از «دوقلوی دیجیتال» تا «شهر دوقلوی اقلیمی»: بازتعریف برنامه ریزی شهری پیش نگر با هوش مصنوعی

از «دوقلوی دیجیتال» تا «شهر دوقلوی اقلیمی»: بازتعریف برنامه ریزی شهری پیش نگر با هوش مصنوعی

چکیده

دوقلوهای دیجیتال شهری در سال های اخیر از ابزارهایی برای نمایش و شبیه سازی محیط کالبدی شهر به زیرساخت هایی برای تحلیل، پیش بینی و پشتیبانی از تصمیم گیری شهری تبدیل شده اند. بااین حال، بسیاری از کاربردهای موجود همچنان بر بازنمایی وضعیت موجود، مدیریت زیرساخت و شبیه سازی سناریوهای محدود متمرکز هستند و کمتر به این پرسش پاسخ می دهند که چگونه می توان از دوقلوی دیجیتال برای پیش بینی هم زمان مخاطرات اقلیمی، پیامدهای فضایی تصمیمات و نابرابری های اجتماعی استفاده کرد. مطالعات جدید نشان می دهند که ادغام سازگاری و کاهش تغییر اقلیم در دوقلوهای دیجیتال شهری می تواند ظرفیت این فناوری را در فرآیندهای بازآفرینی و طراحی شهری افزایش دهد، هرچند مسائلی همچون مالکیت داده، یکپارچگی اطلاعات، حریم خصوصی و محدودیت های فنی همچنان پابرجاست (Ricciardi et al., 2026). از سوی دیگر، پژوهش های جدید در حوزه هوش مصنوعی مولد نشان داده اند که امکان تولید و ارزیابی خودکار الگوهای فضایی شهری در مقیاس بزرگ در حال شکل گیری است (He et al., 2026). هم زمان، ابتکار جهانی «Citiverse» در سال ۲۰۲۶ بر همگرایی هوش مصنوعی، هوش فضایی، دوقلوهای دیجیتال و فناوری های immersive برای ایجاد شهرهای آینده نگر، تاب آور و انسان محور تاکید کرده است (ITU, 2026). این مقاله با رویکرد تحلیلی–اسنادی، مفهوم «شهر دوقلوی اقلیمی» (Climate Twin City) را پیشنهاد می کند؛ مدلی که در آن دوقلوی دیجیتال از یک بازنمایی مجازی شهر به یک سیستم هوشمند برای پیش بینی ریسک، شبیه سازی آینده، ارزیابی عدالت فضایی و آزمون سیاست های اقلیمی پیش از اجرای واقعی آنها تبدیل می شود. استدلال اصلی مقاله آن است که نسل آینده دوقلوهای دیجیتال نباید صرفا نشان دهند «شهر چگونه است»، بلکه باید بتوانند تا حد امکان نشان دهند «شهر در آینده چگونه خواهد شد و کدام تصمیم امروز می تواند آینده ای عادلانه تر و تاب آورتر ایجاد کند.»

کلیدواژه ها: دوقلوی دیجیتال شهری، شهر دوقلوی اقلیمی، هوش مصنوعی، تاب آوری شهری، برنامه ریزی پیش نگر، عدالت فضایی، تغییر اقلیم، شهر هوشمند.

۱. مقدمه

شهرهای معاصر با مسئله ای مواجه اند که با ابزارهای سنتی برنامه ریزی به سادگی قابل حل نیست: آینده شهر به سرعت در حال تغییر است، در حالی که بسیاری از تصمیمات شهری هنوز بر اساس داده های تاریخی، نقشه های ایستا و پیش بینی های خطی اتخاذ می شوند.

تغییر اقلیم، رشد جمعیت، تغییر الگوهای سفر، بحران مسکن، فشار بر زیرساخت ها و افزایش مخاطرات طبیعی، همگی باعث شده اند که برنامه ریزی شهری از یک فعالیت عمدتا واکنشی به سمت برنامه ریزی پیش نگر حرکت کند.

در چنین شرایطی، دوقلوهای دیجیتال شهری اهمیت فزاینده ای یافته اند. دوقلوی دیجیتال می تواند داده های مختلف شهری را در یک محیط مجازی یکپارچه کرده و امکان مشاهده و شبیه سازی فرآیندهای شهری را فراهم کند.

اما مسئله مهم اینجاست:

آیا دوقلوی دیجیتال صرفا باید شهر موجود را بازنمایی کند؟

یا باید بتواند آینده های مختلف شهر را نیز پیش بینی و مقایسه کند؟

این پرسش در سال ۲۰۲۶ اهمیت بیشتری پیدا کرده است. برنامه های بین المللی جدید درباره «AI-Enabled Citiverse» بر همگرایی هوش مصنوعی، هوش فضایی و دوقلوهای دیجیتال برای ایجاد سیستم های شهری آینده نگر تاکید دارند (ITU, 2026).

