Spatial Analysis of Smart City Indicators Based on the Internet of Things (IoT) in the Metropolis of Mashhad

Document Type : Original Article

Authors

1 Professor in the Department of Human Geography and Spatial Planning, Shahid Beheshti University, Tehran, Iran

2 Associate Professor in the Department of Human Geography and Spatial Planning, Shahid Beheshti University, Tehran, Iran

3 MSc. Student in Geography and Urban Planning, Shahid Beheshti University, Tehran, Iran

Abstract

Abstract
The concept of a smart city involves utilizing information and communication technology to improve the livability and sustainability of urban areas and unique locations, thereby promoting innovation and entrepreneurship. The extensive use of digital sensors and control systems for managing urban infrastructure has led to the development of various applications with the Internet of Things (IoT) playing a crucial role in enabling new services and enhancing interaction levels. As this technology continues to progress, it holds the potential to transform every aspect of human life. This research aimed to conduct a spatial analysis of smart city indicators, particularly those related to the IoT across 13 regions of Mashhad metropolis. This study took an applied approach with a descriptive-analytical nature by utilizing both documentary (library) and field (questionnaire) data collection methods. The sample consisted of residents from 13 regions within Mashhad metropolis with a sample size of 171 questionnaires determined based on the 2016 population of 3,062,242. The questionnaires were distributed proportionately across each region. The data analysis was conducted by using SPSS software and decision-making methods, such as MEREC and COCOSO. Furthermore, the structural equation modeling approach (Smart PLS) was employed for a comprehensive analysis. The research findings indicated that Regions 9, 1, and 4 showed the highest levels of smart city indicators based on IoT in Mashhad, while Regions 3, 12, and 10 exhibited the lowest levels. According to the results of the PLS structural equation modeling test, the variable of smart governance showed the highest overall impact coefficient (1.523) on the IoT-based smart city followed by smart economy (1.256), smart citizen (0.895), smart environment (0.687), smart mobility (0.622), and smart living (0.160).
Keywords: Smart City, Internet of Things (IoT), Information and Communication Technology, Mashhad Metropolis.
Introduction
A smart city is a sophisticated ecosystem that leverages advanced information and communication technologies to enhance the appeal and sustainability of urban areas and distinctive locations, fostering innovation and entrepreneurship. The widespread adoption of digital sensors and control systems for managing urban infrastructure has facilitated various applications with the Internet of Things (IoT) emerging as a solution for delivering new services and enhancing interactive experiences. In recent years, the concept of smart cities has gained traction in Iran with cities, such as Urmia, Isfahan, Tehran, Mashhad, and Tabriz, being recognized as smart cities. Due to its rapid growth and development, as well as social, economic, and environmental changes in line with new needs, Mashhad City needs to provide services that are suitable and deserving for its residents, especially considering the significant number of domestic and foreign pilgrims, who visit the holy shrine of Imam Reza annually. Therefore, the indigenous capacities of the city alone are not sufficient for its development and the collaboration of various sectors, especially the communication and IT sectors, is necessary to elevate and progress it in new areas. Hence, this paper aimed to examine the distribution status of IoT-based smart city indicators in 13 districts of Mashhad municipality and answer the question of how the current status of IoT-based smart city indicators was in the mentioned districts.
 
Materials and Methods
This research was applied in terms of its objective and descriptive-analytical in terms of its nature and method. The data collection method included both documentary (library) and field (questionnaire) researches. The sample consisted of residents from the 13 districts of Mashhad metropolis. Cochran formula was used to determine the sample size for each district, resulting in a total of 171 questionnaires based on a coefficient of 0.075 and population of 3,062,242 in 2016. The questionnaire was designed in a 5-point Likert scale format and distributed and completed across the districts of Mashhad. The questionnaire was validated based on the input from university professors and the necessary modifications were implemented. After collecting the questionnaires and assessing their reliability using the Cronbach's alpha method, the gathered data were analyzed by using descriptive and inferential statistics, including the Chi-square test, skewness and kurtosis tests, and one-sample t-test, within the SPSS software environment. Additionally, decision-making methods, such as MEREC and COCOSO, were utilized for data and information analysis. Finally, the Smart PLS software was employed to construct the structural equation model and determine the impact levels of the desired indicators on the IoT-based smart city.
 
Research Findings
Upon confirming the normal distribution of the data through skewness and kurtosis tests, the results of the one-sample t-test indicated that all the indicators were significant. Among the IoT-based smart growth indicators, the first factor (smart mobility) exhibited the highest mean of 2.7154, while the component of smart citizen had the lowest score of 2.1287 compared to the other components. Following the weighting of the indicators by using the MEREC method and application of the COCOSO technique for ranking the districts, the results revealed that District 9 secured the 1st rank with a score of 3.412 and District 1 showed the 2nd rank with a score of 3.349 with the remaining districts following in subsequent ranks. Furthermore, the results of the structural equation modeling by using SMART PLS indicated that the variable of smart government exhibited the highest overall influence coefficient of 1.523 followed by smart economy (1.256), smart citizen (0.895), smart environment (0.687), smart mobility (0.622), and smart living (0.160), showcasing their influences in the IoT-based smart city.
 
Discussion of Results & Conclusion
A smart city represents a comprehensive framework that assesses various facets of intelligent initiatives, empowering cities to leverage urban networks, bolster their economic prowess, and establish more efficient systems. This network relies on wireless networks, broadcasting networks, internet networks, telecommunication networks, and sensor networks with the Internet of Things (IoT) at its core. The research findings were consistent with the conclusions of other researchers, such as Mafi and Gholizadeh (2015), Amelifar et al. (2022), and Sudeep et al. (2018), highlighting the impact of IoT in urban settings, resulting in savings in time, cost, energy, materials, and human resources, and ultimately enhancing the quality of urban life. The high rankings of Regions 9 and 1 in Mashhad metropolis in terms of smart city indicators validated this assertion as evidenced by the high quality of urban life in these areas and the residents' preference to live there.

Keywords

Main Subjects

Full Text

مقدمه

شهر هوشمند اصطلاحی آشناست که در سال‌های اخیر با استفاده از فناوری اطلاعات و ارتباطات برای ایجاد و یکپارچه‌سازی زیرساخت‌ها و خدمات‌رسانی بهتر به شهروندان، گام‌های ویژه‌ای ازجهت کاهش معضل‌های محلی و رفع مشکلات متداول شهری با هدف تبدیل شهرها به مکانی بهتر برای امرار معاش و زندگی مرفه برداشته است. شهر هوشمند شهری نوآور است که در آن از فناوری اطلاعات و ارتباطات (فاوا) و وسایل دیگر استفادۀ بهینه می‌شود تا در آن کیفیت زندگی، کارایی عملیات شهری و خدمات رقابت‌پذیری ارتقا پیدا کند؛ درحالی‌ که سازگاری و مطابقت با نیازهای نسل‌های کنونی و آتی را با‌توجه به جنبه‌های اقتصادی، اجتماعی و زیست‌محیطی تضمین می‌کند (موسوی حسنی، 1401). گسترش چشمگیر شهرنشینی در شهرهای مدرن مستلزم راه‌حل‌های هوشمند برای رسیدگی به مسائل مهمی مانند تحرک، مراقبت‌های بهداشتی، انرژی و زیرساخت‌های عمرانی است. اینترنت اشیا یکی از امیدوارکننده‌ترین فناوری‌های توانمند برای مقابله با این چالش‌هاست که با ایجاد یک شبکۀ گستردۀ جهانی از اشیا فیزیکی بهم‌پیوسته، تعبیه‌شده با الکترونیک، نرم‌افزار، حسگرها و اتصال شبکه به وجود آمده است (Alavi et al., 2018). شهرهای هوشمند مبتنی بر اینترنت اشیا با بهم‌پیوستن دنیای فیزیکی و مجازی و نیز با مقدار‌های عظیمی از دستگاه‌های الکترونیکی توزیع‌شده در خانه‌ها، وسایل نقلیه، خیابان‌ها، ساختمان‌ها و بسیاری از محیط‌های عمومی دیگر می‌توانند انواع مختلفی از خدمات را به شهروندان و مدیران ارائه دهند. از‌جملۀ این خدمات خانه‌های هوشمند، پارکینگ‌های هوشمند، سیستم‌های آب‌وهوا، ترافیک وسایل نقلیه، آلودگی محیط‌ زیست، سیستم‌های نظارتی، انرژی هوشمند و شبکه‌های هوشمند است (Qian et al., 2019). همان‌طور که مشهود است یک شهر هوشمند از شش مؤلفۀ اصلی دولت هوشمند، اقتصاد هوشمند، شهروندان باهوش، تحرک هوشمند، محیط هوشمند و زندگی هوشمند تشکیل ‌شده است (Ganchev et al., 2014). شهر هوشمند با نگاهی آینده‌نگر به اقتصاد، مردم، حاکمیت، عبور‌و‌مرور، محیط و منابع طبیعی و محیط‌زیست و نیز بر‌پایۀ ترکیبی هوشمند از منابع موجود و فعالیت‌های مستقل و قابل‌برنامه‌ریزی و شهروندان آگاه ساخته ‌شده است و مدیریت می‌شود (Giffinger et al., 2007). شهرهای هوشمند با اینترنت اشیا کاربردهای مختلفی از‌قبیل روشنایی، کنترل ترافیک، اتصال چندین شهر، مصرف انرژی و کنترل آلودگی را بر‌عهده می‌گیرند و ایفای نقش می‌کنند (موسوی داویجانی، 1399). برای ‌مثال، در سیستم مدیریت ترافیک با استفاده از IOT امکان نظارت بر ترافیک و جلوگیری از احتقان‌ها وجود خواهد داشت. علاوه بر آن، یک سیستم پارکینگ هوشمند می‌تواند با استفاده از دوربین‌ها (Automatic Number Plate Recognition) و سنسورهای فشار و نیز با محاسبه‌های تعداد و سرعت اتومبیل‌ها فضاهای پارکینگ را کنترل و رانندگان را با پارکینگ خودکار نظارت کند که این خود باعث افزایش جابه‌جایی و آرامش شهروندان در دستیابی به پارکینگ و اندازه‌گیری جریان‌های ترافیکی خواهد شد (Miorandi et al., 2012). درنهایت، باید اشاره کرد که ضرورت هوشمندسازی در شهرها به‌دلیل وجود نیازهای مختلف و پیچیدگی آن احساس می‌شود که این پیچیدگی از‌طرفی، حاصل ارتباطات بین سیستم‌های مختلف حمل‌ونقل، شبکۀ ارتباطی و سیستم‌های تجاری است و از طرفی دیگر، به‌دلیل شهروندانی است که با این سیستم‌ها در ارتباط هستند (حاجی شاه کرم و محمدی، 1394). بنابراین می‌توان گفت افزایش سطح کیفیت زندگی مردم مسئلۀ اصلی در تحقق‌پذیری شهر هوشمند است که این امر مستلزم توسعۀ شهر هوشمند در همۀ ابعاد آن است. همچنین، اینترنت اشیا در توسعۀ شهر هوشمند نقش اساسی دارد که هم‌اکنون کمبود پژوهش دربارۀ توسعۀ شهرهای هوشمند مبتنی بر اینترنت اشیا در اقتصادهای در‌حال ظهور مانند ایران احساس می‌شود.

