ارائۀ مدل عوامل مؤثر بر توسعۀ آیندۀ شهرهای هوشمند پایدار با تأکید بر مدیریت بهینۀ انرژی

شیرویه‌پور, شهریار; مرتضوی, سید مرتضی; بیات, روح‌الله

doi:10.22034/uep.2024.423160.1424

ارائۀ مدل عوامل مؤثر بر توسعۀ آیندۀ شهرهای هوشمند پایدار با تأکید بر مدیریت بهینۀ انرژی

نوع مقاله : مقاله پژوهشی

نویسندگان

شهریار شیرویه‌پور ¹

سید مرتضی مرتضوی ²

روح‌الله بیات ²

¹ دانشجوی دکتری آینده‌پژوهی، دانشکدۀ علوم اجتماعی، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران

² دانشیار اقتصاد، دانشکدۀ علوم اجتماعی، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران

10.22034/uep.2024.423160.1424

چکیده

مقدمه
بهینه‌سازی مصرف انرژی با توجه به نیاز پیچیده و فراوان شهرها به انرژی از یک طرف و بحران ناشی از مصرف سوخت‌های فسیلی در شهرها و پدیدۀ گرمایش زمین از طرف دیگر، امری ضروری است. در این راستا توسعۀ شهرهای هوشمند و پایدار که عوامل مختلف پایداری را در شهرهای هوشمند در نظر می‌گیرند، نشان‌دهندۀ رویکردی مهمی برای صرفه‌جویی در مصرف انرژی و ترویج گذار به سمت انرژی پاک از طریق دیجیتالی شدن است. شهر هوشمند به معنای شهری است که ساخت آن بر اساس فناوری اطلاعات و ارتباطات (ICT) توسعه داده شود؛ و توسعۀ پایدار شهری به عنوان «فرایند تغییر در محیطی است که توسعۀ اقتصادی را در عین حفظ منابع و ارتقای سلامت فرد، جامعه و اکوسیستم تقویت می‌کند». حجم زیادی از ادبیات بیان می‌کند که حوزۀ فناوری و چگونگی تأثیر ویژگی‌ها و قابلیت‌های سازمانی بر اجرای آن از جنبۀ اصلی شهرهای هوشمند است و جنبه‌های طراحی در این زمینه نادیده گرفته شده است. در حالی ‌که شهرهای پایدار مفاهیم و اصول طراحی را در نظر گرفته و جنبه‌های هوشمند را نادیده می‌گیرند. از این‌رو، با ادغام این دو مفهوم می‌توان از شهرهای هوشمند پایدار صحبت کرد. شهر هوشمند پایدار، به‌کارگیری فناوری اطلاعات و ارتباطات برای برآوردن نیازهای ساکنان فعلی خود بدون به خطر انداختن افراد دیگر یا نسل‌های آینده است که دستیابی به توسعۀ پایدار شهری و بهبود کیفیت زندگی را تسهیل می‌کند. با این‌حال، سیاست‌گذاران و ذی‌نفعان مرتبط با شهر هوشمند فاقد توصیه‌های کاربردی بر مبنای پژوهش برای حمایت از توسعۀ شهر‌‌های هوشمند پایدار هستند. زمانی که دولت‌ها عوامل مختلفی را در سیاست‌های مرتبط با توسعۀ شهر‌‌های هوشمند پایدار در نظر نگیرند، ممکن است نتوانند خدمات باکیفیتی را به شهروندان ارائه کنند. در نتیجه هدف اصلی پژوهش، شناسایی و رتبه‌بندی عوامل مؤثر بر توسعۀ شهر هوشمند پایدار است و سؤال‌های پژوهشی در‌نظر‌گرفته‌شده در مقالۀ حاضر این است: عوامل مؤثر بر توسعۀ شهر هوشمند پایدار با تمرکز بر مدیریت بهینۀ انرژی کدام است؟ عوامل تأثیرگذار و تأثیرپذیر در توسعۀ شهر هوشمند پایدار کدام است؟ برای پاسخ به سؤال‌های مطرح‌شده، این مقاله نوعی مدل برای چگونگی راه‌حل‌های مرتبط با آن‌ها در دستور کار شهر هوشمند پایدار پیشنهاد می‌کند. نتایج این پژوهش کمک می‌کند تا مدیران، سیاست‌گذاران و برنامه‌ریزان شهری تصویری واضح از بخش توسعۀ شهر هوشمند پایدار داشته باشند.
مواد و روش‌ها
هدف تحقیق حاضر، ارائۀ مدل عوامل مؤثر بر توسعۀ شهر هوشمند پایدار است. به همین دلیل از آزمون آماری دوجمله‌ای و روش دیمتل فازی استفاده شده است. هر دو جزء فنون کمی هستند و از داده‌های کمی برای تحلیل استفاده می‌کنند. آزمون دوجمله‌ای یک آزمون ناپارامتریک برای غربال عوامل است. با استفاده از نرم‌افزار SPSS و آزمون دوجمله‌ای اقدام به محاسبۀ سطح معناداری برای عوامل صورت می‌گیرد و عواملی که ضریب معناداری آن‌ها بیشتر از 05/0 باشد، حذف می‌شوند. دیمتل روشی است که جهت و شدت روابط مستقیم و غیرمستقیم میان عوامل موجود در یک سیستم پیچیده را از طریق محاسبات ماتریسی و نظریات مرتبط ریاضی شناسایی می‌کند. پژوهش حاضر از حیث هدف، اکتشافی (به دلیل شناسایی عوامل مؤثر پژوهش)؛ از منظر جهت‌گیری، کاربردی (کاربرد نتایج در تحلیل عوامل مهم توسعۀ شهر هوشمند پایدار) و از نظر روش‌شناسی آمیخته است. جامعۀ نظری پژوهش شامل اساتید، خبرگان و مدیران و کارشناسان است. همچنین روش نمونه‌گیری به صورت قضاوتی و بر اساس دانش و قضاوت تخصصی خبرگان است. درخور یادآوری است که حجم نمونه در این پژوهش 15 نفر است. مراحل پژوهش حاضر عبارت‌اند از:
1) مرور پیشینه برای شناسایی عوامل اثرگذار بر توسعۀ شهر هوشمند پایدار
2) غربال اولیه عوامل پژوهش با استفاده از آزمون بینم (Binominal Test)
3) تعیین اثرگذارترین عوامل از طریق روش دیمتل فازی
یافته‌ها
یافته‌های پژوهش نشان می‌دهد ابتدا 20 عامل اثرگذار توسعۀ شهر هوشمند پایدار با تمرکز بر مدیریت بهینۀ انرژی با مرور تحلیلی پیشینه استخراج شدند. سپس با تحلیل آزمون دوجمله‌ای، 10 عامل آموزش و توانمندسازی شهروندان، کنترل سطح آلودگی، توسعۀ مشارکت‌های دولتی و خصوصی، سیستم‌های مدیریت ترافیک، توسعۀ نوآوری و کارآفرینی، جذابیت و رقابت شهری، مدیریت مصرف منابع، برنامه‌ریزی و سیاست‌های عمومی شهری، امنیت سایبری و مشارکت شهروندان دارای ضریب معناداری بالای 5 درصد بودند و از محاسبات حذف شدند. همچنین 10 عامل باقی‌مانده با استفاده از تکنیک دیمتل فازی مورد بررسی قرار گرفتند. تکنیک دیمتل، عوامل را از منظر اثرگذاری و اثرپذیری