در نتیجه، می توان گفت که نسل اول دوقلوهای دیجیتال عمدتا به دنبال پاسخ به پرسش «شهر اکنون چگونه است؟» بود؛ اما نسل جدید باید به سمت پاسخ به این پرسش حرکت کند:

«اگر امروز تصمیم X را بگیریم، شهر در سال های آینده چگونه تغییر خواهد کرد؟»

این تغییر، نقطه آغاز مفهوم پیشنهادی این مقاله یعنی شهر دوقلوی اقلیمی است.

۲. دوقلوی دیجیتال؛ از نمایش شهر تا شبیه سازی شهر

دوقلوی دیجیتال شهری را می توان بازنمایی دیجیتال پویایی از یک شهر یا بخشی از آن دانست که با استفاده از داده های مکانی، حسگرها، مدل های شبیه سازی و سیستم های تحلیلی، امکان شناخت بهتر وضعیت شهری را فراهم می کند.

در شکل سنتی، این فناوری می تواند برای مدیریت ترافیک، زیرساخت، انرژی، ساختمان ها، کاربری زمین یا خدمات شهری استفاده شود.

اما ارزش واقعی دوقلوی دیجیتال زمانی آشکار می شود که از بازنمایی به شبیه سازی و سپس از شبیه سازی به پیش بینی حرکت کند.

پژوهش Ricciardi و همکاران (2026) نشان می دهد که دوقلوهای دیجیتال می توانند در ارزیابی سناریوهای بازآفرینی شهری، کاهش انتشار و سازگاری اقلیمی مورد استفاده قرار گیرند؛ با این حال، چالش هایی مانند یکپارچگی داده، مالکیت اطلاعات، حریم خصوصی و پیچیدگی های فنی همچنان مانع تحقق کامل این ظرفیت هستند.

بنابراین، دوقلوی دیجیتال را نباید صرفا یک نقشه سه بعدی هوشمند تلقی کرد.

بلکه باید آن را به عنوان: آزمایشگاه مجازی سیاست گذاری شهری در نظر گرفت.

۳. مسئله اصلی: شهر آینده فقط «دیجیتال» نیست؛ «اقلیمی» است

بخش مهمی از ادبیات دوقلوهای دیجیتال بر فناوری، داده و زیرساخت تمرکز دارد؛ اما چالش اصلی شهرهای آینده فقط دیجیتالی شدن نیست.

شهر آینده با گرمای شدیدتر، بارش های حدی، خشکسالی، سیلاب، آلودگی هوا، فشار بر منابع آب و تغییر الگوهای انرژی مواجه خواهد بود.

در نتیجه، دوقلوی دیجیتال آینده باید بتواند رابطه میان ساختار فضایی شهر و ریسک اقلیمی را مدل سازی کند.

برای مثال، یک شهر ممکن است با توسعه یک محله جدید مواجه باشد. تصمیم سنتی می تواند بر اساس ظرفیت زمین، تراکم، شبکه معابر و زیرساخت گرفته شود.

اما شهر دوقلوی اقلیمی سوال های بیشتری مطرح می کند:

آیا این توسعه، دمای سطح زمین را افزایش می دهد؟

آیا مسیر جریان آب را تغییر می دهد؟

آیا جمعیت جدید در معرض خطر سیلاب قرار می گیرد؟

آیا دسترسی گروه های کم درآمد به فضای سبز کاهش می یابد؟

آیا این توسعه باعث افزایش سفر با خودرو خواهد شد؟

بنابراین، مسئله از: «آیا این پروژه امکان پذیر است؟» به: «اگر این پروژه اجرا شود، چه آینده ای برای شهر ایجاد خواهد کرد؟» تغییر می کند.

۴. هوش مصنوعی؛ مغز تحلیلی دوقلوی دیجیتال

اگر دوقلوی دیجیتال را «بدن دیجیتال شهر» بدانیم، هوش مصنوعی می تواند نقش مغز تحلیلی آن را ایفا کند.

دوقلوی دیجیتال داده تولید و سازمان دهی می کند؛ AI می تواند این داده ها را تحلیل کرده، روابط پنهان را شناسایی و سناریوهای احتمالی آینده را تولید کند.

پژوهش He و همکاران (2026) نمونه ای مهم از این تحول است. آنها یک مدل مولد مبتنی بر AI برای تولید الگوهای هندسی شهری توسعه داده اند که قادر است ساختارهای بلوکی شهری را در مقیاس وسیع تولید کند. این پژوهش نشان می دهد که هوش مصنوعی مولد در حال عبور از مرحله تحلیل شهر موجود و ورود به مرحله تولید و طراحی گزینه های فضایی است.