طی سال‌های آینده چالش‌های اصلی پیش روی شهرها عبارت است از: تغییرات آب‌وهوایی، عرضه و تقاضای انرژی، کمبود سوخت و منابع طبیعی، رشد جمعیت، مراقبت‌های بهداشتی، قابلیت ردیابی و ایمنی مواد غذایی، کاهش اکوسیستم طبیعی و... است که شهرها نیازمند آمادگی و تمهیداتی برای کنترل وضعیت است (Bonino et al., 2015). همچنین، با روند رشد اشاره‌شده در جمعیت و میزان شهرنشینی در جهان، تقاضا برای انرژی به‌طور مداوم، افزایش خواهد یافت. شبکه‌های انرژی کنونی، ده‌ها سال پیش ساخته ‌شده‌ است و برخلاف اینکه به‌طور منظم، به‌روزرسانی می‌شود، توانایی آنها برای تحقق خواسته‌های آینده نامشخص است. ذخایر موجود سوخت‌های فسیلی محدود است که با انتشار مواد مضر آن تأثیرهای زیست‌محیطی و اجتماعی اجتناب‌ناپذیری دارد. مفهوم اینترنت اشیا با اندازه‌گیری هوشمند ترکیب‌ شده است که پتانسیل این را دارد که خانه‌ها، اداره‌ها و ... را به محیط‌های آگاه انرژی تبدیل کند (Stojkoska & Trivodaliev, 2017). در این میان، اینترنت اشیا یک حوزۀ علمی در‌حال ظهور است که با بسیاری از کاربردهای علمی برای انواع مختلفی از حوزه‌ها مانند شهرهای هوشمند، اتوماسیون خانگی، وسایل نقلیۀ مستقل و فناوری‌های مراقب بهداشتی گسترش‌ یافته است. همچنین، اینترنت اشیا می‌تواند با کنترل و نظارت بر تولید مصرف انرژی را در شهر تسهیل کند (Beligianni et al., 2016). مطالعات سراسر جهان طی دو دهۀ گذشته نشان داد که پروژه‌هایی با تأکید بر شهرهای هوشمند یا شهرهای دیجیتالی، شهر اطلاعاتی، شهر مبتنی بر دانش، جوامع الکترونیکی و یا شهر سایبری روزبه‌روز در‌حال افزایش است که این امر توجه برنامه‌ریزان و مدیران شهری را به خود جلب کرده است (یزدانی و همکاران، 1400).

موضوع شهر هوشمند در سال‌های اخیر در ایران مطرح و حتی شهرهای ارومیه، اصفهان، تهران، مشهد و تبریز به‌عنوان شهرهای هوشمند ایران معرفی‌ شده‌ است (هاشمی و همکاران، 1399) که در این میان، شهر مشهد ازجمله شهرهایی است که به‌دلیل رشد و توسعة سریع و تغییرات اجتماعی، اقتصادی و محیطی متناسب با نیازهای جدید و نیز وجود بارگاه منور رضوی که سالانه پذیرای تعداد فراوانی زائر داخلی و خارجی است باید خدمات ارائه‌شده شایستۀ آنها باشد؛ بنابراین ظرفیت‌های بومی برای توسعۀ این شهر به‌تنهایی کفایت نمی‌کند و همراهی بخش‌های مختلف به‌ویژه حوزه‌های ارتباطی و IT ضروری است تا این شهر را بنا به جایگاه و وسعتش ملزم به ارتقا و پیشرفت در‌زمینه‌های نوین کند. بنا بر مطالعات صورت‌گرفته می‌توان گفت که مطالعات شهر هوشمند بر‌مبنای اینترنت اشیا در شهر مشهد ثمربخش واقع خواهد شد؛ زیرا اینگونه مطالعات در بهبود مدیریت منابع، بهبود کیفیت زندگی، مزایای اقتصادی و نوآوری و کارآفرینی بسیار مؤثر خواهد بود؛ از این ‌رو محققان در پژوهش حاضر کوشیده‌اند تا وضعیت پراکنش شاخص‌های شهر هوشمند را مبتنی بر اینترنت اشیا در‌سطح منطقه‌های سیزده‌گانۀ شهرداری مشهد بررسی کنند و سپس به این سؤال پاسخ دهند که وضع موجود شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های سیزده‌گانۀ شهر مشهد چگونه است؟

مبانی نظری پژوهش

شهر هوشمند

امروزه شهر هوشمند به‌تدریج به اصلی‌ترین جریان ساخت‌وسازهای شهری تبدیل ‌شده است که آن را می‌توان به‌عنوان یک شبکۀ فشردۀ فناوری با استفاده از فناوری پیشرفته برای پیوند اطلاعات، جمعیت و وسایل نقلیه در‌نظر گرفت (Yang et al., 2020). شهر هوشمند به‌لحاظ مفهومی به‌عنوان شکلی جدید از توسعۀ پایدار در شهر نمایان شده است که در آن رویکردهایی برای بهبود کیفیت و عملکرد خدمات شهری با هدف تعامل بهتر میان شهروندان و دولت ارائه می‌‌شود تا کیفیت زندگی جمعیت شهری به نهایت مطلوبیت برسد (سعادتی و مهرشاد، 1396). شهرهای هوشمند به شهرهایی گفته می‌شود که از فناوری مخابرات و سیستم‌های اطلاعاتی برای بهبود زندگی شهروندان استفاده می‌کنند. درواقع، یک شهر هوشمند می‌تواند با رسیدن به دو هدف اصلی هوشمند شود: 1- فراهم‌آوردن زیرساخت شهری پیشرفته با توانایی جمع‌آوری و پردازش داده‌ها و نیز با استفاده از فناوری‌های در‌حال ظهور مانند شبکۀ هوشمند، کنتورهای هوشمند، ساختمان‌های هوشمند، اشیا متصل و داده‌های بزرگ؛ 2- اجازه‌دادن به کاربران برای تعامل با محیط از‌طریق برنامه‌های هوشمند برای کاهش انتشار دی‌اکسید کربن، کاهش سطح آلودگی محیط ‌زیست و بهبود کیفیت زندگی (Hammi et al., 2018).

ایدۀ شهر هوشمند در یک محیط شهری چالش‌برانگیز (ازجمله زیرساخت، رفتار انسانی، فناوری، ساختارهای اجتماعی-سیاسی و اقتصاد) کار می‌کند و روشی هوشمندانه برای مدیریت وسایلی مانند حمل‌ونقل، بهداشت، آموزش، انرژی، خانه‌ها و ساختمان‌ها و محیط ‌زیست است که شیوه‌های توسعۀ پایدار را برای رویارویی با چالش‌های افزاش شهرنشینی نمایان می‌کند (Jasim et al., 2021). زمانی شهری را می‌توان هوشمند نامید که سرمایه‌گذاری در سرمایۀ انسانی و اجتماعی و زیرساخت‌های ارتباطی سنتی و مدرن (با مدیریت خردمندانۀ منابع طبیعی از‌طریق حاکمیت مشارکتی) باعث رشد اقتصادی پایدار و کیفیت زندگی بالا شود. این شهر زیرساخت‌های فیزیکی، زیرساخت‌های ICT، زیرساخت‌های اجتماعی و زیرساخت‌های تجاری را به یکدیگر متصل می‌کند تا از هوش جمعی شهر استفاده کند (Qian et al., 2019). شهرهای هوشمند علاوه‌بر پیاده‌سازی راه‌حل‌های تکنولوژیکی با هدف حاکمیت بهتر شهر و افزایش راحتی به‌دنبال بهبود فرآیندهای صنعتی و قادر‌کردن انتقال صنایع سنتی به حوزۀ اینترنت و فناوری‌های دیجیتال هستند که این امر از‌طرفی، منجر به کاهش استفاده از منابع طبیعی و تشویق استفاده از منابع انرژی تجدید‌پذیر، کاهش هزینه‌ها و نیروی کار و از طرف دیگر، سبب کاهش سطح‌های آلودگی و نارضایتی از حفاظت محیط‌ زیست می‌شود (Silva et al., 2018). درمجموع، برنامه‌ریزی شهر هوشمند مسائل مهمی همچون تراکم ترافیک، مدیریت پسماند، آگاهی شهروندان، تحولات برنامه‌ریزی‌نشده در شهرها، افزایش سطح ناهمگونی، مقیاس‌پذیری و قابلیت تعامل، تحرک، نیاز به پشتیبانی از هر دستگاهی را با حداقل قابلیت‌های ارتباطی و محاسباتی پوشش می‌دهد (Tanwar et al., 2018) که همگی این موارد بایدهای مهم برای هر‌چه‌ بهتر‌شدن کیفیت زندگی بشر در‌حال و آینده خواهد بود.

گفتنی است که مالزی و سنگاپور از پیشرفته‌ترین شهرهای جنوب شرقی آسیا هستند و چند سالی است که برای تبدیل شدن به یک شهر هوشمند تلاش می‌کنند؛ برای مثال، کوالالامپور به ساخت (ICT) جهانی فناوری اطلاعات و ارتباطات زیرساخت‌هایی مانند اتصال به اینترنت پرسرعت، ایجاد مراکز داده و امکانات تحقیقاتی و سیستم‌های حمل‌ونقل عمومی به‌خصوص حمل‌و‌نقل ریلی اقدام کرده است. همچنین، سنگاپور با تکنولوژی زیاد ابتکارات مختلفی را برای تبدیل‌شدن به یک شهر هوشمند از‌جمله استفاده از حسگرها، تجزیه‌و‌تحلیل داده‌ها و دستگاه‌های اینترنت اشیا را برای بهبود برنامه‌ریزی شهری، حمل‌و‌نقل و پایداری محیط زیست شهری اجرا کرده است (Chenge & Cheah, 2020).

شهرها در ایران نیز برای رسیدن به هوشمند‌سازی و هدف‌های حاصل از آن موانعی همچون کمبود بودجه و منابع و مهارت‌های لازم، موارد مرتبط با زیرساخت‌ها و موانع فرهنگی و نگرانی‌های امنیتی را پیش رو دارند. به‌عبارتی، ضعف سیاست و چشم‌اندازهای شفاف، هزینه‌های زیاد، ضعف زیرساخت‌های فنی در سرعت انتقال داده‌ها و عملکرد شبکه، نابرابری اجتماعی، نداشتن حکمرانی و مدیریت مناسب و کمبود دانش فنی از مشکلات و موانع هوشمند‌سازی شهرها و بحث اینترنت اشیاست (فلاحی و همکاران، 1400).

 

