آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 13، شماره 2 - ( تابستان 1402 )
جلد 13 شماره 2 صفحات 277-252 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Azizi A, Eskandari Sedgh H, Ghazi A. Smart Disaster Management Solutions for Risk Mitigation and Preparedness in Tehran, Iran. Disaster Prev. Manag. Know. 2023; 13 (2) :252-277
URL: http://dpmk.ir/article-1-598-fa.html
URL: http://dpmk.ir/article-1-598-fa.html
عزیزی علی، اسکندری صدق حسین، قاضی علی. راهکارهای مدیریت هوشمند بحران در مراحل کاهش خطر و آمادگی در شهر تهران. دانش پیشگیری و مدیریت بحران. 1402; 13 (2) :252-277
علی عزیزی1 
، حسین اسکندری صدق2 ، علی قاضی 3
، حسین اسکندری صدق2 ، علی قاضی 3
1- گروه عملیات اجرای قانون، دانشکده علوم و فنون انتظامی، دانشکاه جامع علوم انتظامی امین، تهران، ایران.
2- گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، پژوهشگاه علوم و معارف دفاع مقدس، تهران، ایران.
3- گروه برنامه‌ریزی منطقه‌ای، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران.
2- گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، پژوهشگاه علوم و معارف دفاع مقدس، تهران، ایران.
3- گروه برنامه‌ریزی منطقه‌ای، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران.
متن کامل [PDF 12189 kb]
(173 دریافت)
| چکیده (HTML) (881 مشاهده)
متن کامل: (169 مشاهده)
مقدمه
بحران عبارت است از وقوع یک حادثه طبیعی، تکنولوژیکی، یا رویدادی که توسط انسان به وجود آمده است و به خسارت شدید اموال، مرگ‌و‌میر و یا صدمات متعدد منجر شده است (فما، 2023). بحران‌ها همواره در طول تاریخ بشریت وجود داشته‌اند و انسان همیشه در پی فائق آمدن بر این بحران‌ها و مدیریت آن‌ها بوده است. با گذشت زمان و پیدایش شهرهای امروزی به‌خصوص پس از انقلاب صنعتی روزبه‌روز جمعیت ساکن در شهرها افزایش یافته است. به‌طوری‌که مطابق آمار بانک جهانی حدود 56 درصد جمعیت جهان در سال 2020 در شهرها ساکن هستند و این عدد در سال 2050 به 68 درصد خواهد رسید (بانک جهانی، 2018). تراکم بالای افراد، فعالیت‌ها و ساختمان‌ها در شهرهای امروزی موجب شده است تا مدیریت این عناصر با پیچیدگی‌های قابل‌تأمل‌تری نسبت به گذشته روبه‌رو باشد (گارسیا رتورتا و همکاران، 2021) پیچیدگی بیشتر سیستم شهرهای امروزی باعث شده است تا در صورت بروز یک بحران، مدیریت آن بسیار دشوارتر باشد. بحران‌های طبیعی، یک جامعه را تحت‌تأثیر قرار می‌دهند و پیامدهایی اجتماعی دارند که عملکرد جامعه را مختل می‌کنند و باعث خسارات انسانی و یا مادی می‌شوند. نکته مهم این است که یک فرایند خطرناک طبیعی که در یک منطقه مسکونی رخ می‌دهد یک بحران نامیده نمی‌شود، زیرا بر مردم (جامعه) و دارایی‌های آن‌ها (زیرساخت) تأثیر نمی‌گذارد (چاودهری و پیراچا، 2021). این‌گونه بحران‌ها سالانه هزینه‌های زیادی به شهرها در سرتاسر جهان وارد می‌کنند (گوهاساپیر و همکاران، 2016). کاهش یا افزایش این هزینه‌ها رابطه مستقیمی با شیوه‌های اتخاذ‌شده در مدیریت بحران آن شهرها دارد (سوادا و تاکاساکی، 2017 و رنت اسچلر، 2013). با پیچیده‌تر شدن مدیریت شهرها و همین‌طور مدیریت بحران‌ها در‌زمینه این‌گونه شهرها، نیاز به هوشمند کردن مدیریت بیش‌ازپیش حس شده است. ازنظر مایکل هرمن هوش یعنی شناخت هدف. هوش، اطلاعات را در خصوص هدف جمع‌آوری می‌کند و دانش تخصصی را در خصوص آن با استفاده از شواهد حاصل از همه منابع موجود توسعه می‌دهد. هوش با دانش و پیش‌بینی مرتبط است و شرایط خوبی در زمان مناسب را در اختیار کاربران خود قرار می‌دهد. رئیس ستاد مشترک ارتش آمریکا در سال 2007 هوش را امکان پیش‌بینی موقعیت‌ها و شرایط آینده دانسته است که با روشن کردن تفاوت‌ها