مورد ارزیابی قرار می‌دهد. با توجه به یافته‌های دیمتل فازی و شاخص خالص اثر، عوامل اینترنت پرسرعت (فناوری 5G)، تحقیق و توسعه، کلان‌داده‌ها، هوش مصنوعی و اینترنت اشیای سبز دارای اثرگذاری بیشتری در مقایسه با اثرپذیری بودند. عوامل اقتصاد دورانی، منابع انرژی تجدیدپذیر، سیستم‌های حمل‌و‌نقل هوشمند و ساختمان‌های سبز هوشمند و سیستم‌های مدیریت هوشمند انرژی، عوامل تأثیرپذیر هستند.
نتیجه‌گیری
نتایج این پژوهش نشان می‌دهد اینترنت پرسرعت (فناوری 5G) تأثیرگذارترین عامل بر آیندۀ شهرهای هوشمند پایدار است. به‌کارگیری فناوری 5G سرعت دسترسی کاربران به حجم زیادی از داده‌ها را افزایش و زمان آن را کاهش می‌دهد. اینترنت اشیا می‌تواند از فناوری 5G به منظور مدیریت مصرف انرژی در شهر هوشمند پایدار بهره‌مند شود. بنابراین، فناوری 5G قادر است به‌خوبی پاسخ‌گوی نیازهای شهر هوشمند پایدار در جهت مدیریت مصرف انرژی باشد. تحقیق و توسعه دارای رتبۀ دوم از لحاظ تأثیرگذاری بر آیندۀ شهرهای هوشمند پایدار است. تحقیق و توسعه با جذب سرمایه‌گذاری و نوآوری در محصولات و خدمات و تولید فناوری‌های پیشرفته به فعالیت‌های دانش‌بنیان و در نتیجه پیشرو بودن در زمینۀ سیاست‌های پایدار منجر می‌شود. بنابراین می‌توان با حمایت از همکاری میان دانشگاه و صنعت و همچنین، شرکت‌های مبتنی بر فناوری جدید (NTBFs)، گام بزرگی در این مسیر برداشت. کلان‌داده دارای رتبۀ سوم از لحاظ تأثیرگذاری بر آیندۀ شهرهای هوشمند پایدار است. تعیین اطلاعات مفید در پروژه‌های توسعۀ شهر هوشمند مبتنی بر داده بسیار مهم است، زیرا شناسایی اطلاعات برای ارائه به مشتریان به طور مستقیم با ارزش و جذابیت یک سرویس مرتبط است. هوش مصنوعی دارای رتبۀ چهارم از لحاظ تأثیرگذاری بر آیندۀ شهرهای هوشمند پایدار است. هوش مصنوعی به مدیریت تولید و مصرف انرژی در محیط‌های متغیر و بازار کمک می‌کند. ادغام هوش مصنوعی با شبکه‌های 5G و شبکه‌های حسگر، می‌تواند زمینۀ جدیدی را برای خدمات شهرهای هوشمند نسل آینده ایجاد کند. اینترنت اشیای سبز و به‌کارگیری آن دارای رتبۀ پنجم از لحاظ تأثیرگذاری بر آیندۀ شهرهای هوشمند پایدار است. فناوری‌های اینترنت اشیا چالش‌های متعددی مانند افزایش مصرف انرژی و همچنین، زباله‌های الکترونیکی در شهرهای هوشمند را به همراه دارند. برنامه‌های شهر هوشمند باید سازگار با محیط زیست باشند، از این‌رو شهرهای هوشمند باید به سمت اینترنت اشیای سبز حرکت کنند. تحلیل این عوامل کلیدی به تصمیمات مدیران، سیاست‌گذاران و برنامه‌ریزان شهری برای سرمایه‌گذاری و فراهم کردن زیرساخت‌های لازم شهر هوشمند با توجه به مدیریت بهینۀ انرژی، کمک می‌کند.