اینترنت اشیا

عبارت اینترنت اشیا (IOT) اولین بار در سال 1991 پس از ظهور تکنیک‌های مبتنی بر اینترنت در دهۀ 1990 گزارش شد. اینترنت اشیا را می‌توان به‌عنوان یک زیرساخت جهانی تعریف کرد که خدمات پیشرفته را با بهم پیوستن چیزهای فیزیکی و مجازی و نیز با استفاده از فناوری‌های اطلاعاتی و ارتباطی (ICT) امکان‌پذیر می‌کند (Alavi et al., 2018). تعداد نوظهوری از اشیا با سرعت ویژه‌ای به اینترنت وصل شده‌اند که دانش اینترنت اشیا (IoT) را درک می‌کنند. در سال 2008، CISCO گزارش کرد که تعداد اشیا متصل به اینترنت بیشتر از تعداد افرادی است که روی کرۀ زمین زندگی می‌کنند (Rathore et al., 2016). طبق این تعریف، اینترنت اشیا به افراد و اشیا اجازه می‌دهد که در هر زمان و مکان با هر‌چیزی و هرکسی به‌طور ایدئال، با استفاده از مسیر یا شبکه و هر سرویسی بهم متصل شوند (Perera et al., 2014).  IOTممکن است به‌عنوان «اشیا دارای هویت و شخصیت‌های مجازی در فضاهای هوشمند» با استفاده از رابط‌های هوشمند برای اتصال و ارتباط در‌زمینۀ اجتماعی، پزشکی، محیطی و کاربران تعریف شود (He & Zeadally, 2015). هدف از پیاده‌سازی اینترنت اشیا ارتباطات مستقل، قوی، ایمن و تبادل داده‌ها میان دستگاه‌ها و برنامه‌های کاربردی جهان واقعی است (He et al., 2014). اینترنت اشیا که رهبری فاز چهارم انقلاب صنعتی را برعهده دارد، به شبکه‌ای اشاره می‌کند که در آن هر شیء فیزیکی با برچسبی که هویت‌دار‌ شده به همراه سایر اشیا شبکه‌ای را تشکیل می‌دهد که ضمن برقراری ارتباط با یکدیگر به تبادل داده می‌پردازد (میرسپاسی، 1399). چراغ‌های راهنمایی هوشمند، حمل‌ونقل هوشمند، سیستم کارآمد انرژی، مدیریت آب هوشمند، پارکینگ هوشمند، ساختمان‌های هوشمند و سیستم‌های نظارتی نمونه‌های واقعی از کاربرد اینترنت اشیا در شهر هوشمند است (موسوی داویجانی، 1399). IOT قابلیت‌های شنیدن، دیدن، گوش‌کردن و ارتباط اشیا با یکدیگر را توانمند می‌‌کند؛ بنابراین IOT با بهره‌گیری از محاسبه‌های فراگیر، وسایل تعبیه‌شده (عملکرها، تلفن‌های هوشمند، تبلت‌ها و سایر وسایل شبکه‌بندی‌شده)، فناوری‌های ارتباطات، شبکه‌های حسگر، پروتکل‌ها و اپلیکیشن‌های اینترنت، اشیا را از سنتی به هوشمند تبدیل و بدین طریق در شیوۀ بشر انقلاب ایجاد می‌کند (Rathore et al., 2016). IOT بهترین راه را برای هوشمند‌کردن شهر ارائه می‌دهد. در‌حقیقت، اینترنت می‌تواند در سناریوهای چندگانه ازجمله نظارت بر وضعیت ساختمان با WSNS منفعل، نظارت بر محیط ‌زیست، سطح آب برای دریاچه‌ها یا رطوبت خاک، مدیریت پسماند، پارکینگ هوشمند، کاهش اثر CO۲ یا رانندگی مستقل اعمال شود. دستیابی به چنین هدف‌هایی به تعداد زیادی از اجسام متصل نیاز دارد. درواقع، تعداد اشیا متصل به‌صورت نمایی درحال افزایش است و تخمین زده می‌شود که ۵۰ میلیارد شیء متصل به‌صورت هوشمند در جهان مستقر خواهد شد (Hammi et al., 2018). معماری اینترنت اشیا را می‌توان به 3 لایه تقسیم کرد: اولین لایه حسگر (درک) است که شامل مجموعه‌ای از گره‌هاست که می‌تواند برای نظارت، سنجش، جمع‌آوری داده‌ها و مبادلۀ اطلاعات با اشیا دیگر استفاده شود. لایۀ ارتباطی دوم، شبکه است که وظیفۀ انتقال داده‌های جمع‌آوری‌شده از لایۀ سنجش را به لایۀ کاربردی بر عهده دارد و هدف اصلی آن، این است که برنامۀ کاربردی به ‌خودی ‌خود این اطلاعات را به کاربر نهایی یا به پلتفرم مربوط به آن موضوع ارائه دهد. لایۀ سوم، برنامه است که هدف آن دریافت و پردازش داده‌های سنجش از لایه‌های پایینی بسته به نوع برنامۀ کاربردی است (Jasim et al., 2021). درنهایت، باید گفت که اینترنت اشیا یک الگوی ارتباطی انقلابی است که هدف آن ارائۀ یک چارچوب جدید برای اتصال تعداد زیادی از دستگاه‌های دیجیتال با اینترنت برای رفع نیازهای هر‌چه بیشتر و بهتر بشر است.

دربارۀ اینترنت اشیا در جوامع شهری کمتر مطالعاتی در ایران صورت گرفته است؛ اما در‌حوزۀ شهر هوشمند مطالعات بیشتری انجام شده است که در‌ادامه، به تعدادی از آنها در داخل کشور اشاره‌ و سپس به مطالعات خارجی در این حوزه نیز پرداخته شده است.

نسترن و پیرانی (1398) پژوهشی با عنوان «تدوین و اعتبارسنجی معیارها و شاخص‌های توسعۀ شهر هوشمند: مورد مطالعه: منطقۀ سه شهر اصفهان» انجام دادند. محققان در این پژوهش 85 شاخص را در 6 بعُد مردم هوشمند، اقتصاد هوشمند، زندگی هوشمند، حرکت هوشمند، حکمرانی هوشمند و محیط هوشمند بررسی کردند و درنتیجه، ازمیان 85 شاخص60 شاخص مناسب شناسایی شد. نتایج نشان داد که از این شاخص‌ها می‌توان در امور برنامه‌ریزی شهر هوشمند بهره برد.

درویشی و همکاران (1399) پژوهشی با عنوان «تحلیل فضایی شاخص‌های رشد هوشمند مناطق شهری با استفاده از مدل ویکور: مطالعۀ موردی: شهر اردبیل» انجام دادند. نتایج نشان داد که منطقۀ یک بیشترین میزان برخورداری و منطقۀ دو کمترین میزان برخورداری را دارد که این امر نشان‌دهندۀ نابرابری و تفاوت چشمگیر در برخی از شاخص رشد هوشمند در منطقه‌های شهر اردبیل است.

فلاحی و همکاران (1400) پژوهشی با عنوان «تحلیل موانع کلیدی کاربرد اینترنت اشیا در شهرهای هوشمند ایران (روش تحلیل ساختاری» انجام دادند. در این پژوهش عواملی چون نبود سیاست‌ها، چشم‌اندازها و شیوه‌نامه‌‌ نظارتی، هزینه‌های آموزشی، عملیاتی و نگهداری زیاد، نابرابری اجتماعی، عدم شفافیت و مسئولیت،کمبود دانش فنی در‌بین برنامه‌ریزان و ضعف زیرساخت فناوری و کمبود هوشمندی به‌عنوان چالش‌های اصلی کاربرد اینترنت اشیا در توسعۀ شهرهای هوشمند در ایران معرفی شد.

لطفی (1400) پژوهشی با عنوان «حفظ امنیت در شهرهای هوشمند مبتنی بر اینترنت اشیا: مطالعۀ موردی: شهر اصفهان» انجام داد. محقق در این پژوهش ضمن ارائه چالش‌های امنیتی و اخلاقی IOT و راه‌حل‌هایی برای حفظ امنیت در شهر هوشمند اصفهان معتقد بود با افزایش سطح آگاهی مردم اصفهان از اینترنت اشیا و انواع پروتکل‌های امنیتی و زیرساخت‌های آن می‌توان راهکارهای مؤثرتری را در افزایش میزان امنیت دستور کار قرار داد.

عاملی‌فر و همکاران (1401) پژوهشی با عنوان «بررسی نقش اینترنت اشیا، اینترنت سرویس، اینترنت مردم و اینترنت انرژی در شهرهای هوشمند: مطالعۀ موردی: شهر تهران» انجام دادند. نتایج نشان داد که در چارچوب انقلاب صنعتی چهارم و استفاده از اینترنت که در آن اشیا، مردم، خدمات و انرژی به یکدیگر متصل است، اینترنت اشیا تأثیر بسزایی را در حمل‌ونقل عمومی، کاهش مصرف انرژی، مدیریت بهداشت و درمان و بهبود ارتباط مردم در شهرها دارد.

رجبی و همکاران (1402) پژوهشی با عنوان «ارزیابی تحقق شهر هوشمند با تأکید بر رویکرد کیفیت زندگی شهری: موردمطالعه: منطقۀ ۲ شهر تهران» انجام دادند. نتایج نشان داد که مردم هوشمند و زندگی هوشمند مهم‌ترین شاخص شهر هوشمند است که در تحقق این امر حکمروایی هوشمند کمترین تأثیر را دارد. کیفیت اقتصادی مهم‌ترین شاخص کیفیت زندگی شهری است که در این میان، شاخص کیفیت کالبدی کمترین تأثیر را دارد. درنهایت، کیفیت زندگی با‌توجه به بار عاملی متغیر تأثیر قوی و تعیین‌کننده‌ای در تحقق شهر هوشمند دارد. همچنین، شهر هوشمند خود تأثیری با شدت کمتر بر ارتقا کیفیت زندگی دارد.

پررا و همکاران پژوهشی با عنوان «سنجش به‌عنوان یک مدل خدماتی برای شهرهای هوشمند با پشتیبانی اینترنت اشیا» انجام دادند. محققان در این پژوهش سنجش را به‌عنوان یک سرویس و نحوۀ تطابق آن با اینترنت اشیا بررسی کردند. هدف آنها بررسی مفهوم حس به‌عنوان یک مدل خدماتی در دیدگاه‌های تکنولوژیکی، اقتصادی و اجتماعی و شناسایی چالش‌ها و مسائل باز اصلی بود (Perera et al., 2014).

هارمون و همکاران پژوهشی با عنوان «شهرهای هوشمند و اینترنت اشیا» انجام دادند. محققان در این پژوهش الگویی را برای توسعۀ استراتژی ازجهت اجرای سیستم‌های IOT در بافت شهر هوشمند ارائه کردند. آنان این الگو را با اجرای مراحل کاهش هزینه‌ها، مهندسی مجدد محصولات و فرآیندها، تغییر کسب‌وکار اصلی و ایجاد مدل کسب‌وکار جدید نمایان کردند (Harmon et al., 2015).

دیکین و رید پژوهشی با عنوان «شهرهای هوشمند: زیرشبکه‌سازی پایداری نواحی شهر به‌عنوان مناطق کارآمد انرژی با کربن پایین» انجام دادند. در این پژوهش اجزای استراتژی رشد از‌قبیل زیرساخت‌های دیجیتال، سیستم‌های مدیریت داده، انرژی تجدید‌پذیر، ساختمان‌های هوشمند و حمل‌ونقل هوشمند معرفی‌ و سپس عواملی که در این موارد مؤثر بوده، بررسی‌ شده است. بر‌اساس پیشنهاد این مقاله لازم است شهرهای هوشمند ابتدا ساختار اجتماعی-دموگرافیک شهر را برای صرفه‌جویی مهم انرژی و کاهش CO2 که اینترنت اشیا به شهرها برای هوشمند بودن پیشنهاد می‌کند، بررسی کنند و سپس از نمایۀ زیست‌محیطی که این ارزیابی ایجاد می‌کند، استفاده کنند (Deakin & Reid, 2016).

محمود و همکاران پژوهشی با عنوان «» انجام دادند. محققان در این پژوهش یک طبقه‌بندی ازجهت ارائۀ یک نمای کلی از الگوی اینترنت اشیا برای شهرهای هوشمند، ICT یکپارچه، انواع شبکه، فرصت‌های احتمالی و الزام‌های اصلی ارائه دادند. همچنین، آخرین هم‌افزایی‌ها و ابتکارات انجام‌شده در سراسر جهان را برای ترویج اینترنت اشیا در‌زمینۀ شهرهای هوشمند خلاصه کردند و درنهایت، چندین چالش را برای ارائۀ مسیرهای پژوهش‌های آینده برجسته کردند (Mehmood et al., 2017).

حامی و همکاران پژوهشی با عنوان «فناوری‌های اینترنت اشیا برای شهرهای هوشمند» انجام دادند. محققان در این پژوهش روندهای فعلی و آیندۀ شهر هوشمند و اینترنت IOT را شرح دادند. همچنین، دربارۀ اندرکنش میان شهرهای هوشمند و اینترنت IOT بحث و گفت‌وگو کردند و برخی از عوامل محرک را در تحول و توسعۀ IOT و شهر هوشمند توضیح دادند. درنهایت، برخی از نقطه‌ضعف‌های IOT و اینکه چگونه باید به این نقاط ضعف در‌هنگام استفاده از شهرهای هوشمند توجه شود، بررسی شد (Hammi et al., 2018).

تانوار و همکارانپژوهشی با عنوان «نقش اینترنت اشیا و شبکۀ هوشمند برای توسعۀ شهر هوشمند» انجام دادند. محققان در این پژوهش نقش اینترنت اشیا را برای توسعۀ شهر هوشمند بررسی و به معماری ویژه برای کارآمدی شهر هوشمند و زیرساخت‌های آن اشاره کردند. در‌ادامه، به چالش‌های توسعۀ زیرساخت اینترنت اشیا و راه‌حل‌های آن پرداختند و سپس برنامه‌های کاربردی اینترنت اشیا را بر‌اساس دامنۀ آنها فهرست کردند. این پژوهش به‌صورت تحلیلی و ارائۀ مطالب ذکر‌شده، آورده شده که نتیجۀ آن نیز همان مطالب اشاره شده است (Tanwar et al., 2018).