این تحول بسیار مهم است.

زیرا AI دیگر فقط نمی پرسد:

«این شهر چگونه است؟»

بلکه می تواند بپرسد:

«چه الگوهای دیگری برای سازماندهی این شهر ممکن است؟»

و این دقیقا همان نقطه ای است که برنامه ریزی شهری از تحلیل گذشته به سمت طراحی آینده حرکت می کند.

۵. پیشنهاد مفهوم «شهر دوقلوی اقلیمی»

بر اساس روندهای جدید، این مقاله مفهوم Climate Twin City یا «شهر دوقلوی اقلیمی» را پیشنهاد می کند.

شهر دوقلوی اقلیمی، نسخه پیشرفته ای از دوقلوی دیجیتال شهری است که علاوه بر بازنمایی کالبد و زیرساخت شهر، قادر است روابط میان فضا، جمعیت، زیرساخت، اقتصاد، محیط زیست و مخاطرات اقلیمی را مدل سازی و شبیه سازی کند.

این مدل بر پنج لایه اصلی استوار است:

لایه اول؛ دوقلوی فضایی: ساختمان ها، معابر، کاربری زمین، شبکه های زیرساختی و فضاهای عمومی.

لایه دوم؛ دوقلوی جمعیتی: تراکم، ساختار سنی، الگوهای سکونت، گروه های آسیب پذیر و الگوهای جابه جایی.

لایه سوم؛ دوقلوی اقلیمی: دما، جزیره حرارتی، سیلاب، خشکسالی، کیفیت هوا و سایر مخاطرات.

لایه چهارم؛ دوقلوی رفتاری: سفر، مصرف انرژی، استفاده از فضاهای عمومی و واکنش شهروندان به سیاست ها.

لایه پنجم؛ دوقلوی تصمیم گیری: AI سناریوهای مختلف را تولید و پیامدهای آنها را مقایسه می کند.

در چنین ساختاری، برنامه ریز می تواند قبل از اجرای یک پروژه، اثرات احتمالی آن را در محیط مجازی آزمایش کند.

۶. از «پیش بینی» به «آزمایش سیاست»

مهم ترین نوآوری شهر دوقلوی اقلیمی صرفا پیش بینی آینده نیست.

هدف اصلی، ایجاد امکان آزمایش سیاست ها قبل از اجرای آنها است.

فرض کنیم یک شهرداری قصد دارد یک بزرگراه شهری را توسعه دهد.

در سیستم سنتی، اثرات پروژه از طریق مطالعات ترافیکی و زیست محیطی بررسی می شود.

اما در شهر دوقلوی اقلیمی می توان چند سناریو را هم زمان آزمایش کرد:

سناریوی A: توسعه بزرگراه.

سناریوی B: توسعه حمل ونقل عمومی.

سناریوی C: تبدیل بخشی از مسیر به کریدور سبز.

سناریوی D: ترکیب حمل ونقل عمومی، مسیر دوچرخه و زیرساخت سبز.

سپس AI می تواند پیامدهای هر سناریو را از نظر ترافیک، انتشار کربن، گرمای شهری، دسترسی اجتماعی، هزینه و تاب آوری مقایسه کند.

در این حالت، برنامه ریزی شهری به نوعی: Policy Simulation تبدیل می شود.

یعنی پیش از آنکه شهروندان هزینه یک تصمیم اشتباه را پرداخت کنند، سیاست می تواند در محیط مجازی آزمایش شود.

۷. عدالت فضایی؛ حلقه مفقوده دوقلوهای دیجیتال

یکی از مهم ترین خطرات این تحول آن است که فناوری از عدالت اجتماعی جلو بزند.

یک مدل AI ممکن است از نظر فنی بسیار دقیق باشد، اما همچنان نتایجی تولید کند که برای همه گروه های اجتماعی عادلانه نباشد.

پژوهش Mashhadi Moghaddam و Cao (2026) درباره «دام شاخص ها» هشدار می دهد که تمرکز بیش از حد بر دقت فنی می تواند موجب نادیده گرفتن پیامدهای اجتماعی و حتی بازتولید سوگیری های تاریخی در سیستم های هوش مصنوعی شهری شود. این پژوهش ۲۸ پیاده سازی AI را از میان ۱۵۷ مورد بررسی شده در شش حوزه تحلیل کرده و نشان می دهد که دقت الگوریتمی لزوما به معنای موفقیت سیاستی نیست.

بنابراین، شهر دوقلوی اقلیمی باید یک اصل بنیادین داشته باشد:

هر سناریوی شهری باید نه تنها از نظر کارایی، بلکه از نظر عدالت نیز ارزیابی شود.