کلیدواژه‌ها

دیمتل فازی

شهر هوشمند

شهر هوشمند پایدار

مدیریت بهینۀ انرژی

20.1001.1.28212118.1402.4.4.7.8

موضوعات

برنامه ریزی شهری

عنوان مقاله English

A Model of Factors Affecting the Future Development of Sustainable Smart Cities with an Emphasis on Optimal Energy Management

نویسندگان English

Shahriar Shirooyehpour ¹

Seyed Morteza Mortazavi ²

Rohullah Bayat ²

¹ Ph.D. Candidate in Futures Studies, Faculty of Social Sciences, Imam Khomeini International University, Qazvin, Iran

² Associate Professor of Economics, Faculty of Social Sciences, Imam Khomeini International University, Qazvin, Iran

چکیده English

Introduction
Due to the complicated and abundant energy needs of cities, as well as the crisis brought on by the usage of fossil fuels in cities and global warming, optimizing energy use is essential. In this sense, creating smart and sustainable cities—which take into account a variety of sustainability-related factors—represents a significant strategy for reducing energy consumption and accelerating the shift to clean energy through digitalization. A smart city is a city whose construction is developed based on information and communication technology (ICT) sustainable urban development is “the process of change in the environment that strengthens economic development while preserving resources and improving the health of the individual, society and ecosystem”. A large amount of research indicates that the primary focus of smart cities is the field of technology and how organizational characteristics and capacities influence its application; design considerations have been overlooked in this regard. Sustainable cities, however, consider design concepts and principles and ignore smart aspects. Thus, we can discuss sustainable smart cities by bringing together these two concepts. A sustainable smart city is the application of information and communication technology to meet the needs of its current residents without endangering other people or future generations, which facilitates achieving sustainable urban development and improving the quality of life. However, policymakers and stakeholders related to smart cities lack practical research-based recommendations to support the development of sustainable smart cities. Governments may not be able to offer citizens high-quality services if they fail to take into account several factors while formulating policies about the development of sustainable smart cities. As a result, the main goal of the research is to identify and rank the factors affecting the development of a sustainable smart city, and the research questions considered in this article are: What are the factors affecting the development of a sustainable smart city with a focus on optimal energy management? What are the influencing and affectability factors in the development of a sustainable smart city? To answer the questions raised, this paper proposes a model for how to address them in the sustainable smart city agenda. The results of this research help managers, policymakers, and urban planners have a clear picture of sustainable smart city development.
Materials and Methods
The purpose of this research is to provide a model of factors affecting the development of a sustainable smart city. For this reason, binomial statistical tests and fuzzy DEMATEL methods were applied. Both components are quantitative techniques and use quantitative data for analysis. The binomial test is a non-parametric test for screening factors. By using SPSS software and the binomial test, the significance level is calculated for the factors, and the factors whose significance level is more than 0.05 are removed. DEMATEL is a method that identifies the direction and intensity of direct and indirect relationships between factors in a complex system through matrix calculations and related mathematical theories. The current research is exploratory in terms of its purpose (due to the identification of the effective factors of the research). From the point of view of orientation, it is applied (using the results in the analysis of the important factors of sustainable smart city development) and in terms of methodology, it is mixed. The theoretical research community includes professors, managers, and experts. Also, the sampling method is judgmental and based on expert knowledge and judgment. It should be noted that the sample size in this research is 15 people. The stages of the current research include:
1) Literature review to identify factors influencing the development of a sustainable smart city
2) The initial screening of the research factors using a binomial test
3) Determining the most effective factors through the fuzzy DEMATEL method
Findings
The findings of the research show that initially, 20 effective factors for the development of a sustainable smart city with a focus on optimal energy management were extracted with an analytical review of the research literature. Then, by analyzing the binomial test, 10 factors of education and empowerment of citizens, control of pollution level development of private and public collaborations, traffic management systems, development of innovation and entrepreneurship, attractiveness and urban competitiveness, management of resource consumption, urban planning and public policies, cyber security, and the participation of citizens had a significant level above 5% and were excluded from the calculations. Also, the remaining 10 factors were investigated using the fuzzy DEMATEL technique. DEMATEL’s technique evaluates factors from the point of view of Influencing and Affectability. According to the findings of Fuzzy DEMATEL and the net effect index, the factors of high-speed internet (5G technology), research and development, big data, artificial intelligence, and green Internet of things had the highest effect.
Conclusion
The results of this research show that high-speed Internet (5G technology) is the most influential factor in the future of sustainable smart cities. Using 5G technology increases the speed of users’ access to a large amount of data and reduces its time. The Internet of Things can benefit from 5G technology to manage energy consumption in a sustainable smart city. Therefore, 5G technology can respond well to the needs of a sustainable smart city to manage energy consumption. Research and development is ranked second in terms of influencing the future of sustainable smart cities. Research and development by attracting investment and innovation in products and services and producing advanced technologies leads to knowledge-based activities and as a result, being a pioneer in the field of sustainable policies. Therefore, it is possible to take a big step in this direction by supporting the collaboration between academia and industry as well as new technology-based firms (NTBFs). Big data is ranked third in terms of influencing the future of sustainable smart cities. Determining useful information is very important in data-driven smart city development projects because identifying information to provide to customers is directly related to the value and attractiveness of a service. Artificial intelligence is ranked fourth in terms of influencing the future of sustainable smart cities. Artificial intelligence helps to manage energy production and consumption in changing environments and markets. The integration of artificial intelligence with 5G networks and sensor networks can create a new field for next-generation smart city services. The Internet of Green Things and its application has the fifth rank in terms of influencing the future of sustainable smart cities. Internet of Things technologies bring many challenges such as increasing energy consumption as well as electronic waste in smart cities. Smart city programs must be compatible with the environment, hence smart cities should move towards green IoT. The analysis of these key factors helps the decisions of managers, policymakers, and urban planners to invest and provide the necessary infrastructure of a smart city for optimal energy management.