فوسو و همکاران پژوهشی با عنوان «کلان‌داده، اینترنت اشیا و تحقیقات شهرهای هوشمند: بررسی ادبیات و دستور کار تحقیق» انجام دادند. این پژوهش بر‌مبنای مروری بر ادبیات کلان‌داده، اینترنت اشیا و تحقیقات شهرهای هوشمند است که در آن 143 مقالۀ مرتبط شناسایی شده و در دستور کار پژوهش‌هایی برای آینده قرار گرفته است. این پژوهش به‌صورت تحلیلی است که با ارائۀ نتایج 143 مقاله در‌زمینۀ شهر هوشمند و اینترنت اشیا نمی توان نتیجۀ آن را به‌صورت کوتاه آورد (Fosso Wemba et al., 2019).

اورتزن و همکاران پژوهشی با عنوان «اینترنت اشیا به‌عنوان فعّال‌کنندۀ شهر هوشمند: موارد پالو آلتو، نیس و استکهلم» انجام دادند. محققان در این پژوهش با بررسی سه شهر معروف نیس، پالو آلتو و استکهلم نشان دادند که اجرای موفقیت‌آمیز یک مدل شهر هوشمند مستلزم پرداختن به تعدادی چالش حیاتی است. مشارکت شهروندان، همکاری تجاری و رهبری قوی عوامل کلیدی موفقیت در فرآیند توسعۀ شهر هوشمند است (Evertzen et al., 2019).

بلینی و همکاران پژوهشی با عنوان «شهرهای هوشمند مجهز به اینترنت اشیا: مروری بر مفاهیم، چارچوب‌ها و فناوری‌های کلیدی» انجام دادند. محققان در این پژوهش برای چارچوب‌های اینترنت اشیا، فناوری‌های کلیدی را معرفی و سپس با مروری بر رویکردها و چارچوب‌های اصلی شهر هوشمند در شش دامنۀ اصلی آن جدولی با طبقه‌بندی در 8 حوزه ارائه کردند (Bellini et al., 2022).

رجب و همکاران از اولین تلاش‌ها برای مطالعۀ پژوهش‌های جهانی اینترنت اشیا در بافت شهر هوشمند است که در آن از مجموعه‌ مقاله‌ها و تکنیک‌ها استفاده شده است تا به محققان و دست‌اندرکاران یک نمای کلی از آنچه مطالعه‌شده و شکاف‌های پژوهشی در تقاطع اینترنت اشیا و شهر هوشمند را بشناسانند (Rejeb et al., 2022).

مرور منابع و پژوهش‌های پیشین مرتبط با شهر هوشمند و اینترنت اشیا نشان‌دهندۀ این مطلب است که در بیشتر آنها شاخص‌های شهر هوشمند و عوامل مؤثر بر آنها در‌حوزه‌های شش‌گانه بررسی و تحلیل شده است. مقولۀ اینترنت اشیا و شهر هوشمند مبتنی بر اینترنت اشیا در پژوهش‌ها به‌ندرت به چشم می‌خورد. به‌خصوص بحث تحلیل فضایی شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا که در هیچ‌ یک از پژوهش‌ها بررسی نشده است؛ از این رو پژوهش حاضر حاوی نوآوری است. در این راستا، محققان در این پژوهش کوشیده‌اند تا شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا را درکلانشهر مشهد ارزیابی و تحلیل فضایی کنند.

 

روش‌شناسی پژوهش

قلمرو مکانی پژوهش حاضر کلانشهر مشهد در شمال شرقی ایران است. این شهر مطابق سرشماری سال 1395 با جمعیت 1/3 میلیونی، دومین شهر پرجمعیت ایران، مرکز استان خراسان رضوی با مساحتی حدود 5/343 کیلومتر مربع است که 13 منطقه دارد (شهرداری مشهد، 1398ب). پژوهش حاضر به‌لحاظ هدف، کاربردی، به‌لحاظ، ماهیت و روش توصیفی_تحلیلی و روش گردآوری اطلاعات در آن اسنادی (کتابخانه‌ای) و میدانی (پرسشنامه) است. حجم نمونۀ آماری شامل شهروندان ساکن منطقه‌های سیزده‌گانۀ کلانشهر مشهد است. در این پژوهش برای تعیین حجم نمونۀ منطقه‌ها به‌صورت تصادفی از فرمول کوکران استفاده ‌شده است که بر‌اساس ضریب d برابر 075/0 است. همچنین، حجم نمونه با‌توجه به جمعیت 3062242 نفر در سال 1395 برابر 171 پرسشنامه خواهد بود که با‌توجه به جمعیت هر منطقه توزیع و انتخاب نمونه‌ها به روش تصادفی انجام شده است. در‌ادامه، برای تجزیه‌وتحلیل داده‌ها و اطلاعات از نرم‌افزار SPSS و روش‌های تصمیم‌گیری چند‌معیاره مانند MEREC و COCOSO بهره گرفته ‌شده است.

جدول 1: مشخصات منطقه‌های مطالعه‌شده و حجم تعداد نمونه در هر منطقه

Tabe 1: Details of the studied areas and the number of samples in each area

حجم نمونه

درصد

جمعیت

منطقه‌های شهری

12

5.5%

167008

منطقۀ 1

18

16.8%

514411

منطقۀ 2

16

13.6%

417950

منطقه 3

14

8.6%

261938

منطقۀ 4

12

5.7%

175844

منطقۀ 5

13

7.6%

232609

منطقۀ 6

14

8.4%

256563

منطقۀ 7

11

2.9%

89216

منطقۀ 8

15

10.7%

327001

منطقۀ 9

14

9.7%

296823

منطقۀ 10

12

6.5%

200161

منطقۀ 11

11

3.6%

108869

منطقۀ 12

9

0.5%

13849

منطقۀ ثامن

171

100%

3062242

جمع

منبع: شهرداری مشهد (1398الف) و محاسبه‌های نگارندگان

 

شکل 1: موقعیت منطقۀ مطالعه‌شده (منبع: نگارندگان، 1402)

Figure 1: Location of the study area

 

برای بررسی وضعیت شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در کلانشهر مشهد پرسشنامه‌ای در‌قالب طیف پنج‌گزینه‌ای لیکرت تهیه و در‌بین منطقه‌های شهر مشهد توزیع و تکمیل ‌شده است. همچنین، برای روایی آن از نظر‌های استادان دانشگاه استفاده و اصلاحات لازم انجام شد. پس از جمع‌آوری پرسشنامه و برای سنجش پایایی آن از روش آلفای کرونباخ استفاده‌ شده است. میزان آلفا کرونباخ در جدول 2 نشان می‌دهد که پایایی آنها پذیرفتنی و مناسب است. در کل آلفای کرونباخ پرسشنامه 934/0 به‌دست‌آمده که نشان‌دهندۀ پایایی خوب پرسشنامه و تأیید آن است. جدول 2 حاصل مطالعات بخش پیشینۀ نظری پژوهش و شاخص‌های نهایی هم‌پوشانی‌شده از شهر هوشمند و اینترنت اشیاست.

جدول 2: مؤلفه‌ها و شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا و میزان پایایی آن

Table 2: Components and indicators of IOT-based Smart city and its reliability

آلفا

شاخص‌های شهر هوشمند مرتبط با فناوری اینترنت اشیا

ابعاد شهر هوشمند

753/0

-                      مدیریت ترافیک (اینترنت اشیا و سیستم‌های حمل‌ونقل هوشمند (ITC)، دوربین‌های ثبت تخلفات و...)؛

-                      مسیریابی پویا (سنسورها و محرک‌های شهری، دستگاه‌های شخصی)؛

-                      پارکینگ هوشمند (اینترنت اشیا، گوشی تلفن همراه و یا سیستم هوشمند خودرو)؛

-                      پرداخت الکترونیک (تلفن همراه مجهز به NFC)؛

-                      اشتراک‌گذاری خودرو (ارتباط خودرو به خودرو (V2V)، ارتباط خودرو به زیرساخت (V2I))؛

-                      تحرک پایدار و ابزار OBD؛

-                      مدیریت حوادث؛

-                      مدیریت ساخت و نگهداری؛

-                      حمل‌ونقل عمومی متصل و اپلیکیشن‌های تلفن همراه و تابلوهای الکترونیکی اطلاع‌رسانی.

پویایی (حمل‌ونقل) هوشمند

731/0

-                      ساختمان‌ها و خانه‌های هوشمند (مدل‌های BIM، سنسورهای داخلی و خارجی و فناوری WSN، منزل‌های مجهز به سیستم ایمنی حریق و...)؛

-                      گردشگری هوشمند (برنامه‌های وب و تلفن همراه، خدمات آگاه از موقعیت مکانی، واقعیت افزوده مجازی و رسانه‌های اجتماعی)؛

-                      آموزش هوشمند (سیستم‌های یادگیری الکترونیکی و آموزش غیرمتمرکز)؛

-                      پزشکی و نظارت از راه دور بیمار و ردیابی مراقبت‌های بهداشتی (دستگاه‌های پوشیدنی یا کاشته‌شده برای نظارت از راه دور بیمار (RPM)، شبکه‌های حسگر بدن (BSN) و شبکه‌های بی‌سیم ناحیۀ بدن (WBAN))؛

-                      بیمارستان‌های هوشمند (سیستم حمل‌ونقل داخلی، سیستم بررسی خودکار، امنیت هوشمند و...)؛

-                      مدیریت سوابق سلامت الکترونیک و پیش‌بینی و پیشگیری از بیماری‌ها (استانداردهای مدیریت اطلاعات، سرویس واقعیت افزوده).

زندگی هوشمند (زیرساخت و بهداشت)

769/0

-                      سطح تحصیلات؛

-                      میزان دسترسی به اینترنت پرسرعت؛

-                      تسلط به زبان‌های خارجی؛

-                      تعداد ساعت‌های مطالعه؛

-                      تمایل ساکنان به اشتراک‌گذاری اطلاعات با دیگر جوامع؛

-                      میزان تمایل شهروندان به یادگیری دائمی؛

-                      میزان دانش نسبت به قوانین مدیریت شهری؛

-                      تمایل به شرکت در انتخابات شورای شهر؛

-                      میزان مشارکت در امور داوطلبانه؛

-                      مدرسۀ هوشمند.

شهروند (مردم) هوشمند

802/0

-                      پایش کیفیت هوا و آب (سنسورهای محیطی، داده‌های بزرگ از داده‌های ماهواره‌ای، LiDAR و GIS)؛

-                      مدیریت هوشمند زباله (با استفاده از سنسورهای اولتراسونیک، کنترلرهایPIC ، GSM و GPS)؛

-                      مدیریت آب هوشمند؛

-                      مدیریت و برداشت انرژِی پایدار (نانو ژنراتورهای تریبو الکتریک (TENG) و برداشت‌کننده‌های انرژی الکترواستاتیک (EEH)، دستگاه‌های اندازه‌گیری مصرف انرژی)؛

-                      روشنایی هوشمند (سنسورهای درخشندگی نور)؛

-                      شبکه‌های هوشمند و صنعت 0/4 (سیستم‌های فیزیکی سایبری (CPC))؛

-                      تولید هوشمند (تولید مبتنی بر ابر)؛

-                      تعمیرات پیش‌بینی‌پذیر؛

-                      زراعت و کشاورزی هوشمند؛

-                      سیستم نظارت و امنیت (دوربین‌های PTZ و VMS شهری).

محیط هوشمند

(انرژی هوشمند و صنعت و تولید هوشمند)

789/0

-                      کسب‌وکار الکترونیک (راه‌حل‌های هوش مصنوعی برای سیستم‌های توصیۀ وب، تلفن همراه)؛

-                      تجارت الکترونیک (مدل‌های کاربردی B2B, B2C و...)؛

-                      بازارها و خدمات نیروی همتا به همتا،

-                      میزان اشتغال در بخش دانش، فرهنگ، صنایع خلّاق (کتابخانه، رستوران، موزه، هتل و...)؛

-                      نسبت معامله‌های الکترونیک به کل معامله‌ها؛

-                      نسبت شرکت‌های دانش‌محور با تکنولوژی زیاد به کل شرکت‌های ثبت‌شده؛

-                      میزان خلق ایده‌های خلّاق با مراکز تحقیقات و دانشگاه (مراکز رشد فناوری و استارتاپ)؛

-                      سرانه تولید‌های آثار الکترونیکی.

