از «شهر ۱۵ دقیقه ای» تا «شهر ۱۵ دقیقه ای هوشمند و عادلانه»: بازتعریف الگوی مجاورت شهری با کمک هوش مصنوعی
17 مرداد 1405 - خواندن 12 دقیقه - 22 بازدید
از «شهر ۱۵ دقیقه ای» تا «شهر ۱۵ دقیقه ای هوشمند و عادلانه»: بازتعریف الگوی مجاورت شهری با کمک هوش مصنوعی
شهر ۱۵ دقیقه ای طی سال های اخیر به یکی از مهم ترین پارادایم های برنامه ریزی شهری تبدیل شده است؛ پارادایمی که بر دسترسی شهروندان به خدمات و فعالیت های ضروری در فاصله زمانی کوتاه از محل سکونت تاکید دارد. بااین حال، تجربه و پژوهش های جدید نشان می دهد که تحقق این الگو صرفا با کاهش فاصله مکانی میان سکونت و خدمات امکان پذیر نیست، زیرا ساختار اقتصادی، الگوی توزیع مشاغل، کیفیت فضاهای عمومی، تفاوت های اجتماعی و آسیب پذیری اقلیمی در تعیین میزان واقعی دسترسی نقش دارند. پژوهش های سال ۲۰۲۶ نشان داده اند که هوش مصنوعی و تحلیل فضایی می توانند ارزیابی شهر ۱۵ دقیقه ای را از یک شاخص ساده مبتنی بر زمان سفر به یک چارچوب چندبعدی برای سنجش دسترسی، کیفیت فضایی، تاب آوری و فراگیری تبدیل کنند (Azadgar et al., 2026). همچنین شواهد جدید درباره پاریس نشان می دهد که رابطه میان دسترسی محلی به خدمات و کاهش وابستگی به خودرو به شدت تحت تاثیر تفاوت های فضایی و اجتماعی قرار دارد (Molnáar et al., 2026). این مقاله با رویکرد تحلیلی–اسنادی، مفهوم «شهر ۱۵ دقیقه ای هوشمند و عادلانه» را پیشنهاد می کند؛ مدلی که در آن هوش مصنوعی، تحلیل مکانی، داده های جمعیتی و شاخص های اقلیمی برای شناسایی شکاف های دسترسی و طراحی مداخلات محله ای به کار گرفته می شوند. استدلال اصلی مقاله آن است که شهر ۱۵ دقیقه ای آینده نباید صرفا شهری «نزدیک» باشد، بلکه باید شهری دسترس پذیر، باکیفیت، تاب آور و عادلانه باشد.
کلیدواژه ها: شهر ۱۵ دقیقه ای، هوش مصنوعی، دسترسی شهری، عدالت فضایی، برنامه ریزی محله ای، تاب آوری اقلیمی، شهر هوشمند.
شهر ۱۵ دقیقه ای در سال های اخیر از یک مفهوم نظری در برنامه ریزی شهری به یکی از گفتمان های مهم درباره آینده شهرها تبدیل شده است. ایده اصلی این الگو ساده به نظر می رسد: شهروندان باید بتوانند بخش مهمی از نیازهای روزمره خود، از جمله دسترسی به خدمات، خرید، آموزش، فضاهای عمومی و فعالیت های اجتماعی را در فاصله زمانی کوتاه از محل سکونت خود تامین کنند. این ایده در اصل تلاشی برای کاهش وابستگی به سفرهای طولانی، تقویت محله های چندکارکردی و ارتقای کیفیت زندگی شهری است.
اما مسئله زمانی پیچیده می شود که مفهوم «دسترسی» را دقیق تر تعریف کنیم. آیا صرفا وجود یک مدرسه، درمانگاه یا فروشگاه در شعاع ۱۵ دقیقه ای به معنای دسترسی واقعی است؟ آیا یک سالمند، فرد دارای معلولیت، کودک یا خانوار کم درآمد همان سطح دسترسی را تجربه می کند که یک فرد جوان و برخوردار تجربه می کند؟ و آیا محله ای که خدمات ضروری در آن وجود دارد، اما فاقد فضای عمومی باکیفیت یا در معرض گرمای شدید و سیلاب قرار دارد، واقعا یک محله ۱۵ دقیقه ای مطلوب محسوب می شود؟
پژوهش های جدید نشان می دهند که پاسخ به این پرسش ها چندان ساده نیست. مطالعه Azadgar و همکاران (2026) در گدانسک نشان داده است که ارزیابی شهر ۱۵ دقیقه ای زمانی معنادارتر می شود که شاخص های مجاورت با کیفیت فضای عمومی، تاب آوری محیطی و فراگیری اجتماعی ترکیب شوند.
