از «مقررات ثابت» تا «کدهای ساختمانی پویا»: آیا هوش مصنوعی می تواند قوانین ساخت وساز را با تغییرات اقلیمی تطبیق دهد؟

از «مقررات ثابت» تا «کدهای ساختمانی پویا»: آیا هوش مصنوعی می تواند قوانین ساخت وساز را با تغییرات اقلیمی تطبیق دهد؟

چکیده

مقررات و ضوابط ساختمانی یکی از مهم ترین ابزارهای مدیریت توسعه شهری هستند؛ اما بخش قابل توجهی از این مقررات بر اساس داده ها، استانداردها و شرایط اقلیمی دوره ای تدوین و سپس برای سال ها ثابت باقی می مانند. در شرایطی که تغییرات اقلیمی موجب جابه جایی پهنه های اقلیمی، افزایش موج های گرما، تغییر الگوهای بارش و تشدید مخاطرات محیطی شده است، این پرسش مطرح می شود که آیا مقررات ثابت می توانند برای شهری با اقلیم متغیر کافی باشند؟

پژوهش جدید Fu و همکاران (2026) نشان می دهد که «سرعت اقلیمی» در برخی مناطق چین از مفروضات ثابت مورد استفاده در کدهای ساختمانی پیشی گرفته و این مسئله می تواند تناسب اقلیمی مقررات موجود را با چالش مواجه کند. هم زمان، پژوهش جدید Choorapulakkal و Fadli (2026) چارچوبی مفهومی برای استفاده از هوش مصنوعی، اینترنت اشیا و دوقلوهای دیجیتال در ایجاد کدهای ساختمانی پویا پیشنهاد کرده است؛ چارچوبی که امکان پایش مستمر و به روزرسانی مقررات را متناسب با شرایط محیطی فراهم می کند.

بر این اساس، مقاله حاضر مفهوم «کد ساختمانی اقلیم پاسخگو» (Climate-Responsive Building Code) را توسعه داده و پیشنهاد می کند که مقررات ساختمانی آینده از یک سند ایستا به یک سامانه مقرراتی هوشمند، داده محور و قابل تطبیق تبدیل شوند.

کلیدواژه ها: کد ساختمانی پویا، هوش مصنوعی، تغییر اقلیم، دوقلوی دیجیتال، برنامه ریزی شهری، تاب آوری اقلیمی، حکمرانی شهری، مقررات ساخت وساز.

۱. وقتی اقلیم تغییر می کند، آیا قانون هم باید تغییر کند؟

برای دهه ها، مقررات ساختمانی بر یک فرض نسبتا ساده استوار بوده اند:

شرایط محیطی را می توان با داده های گذشته شناخت و بر اساس آن برای آینده ضابطه تدوین کرد.

این منطق زمانی کارآمدتر بود که تغییرات اقلیمی نسبتا آهسته و قابل پیش بینی تر بودند.

اما امروز شرایط متفاوت است.

موج های گرما شدیدتر و طولانی تر شده اند، الگوهای بارش در حال تغییرند و بسیاری از شهرها با مخاطراتی مواجه اند که شدت یا فراوانی آنها با تجربیات تاریخی متفاوت است.

پژوهش Fu و همکاران (2026) دقیقا به همین مسئله پرداخته و نشان داده است که جابه جایی اقلیمی می تواند موجب ایجاد شکاف میان شرایط واقعی اقلیمی و مفروضات ثابت کدهای ساختمانی شود.

بنابراین پرسش جدید این نیست که:

«آیا این ساختمان با مقررات امروز مطابقت دارد؟»

بلکه باید پرسید:

«آیا این مقررات برای اقلیم آینده این مکان نیز مناسب خواهد بود؟»

۲. مشکل «مقررات ایستا» چیست؟

یک کد ساختمانی معمولا پس از طی فرآیندهای تخصصی و قانونی تصویب می شود و ممکن است چندین سال بدون تغییر اساسی مورد استفاده قرار گیرد.

اما ساختمان عمر کوتاه مدتی ندارد.

ساختمانی که امروز ساخته می شود ممکن است ۵۰، ۷۰ یا حتی بیش از ۱۰۰ سال مورد استفاده قرار گیرد.