کلیدواژه‌ها English

Fuzzy DEMATEL

Optimal Energy Management

Smart City

Sustainable Smart City

[1] Ordouei M, Broumandnia A, Banirostam T, Gilani A. Optimization of energy consumption in smart city using reinforcement learning algorithm. International Journal of Nonlinear Analysis and Applications. 2023 Mar 4. https://doi.org/10.22075/IJNAA.2022.29258.4102
[2] Pilipczuk O. Sustainable smart cities and energy management: The labor market perspective. Energies. 2020 Nov 20;13(22):6084. https://doi.org/10.3390/en13226084
[3] Himeur Y, Elnour M, Fadli F, Meskin N, Petri I, Rezgui Y, Bensaali F, Amira A. Next-generation energy systems for sustainable smart cities: Roles of transfer learning. Sustainable Cities and Society. 2022 Jul 19:104059. https://doi.org/10.1016/j.scs.2022.104059
[4] Myeong S, Jung Y, Lee E. A study on determinant factors in smart city development: An analytic hierarchy process analysis. Sustainability. 2018 Jul 25;10(8):2606. https://doi.org/10.3390/su10082606
[5] Bibri SE, Krogstie J. Smart sustainable cities of the future: An extensive interdisciplinary literature review. Sustainable cities and society. 2017 May 1;31:183-212. https://doi.org/10.1016/j.scs.2017.02.016
[6] Mu R, Haershan M, Wu P. What organizational conditions, in combination, drive technology enactment in government-led smart city projects?. Technological Forecasting and Social Change. 2022 Jan 1;174:121220. https://doi.org/10.1016/j.techfore.2021.121220
[7] D’Auria A, Tregua M, Vallejo-Martos MC. Modern conceptions of cities as smart and sustainable and their commonalities. Sustainability. 2018 Jul 27;10(8):2642. https://doi.org/10.3390/su10082642
[8] Höjer M, Wangel J. Smart sustainable cities: definition and challenges. InICT innovations for sustainability 2015 (pp. 333-349). Springer International Publishing. https://doi.org/10.1007/978-3-319-09228-7_20
[9] Viale Pereira G, Schuch de Azambuja L. Smart sustainable city roadmap as a tool for addressing sustainability challenges and building governance capacity. Sustainability. 2021 Dec 27;14(1):239. https://doi.org/10.3390/su14010239
[10] Azevedo Guedes AL, Carvalho Alvarenga J, Dos Santos Sgarbi Goulart M, Rodriguez y Rodriguez MV, Pereira Soares CA. Smart cities: The main drivers for increasing the intelligence of cities. Sustainability. 2018 Aug 31;10(9):3121. https://doi.org/10.3390/su10093121
[11] Roostaei, D., Poormohamadi, D., Ghanbari, H. A theorys of Smart Cities and Assessment its Infrastructure Components in Urban Management (Case Study: Tabriz Municipality). Geography and Territorial Spatial Arrangement, 2018; 8(26): 197-216. doi: 10.22111/gaij.2018.3634. [In Persian]
[12] Shokry Ghafarby, E., Soleimani, A., Ezatpanah, B. Smart city planning with emphasis on screenwriting approach (Case study: Urmia city). Geography and Development, 2022; 20(67): 28-52. doi: 10.22111/j10.22111.2022.6924. [In Persian]
[13] Singh, J. Drivers & Barriers for Sustainable Development of Indian Smart Cities. International Journal of Innovative Research in Science Engineering and Technology.2022 February 1808- 1811.https://doi.org/10.15680/IJIRSET.2022.1102054
[14] Yadav G, Mangla SK, Luthra S, Rai DP. Developing a sustainable smart city framework for developing economies: An Indian context. Sustainable Cities and Society. 2019 May 1;47:101462. https://doi.org/10.1016/j.scs.2019.101462
[15] Fadayi, A., Gorji, M. B., Samiee, R. A. Identifying the components of smart sustainable development in the field of urban management. Journal of Studies in Entrepreneurship and Sustainable Agricultural Development, 2021; 8(3): 19-34. doi: 10.22069/jead.2021.19229.1498.[In Persian]
[16] Darvishi Y., Moghali, M. Monitoring the components of urban smart growth in the sustainable urban development approach using multi-criteria decision making techniques (Case study: Ardabil city). Quarterly of New Attitudes in Human Geography. 2020, 12(4):370-384. [In Persian]
