به عنوان مرحلۀ نهایی تحلیل حاضر تلقی می‌شود. در مراحل قبلی شناسایی و غربال و پالایش متغیرها صورت گرفت. اما در این مرحله با استفاده از روش مدل‌سازی ساختاری تفسیری به سطح‌بندی معیارهای برآمده از روش‌های دلفی و انتخاب ویژگی بر اساس تأثیرگذاری و تأثیرپذیری پرداخته می‌شود که بر اساس مدل نهایی تحقیق، سطح ششم یعنی معیار زیر ساخت دیجیتال، تأثیرگذارترین معیار است که به صورت مستقیم روی معیار سطح پنجم یعنی توسعۀ زیرساخت اینترنت تأثیر می‌گذارد. سطح اول که شامل معیار سیستم‌های هوشمند کمک به راننده و سیستم‌های هشدار ساختمان است تأثیرپذیرترین معیارها هستند.
نتیجه‌گیری
شهر هوشمند در آیندۀ نزدیک به عنوان یک پارادایم مهم در عرصۀ مدیریت شهری و شهرسازی مطرح خواهد شد ضمن اینکه در جهان توسعه‌یافته این مفهوم نسبت به جهان رو به توسعه بیشتر نهادینه شده است. لذا تحقیق در این زمینه و شناسایی عوامل اثرگذار بر آن یک ضرورت اجتناب‌ناپذیر تلقی می‌شود. مدل نهایی عوامل فنی شامل شش سطح است. سطح ششم یعنی معیار زیرساخت دیجیتال تأثیرگذارترین معیار است که به صورت مستقیم روی معیار سطح پنجم یعنی توسعۀ زیرساخت اینترنت تأثیر می‌گذارد. همچنین عوامل فنی از لحاظ قدرت نفوذ و وابستگی بررسی شد که بر این اساس، معیارهای زیرساخت دیجیتال و توسعۀ زیرساخت اینترنت از نوع مستقل هستند. این متغیرها دارای وابستگی کم و هدایت بالا هستند. به بیانی دیگر، تأثیرگذاری زیاد و تأثیرپذیری کم از ویژگی‌های این متغیرها است. معیارهای سیستم‌های هوشمند کمک به راننده و سیستم‌های هشدار ساختمان نیز از نوع وابسته هستند که وابستگی قوی و هدایت ضعیف دارند. این متغیرها تأثیرپذیری بالا و تأثیرگذاری کمی روی سیستم دارند. باقی معیارها از نوع رابط هستند این متغیرها از وابستگی بالا و قدرت هدایت بالا برخوردارند. به بیانی تأثیرگذاری و تأثیرپذیری این معیارها بسیار زیاد است و هر تغییر کوچکی روی این متغیرها باعث تغییرات اساسی در سیستم می‌شود. بنابراین نتایج این پژوهش نشان می‌دهد زیرساخت دیجیتال اثرگذارترین عامل فنی در پیاده‌سازی طرح‌های شهر هوشمند است و سرمایه‌گذاری در این بخش در توسعۀ طرح‌های شهر هوشمند اهمیت زیادی دارد که در زندگی شهروندان و اقتصاد شهری نیز تأثیر به‌سزایی خواهد داشت.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling the Technical Factors Affecting the Implementation of Smart City Plans Using the Interpretive Structural Modeling Approach

نویسندگان [English]

  • Ali Safarzadeh 1
  • Ghasem Ali Bazaee 2
  • Mehdi Faghihi 3
1 Ph.D. Candidate in IT Management, Department of IT Management, Qeshm Branch, Islamic Azad University, Qeshm, Iran
2 Assistant Professor, Department of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
3 Assistant Professor, Department of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Introduction 
Smart cities form the future of cities and the age of information revolution will sooner or later lead cities to become smart. The smart city has become very important in today’s technological world and is followed as an important model in advanced countries, but in order to realize the smart city, there are requirements and essentials, as well as components, which their realization is inevitable. Therefore, cities should have the technical preparation to become smart or provide the necessary platform. Therefore, two questions are raised what are the technical factors that are effective for the implementation of urban smart projects and what is the relationship between these factors?
Materials and Methods
The current research is applied in terms of purpose and descriptive in terms of data collection. The type of research is a mixed qualitative and quantitative type. Data collection is done at both field and library levels. In order to investigate the research gap and discover innovation, the library method is used, while using this method, theoretical foundations, and research background are extracted, but to identify the technical factors affecting the implementation of the smart city, interviews with experts are used. In addition, to extract data, governmental and archival databases are used. The data collection tool in the current research includes an interview and a Delphi questionnaire with a scale of 20, and each of the factors extracted in the previous step is included as an item in this question. The validity of this questionnaire is checked using the opinion of professors and its reliability is checked using Cronbach’s alpha test. The statistical population of this research includes all experts and activists in the field of smart city, who must have been working in the relevant field for at least 10 years, and the sampling method is snowball. Excel software was used in the Delphi and classification stage, and MATLAB software was used in the feature selection section.