بنابراین یک تناقض شکل می گیرد:

قانون = نسبتا ثابت

در مقابل:

اقلیم = متغیر

و:

عمر ساختمان = بسیار طولانی

در نتیجه ممکن است ساختمانی کاملا مطابق مقررات امروز ساخته شود، اما در آینده با شرایطی مواجه شود که اساسا در زمان تدوین مقررات پیش بینی نشده بود.

این همان چیزی است که می توان آن را:

Regulatory Climate Lag

یا «پس ماند مقرراتی اقلیم» نامید.

۳. ایده «کد ساختمانی پویا» چیست؟

در این مقاله پیشنهاد می شود کد ساختمانی آینده صرفا یک متن قانونی ثابت نباشد.

بلکه به یک سامانه هوشمند مقرراتی تبدیل شود.

در چنین سیستمی، داده های مربوط به:

دما، رطوبت، بارش، تابش خورشیدی، مصرف انرژی، عملکرد ساختمان، کیفیت هوا، سیلاب، جزیره حرارتی و تغییرات جمعیتی

به صورت مستمر دریافت و تحلیل می شوند.

سپس AI می تواند بررسی کند که آیا برخی الزامات ساختمانی هنوز با شرایط واقعی سازگارند یا خیر.

برای مثال:

اگر میانگین دمای تابستانی یک شهر در یک دوره مشخص به طور معناداری افزایش یابد، سامانه می تواند بررسی کند که آیا استانداردهای فعلی مربوط به:

• عایق حرارتی؛
• سایه اندازی؛
• نسبت بازشوها؛
• تهویه؛
• مصالح نما؛
• فضای سبز؛
• مصرف انرژی؛
• و طراحی بام

هنوز کفایت می کنند یا خیر.

در این حالت، مقررات به جای اینکه فقط واکنش پذیر باشند، به سمت تطبیق پذیری حرکت می کنند.

۴. دوقلوی دیجیتال؛ زیرساخت اجرای کدهای پویا

اما AI به تنهایی کافی نیست.

برای اینکه مقررات بتوانند نسبت به تغییرات واقعی واکنش نشان دهند، باید یک مدل دیجیتال از شهر و ساختمان وجود داشته باشد.

اینجاست که Urban Digital Twin وارد می شود.

پژوهش های جدید نشان می دهند که دوقلوهای دیجیتال شهری به تدریج از ابزارهای صرفا تجسمی به سمت شبیه سازی رخدادهای حدی، ارزیابی گزینه های سازگاری و پشتیبانی از تصمیم گیری اقلیمی حرکت کرده اند.

در یک معماری پیشنهادی می توان چنین چرخه ای را تصور کرد:

Real City → Data → Digital Twin → AI Analysis → Regulatory Recommendation → Implementation → Monitoring → Feedback

به این ترتیب، مقررات دیگر از واقعیت شهری جدا نیستند.

بلکه به طور مستمر از عملکرد واقعی شهر بازخورد می گیرند.

۵. از «کد ساختمانی» به «کد ساختمانی یادگیرنده»

اینجا یک تحول مفهومی مهم اتفاق می افتد.

کد ساختمانی سنتی می گوید:

«این ساختمان باید این استاندارد را رعایت کند.»

اما کد ساختمانی یادگیرنده می پرسد:

«آیا این استاندارد هنوز بهترین پاسخ برای شرایط فعلی و آینده این مکان است؟»

این تفاوت بسیار مهم است.

فرض کنید حداقل استاندارد عایق حرارتی یک منطقه بر اساس اقلیم گذشته تعیین شده باشد.

اگر داده های جدید نشان دهند که منطقه در حال حرکت به سمت شرایط گرم تر است، سیستم می تواند پیشنهاد دهد که الزامات عملکردی تغییر کنند.

بنابراین:

Regulation → Monitoring → Learning → Updating

به چرخه اصلی تبدیل می شود.

۶. مقررات آینده باید «مکان محور» باشند

یکی از ضعف های مقررات عمومی این است که گاهی یک الزام مشابه برای مناطق متفاوت اعمال می شود.

اما یک شهر ممکن است هم زمان دارای:

اقلیم گرم و خشک،

اقلیم گرم و مرطوب،

مناطق مرتفع،

بافت متراکم،

بافت کم تراکم

و مناطق دارای ریسک سیلاب باشد.

پس چرا همه این مناطق باید الزاما تحت یک منطق یکسان قرار گیرند؟

AI و GIS می توانند امکان حرکت به سمت Regulation by Place را فراهم کنند.