برای مثال، اگر یک طرح کاهش گرمای شهری فقط مناطق برخوردار را خنک تر کند، نمی توان آن را یک سیاست موفق اقلیمی دانست.

بنابراین، معیار موفقیت باید از: Efficiency به: Efficiency + Equity + Resilience تغییر کند.

۸. حکمرانی شهر دوقلوی اقلیمی

تحقق این ایده تنها یک پروژه فناوری اطلاعات نیست؛ بلکه یک پروژه حکمرانی شهری است.

ابتکار جهانی ITU درباره «AI-Enabled Citiverse» در سال ۲۰۲۶ دقیقا بر همین مسئله تاکید دارد: همگرایی AI، هوش فضایی، دوقلوهای دیجیتال و فناوری های immersive باید با قابلیت همکاری، استانداردهای باز، نظارت انسانی و حاکمیت داده همراه باشد.

بنابراین، شهر دوقلوی اقلیمی نیازمند چهار اصل حکمرانی است:

یکپارچگی داده: داده های دستگاه های مختلف شهری باید قابلیت اتصال داشته باشند.

حاکمیت داده: مشخص باشد چه کسی داده را تولید، مالکیت، پردازش و استفاده می کند.

نظارت انسانی: تصمیم نهایی نباید صرفا به الگوریتم واگذار شود.

مشارکت عمومی: شهروندان باید بتوانند سناریوهای پیشنهادی را مشاهده، نقد و ارزیابی کنند.

در چنین شرایطی، دوقلوی دیجیتال می تواند از یک ابزار تخصصی در اختیار شهرداری به یک زیرساخت مشترک برای گفت وگوی شهر، متخصصان و شهروندان تبدیل شود.

۹. نتیجه گیری

دوقلوهای دیجیتال شهری در حال ورود به مرحله ای جدید هستند. نسل اول این فناوری عمدتا برای مشاهده و مدیریت وضعیت موجود استفاده می شد؛ اما نسل جدید می تواند به سمت شبیه سازی آینده، تولید سناریو و پشتیبانی از تصمیم گیری حرکت کند.

هم زمان، هوش مصنوعی مولد در حال ایجاد امکان تولید و ارزیابی گزینه های فضایی جدید است (He et al., 2026)، در حالی که چارچوب های بین المللی جدید مانند AI-Enabled Citiverse بر همگرایی AI، هوش فضایی و دوقلوهای دیجیتال برای ایجاد شهرهای آینده نگر تاکید دارند (ITU, 2026).

بر این اساس، مقاله حاضر مفهوم «شهر دوقلوی اقلیمی» را پیشنهاد کرد؛ شهری که در آن دوقلوی دیجیتال صرفا بازنمایی مجازی شهر نیست، بلکه به یک آزمایشگاه پیش نگر برای سیاست گذاری، تاب آوری اقلیمی و عدالت فضایی تبدیل می شود.

در این مدل، برنامه ریزی شهری از: داده → تحلیل → تصمیم به: داده → شبیه سازی → پیش بینی → ارزیابی عدالت → آزمایش سیاست → تصمیم حرکت می کند.

اما مهم ترین نکته آن است که آینده دیجیتال شهر نباید صرفا هوشمندتر باشد؛ باید مسئولانه تر، عادلانه تر و تاب آورتر نیز باشد.

در نهایت:

دوقلوی دیجیتال آینده نباید فقط آینه شهر باشد؛ باید آزمایشگاه آینده شهر باشد.

و شاید بتوان آینده برنامه ریزی شهری را در یک جمله خلاصه کرد:

«قبل از آنکه شهر آینده را بسازیم، آن را در دوقلوی اقلیمی خود آزمایش کنیم.»

منابع

He, L., Kamath, H. G., Fei, S., Niyogi, D., & Aliaga, D. (2026). AI-based urban layout generation model. npj Urban Sustainability, 6, 87. https://doi.org/10.1038/s42949-026-00369-2

International Telecommunication Union. (2026). AI-enabled Citiverse: A strategic blueprint for cities in the age of AI. ITU.

International Telecommunication Union. (2026). AI-enabled Citiverse: Foundational capabilities for cities in the age of AI. ITU.

International Telecommunication Union. (2026). Outcome document of the Citiverse Assembly: Collaboration on global standards for the AI-enabled Citiverse. ITU.

Mashhadi Moghaddam, S. N., & Cao, H. (2026). The metrics trap: How technical sophistication masks social harm in urban AI systems. npj Urban Sustainability, 6, 94. https://doi.org/10.1038/s42949-026-00394-1

Ricciardi, G., Callegari, G., & Leone, M. F. (2026). Guidelines for creating an urban digital twin module for urban regeneration scenarios assessment that include climate change mitigation and adaptation. Cities. https://doi.org/10.1016/j.cities.2026.107020