Findings
By using the content analysis technique, factors affecting the smart city are extracted. These factors were extracted by using interviews with experts. After determining the factors, the extracted technical factors were reviewed and refined in the Delphi stage, and the factors that were not agreed upon in the first three stages were eliminated. Out of 22 technical factors, 4 factors were removed due to the lack of consensus and the existence of discrepancies in the three Delphi steps. Cronbach’s alpha test statistic for all variables is higher than 0.6, which shows that all variables are at the desired level of reliability, and therefore the reliability of the questionnaire is confirmed. Then, using the genetic meta-heuristic algorithm technique, which is one of the feature selection methods, the final screening of the input variables was done. The classification stage is considered the final stage of the current analysis. In the previous stages, variables were identified, screened, and refined. However, at this stage, using the interpretive structural modeling method, the leveling of the criteria derived from Delphi methods and the selection of characteristics based on effectiveness and affectability are discussed, and according to the final model of the research, the sixth level, i.e. digital infrastructure criteria, is the most effective. It is a criterion that directly affects the fifth level criterion, which is the development of Internet infrastructure. The first level, which includes the criterion of intelligent driver assistance systems and building warning systems, is the most effective criteria.
Conclusion
In the near future, the smart city will emerge as an important paradigm in the field of urban management and urban planning, while in the developed world this concept is more institutionalized than in the developing world, so research in this field and identifying the factors affecting it It is considered an inevitable necessity. The final model of technical factors includes six levels. The sixth level, i.e. the digital infrastructure criterion, is the most influential criterion, which directly affects the fifth level criterion, i.e. the development of the Internet infrastructure. Also, technical factors were investigated in terms of influence and dependence, based on which, digital infrastructure criteria and Internet infrastructure development are independent. These variables have low dependence and high directivity, in other words, high influence and low influence are the characteristics of these variables. The criteria of intelligent driver assistance systems and building warning systems are also of the dependent type, which have strong dependence and weak guidance. These variables have high influence and little influence on the system. The rest of the criteria are of the interface type, these variables have high dependence and high guiding power, in other words, the effectiveness and affectability of these criteria are very high, and any small change in these variables causes fundamental changes in the system. Therefore, the results of this research show that digital infrastructure is the most effective technical factor in the implementation of smart city plans, and investing in this sector is very important in the development of smart city plans, which will have a significant impact on the lives of citizens and the urban economy. 

کلیدواژه‌ها [English]

  • Data Mining
  • Feature Selection
  • Interpretive Structural Modeling
  • Smart City
  • Sustainable Development
[1] Jodki, Saba and Fayaz, Maryam & Ahmadi, Nasim, 2015, What Big Data Do in Smart City, The Second National Conference on New Approaches in Electrical and Computer Engineering, Khorramabad, https://civilica.com/doc/627600, [In Persian]
[2] dadghar, Seyyed Mehdi; Bromandania, Ali & Farhang Adib, Somia 2016. Challenges in the Internet of Things and ways to deal with them in reaching a smart city, National Conference of Computer Science and Engineering and Information Technology, Babol, https://civilica.com/doc/526986 ,[In Persian]
[3] Islampanah, Maryam & Salimi, Fatemeh, 2015, examining the function and position of the smart city and tomorrow’s school in the next twenty years, the second national conference on the psychology of educational and social sciences, Babol, https://civilica.com/doc/557929
[4] Aguaded-Ramírez, E. (2017). Smart City and Intercultural Education. Procedia-Social and Behavioral Sciences, 237(21), 326-333, https://doi.org/10.1016/j.sbspro.2017.02.010
[5] Anthopoulos, L., 2017. Smart utopia VS smart reality: learning by experience from 10 smart city cases. Cities 63, 128–148, https://doi.org/10.1016/j.cities.2016.10.005
[6] Anabestani, Ali-akbar, Kalantari, Mohsen & Niknami, Nasim, 2023, Explanation of the key drivers affecting the establishment of a smart city based on Internet of Things technology (case study: Mashhad metropolis),Urban Economics and Planning Quarterly,4(1),doi: 10.22034/uep.2023.390907.1346[In Persian]
[7] Zinali Azim, Ali & Babazadeh Eskoi, Solmaz, 2022, an analysis on the creation of a livable smart city in Tabriz city, Quarterly Journal of Economics and Urban Planning,4(3) 24-37,doi: 10.22034/uep.2022.365191.1286 [In Persian]