اقتصاد هوشمند

759/0

-                      دولت الکترونیک (مبتنی بر وب و موبایل، برنامه‌های کاربردی برایG2C, G2B)؛

-                      مشارکت عمومی شهروندان در پروژه‌های توسعۀ شهری (محیط ‌زیست شهری و غیره) با سیستم سنجش مشارکتی)؛

-                      سیاست‌های تصمیم‌گیری

-                      میزان رضایت شهروندان از شفافیت نظام اداری؛

-                      همایش‌ها و کنفرانس‌های مجازی مبتنی بر وب و شبکه‌های اجتماعی.

حکمروایی هوشمند

منبع: یافته‌های پژوهش 1402 بر اساس: (Bellini et al., 2022; Tanwar et al., 2018; کمانداری و رهنما، 1394؛ موسوی داویجانی، 1400).

پس از جمع‌آوری و دسته‌بندی داده‌ها از روش آمار توصیفی و استنباطی (آزمون چولگی و کشیدگی و آزمون T تک‌نمونه‌ای) در محیط نرم‌افزار SPSS و همچنین، برای استخراج مدل معادله‌های ساختاری و تعیین میزان تأثیر شاخص‌های مدنظر بر شهر هوشمند از نرم‌افزار Smart PLS استفاده شد.

 

یافته‌ها‌ی پژوهش و تجزیه‌وتحلیل

ویژگی‌های فردی پاسخگویان

داده‌های گردآوری‌شده متعلق به 171 نفر از پاسخگویان کلانشهر مشهد و تحلیل‌ها نیز بر همین اساس است. یافته‌های توصیفی شامل متغیرهای جنسیت، سن، وضعیت تأهل، میزان سواد و نوع اشتغال در منطقه‌های کلانشهر مشهد است.

جدول 3: ویژگی‌های جمعیت‌شناختی پاسخگویان در منطقه‌های مطالعه‌شده

Table 3: Demographic characteristics of the respondents in the study area

پاسخگویان

ویژگی‌های توصیفی

پاسخگویان

ویژگی‌های توصیفی

 

درصد

فراوانی

درصد

فراوانی

۰

۰

بی‌سواد و سواد قرآنی

 

 

 

تحصیلات

 

 

5/41

71

زن

 

 

جنس

 

۰

۰

ابتدایی

5/58

100

مرد

8/1

۳

راهنمایی

100

171

مجموع

9/12

۲۲

متوسطه

1/35

۶۰

۲۱-۳۰

 

 

سن

 

7/35

۶۱

دیپلم و بیشتر

7/35

۶۱

۳۱-۴۰

7/49

۸۵

لیسانس و بیشتر

1/18

۳۱

۴۱-۵۰

۱۰۰

۱۷۱

مجموع

1/11

۱۹

۵۱ به بالا

7/28

۴۹

کارمند دولتی

 

 

 

شغل

 

100

۱۷۱

مجموع

4/16

۲۸

کارمند بخش خصوصی

6/31

۵۴

مجرد

 

 

 

تأهل

 

7/4

۸

شاغل در واحد‌های صنعتی

7/66

۱۱۴

متاهل

2/1

۲

کارگر ساختمانی

8/1

۳

سایر

1/49

84

مشاغل آزاد

۱۰۰

۱۷۱

مجموع

100

171

مجموع

منبع: نگارندگان، 1402

 

بررسی و تحلیل عوامل شش‌گانۀ مؤثر در استقرار شهر هوشمند مبتنی بر فناوری اینترنت اشیا در منطقه‌های سیزده‌گانۀ کلانشهر مشهد

در پژوهش حاضر برای انتخاب آزمون‌های مناسب ازجهت تحلیل یافته‌ها از آزمون چولگی و کشیدگی بهره گرفته شده است. طبق نتایج به‌دست‌آمده برای متغیر شهر هوشمند مبتنی بر اینترنت اشیا و شاخص‌های آن مقدار‌های کجی و کشیدگی عمدۀ شاخص‌ها بین 1+ تا 1- است و نشان از این دارد که توزیع شاخص‌ها و ابعاد متغیر نرمال است. به ‌این ‌ترتیب، از آنجایی ‌که داده‌ها توزیع نرمال دارد، برای تحلیل وضعیت شاخص‌های شهر هوشمند از آزمون تی‌تک نمونه‌ای مطابق جدول 4 استفاده ‌شده است. طبق نتایج به‌دست‌آمده (سطح معناداری و کران بالا و پایین) همۀ شاخص‌ها (تحرک هوشمند، زندگی هوشمند، شهروند هوشمند، محیط هوشمند، اقتصاد هوشمند و دولت هوشمند) معنادار شده است. کران بالا و پایین همۀ متغیرها مثبت و بیانگر تناسب میانگین با مقدار آزمون‌شده است.

جدول 4: بررسی وضعیت شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های مطالعه‌شده با استفاده از آزمون T تک نمونه‌ای

Table 4: Evaluation IOT-based Smart City indicators in the study area using a one-sample T test

شرح

میانگین

آمارۀ T

درجۀ آزادی

سطح معناداری

میانگین اختلاف

فاصلۀ اطمینان 95%

حد پایین

حد بالا

تحرک هوشمند

7154/2

644/6-

171

001/0

28460/0-

3692/0-

2000/0-

زندگی هوشمند

4308/2

270/11-

171

001/0

56920/0-

6689/0-

4695/0-

شهروند هوشمند

1287/2

950/17-

171

001/0

87135/0-

9672/0-

7755/0-

محیط‌زیست هوشمند

5861/2

297/8-

171

001/0

41391/0-

5124/0-

3154/0-

اقتصاد هوشمند

3869/2

495/12-

171

001/0

61306/0-

7099/0-

5162/0-

دولت هوشمند

3633/2

666/13-

171

001/0

63670/0-

7287/0-

5447/0-

منبع: نگارندگان، 1402

 

درمجموع، بیشترین میانگین در عوامل شش‌گانۀ مؤثر در استقرار شهر هوشمند مبتنی بر فناوری اینترنت اشیا متعلق به تحرک هوشمند گویۀ دسترسی به خودروهای اینترنتی برای حمل‌ونقل درون‌شهری (اسنپ، تپسی و...) است. همچنین، بر‌اساس نتایج آزمون T تک نمونه‌ای عامل اول (تحرک هوشمند) بیشترین میانگین را دارد (معادل 72/2) که این ادعا بر‌اساس نتایج آزمون T و با‌توجه به مقدارۀ آماره T تأیید می‌شود. دلیل بالا‌بودن رضایت شهروندان در مؤلفۀ تحرک هوشمند را می‌توان تمرکز بیشتر تصمیم‌گیران و برنامه‌ریزان در امور حمل‌ونقل و ترافیکی دانست. به‌علاوه، زیرساخت‌های لازم برای استفادۀ شهروندان از خدمات مرتبط با تحرک هوشمند بیشتر از سایر مؤلفه‌هاست. در طرف مقابل، مؤلفۀ شهروند هوشمند کمترین امتیاز را (13/2) در‌مقایسه با سایر مؤلفه‌ها با گویه‌های مشخص دارد که از دلایل عمدۀ آن تمایلات و توانایی شخصی افراد در یادگیری و ارتقا سطح سواد و فرهنگ برای هوشمند زندگی‌کردن، هوشمند فکر‌کردن و هوشمند رفتار‌کردن است.

 

 

جدول 5: تحلیل فضایی وضعیت شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های کلانشهر مشهد

Table 5: Spatial analysis of the status of IOT-based Smart City indicators in the areas of Mashhad metropolis

دولت هوشمند

اقتصاد هوشمند

محیط هوشمند

شهروند هوشمند

زندگی هوشمند

تحرک هوشمند

نام منطقه

4/2

56/2

79/2

51/2

61/2

69/2

منطقۀ 1

15/2

08/2

3/2

92/1

26/2

57/2

منطقۀ 2

99/1

85/1

05/2

79/1

97/1

46/2

منطقۀ 3

77/2

64/2

9/2

35/2

35/2

65/2

منطقۀ 4

32/2

43/2

69/2

21/2

56/2

83/2

منطقۀ 5

39/2

46/2

82/2

18/2

44/2

67/2

منطقۀ 6

56/2

4/2

65/2

44/2

58/2

87/2

منطقۀ 7

48/2

56/2

53/2

23/2

44/2

86/2

منطقۀ 8

61/2

86/2

64/2

16/2

64/2

98/2

منطقۀ 9

38/2

33/2

55/2

99/1

37/2

56/2

منطقۀ 10

22/2

44/2

71/2

13/2

65/2

61/2

منطقۀ 11

19/2

24/2

47/2

97/1

39/2

73/2

منطقۀ 12

29/2

31/2

78/2

89/1

43/2

02/3

منطقۀ ثامن

منبع: نگارندگان، 1402

 

در منطقۀ 1 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا محیط هوشمند با میانگین 79/2 است. در منطقۀ 2 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 57/2 است. در منطقۀ 3 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 46/2 است. در منطقۀ 4 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا دولت هوشمند با میانگین 77/2 است. در منطقۀ 5 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 83/2 است. در منطقۀ 6 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا محیط هوشمند با میانگین 82/2 است. در منطقۀ 7 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 87/2 است. در منطقۀ 8 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 86/2 است. در منطقۀ 9 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 98/2 است. در منطقۀ 10 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 56/2 است. در منطقۀ 11 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا محیط هوشمند با میانگین 71/2 است. در منطقۀ 12 مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 73/2 و در منطقۀ ثامن مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا تحرک هوشمند با میانگین 02/3 است. بر‌اساس نتایج می‌توان اظهار کرد که مهم‌ترین شاخص شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های مطالعه‌شده (کلانشهر مشهد) ازنظر پاسخگویان تحرک هوشمند است. در پژوهش حاضر برای تحلیل فضایی توزیع عوامل شش‌گانه در‌سطح منطقه‌های سیزده‌گانۀ شهر مشهد از تکنیک COCOSO استفاده ‌شده است؛ بنابراین ابتدا باید میزان اهمیت هر‌یک از عوامل مشخص شود. همچنین، برای تعیین وزن هر‌یک از شاخص‌های استفاده‌شده از روش MEREC استفاده‌ شده است.

جدول 6: رتبه‌بندی تحلیل فضایی شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در‌سطح منطقه‌ها

Table 6: Ranking of spatial analysis of IOT-based Smart City indicators at the village level

شرح

تحرک هوشمند

زندگی هوشمند

شهروند هوشمند

محیط هوشمند

اقتصاد هوشمند

دولت هوشمند

Ej

1844/0

3866/0

3089/0

4291/0

4602/0

3044/0

Wj وزن

0889/0

1864/0

1489/0

2069/0

2219/0

1468/0

منبع: نگارندگان، 1402

 

پژوهش حاضر بر‌اساس یک روش وزن‌دهی عینی جدید به نام MEREC انجام شده است. این روش پیشنهادی با سایر روش‌های وزن‌دهی هدف، تفاوت دارد. در بیشتر روش‌های تعیین وزن‌های هدف از تغییرات معیارها برای محاسبۀ وزن‌ها استفاده می‌‌شود؛ اما در روش پژوهش حاضر معیاری برای اثر‌های حذف معیارها بر عملکرد گزینه‌ها، در‌نظر گرفته شده است که طبق محاسبه‌های به‌عمل‌آمده از این ‌روش وزن هریک از شاخص‌ها در جدول 6 نمایش داده شده است. بر‌اساس نتایج جدول 6 می‌توان گفت که به‌ترتیب شاخص اقتصاد هوشمند و محیط هوشمند (به‌دلیل اهمیت بیشتر این شاخص‌ها در زندگی مردم به‌صورت عینی) از نگاه شهروندان با وزن بیشتر از سایر شاخص‌ها وارد مراحل محاسبه‌ها برای رتبه‌بندی منطقه‌ها خواهند شد. به‌عبارتی، وزن آنها در رتبه‌ای که منطقه‌ها به خود اختصاص می‌دهند، مؤثر واقع خواهد شد.