از سوی دیگر، پژوهش های جدید درباره پاریس نشان می دهد که حتی زمانی که خدمات در نزدیکی محل سکونت قرار دارند، رفتار سفر تحت تاثیر متغیرهایی مانند فاصله خانه تا محل کار، مالکیت خودرو، ویژگی های اجتماعی و دسترسی به حمل ونقل عمومی قرار دارد (Molnáar et al., 2026).
بنابراین، مسئله اصلی آینده دیگر این نیست که «آیا یک شهر ۱۵ دقیقه ای داریم؟» بلکه این است که:
«برای چه کسی، با چه کیفیتی و تحت چه شرایطی، شهر ۱۵ دقیقه ای واقعا قابل تحقق است؟»
این پرسش نقطه آغاز مفهوم پیشنهادی این مقاله، یعنی شهر ۱۵ دقیقه ای هوشمند و عادلانه است.
شهر ۱۵ دقیقه ای در ساده ترین تعریف، بر سازماندهی فضایی شهر بر اساس مجاورت تاکید دارد. در چنین الگویی، شهر به مجموعه ای از محله های چندمرکزی تبدیل می شود که بخش مهمی از نیازهای روزمره در آنها قابل دسترسی است.
این الگو می تواند پیامدهای مثبتی برای کاهش سفرهای غیرضروری، افزایش پیاده روی و دوچرخه سواری، تقویت اقتصاد محلی و کاهش انتشار گازهای گلخانه ای داشته باشد. بااین حال، تبدیل یک مفهوم نظری به یک سیاست شهری نیازمند توجه به تفاوت های ساختاری میان شهرها و محله هاست.
یکی از مهم ترین محدودیت ها، توزیع فضایی مشاغل است. یک پژوهش نظری جدید نشان داده است که ساختار اقتصادی شهر می تواند حتی در شرایط برنامه ریزی فضایی بهینه، امکان تحقق کامل «۱۵ دقیقه تا محل کار» را محدود کند؛ بنابراین، مفهوم شهر ۱۵ دقیقه ای نمی تواند بدون درنظرگرفتن ساختار اقتصادی و مقیاس شهری به صورت یکسان برای همه شهرها اعمال شود (Barthelemy, 2026).
این یافته یک پیام مهم برای برنامه ریزان دارد: شهر ۱۵ دقیقه ای یک نسخه ثابت نیست؛ بلکه باید متناسب با ساختار اقتصادی، فضایی و اجتماعی هر شهر بازتعریف شود.
یکی از مهم ترین تغییرات مفهومی پیشنهادی در این مقاله، تفکیک میان مجاورت (Proximity) و دسترسی موثر (Effective Accessibility) است.
ممکن است دو محله از نظر فاصله جغرافیایی شرایط مشابهی داشته باشند، اما کیفیت دسترسی آنها کاملا متفاوت باشد. برای مثال، وجود یک پارک در فاصله ۱۰ دقیقه ای زمانی ارزشمند است که مسیر دسترسی ایمن، قابل استفاده برای گروه های مختلف و از نظر اقلیمی مناسب باشد.
بنابراین، دسترسی شهری را می توان تابعی از چند متغیر دانست:
دسترسی موثر = فاصله + زمان + کیفیت + ایمنی + فراگیری + تاب آوری
این نگاه با یافته های پژوهش Azadgar و همکاران (2026) هم راستاست که ارزیابی شهر ۱۵ دقیقه ای را با کیفیت فضایی، تاب آوری محیطی و فراگیری اجتماعی ترکیب کرده اند.
در نتیجه، ممکن است محله ای از نظر شاخص سنتی ۱۵ دقیقه ای موفق باشد، اما از نظر «دسترسی موثر» همچنان با محرومیت جدی مواجه باشد.
هوش مصنوعی می تواند این تغییر مفهومی را از سطح نظری به سطح عملیاتی منتقل کند.