[8] Salehi Panahi, Mir Mohammad; Dares Khan, Rasul, Singari, Maryam & Farmarzi, Mahsa, 2022, Passive Defense Journal, 13(4), https://doi: 95-105, 20.1001.1.20086849.1401.13.4.9.8 [In Persian]
[9] Mohammadi Deh Cheshmeh, Mostafa & Moradi Houshang ,2022, strategies for realizing the vision of smart governance in Iranian cities, Economics and Urban Planning Quarterly, 3(4) ,114-131, https://doi:10.22034/UEP.2022.366428.1293 [In Persian]
[10] Sediqi, Nazila, Ehtsham Rathi, Reza; & Sanai, Mohammad Reza, 2022, providing a framework for evaluating cyber security and privacy threats and investigating their impact on smart city performance, Electronic and Cyber Defense Magazine, 10(3), 77 – 91, https://doi.org/10.22054/ims.2021.59476.1925 [In Persian]
[11] Zhu, Huiying, Liyin Shen & Yitian Ren (2022), How can smart city shape a happier life? The mechanism for developing a Happiness Driven Smart City, Sustainable Cities and Society, 80, https://doi.org/10.1016/j.scs.2022.103791 
[12] Jothimani, Priya ,  Chenniappan, Palanisamy & Chidambaranathan, Vinothini(2022, January), Factors impinge on the development of a smart city: a field study, Research on Sustainable Developments for Environment Management, 29(57):86298-86307. https://doi: 10.1007/s11356-021-17930-4
[13] Duygan, Mert, Manuel Fischer, Rea P¨arli & Karin Ingold (2022), Where do Smart Cities grow? The spatial and socio-economic configurations of smart city development, Sustainable Cities and Society 77, https://doi:10.1016/j.scs.2021.103578
[14] Kusumastuti, Ratih Dyah, N. Nurmala Juliana Rouli & Herdis Herdiansyah (2022), Analyzing the factors that influence the seeking and sharing of information on the smart city digital platform: Empirical evidence from Indonesia, Technology in Society 68 https://doi.org/10.1016/j.techsoc.2022.101876
[15] Kashef, Mohamad &, Anna Visvizi Orlando Troisi (2021), Smart city as a smart service system: Human-computer interaction and smart city surveillance systems, Comp uters in Human Behavior 124, https://doi:10.1016/j.chb.2021.106923
[16] Nilssen, M. (2019). To the smart city and beyond? Developing a typology of smart urban innovation. medicine, 21(6), 563-571, https://doi.org/10.1016/j.techfore.2018.07.060
[17] Beretta, Ilaria, (2018), The social effects of eco-innovations in Italian smart cities,72, 115-121 , https://doi.org/10.1016/j.cities.2017.07.010
[18] Snow, C. C., Håkonsson, D. D., & Obel, B. (2016). A smart city is a collaborative community: lessons from Smart Aarhus. California Management Review, 59(1), 92-108. https://doi:10.1177/0008125616683954
[19] han, hoon & Hawken, Scott, (2018), Introduction: Innovation and identity in next-generation smart cities, City, Culture and Society, (12), 1-4, https://doi.org/10.1016/j.ccs.2017.12.003
[20] Borsekova, Korony, Vanova & Vitalisova, Kamila, Samuel, Anna & Katarina (2018), Functionality between the size and indicators of smart cities: A research challenge with policy implications, Cities,78, 17-26, https://doi.org/10.1016/j.cities.2018.03.010
[21] Mydlarz, C., Salamon, J., & Bello, J. P. (2017). The implementation of low-cost urban acoustic monitoring devices. Applied Acoustics, 117, 207-218, https://doi.org/10.1016/j.apacoust.2016.06.010
[22] Eremia, Toma & Sanduleac, Mircea, Lucian & Mihai (2017), the smart city concept in the 21st century, Procedia Engineering 181 ,12-19, https://doi.org/10.1016/j.proeng.2017.02.357
[23] Meijer, A., & Bolívar, M. P. R. (2016). Governing the smart city: a review of the literature on smart urban governance. International Review of Administrative Sciences, 82(2), 392-408. http://doi.:10.1177/0020852314564308
Technological Forecasting and Social Change, 142, 98-104, https://doi:10.1016/j.techfore.2018.07.060
[24] Liu, L., Chen, W., Nie, M., Zhang, F., Wang, Y., He, A. & Yan, G. (2016). IMAGE cloud: medical image processing as a service for regional healthcare in a hybrid cloud environment. Environmental health and preventive, 21(6): 563–571, http://doi:00107/s12199-016-0582-7
[25] Taverna, M., Piccinini, L. C., Chang, T. F. M., & Iseppi, L. (2013). Structures and Paths for the Exploration of Landscape-Cultural Mosaic. In Society, Integration, Education, Proc. of Intern. Conference: Sabiedriba, Integracija, Izglitiba. 1, 517-527, https://doi:10.13140/2.1.3572.1928
[26] Marta Peris-Ortiz, Dag R. Bennett, Diana Pérez-Bustamante Yábar ,Sustainable Smart Cities: Creating Spaces for Technological, Social and Business Development,2017,159-181, https://doi: 10.1007/978-3-319-40895-8 
[27] Komninos, Nicos, (2013). “What makes cities intelligent?”. In Deakin, Mark (ed.). Smart Cities: Governing, Modelling and Analysing the Transition. Taylor and Francis. p. 77. https://doi:10.4324/9781315769349.
[28] Lai, Chun Sing; Jia, Youwei; Dong, Zhekang & Wang, Dongxiao; Tao, Yingshan; Lai, Qi Hong; Wong, Richard T. K.; Zobaa, Ahmed F.; Wu, Ruiheng; Lai, Loi Lei (17 August 2020). “A Review of Technical Standards for Smart Cities”. Clean Technologies. 2 (3): 290–310. https://doi:10.3390/cleantechnol2030019