جدول 7: رتبه‌بندی منطقه‌های شهر مشهد ازنظر وضعیت شهر هوشمند مبتنی بر اینترنت اشیا بر‌ اساس روش COCOSO

Table 7: Ranking of the areas of Mashhad city, in terms of the state of the smart city with IOT based on the COCOSO method

منطقه‌ها

منطقۀ 1

منطقۀ 2

منطقۀ 3

منطقۀ 4

منطقۀ 5

منطقۀ 6

منطقۀ 7

منطقۀ 8

منطقۀ 9

منطقۀ 10

منطقۀ 11

منطقۀ 12

منطقۀ ثامن

امتیاز

349/3

603/2

0

349/3

235/3

189/3

320/3

212/3

412/3

942/2

131/3

877/2

055/3

رتبه

2

12

13

3

5

7

4

6

1

10

8

11

9

منبع: نگارندگان، 1402

 

بر‌اساس اصل تجزیه‌وتحلیل کوکوسو، امتیاز کمتر از کوکوسو، یعنی سطح پایین‌تر از وضع موجود شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های سیزده‌گانۀ شهر مشهد است؛ بنابراین بر‌اساس نتایج جدول 7 و شکل 2 منطقۀ 9 رتبۀ اول، منطقۀ 1 رتبۀ دوم، منطقۀ 4 رتبۀ سوم، منطقۀ 7 رتبۀ چهارم، منطقۀ 5 رتبۀ پنجم، منطقۀ 8 رتبۀ ششم، منطقۀ 6 رتبۀ هفتم، منطقۀ 11 رتبۀ هشتم، منطقۀ ثامن رتبۀ نهم، منطقۀ 10 رتبۀ دهم، منطقۀ 12 رتبۀ یازدهم و منطقۀ 3 رتبۀ سیزدهم (آخر) را دارد. بر‌اساس نتایج به‌دست‌آمده از تکنیک کوکوسو، منطقۀ 9 که رتبۀ اول را دارد، ازنظر 6 عوامل ‌بررسی‌شده سطح مناسب و چشمگیری دارد که این موضوع نشان‌دهندۀ زیادبودن سطح برخورداری از شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در شهر مشهد است.

 

شکل 2: وضع موجود شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در منطقه‌های سیزده‌گانۀ شهر مشهد

 (منبع: نگارندگان، 1402)

Figure 2: Current status of IOT-based Smart City indicators in 13 districts of Mashhad

 

آزمون پایایی متغیر شهر هوشمند مبتنی بر اینترنت اشیا در‌سطح مؤلفه با استفاده از مدل معادله‌های ساختاری Smart PLS

در پژوهش حاضر برای شناسایی این موضوع که هر عامل چه مقدار در کل سازه (استقرار شهر هوشمند مبتنی بر فناوری اینترنت اشیاء) نقش‌آفرینی می‌کند، از مدل PLS استفاده شد. همچنین، پایایی ترکیبی و ضرایب بارهای عاملی معیارها با استفاده از آلفا کرونباخ برای پایایی ارزیابی و سنجیده شد که به‌عنوان پایایی است (داوری و رضازاده، 1396). در این آزمون مقدار پایایی ترکیبی و آلفای کرونباخ باید بیشتر از 7/0 باشد. بر‌اساس مقدار‌های جدول 8 شاخص‌های مدیریت ترافیک هوشمند (بهره‌گیری از دوربین‌های ثبت تخلف و...)، میزان پوشش دوربین‌های نظارتی در‌سطح شهر برای نظارت و حفظ امنیت مقدار‌های پایین‌تر از آلفای کرونباخ و پایایی ترکیبی 7/0 دارند که به‌معنای ناسازگاری درونی در مدل است.

روایی هم‌گرا: در این پژوهش معیارها برای سنجش پایایی ضرایب بارهای عاملی بررسی شد. در این مرحله متغیرها با بار عاملی کمتر از 5/0 اهمیت لازم را برای اندازه‌گیری ندارند؛ بنابراین باید از فرآیند تحلیل حذف شوند. همچنین، در مدل پژوهش حاضر تمامی شاخص‌ها بیشتر 5/0 هستند؛ بنابراین نیاز به حذف موردی در مدل نیست.

در پژوهش حاضر برای سنجیدن روایی هم‌گرایی در مدل از معیار AVE  (Average Variance Extracted) یا میانگین واریانس استخراج‌شده استفاده می‌شود. در این معیار مقدار بحرانی 4/0 است؛ بدین معنا که اگر مقدار AVE بیش از 4/0 باشد، روایی، هم‌گرایی پذیرفتنی دارد؛ زیرا در این پژوهش شاخص‌ها بعد از اصلاح نتایج AVE به‌ دست آمده که در جدول 8 مقدار‌های هر شاخص آمده است.

جدول 8: ارزیابی مدل اندازه‌گیری

Table 8: Evaluate the measurement model

مؤلفه‌ها

پایایی ترکیبی

آلفای کرونباخ

معیار AVE

اقتصاد هوشمند

853/0

792/0

493/0

تحرک هوشمند

826/0

763/0

379/0

دولت هوشمند

830/0

766/0

381/0

زندگی هوشمند

821/0

737/0

439/0

شهروند هوشمند

841/0

774/0

469/0

محیط هوشمند

868/0

824/0

454/0

منبع: نگارندگان، 1402

 

روش فورنل و لارکر

یکی از معیارهای مهم برای سنجش روایی واگرایی روش فورنل و لارکر است که در آن میزان ارتباط یک سازه با شاخص‌هایش در‌مقایسۀ آن سازه با سایر سازه‌ها‌ بررسی می‌شود. روایی واگرایی در مدل زمانی مقبول است که یک سازه در تعامل بیشتری با شاخص‌های خود باشد. به‌عبارتی، میزان جذر AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه با سایر سازه‌ها در مدل باشد (داوری و رضازاده، 1396). در جدول 9 مقدار جذر  AVEدر قسمت قطر محاسبه شده است. با‌توجه به این قطر مقدار‌های قطر از مقدار‌های زیرین خود بیشتر است؛ بنابراین می‌توان گفت که مدل روایی واگرایی پذیرفتنی دارد.

جدول 9: ماتریس سنجش روایی واگرایی به روش فورنل و لارکر در مدل

Table 9: Validity assessment matrix of divergence by Fornell and Larker method in the model

مؤلفه

اقتصاد هوشمند

تحرک هوشمند

دولت هوشمند

زندگی هوشمند

شهر هوشمند

شهروند هوشمند

محیط هوشمند

اقتصاد هوشمند

702/0

 

 

 

 

 

 

تحرک هوشمند

547/0

616/0

 

 

 

 

 

دولت هوشمند

657/0

457/0

617/0

 

 

 

 

زندگی هوشمند

631/0

688/0

539/0

662/0

 

 

 

شهر هوشمند

824/0

766/0

803/0

823/0

1

 

 

شهروند هوشمند

611/0

500/0

643/0

625/0

814/0

685/0

 

محیط هوشمند

641/0

549/0

625/0

648/0

852/0

686/0

674/0

منبع: نگارندگان، 1402

برازش مدل با استفاده از ضریب t انجام می‌گیرد. در این میان، ضرایب باید از مقدار 96/1 بیشتر باشد تا بتوان گفت معنادار‌بودن معیارها با سطح اطمینان 95% مورد تأیید است؛ بنابراین با‌توجه به شکل 3 تمامی شاخص‌ها مقدار‌های بیشتر 96/1 را دارد که بیانگر معنادار‌بودن مسیر و مناسب‌بودن مدل ساختاری است.

 

شکل 3: مدل ساختاری در حالت قدر مطلق معناداری ضرایب (t- value) (منبع: نگارندگان، 1402)

Figure 3: Structural model at absolute value of significant coefficients (t- value)

 

برای بررسی معناداری ضریب مسیر باید مقدار T برای هر مسیر برآورد شود. جدول 10 جهت ارتباط هر‌کدام از شاخص‌ها را با یکدیگر و نیز مقدار ضرایب مسیر و سطح معناداری را نشان می‌دهد.

 

 

جدول 10: ارزیابی جهت و معناداری اثر‌های مستقیم در‌بین شاخص‌های شهر هوشمند مبتنی بر فناوری اینترنت اشیا

Table 10: Evaluation of direction and significance of direct effects among IOT-based smart city indicators

ارتباط

ضریب بتای استاندارد

آمارۀ T

سطح معناداری

اقتصاد هوشمند  -> تحرک هوشمند

284/0

137/3

002/0

اقتصاد هوشمند  -> زندگی هوشمند

179/0

238/2

026/0

اقتصاد هوشمند  -> شهر هوشمند

187/0

053/13

000/0

اقتصاد هوشمند  -> شهروند هوشمند

331/0

912/3

000/0

اقتصاد هوشمند  -> محیط هوشمند

274/0

197/4

000/0

تحرک هوشمند -> زندگی هوشمند

392/0

729/6

000/0

تحرک هوشمند -> شهر هوشمند

231/0

128/15

000/0

دولت هوشمند  -> اقتصاد هوشمند

657/0

681/14

000/0

دولت هوشمند  -> تحرک هوشمند

020/0

238/0

812/0

دولت هوشمند  -> زندگی هوشمند

004/0

044/0

965/0

دولت هوشمند  -> شهر هوشمند

226/0

837/14

000/0

دولت هوشمند  -> شهروند هوشمند

425/0

070/6

000/0

دولت هوشمند  -> محیط هوشمند

191/0

527/2

012/0

زندگی هوشمند -> شهر هوشمند

160/0

711/11

000/0

شهروند هوشمند -> تحرک هوشمند

134/0

535/1

126/0

شهروند هوشمند -> زندگی هوشمند

190/0

474/2

014/0

شهروند هوشمند -> شهر هوشمند

175/0

829/11

000/0

شهروند هوشمند -> محیط هوشمند

397/0

421/5

000/0

محیط هوشمند -> تحرک هوشمند

262/0

049/3

002/0

محیط هوشمند -> زندگی هوشمند

185/0

240/2

026/0

محیط هوشمند -> شهر هوشمند

240/0

078/16

000/0

منبع: نگارندگان، 1402

 

شکل 4: مدل ساختاری در حالت ضرایب استاندارد (منبع: نگارندگان، 1402)

Figure 4: Structural model in the mode of standard coefficients

 

با‌توجه به ضریب مسیر‌ها و مقدار‌های آمارۀ T در یافته‌های پژوهش، شاخص دولت هوشمند با مقدار آمارۀ T برابر با 837/14 و ضریب مسیر 226/0 به‌عنوان تأثیرگذارترین شاخص در ارزیابی شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا‌ست و بعد از آن شاخص‌های اقتصاد هوشمند و شهروند هوشمند به‌عنوان شاخص‌های مهم با مقدار‌های به‌ترتیب 053/13 (0/187)، 829/11 (175/0) است.

جدول 11: برآورد اثر‌های کل، متغیرهای مستقل پژوهش بر شهر هوشمند مبتنی بر اینترنت اشیا

Table 11: Estimating the effects of the total, independent research variables on the IOT-based smart city

غیرمستقیم

مستقیم

کل

ضریب تعیین

متغیر وابسته

متغیر مستقل

 

p

اثر

p

اثر

p

اثر

000/0

068/1

000/0

187/0

000/0

256/1

 

 

 

000/1

شهر هوشمند

اقتصاد هوشمند

000/0

392/0

000/0

231/0

000/0

622/0

تحرک هوشمند

000/0

297/1

000/0

226/0

000/0

523/1

دولت هوشمند

-

-

000/0

160/0

000/0

160/0

زندگی هوشمند

000/0

720/0

000/0

175/0

000/0

895/0

شهروند هوشمند

000/0

447/0

000/0

240/0

000/0

687/0

محیط هوشمند

منبع: نگارندگان، 1402

بر‌اساس جدول 11 که ضریب اثر هر مؤلفه بر شهر هوشمند ( اثر مستقیم) و ضریب اثر هر مؤلفه بر سایر مؤلفه‌ها ( اثر غیرمستقیم) نشان داده شده است، متغیر دولت هوشمند با ضریب تأثیر کل 523/1 بیشترین تأثیر را بر شهر هوشمند مبتنی بر اینترنت اشیا داشته است و سپس به‌ترتیب مؤلفه‌های اقتصاد هوشمند (256/1)، شهروند هوشمند (895/0)، محیط هوشمند (687/0)، تحرک هوشمند (622/0) و زندگی هوشمند (160/0) از مؤلفه‌های مؤثر بر شهر هوشمند مبتنی بر اینترنت اشیاست.