[17] Trindade EP, Hinnig MP, da Costa EM, Marques JS, Bastos RC, Yigitcanlar T. Sustainable development of smart cities: A systematic review of the literature. Journal of Open Innovation: Technology, Market, and Complexity. 2017 Sep 1;3(3):1-4. https://doi.org/10.1186/s40852-017-0063-2
[18] Pira M. A novel taxonomy of smart sustainable city indicators. Humanities and Social Sciences Communications. 2021 Aug 11;8(1):1-0. https://doi.org/10.1057/s41599-021-00879-7
[19] Szpilko D. Foresight as a tool for the planning and implementation of visions for smart city development. Energies. 2020 Apr 7;13(7):1782. https://doi.org/10.3390/en13071782
[20] Honarvar AR, Sami A. Towards sustainable smart city by particulate matter prediction using urban big data, excluding expensive air pollution infrastructures. Big data research. 2019 Sep 1;17:56-65. https://doi.org/10.1016/j.bdr.2018.05.006
[21] Basiri M, Azim AZ, Farrokhi M. Smart city solution for sustainable urban development. European Journal of Sustainable Development. 2017 Jan 31;6(1):71-. https://doi.org/10.14207/ejsd.2017.v6n1p71
[22] Park K. A risk management model for sustainable smart city. Int. J. Adv. Sci. Technol. 2018;110:23-32. http://dx.doi.org/10.14257/ijast.2018.110.03
[23] Bélissent J. Getting clever about smart cities: New opportunities require new business models. Forrester Research. 2010 Nov 2;3:1-31.
[24] Zhao J. Towards sustainable cities in China: analysis and assessment of some Chinese cities in 2008. Springer Science & Business Media; 2011 Jan 19. https://doi.org/10.1007/978-1-4419-8243-8
[25] Tiwari A, Jain K. GIS Steering smart future for smart Indian cities. International Journal of Scientific and Research Publications. 2014 Aug 8;4(8):442-6. Available: www.ijsrp.org.
[26] Li F, Nucciarelli A, Roden S, Graham G. How smart cities transform operations models: A new research agenda for operations management in the digital economy. Production Planning & Control. 2016 Apr 25;27(6):514-28. https://doi.org/10.1080/09537287.2016.1147096
[27] Liu Y, Yang C, Jiang L, Xie S, Zhang Y. Intelligent edge computing for IoT-based energy management in smart cities. IEEE network. 2019 Mar 27;33(2):111-7. https://doi.org/ 10.1109/MNET.2019.1800254
[28] Oberascher M, Rauch W, Sitzenfrei R. Towards a smart water city: A comprehensive review of applications, data requirements, and communication technologies for integrated management. Sustainable Cities and Society. 2022 Jan 1;76:103442. https://doi.org/10.1016/j.scs.2021.103442
[29] Bednarska-Olejniczak D, Olejniczak J, Svobodová L. Towards a smart and sustainable city with the involvement of public participation—The case of Wroclaw. Sustainability. 2019 Jan 10;11(2):332. https://doi.org/10.3390/su11020332
[30] Ahvenniemi, H., Huovila, A., Pinto-Seppä, I. and Airaksinen, M., 2017. What are the differences between sustainable and smart cities?. Cities, 60, pp.234-245. https://doi.org/10.1016/j.cities.2016.09.009
[31] Almihat MG, Kahn MT, Aboalez K, Almaktoof AM. Energy and Sustainable Development in Smart Cities: An Overview. Smart Cities. 2022 Oct 19;5(4):1389-408. https://doi.org/10.3390/smartcities5040071
[32] Şerban AC, Lytras MD. Artificial intelligence for smart renewable energy sector in europe—smart energy infrastructures for next generation smart cities. IEEE access. 2020 Apr 23;8:77364-77. https://doi.org/ 10.1109/ACCESS.2020.2990123
[33] Navidi A, Khatami FA. Energy management and planning in smart cities. CIRED-Open Access Proceedings Journal. 2017 Oct 1;2017(1):2723-5. DOI: 10.1049/oap-cired.2017.0136
[34] O’Dwyer E, Pan I, Acha S, Shah N. Smart energy systems for sustainable smart cities: Current developments, trends and future directions. Applied energy. 2019 Mar 1;237:581-97. https://doi.org/10.1016/j.apenergy.2019.01.024