در روش های سنتی، برنامه ریز ممکن است با استفاده از GIS فاصله میان جمعیت و خدمات را محاسبه کند. اما AI می تواند حجم بسیار بزرگ تری از داده ها را به صورت هم زمان تحلیل کند و روابط پیچیده میان متغیرهای فضایی، جمعیتی و رفتاری را شناسایی کند.
برای مثال، یک مدل هوشمند می تواند به جای پرسش ساده «چند نفر در فاصله ۱۵ دقیقه ای از یک درمانگاه زندگی می کنند؟» بپرسد:
چه کسانی به این درمانگاه دسترسی دارند؟
چه کسانی به دلیل سن، درآمد، معلولیت یا نبود حمل ونقل عمومی عملا از آن محروم اند؟
اگر یک ایستگاه حمل ونقل عمومی اضافه شود، کدام گروه ها بیشترین منفعت را خواهند داشت؟
پژوهش های جدید درباره کاربرد AI در برنامه ریزی شهری نیز نشان می دهند که استفاده از هوش مصنوعی می تواند به درک بهتر رفتار شهری و شناسایی الگوهای پیچیده مرتبط با تحرک، منابع و عدالت کمک کند؛ البته این استفاده باید با سیاست های شفاف و فراگیر همراه باشد (Othengrafen et al., 2026; Tong et al., 2026).
بر اساس ادبیات بررسی شده، این مقاله پیشنهاد می کند که شهر ۱۵ دقیقه ای آینده بر اساس پنج لایه ارزیابی شود.
لایه نخست: دسترسی فضایی. این لایه فاصله و زمان سفر به خدمات ضروری را اندازه گیری می کند.
لایه دوم: کیفیت شهری. کیفیت فضاهای عمومی، ایمنی، قابلیت پیاده روی، کیفیت محیط و جذابیت مکان در این سطح ارزیابی می شوند.
لایه سوم: فراگیری اجتماعی. تفاوت دسترسی گروه های اجتماعی، سالمندان، کودکان، افراد دارای معلولیت و خانوارهای کم برخوردار بررسی می شود.
لایه چهارم: تاب آوری اقلیمی. خطر گرما، سیلاب، آلودگی و سایر مخاطرات محیطی در ارزیابی دسترسی وارد می شوند.
لایه پنجم: هوش تصمیم گیری. AI داده های چهار لایه قبلی را ترکیب کرده و مناطق دارای شکاف دسترسی را شناسایی و سناریوهای مداخله را پیشنهاد می کند.
در این مدل، هدف صرفا تولید یک «نقشه ۱۵ دقیقه ای» نیست؛ بلکه ایجاد یک سیستم هوشمند تشخیص و اصلاح نابرابری های دسترسی شهری است.
یکی از مهم ترین نقدهای جدید به این مفهوم آن است که عدد ۱۵ دقیقه نباید به یک استاندارد جهانی و غیرقابل انعطاف تبدیل شود.
برای برخی فعالیت ها، ۱۵ دقیقه ممکن است کاملا مناسب باشد؛ برای برخی دیگر، به ویژه فعالیت های تخصصی یا سفرهای شغلی، چنین محدودیتی واقع بینانه نیست. پژوهش Barthelemy (2026) نیز نشان می دهد که ساختار فضایی و اقتصادی شهر می تواند یک حداقل زمانی برای سفرهای خاص ایجاد کند که صرفا با بازآرایی فضایی قابل حذف نیست.
بنابراین، پیشنهاد این مقاله جایگزین کردن مفهوم:
15-Minute City
با مفهوم:
Adaptive Proximity City
یا «شهر مجاورت تطبیقی» است.
در این مدل، زمان به عنوان یک مقدار ثابت در نظر گرفته نمی شود؛ بلکه بر اساس نوع فعالیت، ویژگی های جمعیت، شیوه سفر، ساختار اقتصادی و شرایط اقلیمی تنظیم می شود.
شهر مجاورت تطبیقی شهری است که در آن شبکه خدمات، فضاهای عمومی، حمل ونقل و کاربری زمین به صورت مستمر بر اساس داده های واقعی و تغییرات جمعیتی و محیطی بازتنظیم می شوند.
برای مثال، اگر AI تشخیص دهد که یک محله در روزهای گرم تابستان به شدت با کمبود فضای خنک و سایه مواجه است، برنامه ریزی نباید صرفا بر ساخت یک پارک جدید تمرکز کند. ممکن است ایجاد یک مسیر سایه دار، تغییر کاربری موقت یک فضای عمومی، توسعه مراکز خنک کننده یا بهبود دسترسی به حمل ونقل عمومی، راه حل موثرتری باشد.