 

نتیجه‌گیری

شهر هوشمند کامل‌ترین چارچوبی است که جنبه‌های مختلف پروژه‌های هوشمند را برآورد می‌کند. همچنین، این امکان را به شهرها می‌دهد تا از شبکۀ شهری استفاده کنند، قدرت اقتصادی خود را افزایش دهند و کارآمدترین سیستم‌ها را بسازند. شهر هوشمند به شبکه‌های بی‌سیم، شبکۀ پخش، شبکۀ اینترنت، شبکۀ مخابراتی و شبکۀ حسگرها که اینترنت اشیا هستۀ اصلی آن است، متکی است. اینترنت اشیا به‌عنوان هسته‌ای برای یکپارچه‌سازی طیف گسترده‌ای از حسگرها در اشیا روزانه عمل می‌کند و حسگرها را با اینترنت و نیز با استفاده از پروتکل‌های خاص برای تبادل اطلاعات و ارتباطات که منجر به ردیابی موقعیت، مدیریت، نظارت و شناسایی هوشمند می‌شود، متصل می‌کند. همچنین، اینترنت اشیا نه‌تنها از یک شهر پشتیانی ‌می‌کند، آن را با شهرهای هوشمند دیگر نیز در ارتباط و اتصال قرار می‌دهد.

پژوهش حاضر با هدف تحلیل فضایی شاخص‌های شهر هوشمند مبتنی بر اینترنت اشیا در‌سطح منطقه‌های سیزده‌گانۀ کلانشهر مشهد انجام و بر‌اساس هدف، سؤال پژوهش بررسی شد. بر‌پایۀ نتایج پژوهش مشخص شد که برای بررسی نرمال‌بودن توزیع شاخص‌ها از آزمون چولگی و کشیدگی استفاده شده است که مقدار‌های عمدۀ شاخص‌ها بین 1+ تا 1- نرمال‌بودن توزیع داده‌ها را تأیید کرد. سپس برای تحلیل وضعیت شاخص‌های شهر هوشمند از آزمون تی‌تک نمونه‌ای استفاده شد. طبق نتایج به‌دست‌آمده (سطح معناداری و کران‌های بالا و پایین) همۀ شاخص‌ها (تحرک هوشمند، زندگی هوشمند، شهروند هوشمند، محیط هوشمند، اقتصاد هوشمند و دولت هوشمند) معنادار شده است و از‌میان شاخص‌های رشد هوشمند مبتنی بر اینترنت اشیا عامل اول (تحرک هوشمند) بیشترین میانگین را دارد (معادل 7154/2). در طرف مقابل، مؤلفۀ شهروند هوشمند کمترین امتیاز را (1287/2) درمقایسه با سایر مؤلفه‌ها داشته است. در‌ادامه، پس از وزن‌دهی شاخص‌ها با استفاده روش MEREC و بهره‌گیری از تکنیک COCOSO منطقه‌ها رتبه‌بندی شد و نتایج نشان داد که منطقۀ 9 با امتیاز (412/3) رتبۀ اول، منطقۀ 1 با امتیاز (349/3) رتبۀ دوم را دارد و سایر منطقه‌ها به‌ترتیب در رتبه‌های بعدی قرار دارد. همچنین، نتایج معادله‌های ساختاری SMART PLS به‌دلیل بررسی تأثیرگذاری شاخص‌های تحقیق در شکل‌گیری شهر هوشمند مبتنی بر اینترنت اشیاء نشان داد که متغیر دولت هوشمند با ضریب تأثیر کل 523/1 بیشترین تأثیر را بر شهر هوشمند مبتنی بر اینترنت اشیا داشته است و سپس به‌ترتیب مؤلفه‌های اقتصاد هوشمند (256/1)، شهروند هوشمند (895/0)، محیط هوشمند (687/0)، تحرک هوشمند (622/0) و زندگی هوشمند (160/0) از مؤلفه‌های مؤثر بر شهر هوشمند مبتنی بر اینترنت اشیاست.

نتایج پژوهش با پژوهش عاملی‌فر و همکاران (1401) مطابقت دارد؛ زیرا محققان در این پژوهش بیان می‌کنند که بهره‌مندی از اینترنت اشیا در شهر که در آن اشیاء، مردم، خدمات و انرژی به یکدیگر متصل هستند، تأثیر بسزایی در حمل‌ونقل عمومی، کاهش مصرف انرژی، مدیریت بهداشت و درمان و بهبود ارتباط مردم در شهرها دارد. به‌عبارتی، نقش‌آفرینی اینترنت اشیا در شهر موجب صرفه‌جویی در زمان، هزینه، انرژی، مواد، نیروی انسانی و ... شده است که درنهایت، موجب افزایش کیفیت زندگی شهری خواهد شد. صحت این گفته با کسب رتبه‌های اول و دوم منطقه‌های 9 و 1 در کلانشهر مشهد در برخورداری از شاخص‌های شهر هوشمند تأیید شده است؛ زیرا زندگی شهری در این منطقه‌ها و تمایل شهروندان به سکونت در این منطقه‌ها کیفیت زیادی دارد. مشابه این نتیجه در مطالعات تانوار و همکاران نیز به چشم می‌خورد؛ زیرا محققان در این پژوهش نقش اینترنت اشیا را برای توسعۀ شهر هوشمند بررسی و به کارآمدی معماری ویژۀ شهر هوشمند و زیرساخت‌های آن اشاره کردند که به‌طور مجدد، مزایای برخورداری از شاخص‌های شهر هوشمند را نمایان کرده است (Tanwar et al., 2018). دیگر پژوهش هم‌راستا با نتایج به‌دست‌آمده.  اورتزن و همکاران است که با بررسی سه شهر معروف نیس، پالو آلتو و استکهلم، اجزای موفقیت‌آمیز یک مدل شهر هوشمند را مشارکت شهروندان، همکاری تجاری و رهبری قوی در فرآیند توسعۀ شهر هوشمند معرفی کردند (Evertzen et al., 2019). محققان بر‌اساس نتایج به‌دست‌آمده در کلانشهر مشهد نیز مؤلفۀ دولت هوشمند، اقتصاد هوشمند و شهروند هوشمند را از عوامل تأثیرگذار اصلی در تحقق این امر نشان دادند. به‌عبارتی، زمانی که تصمیمات و برنامه‌ریزی‌های دولتی همگام و همسو با مدیریت اقتصادی در توزیع، استفاده و بهره‌برداری از منابع باشد، درعین‌ حال استفاده از پتانسیل‌های ویژۀ شهروندان به‌طور آگاهانه صورت می‌گیرد و به‌دنبال آن زمینۀ لازم هرچه بیشتر و بهتر برای تحقق این امر و رسیدن به هدف‌های شهر هوشمند مبتنی بر اینترنت اشیا که چیزی جزء افزایش کیفیت زندگی و رضایت شهروندان نیست، مهیا خواهد شد.

محققان در پژوهش حاضر شاهد نتایجی بودند که نشان داد کلانشهر مشهد در‌عین قرار‌گرفتن در مسیر تبلور شهر هوشمند، نیازمند صرف مطالعۀ توجه و تمرکز بیشتر در این حوزه است که در این میان، شاخص دولت هوشمند بسیار تأثیرگذار خواهد بود؛ بنابراین با مدیریت و برنامه‌ریزی صحیح شهری می‌توان در راستای تحقق هدف‌های حاصل از این‌ رویکرد گام برداشت. نکتۀ حائز اهمیت این است که شهر هوشمند به لطف اینترنت اشیا می‌تواند راه‌حلی برای رسیدن شهر به هدف‌های توسعۀ پایدار درگذر زمان نیز باشد. 

References

منابع
حاجی شاه کرم، مریم، و محمدی، شهریار (1394). معماری پیشنهادی مبتنی بر اینترنت اشیاء و سیستم های توصیه گر برای هوشمند سازی شهر تهران. پژوهش نامه پردازش و مدیریت اطلاعات، 32(1)، 275-295.
10.35050/JIPM010.2016.028
داوری، علی، و رضازاده، آرش (1396). مدلسازی معادلات ساختاری با نرم‌افزار PLS: آموزش گام به گام نرم‌افزار Smart PLS  همراه با مثال‌های کاربردی. انتشارات جهاد دانشگاهی.
درویشی، یوسف، غلامی نورآباد، هادی، و مومن پور آکردی، سکینه (1399). تحلیل فضایی شاخص‌های رشد هوشمند مناطق شهری با استفاده از مدل ویکور (مطالعه موردی شهر اردبیل). مهندسی جغرافیایی سرزمین، 4(2)، 427-444. https://www.jget.ir/article_118564.html
رجبی جورشری، مجید، امیر عضدی، طوبی، سرور، رحیم، توکلی نیا، جمیله (1402). ارزیابی تحقق شهر هوشمند با تأکید بر رویکرد کیفیت زندگی شهری. موردمطالعه: منطقه ۲ شهر تهران. تحقیقات کاربردی علوم جغرافیایی. 23(70)، 504-478. 10.61186/jgs.23.70.487
سعادتی، زینب، و مهرشاد، بتول (1396). اینترنت اشیاء و برنامه‌های کاربردی‌ کلان‌داده‌ها در شهرهای هوشمند پایدار. سیاست نامه علم و فناوری، 7(3)، 17-30. https://stpl.ristip.sharif.ir/article_20442.html
شهرداری مشهد (1398ب).  اطلاعات مناطق 13 گانه شهرداری مشهد.
 https://www.mashhad-city.ir/17-mantaghe
شهرداری مشهد (1398الف).  آمارنامه شهر مشهد.
 https://www.mashhad-city.ir/product/amarmashhad97
عاملی فر، ملیکا، مجروحی سردرود، جواد و فخیمی، امیرهوشنگ (1401). بررسی نقش اینترنت اشیا، اینترنت سرویس، اینترنت مردم و اینترنت انرژی در شهرهای هوشمند (مطالعه موردی شهر تهران). اولین همایش مهندسی عمران و منابع زمین، تهران. https://civilica.com/doc/1644656/
فلاحی، آزاده، فرجی، امین، و قریبی، امین (1400). تحلیل موانع کلیدی کاربرد اینترنت اشیا در شهرهای هوشمند ایران (روش تحلیل ساختاری). مطالعات مدیریت کسب‌وکار هوشمند 10(38)، 137-171.
 https://doi.org/10.22054/ims.2021.63159.2037
کمانداری، محسن، و رهنما، محمدرحیم (1396). ارزیابی شاخص‌های شهر هوشمند در مناطق چهارگانه شهر کرمان. فضای جغرافیایی، 17(58)، 209-226.‎ http://geographical-space.iau-ahar.ac.ir/article-1-1685-fa.html
لطفی، سیما (1400). حفظ امنیت در شهرهای هوشمند مبتنی بر اینترنت اشیا (مطالعه موردی: شهر اصفهان). کنفرانس بین المللی مدیریت و صنعت. https://civilica.com/doc/1277832/
موسوی حسنی، سید مصطفی (1401). نظریه های شهر هوشمند. جغرافیا و روابط انسانی، 5(2)، 1-20. https://www.gahr.ir/article_158449.html
موسوی داویجانی، مریم (1399). نقش اینترنت اشیا در توسعه شهرهای هوشمند، کاربردهای نوآورانه، فرصت ها و چالش‌ها. کنفرانس بین المللی پژوهش های کاربردی در کامپیوتر، برق و فناوری اطلاعات. https://civilica.com/doc/1123579/
میرسپاسی، نیلوفر (1400). تحلیل تأثیر حمل‌ونقل هوشمند در حوزه اینترنت اشیاء بر بهبود شاخص های ملی توسعه پایدار. جاده، 29(108)، 143-160.
 10.22034/ROAD.2021.119329
نسترن، مهین، و پیرانی، فرزانه (1398). تدوین و اعتبارسنجی معیارها و شاخص‌های توسعه شهر هوشمند (موردمطالعه: منطقه سه شهر اصفهان). جغرافیا و توسعه فضای شهری، 6(1)، 147-164.
https://doi.org/10.22067/gusd.v6i1.60475
هاشمی، سیدعلی، راه‌نجات، ‌میترا، شریف‌زاده، فتاح، و سعدی، محمدرضا (1399). نسبت سنجی حکمروایی خوب و شهر هوشمند (مطالعه موردی: تهران). راهبرد اجتماعی فرهنگی، 9(1)، 67-90.‎ https://rahbordfarhangi.csr.ir/article_115605.html
یزدانی، حمیدرضا، سهرابی، بابک، و جلیلیان، مریم (1400). شناسایی شاخص‌های کیفی مؤثر بر ارزیابی مدل‌های کسب‌‌وکار اینترنت اشیا مبتنی بر تحلیل کلان‌داده‌ها در شهر هوشمند. پژوهش های نوین در تصمیم‌گیری، 6(2)، 125-154. https://journal.saim.ir/article_244708.html
 