[35] Bibri SE, Krogstie J. Environmentally data-driven smart sustainable cities: Applied innovative solutions for energy efficiency, pollution reduction, and urban metabolism. Energy Informatics. 2020 Dec;3:1-59.
https://doi.org/10.1186/s42162-020-00130-8
[36] Huovila A, Bosch P, Airaksinen M. Comparative analysis of standardized indicators for Smart sustainable cities: What indicators and standards to use and when?. Cities. 2019 Jun 1;89:141-53. https://doi.org/10.1016/j.cities.2019.01.029
[37] Tajeri R, Beygabye B, Aar A. Explain the Model of Sustainable Development in Border Areas with Emphasis on the Components of the Smart City, Case study: Border City of Urmia. Journal of Border Studies. 2022;34(9):89-104.dor.net/dor/20.1001.1.23454512.1400.9.4.5. [In Persian]
[38] Esmaeilzadeh, H., Fanni, Z., Abdoli, S. F. Making Smart; an Approach for Attaining Sustainable Urban Development (Case Study: District 6 Tehran). Human Geography Research, 2019; 51(1): 145-157. doi: 10.22059/jhgr.2017.236917.1007491. [In Persian]
[39] saadati, Z., mehrshad, B. The Internet of Things and big data Applications in Sustainable Smart Cities. Science and Technology Policy Letters, 2017; 07(3): 17-30. doi: 20.1001.1.24767220.1396.07.3.2.6. [In Persian]
[40] El-Sherif DM. Energy efficiency in urban planning for smart cities in the developing world. InSmart Cities Policies and Financing 2022 Jan 1 (pp. 89-96). Elsevier. https://doi.org/10.1016/B978-0-12-819130-9.00031-0
[41] Strielkowski W, Veinbender T, Tvaronavičienė M, Lace N. Economic efficiency and energy security of smart cities. Economic research-Ekonomska istraživanja. 2020;33(1):788-803. https://doi.org/10.1080/1331677X.2020.1734854
[42] Partovy, E., Jahangirnia, H., Maleki, M. H., Gholami Jamkarani, R., Chavoshi, S. K. A Decision-Support System for Strengthening the Banking Sector with an Emphasis on Resiliency. Sciences and Techniques of Information Management, 2022; 8(2): 289-316. doi: 10.22091/stim.2021.7138.1616. [In Persian]
[43] Ghodsi, E., Maleki, m., GHanavati, E., Ashtiani, S,. New decision-making techniques in operational research, Yazd University Press, 2022. https://yazd.ac.ir/Page.aspx?mId=1766&ID=1156&Page=Magazines/SquareshowMagazine&t=Archive. [In Persian]
[44] Chui KT, Lytras MD, Visvizi A. Energy sustainability in smart cities: Artificial intelligence, smart monitoring, and optimization of energy consumption. Energies. 2018 Oct 23;11(11):2869. https://doi.org/10.3390/en11112869
[45] Jasińska-Biliczak A. Smart-City Citizen Engagement: The Answer to Energy Savings in an Economic Crisis?. Energies. 2022 Nov 23;15(23):8828. https://doi.org/10.3390/en15238828
[46] Preston S, Mazhar MU, Bull R. Citizen engagement for co-creating low carbon smart cities: Practical Lessons from Nottingham City Council in the UK. Energies. 2020 Dec 15;13(24):6615. https://doi.org/10.3390/en13246615
[47] Pu S, Zhou J. The Study of the Roles that Intelligent Transportation System Playing in the Development of a Smart City. Highlights in Science, Engineering and Technology. 2023 Mar 18;37:97-103. https://doi.org/10.54097/hset.v37i.6050
[48] Chen Y, Ardila-Gomez A, Frame G. Achieving energy savings by intelligent transportation systems investments in the context of smart cities. Transportation Research Part D: Transport and Environment. 2017 Jul 1;54:381-96. https://doi.org/10.1016/j.trd.2017.06.008
[49] Sinha M, Chacko E, Makhija P, Pramanik S. Energy-Efficient smart cities with green internet of things. Green Technological Innovation for Sustainable Smart Societies: Post Pandemic Era. 2021:345-61. https://doi.org/10.1007/978-3-030-73295-0_16
[50] Almalki FA, Alsamhi SH, Sahal R, Hassan J, Hawbani A, Rajput NS, Saif A, Morgan J, Breslin J. Green IoT for eco-friendly and sustainable smart cities: future directions and opportunities. Mobile Networks and Applications. 2023 Feb;28(1):178-202. https://doi.org/10.1007/s11036-021-01790-w