یعنی:

هر مکان، متناسب با ریسک و شرایط محیطی خودش، مجموعه ای از الزامات عملکردی داشته باشد.

در این رویکرد، مقررات می توانند به جای تمرکز صرف بر قواعد ثابت، بر سطح عملکرد مورد انتظار تمرکز کنند.

۷. از مقررات «حداقلی» به مقررات «عملکردمحور»

در سیستم سنتی ممکن است گفته شود:

ضخامت عایق باید حداقل X باشد.

اما در سیستم هوشمند می توان پرسید:

این ساختمان باید در شرایط اقلیمی پیش بینی شده، چه سطحی از عملکرد حرارتی را حفظ کند؟

این تغییر از:

Prescriptive Code

به:

Performance-Based Dynamic Code

می تواند انعطاف بیشتری برای طراحی ایجاد کند.

در این حالت، یک معمار یا مهندس ممکن است از راهکارهای مختلفی برای دستیابی به یک هدف عملکردی استفاده کند.

بنابراین قانون به جای اینکه بگوید:

«چگونه بساز»

بیشتر می گوید:

«به چه عملکردی باید برسی.»

۸. یک گام فراتر: مقررات پیش نگر

حتی «کد پویا» نیز می تواند یک مرحله پیشرفته تر داشته باشد.

به جای اینکه مقررات تنها پس از وقوع تغییرات اصلاح شوند، AI می تواند بر اساس سناریوهای اقلیمی آینده، پیشاپیش اثرات احتمالی را بررسی کند.

برای مثال:

اگر مدل های اقلیمی احتمال افزایش قابل توجه روزهای بسیار گرم را در ۱۰ سال آینده نشان دهند، سیستم می تواند امروز بررسی کند که:

• استاندارد سایه اندازی؛
• الزامات بام؛
• سطح پوشش گیاهی؛
• مصالح؛
• تراکم؛
• و فرم ساختمان

چگونه باید تغییر کنند.

در این صورت:

Regulation becomes anticipatory rather than reactive.

یعنی قانون قبل از بحران، برای آن آماده می شود.

۹. اما آیا AI باید خودش قانون را تغییر دهد؟

قطعا نه.

این یکی از مهم ترین مرزهای این مدل است.

هوش مصنوعی می تواند:

داده جمع کند،

الگو پیدا کند،

سناریو بسازد،

ریسک را پیش بینی کند،

گزینه های مختلف را مقایسه کند

و حتی:

پیشنهاد اصلاح مقررات ارائه دهد.

اما تصمیم نهایی درباره تغییر قانون باید همچنان در یک ساختار حکمرانی شفاف و پاسخگو اتخاذ شود.

این مسئله به ویژه از آن جهت اهمیت دارد که استفاده از AI در برنامه ریزی شهری با مسائل مربوط به شفافیت، مالکیت داده، حریم خصوصی، قابلیت توضیح الگوریتم و مسئولیت تصمیم گیری همراه است. پژوهش های جدید درباره دوقلوهای دیجیتال نیز بر اهمیت حکمرانی، قابلیت همکاری داده ها و سازوکارهای مشارکتی تاکید دارند.

بنابراین معماری پیشنهادی چنین است:

AI recommends → Experts evaluate → Citizens participate → Institutions decide

نه:

AI decides → City obeys

۱۰. «کد ساختمانی پویا» و عدالت فضایی

یک خطر مهم دیگر نیز وجود دارد.

اگر مقررات هوشمند فقط بر اساس داده های مناطقی تدوین شوند که داده بیشتری دارند، ممکن است محله های کم داده از فرآیند تصمیم گیری کنار گذاشته شوند.

بنابراین کدهای پویا باید علاوه بر Climate Responsiveness، دارای:

Equity Responsiveness

نیز باشند.

برای مثال، اگر دو منطقه از نظر افزایش دما شرایط مشابهی داشته باشند، اما یکی جمعیت سالمند، کم درآمد یا آسیب پذیر بیشتری داشته باشد، ممکن است سطح مداخله موردنیاز در آن متفاوت باشد.

در نتیجه، قانون آینده نباید صرفا بپرسد:

«کجا بیشتر گرم می شود؟»

بلکه باید بپرسد:

«کجا، چه کسانی و با چه شدتی در معرض پیامدهای آن قرار می گیرند؟»

۱۱. پیشنهاد یک چارچوب برای «کد ساختمانی اقلیم پاسخگو»

بر اساس مباحث فوق، می توان یک چارچوب شش مرحله ای پیشنهاد کرد:

۱. Sense | پایش

دریافت مستمر داده های اقلیمی، ساختمانی و شهری.