References
Alavi, A. H., Jiao, P., Buttlar, W. G., & Lajnef, N. (2018). Internet of Things-enabled smart cities: State-of-the-art and future trends. Measurement, 129, 589-606. https://doi.org/10.1016/j.measurement.2018.07.067
Amelifar, M., Mojrouhi Sardaroud, J., & Fakhimi, A. (2022). Investigating the role of Internet of Things, Internet services, Internet of People, and Internet of Energy in smart cities (case study: Tehran). In the First Civil Engineering and Land Resources Conference, Tehran. https://civilica.com/doc/1644656/ [In Persian].
Beligianni, F., Alamaniotis, M., Fevgas, A., Tsompanopoulou, P., Bozanis, P., & Tsoukalas, L. H. (2016). An internet of things architecture for preserving privacy of energy consumption. Mediterranean Conference on Power Generation, Transmission, Distribution and Energy Conversion (MedPower 2016). 10.1049/cp.2016.1096
Bellini, P., Nesi, P., & Pantaleo, G. (2022). IoT-enabled smart cities: A review of concepts, frameworks and key technologies. Applied Sciences, 12(3), 1607. https://doi.org/10.3390/app12031607
Bonino, D., Alizo, M. T. D., Alapetite, A., Gilbert, T., Axling, M., Udsen, H., ... & Spirito, M. (2015, August). Almanac: Internet of things for smart cities. In 2015 3rd International Conference on Future Internet of Things and Cloud (pp. 309-316). IEEE. 10.1109/FiCloud.2015.32
Cheng, K. H., & Cheah, T. C. (2020). A study of Malaysia’s smart cities initiative progress in comparison of neighbouring countries (Singapore & Indonesia). J. Crit. Rev, 7(3), 47-54. http://dx.doi.org/10.31838/jcr.07.03.08
Darvishi, Y., Gholami norabad, H., & Momenpour Akerdi, S. (2021). Smart urban growth spatial analysis using VIKOR (Case Study of Ardabil). Geographical Engineering of Territory, 4(2), 427-444. https://www.jget.ir/article_118564.html [In Persian].
Davari, A., & Rezazadeh, A. (2017). Structural equation modeling with Smart PLS software: Step-by-step guide with practical examples. Academic Center. [In Persian].
Deakin, M. & Reid, A. (2016). Smart cities: Under-gridding the sustainability of city-districts as energy efficient-low carbon zones. Journal of Cleaner Production, 173, 39-48. https://doi.org/10.1016/j.jclepro.2016.12.054
Evertzen, W. H., Effing, R., & Constantinides, E. (2019). The internet of things as smart city enabler: the cases of Palo Alto, Nice and Stockholm. In Digital Transformation for a Sustainable Society in the 21st Century: 18th IFIP WG 6.11 Conference on e-Business, e-Services, and e-Society, I3E 2019, Trondheim, Norway, September 18–20, 2019, Proceedings 18 (pp. 293-304). Springer International Publishing. https://doi.org/10.1007/978-3-030-29374-1_24
Fallahi, A., Faraji, A., & Gharibi, A. (2021). Analysis of Key Barriers to theUse of the Internet of Things in Iranian Smart Cities (Structural Analysis Method). Business Intelligence Management Studies, 10(38), 137-171. https://doi.org/10.22054/ims.2021.63159.2037 [In Persian].
Fosso Wamba, S., Angéla, M. N. C., & Bosco, E. E. J. (2019). Big data, the Internet of Things, and smart city research: a literature review and research agenda. In EAI International Conference on Technology, Innovation, Entrepreneurship and Education: TIE'2017 (pp. 263-276). Springer International Publishing. https://doi.org/10.1007/978-3-030-02242-6_20
Ganchev, I., Ji, Z., & O'Droma, M. (2014). A Generic IoT Architecture for Smart Cities. ISSC 2014/CIICT 2014. 10.1049/cp.2014.0684
Giffinger, R., Fertner, C., Kramar, H., Kalasek, R., Pichler-Milanovic, N., & Meijers, E. J. (2007). Smart cities. Ranking of European medium-sized cities. Cent. Reg. Sci. Vienna UT, 9(1), 1-12. https://www.researchgate.net/publication/261367640
Haji Shah Karam, M., & Mohammadi, S. (2016). The proposed architecture of the Internet of Things based recommender systems for intelligent building in Tehran. Iranian Journal of Information Processing and Management, 32(1), 275-295. 10.35050/JIPM010.2016.028 [In Persian].
Hammi, B., Khatoun, R., Zeadally, S., Fayad, A., & Khoukhi, L. (2018). IoT technologies for smart cities. IET networks, 7(1), 1-13. https://doi.org/10.1049/iet-net.2017.0163
Harmon, R. R., Castro-Leon, E. G., & Bhide, S. (2015, August). Smart cities and the Internet of Things. In 2015 Portland international conference on Management of Engineering and Technology (PICMET) (pp. 485-494). IEEE. 10.1109/PICMET.2015.7273174
Hashemi, S. A., Rahnejat, M., Sharifzadeh, F., & Saadi, M. R. (2020). Relationship between Good Governance and a Smart City: A case study of Tehran. Socio-Cultural Strategy, 9(1), 67-90. https://rahbordfarhangi.csr.ir/article_115605.html [In Persian].
He, D., & Zeadally, S. (2014). An analysis of RFID authentication schemes for internet of things in healthcare environment using elliptic curve cryptography. IEEE internet of things journal, 2(1), 72-83. 10.1109/JIOT.2014.2360121
He, W., Yan, G., & Da Xu, L. (2014). Developing vehicular data cloud services in the IoT environment. IEEE transactions on industrial informatics, 10(2), 1587-1595. 10.1109/TII.2014.2299233
Jasim, N. A., TH, H., & Rikabi, S. A. (2021). Design and Implementation of Smart City Applications Based on the Internet of Things. International Journal of Interactive Mobile Technologies, 15(13). https://doi.org/10.3991/ijim.v15i13.22331
Kamandari, M., & Rahnama, M. R. (2017). Evaluation of smart city indicators in the four districts of Kerman city. Geographical Space, 17(58), 209-226. http://geographical-space.iau-ahar.ac.ir/article-1-1685-fa.html [In Persian].
Lotfi, S. (2021). Ensuring security in Internet of Things-based smart cities (case study: Isfahan city). In International Conference on Management and Industry. https://civilica.com/doc/1277832/ [In Persian].
Mashhad Municipality. (2019a). Information on the 13 districts of Mashhad Municipality. Retrieved from https://www.mashhad-city.ir/17-mantaghe [in Persian].
Mashhad Municipality. (2019b). Mashhad City statistics. Retrieved from https://www.mashhad-city.ir/product/amarmashhad97 [In Persian].
Mehmood, Y., Ahmad, F., Yaqoob, I., Adnane, A., Imran, M., & Guizani, S. (2017). Internet-of-things-based smart cities: Recent advances and challenges. IEEE Communications Magazine, 55(9), 16-24. 10.1109/MCOM.2017.1600514
Miorandi, D., Sicari, S., De Pellegrini, F., & Chlamtac, I. (2012). Internet of things: Vision, applications and research challenges. Ad hoc networks, 10(7), 1497-1516. https://doi.org/10.1016/j.adhoc.2012.02.016
Mirsepasi, N. (2021). Analysis of Intelligent Transportation Effects in the Internet of Things Domain on National Sustainable Development Indices. Road, 29(108), 143-160. 10.22034/ROAD.2021.119329 [In Persian].
Mosavi Davijani, M. (2020). The Role of the Internet of Things in the Development of Smart Cities: Innovative Applications, Opportunities, and Challenges. International Conference on Applied Research in Computer, Electrical, and Information Technology. https://civilica.com/doc/1123579/ [In Persian].
Mosavi Hassani, S. M. (2022). Theories of Smart Cities. Geography and Human-Environment Relations, 5(2), 1-20. https://www.gahr.ir/article_158449.html [In Persian].
Nastaran, M., & Pirani, F. (2019). Compiling the Criteria and indicators of Smart City (Case Study: The Third Zone of Isfahan). Geography and Urban Space Development, 6(1), 147-164. https://doi.org/10.22067/gusd.v6i1.60475 [in Persian].
Perera, C., Zaslavsky, A., Christen, P., & Georgakopoulos, D. (2014). Sensing as a service model for smart cities supported by internet of things. Transactions on emerging telecommunications technologies, 25(1), 81-93. https://doi.org/10.1002/ett.2704
Qian, Y., Wu, D., Bao, W., & Lorenz, P. (2019). The internet of things for smart cities: Technologies and applications. IEEE Network, 33(2), 4-5. 10.1109/MNET.2019.8675165
Rajabi Joorshari, M., Amiri Azodi, T., Sarvar, R., & Tavakoli Nia, J. (2023). Evaluation of smart city realization with emphasis on the quality of urban life approach. Case study: District 2 of Tehran city. Journal of Applied Research in Geographic Sciences, 23(70), 487-504. 10.61186/jgs.23.70.487 [In Persian].
Rathore, M. M., Ahmad, A., Paul, A., & Rho, S. (2016). Urban planning and building smart cities based on the internet of things using big data analytics. Computer networks, 101, 63-80. https://doi.org/10.1016/j.comnet.2015.12.023
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., & Zailani, S. (2022). The big picture on the internet of things and the smart city: a review of what we know and what we need to know. Internet of Things, 19, 100565. https://doi.org/10.1016/j.iot.2022.100565
Saadati, Z., & Mehrshad, B. (2017). The Internet of Things and big data Applications in Sustainable Smart Cities. Science and Technology Policy Letters, 7(3), 17-30. https://stpl.ristip.sharif.ir/article_20442.html [In Persian].
Silva, B. N., Khan, M., & Han, K. (2018). Towards sustainable smart cities: A review of trends, architectures, components, and open challenges in smart cities. Sustainable cities and society, 38, 697-713. https://doi.org/10.1016/j.scs.2018.01.053
Stojkoska, B. L. R. & Trivodaliev, K. V. (2017). A review of Internet of Things for smart home: Challenges and solutions. Journal of cleaner production, 140, 1454-1464. https://doi.org/10.1016/j.jclepro.2016.10.006
Tanwar, S., Tyagi, S., & Kumar, S. (2018). The role of internet of things and smart grid for the development of a smart city. In Intelligent Communication and Computational Technologies: Proceedings of Internet of Things for Technological Development, IoT4TD 2017 (pp. 23-33). Springer Singapore. https://doi.org/10.1007/978-981-10-5523-2_3
Yang, J., Han, Y., Wang, Y., Jiang, B., Lv, Z., & Song, H. (2020). Optimization of real-time traffic network assignment based on IoT data using DBN and clustering model in smart city. Future Generation Computer Systems, 108, 976-986. https://doi.org/10.1016/j.future.2017.12.012
yazdani, H. R., Sohrabi, B., & jalilian, M. (2021). Identifying Qualitative Indicators for Evaluating IoT Business Models Based on Big Data Analysis in The Smart City. Modern Research in Decision Making, 6(2), 125-154. [In Persian].

Files

History

  • Receive Date: 15 June 2023
  • Revise Date: 24 September 2023
  • Accept Date: 22 October 2023

Share

How to cite

Statistics