توسعه مدل هوشمند ارزیابی ریسکهای طراحی در زیست بوم شهری با رویکرد FMEA و یادگیری ماشین؛ پیامدها برای زیرساخت ها و لجستیک شهری؛ مطالعه موردی شهر جدید هشتگرد

زیست بوم شهری یک سامانه پیچیده و شبکه ای از زیرساخت ها، جریان های حمل و نقل، خدمات شهری، تعاملات انسانی و سازوکارهای اقتصادی است که عملکرد هماهنگ آن نقش اساسی در کارایی سیستم های لجستیک شهری دارد. در چنین بستری، ریسک های طراحی در مراحل برنامه ریزی و توسعه شهری می توانند پیامدهای گسترده ای بر پایداری زیرساخت ها و کارآمدی جریان های لجستیکی داشته باشند. تحلیل حالات شکست و اثرات آن (FMEA) یکی از روش های ساختاریافته برای شناسایی و ارزیابی این ریسک ها است، اما نسخه سنتی آن به دلیل اتکا به قضاوت خبرگان و فقدان توان تحلیل داده محور برای زیست بوم های پیچیده شهری محدودیت هایی دارد. در این پژوهش یک چارچوب ترکیبی مبتنی بر FMEA و الگوریتم های یادگیری ماشین ارائه شده است تا علاوه بر شناسایی ریسک های طراحی، روابط پنهان میان مولفه های زیست بوم شهری و زیرساخت های لجستیکی استخراج شود. داده های حاصل از تحلیل FMEA در شهر جدید هشتگرد به عنوان ورودی الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی استفاده شد. نتایج نشان می دهد مدل ترکیبی پیشنهادی دقت تشخیص و اولویت بندی ریسک ها را به طور قابل توجهی نسبت به FMEA سنتی افزایش می دهد و امکان تحلیل یکپارچه ریسک های طراحی در زیست بوم شهری و آثار آنها بر عملکرد سیستم لجستیک شهری را فراهم می سازد. این رویکرد می تواند در تصمیم سازی مدیران شهری برای توسعه زیرساخت ها و کاهش ریسک های سیستمی موثر باشد.

Keywords:

تحلیل حالات شکست و اثرات آن , FMEA , زیست بوم شهری , مدیریت ریسک , یادگیری ماشین