۲. Diagnose | تشخیص

شناسایی شکاف میان عملکرد واقعی و استانداردهای موجود.

۳. Forecast | پیش بینی

مدل سازی شرایط اقلیمی و شهری آینده.

۴. Simulate | شبیه سازی

آزمون گزینه های مختلف در دوقلوی دیجیتال.

۵. Regulate | تنظیم

پیشنهاد اصلاح الزامات و استانداردها.

۶. Learn | یادگیری

ارزیابی نتایج و بازگشت داده ها به چرخه مقررات.

بنابراین چرخه نهایی چنین خواهد بود:

Sense → Diagnose → Forecast → Simulate → Regulate → Learn

این چرخه می تواند به صورت مستمر تکرار شود.

۱۲. از «قانون ثابت» به «اکوسیستم مقرراتی»

در نهایت، شاید مهم ترین تحول این باشد که دیگر نباید مقررات ساختمانی را یک متن منفرد بدانیم.

در مدل آینده، مجموعه ای از:

قانون + داده + AI + دوقلوی دیجیتال + متخصص + شهروند + نظام پایش

در کنار یکدیگر یک اکوسیستم مقرراتی ایجاد می کنند.

در چنین سیستمی، مقررات می توانند هم زمان:

محیط زیست پاسخگو،

مکان محور،

پیش نگر،

عملکردمحور،

داده محور

و

عدالت محور

باشند.

نتیجه گیری

تغییر اقلیم فقط ساختمان ها را با چالش مواجه نکرده است؛ بلکه یکی از مفروضات بنیادین نظام مقررات گذاری شهری را نیز زیر سوال برده است:

این فرض که می توان با استفاده از شرایط گذشته، برای آینده مقرراتی ثابت تدوین کرد.

پژوهش های جدید نشان می دهند که «سرعت تغییر اقلیم» می تواند از سرعت بازنگری مقررات پیشی بگیرد و در نتیجه میان شرایط واقعی محیط و الزامات ساختمانی شکاف ایجاد شود.

هم زمان، ظهور هوش مصنوعی و دوقلوهای دیجیتال این امکان را فراهم کرده است که مقررات به بخشی از یک چرخه مستمر پایش، تحلیل، پیش بینی، شبیه سازی و یادگیری تبدیل شوند. چارچوب های جدید «کدهای ساختمانی پویا» نیز دقیقا در همین مسیر حرکت می کنند.

بر این اساس، آینده مقررات گذاری شهری را می توان چنین تصور کرد:

Static Code → Adaptive Code → Predictive Code → Learning Code

در این پارادایم، ساختمان فقط مطابق قانون ساخته نمی شود؛ بلکه عملکرد آن به بازنگری قانون کمک می کند.

و شاید بتوان ایده اصلی این مقاله را در یک جمله خلاصه کرد:

در شهری که اقلیم آن ثابت نیست، مقرراتی که ثابت می مانند نمی توانند به تنهایی آینده شهر را تاب آور کنند.

منابع

Choorapulakkal, A., & Fadli, F. (2026). A conceptual framework for the use of AI and digital twins for enabling dynamic building codes in smart sustainable cities for climate change adaptation. In Proceedings of the International Conference on Digital Frontiers in Buildings and Infrastructure (pp. 325–337). Springer.

Fu, N., Wang, A., Zhang, R., Wang, J., Ditta, A. A., Castaño-Rosa, R., Kumar, P., Haghighat, F., & Cao, S.-J. (2026). Climate velocity outpaces static building-code assumptions in China. Journal of Cleaner Production, 573, 149004.

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, 174, 107020.

Van der Jeugt, L. (2026). Exploring European urban digital twins for climate adaptation. Urban Transformations, 8, 15.

Wright, S., Backeberg, B., Winter, G., Peña Cerezo, N., Feliú Torres, E., Souverijns, N., & Deryng, D. (2026). From static models to digital twins: A participatory framework for actionable climate adaptation modelling. Frontiers in Climate, 8.

M B, J., & Mesapam, S. (2026). Digital twin for climate-resilient urban planning: Modeling and mitigation of urban heat islands. ISPRS Archives, XLVIII-M-10-2025, 155–161.