به این ترتیب، برنامه ریزی از یک مدل Static Planning به یک مدل Adaptive Planning منتقل می شود.
تحقق چنین الگویی نیازمند تغییر در شیوه حکمرانی شهری است. شهرداری دیگر صرفا تولیدکننده زیرساخت نیست؛ بلکه باید به یک مدیر هوشمند اکوسیستم دسترسی شهری تبدیل شود.
در این ساختار، داده های حمل ونقل، کاربری زمین، خدمات عمومی، محیط زیست و جمعیت باید در یک زیرساخت مشترک گردآوری و تحلیل شوند.
هم زمان، استفاده از AI نیازمند سازوکارهای پاسخگویی و شفافیت است. پژوهش های جدید درباره حکمرانی AI نشان می دهند که ورود هوش مصنوعی می تواند رابطه میان اختیار کارشناسی و پاسخگویی سازمانی را تغییر دهد و مسائل جدیدی درباره سوگیری، شفافیت و مسئولیت تصمیم گیری ایجاد کند (Othengrafen et al., 2026).
بنابراین، AI نباید جایگزین برنامه ریز شهری شود؛ بلکه باید ظرفیت برنامه ریز برای شناخت مسئله و ارزیابی سناریوها را افزایش دهد.
شهر ۱۵ دقیقه ای یکی از مهم ترین ایده های برنامه ریزی شهری معاصر است، اما آینده آن در گرو عبور از یک برداشت ساده مبتنی بر زمان و فاصله است.
پژوهش های جدید نشان می دهند که دسترسی شهری تحت تاثیر ساختار اقتصادی، ویژگی های جمعیتی، کیفیت محیط، حمل ونقل و تاب آوری اقلیمی قرار دارد. از سوی دیگر، پیشرفت هوش مصنوعی و تحلیل فضایی امکان آن را فراهم کرده است که این عوامل به صورت هم زمان تحلیل شوند (Azadgar et al., 2026; Molnáar et al., 2026).
بر این اساس، مقاله حاضر مفهوم «شهر ۱۵ دقیقه ای هوشمند و عادلانه» را پیشنهاد کرد؛ شهری که در آن هدف صرفا کاهش فاصله نیست، بلکه افزایش دسترسی موثر، عدالت فضایی، کیفیت محیط و تاب آوری است.
گام بعدی این تحول را می توان مفهوم «شهر مجاورت تطبیقی» دانست؛ شهری که با استفاده از داده و هوش مصنوعی، الگوی دسترسی و توزیع خدمات خود را به صورت مستمر با تغییرات اجتماعی، اقتصادی و اقلیمی تطبیق می دهد.
شهر ۱۵ دقیقه ای آینده الزاما شهری نیست که همه چیز در ۱۵ دقیقه آن قرار داشته باشد؛ بلکه شهری است که برای هر شهروند، امکان دسترسی عادلانه، باکیفیت و تاب آور به نیازهای اساسی زندگی را فراهم می کند.
رفرنس
Azadgar, A., Sepe, M., Gańcza, A., Lorens, P., Luciani, G., & Nyka, L. (2026). Integrating AI and spatial analysis for resilient and inclusive 15-minute cities: A case study of Gdańsk. Cities, 173, 107011. https://doi.org/10.1016/j.cities.2026.107011
Barthelemy, M. (2026). Why urban heterogeneity limits the 15-minute city. arXiv. https://arxiv.org/abs/2603.12122
Molnáar, A. J., Sidló, C. I., Rónai, R., & Rózsay, D. (2026). Paris as a 15-minute city: An explainable AI perspective. arXiv. https://arxiv.org/abs/2608.00815
Othengrafen, F., Sievers, L., & Frankl, M. (2026). Augmentation or automation? The expanding role of artificial intelligence in urban planning and governance. Planning Theory & Practice, 27, 221–238. https://doi.org/10.1080/19463138.2026.2686016
Tong, J., Wang, S., Wang, G., Wang, Y., & Moraros, J. (2026). Bridging urban theory and artificial intelligence: A multi-agent recommendation system for sustainable city development. npj Urban Sustainability, 6, 77. https://doi.org/10.1038/s42949-026-00377-2