[51] Khan MA, Siddiqui MS, Rahmani MK, Husain S. Investigation of big data analytics for sustainable smart city development: An emerging country. IEEE Access. 2021 Sep 27;10:16028-36. https://doi.org/ 10.1109/ACCESS.2021.3115987
[52] Biancardi M, Di Bari A, Villani G. R&D investment decision on smart cities: Energy sustainability and opportunity. Chaos, Solitons & Fractals. 2021 Dec 1;153:111554. https://doi.org/10.1016/j.chaos.2021.111554
[53] Schuch de Azambuja L. Drivers and barriers for the development of smart sustainable cities: a systematic literature review. InProceedings of the 14th International Conference on Theory and Practice of Electronic Governance 2021 Oct 6 (pp. 422-428). https://doi.org/10.1145/3494193.3494250
[54] Dincă G, Milan AA, Andronic ML, Pasztori AM, Dincă D. Does Circular Economy Contribute to Smart Cities’ Sustainable Development?. International journal of environmental research and public health. 2022 Jun 22;19(13):7627. https://doi.org/10.3390/ijerph19137627
[55] Formisano V, Iannucci E, Fedele M, Bonab AB. City in the loop: assessing the relationship between circular economy and smart sustainable cities. Sinergie Italian Journal of Management. 2022 Aug 31;40(2):147-68. https://doi.org/ 10.7433/s118.2022.07
[56] Vukovic NA, Nekhorosheva DE. Renewable Energy in Smart Cities: Challenges and Opportunities by the Case Study of Russia. Smart Cities. 2022 Sep 20;5(4):1208-28. https://doi.org/10.3390/smartcities5040061
[57] Hoang, A. T., Pham, V. V., Nguyen, X. P. (2021). Integrating renewable sources into energy system for smart city as a sagacious strategy towards clean and sustainable process. Journal of Cleaner Production. 305(4):127161. https://doi.org/10.1016/j.jclepro.2021.127161
[58] Ma C. Smart city and cyber-security; technologies used, leading challenges and future recommendations. Energy Reports. 2021 Nov 1;7:7999-8012. https://doi.org/10.1016/j.egyr.2021.08.124
[59] Ibrahim Khalil MW, Kamel MA. Towards smart sustainable cities vision and challenges. International Journal of Nonlinear Analysis and Applications. 2023 Mar 29. https://doi.org/ 10.22075/IJNAA.2023.78235.4200
[60] Mazhar T, Malik MA, Haq I, Rozeela I, Ullah I, Khan MA, Adhikari D, Ben Othman MT, Hamam H. The Role of ML, AI and 5G Technology in Smart Energy and Smart Building Management. Electronics. 2022 Nov 29;11(23):3960. https://doi.org/10.3390/electronics11233960
[61] Huseien GF, Shah KW. A review on 5G technology for smart energy management and smart buildings in Singapore. Energy and AI. 2022 Jan 1;7:100116. https://doi.org/10.1016/j.egyai.2021.100116
[62] Gaitan NC, Ungurean I, Corotinschi G, Roman C. An Intelligent Energy Management System Solution for Multiple Renewable Energy Sources. Sustainability. 2023 Jan 31;15(3):2531. https://doi.org/10.3390/su15032531
[63] Oke AE, Aghimien DO, Aigbavboa CO, Akinradewo OI. Appraisal of the drivers of smart city development in South Africa. Construction Economics and Building. 2020 Jan;20(2):109-26. https://doi.org/abs/10.3316/informit.342138636869520
[64] Caragliu A, Del Bo CF. Smart innovative cities: The impact of Smart City policies on urban innovation. Technological Forecasting and Social Change. 2019 May 1;142:373-83. https://doi.org/10.1016/j.techfore.2018.07.022
[65] Rajan, K., Kumar, K.S., Kannapiran, T., Khan, S., Al-Dmour, A. and Sharef, B.T., 2022, June. Intelligent Traffic Management System for Smart Cities Utilizing Reinforcement Learning Algorithm. In 2022 ASU International Conference in Emerging Technologies for Sustainability and Intelligent Systems (ICETSIS) (pp. 170-177). IEEE. https://doi.org/ 10.1109/ICETSIS55481.2022.9888885
[66] Jain S, Kumar A, Priyadharshini M. Smart city: Traffic management system using smart sensor network. InJournal of Physics: Conference Series 2019 Nov 1 (Vol. 1362, No. 1, p. 012129). IOP Publishing. https://doi.org/10.1088/1742-6596/1362/1/012129.