در مسیرهای عملی موجود، بر تصمیم‌گیری‌ها تأثیر می‌گذارد. به‌طورکلی می‌توان هوش را یک قابلیت برای پیش‌بینی به‌موقع تغییرات برای انجام اقدامی در‌مورد آن‌ها دانست. این قابلیت شامل آینده‌نگری و بینش است و هدف آن شناسایی تغییرات قریب‌الوقوع است که ممکن است مثبت (نمایانگر فرصت‌ها) و یا منفی (نمایانگر تهدیدها) باشد (بریک اسپر، 2013). شهرها تبدیل به سیستم‌های پیچیده‌ای شده‌اند و نیاز است تا جهت مدیریت بهینه‌تر، این سیستم‌ها به سمت هوشمندی میل کنند. یک سیستم هوشمند قادر است وظایف پیچیده‌ای که نیازمند میزان هوش انسانی بالاتری است را اجرا کند. این سیستم‌ها از الگوریتم‌های پیچیده‌ای که از منطق اتخاذ تصمیم، تکنیک‌های یادگیری ماشین، تحلیل پیش‌بینی و سایر شکل‌های هوش مصنوعی تشکیل شده است، استفاده می‌کنند. یک سیستم هوشمند می‌تواند داده‌های بزرگ را تحلیل کند، الگوها را شناسایی کند، تصمیماتی اتخاذ کند، پیشنهاداتی ارائه دهد و از تجربیات خود یاد بگیرد. این سیستم‌ها به‌طور گسترده در حوزه‌های مختلفی همچون بهداشت، امور مالی، تولید و حمل‌ونقل برای اتوماسیون فرایند و بهبود کارایی استفاده می‌شوند (مولینا، 2022) با پیشرفت تکنولوژی‌های جدید و مطرح شدن مفاهیمی همچون سیستم‌های پشتیبان تصمیم‌گیری، استفاده از کلان‌داده‌ها، اینترنت اشیا، هوش مصنوعی و غیره در دنیای فناوری، در برنامه‌ریزی شهری نیز مفهومی همچون شهر هوشمند پدیدار شد که شیوه جدیدی از مدیریت باتکیه‌بر فناوری‌های نوین در زمینه‌های گوناگون را دنبال می‌کند. مفهوم شهر هوشمند (گیفینگر و همکاران، 2007) که شامل اقتصاد هوشمند (استپانیوک و همکاران، 2018) ، جابه‌جایی هوشمند (مونزون، 2015)، محیط هوشمند (سیلوا و همکاران، 2018)، مردم هوشمند (نظیر و همکاران، 2020)، زندگی هوشمند (زفر و همکاران، 2020) و حکمروایی هوشمند (خار و همکاران، 2016) است به‌خوبی توانسته است با استفاده از فناوری‌های نوین در مدیریت بحران ایفای نقش کند و در مناطقی با احتمال بالای وقوع مخاطرات طبیعی به بهبود فرایند مدیریت بحران کمک کند. کشور ایران مطابق مطالعات ملی و بین‌المللی صورت‌گرفته، در یکی از مناطق پرخطر ازنظر وقوع بلایای طبیعی به‌خصوص زلزله در جهان قرار گرفته است (سازمان ملل متحد، 2018). شهر تهران به‌عنوان پایتخت کشور ایران نیز در منطقه‌ای از کشور قرار گرفته است که در معرض وقوع بلایای طبیعی گوناگونی همچون زلزله قرار دارد. به‌طور مثال 8 گسل فعال در شهر تهران یا در مجاورت آن قرار دارند (کامرانزاد و همکاران، 2020). مطابق مطالعات صورت‌گرفته بر روی میزان خسارات زلزله احتمالی شهر تهران توسط جایکا، میزان ساختمان‌های تخریب‌شده در بدترین حالت برابر با 480 هزار ساختمان خواهد بود. تمرکز بیش‌از‌حد فعالیت‌ها، خدمات و جمعیت در شهر تهران باعث شده است که مدیریت امور این شهر در شرایط غیربحرانی با چالش‌های جدی روبه‌رو باشد. بدیهی است که در صورت وقوع بحران، چه فاجعه‌ای در مقیاس کلان برای این شهر و به تبع آن برای کشور ایران رخ خواهد داد. یکی از اصولی‌ترین عوامل در مدیریت و برنامه‌ریزی شهری و به تبع آن مدیریت بحران دسترسی به اطلاعات به‌روز، برخط و موثق از سطح شهر و تحلیل آن و دستیابی به سناریوهای تصمیم‌گیری برای آینده است. در این راستا شهر هوشمند می‌تواند پاسخگوی این نیاز شهرهای پیچیده امروزی مانند تهران باشد. معماری شهر هوشمند دارای 4 لایه شامل حسگر (شاه و همکاران، 2019)، انتقال (کولاندایول و همکاران، 2019) مدیریت داده (قیصری و همکاران، 2019) و کاربری (سبا و همکاران، 2020) میشود. تصویر شماره 1 بیانگر لایه‌های شهر هوشمند و زیرلایه‌های هریک است. در لایه شناسایی شهر هوشمند، اطلاعات توسط سنسورها و سایر ابزارهای گردآوری اطلاعات، جمع‌آوری میشود. این مرحله به دلیل ناهمگونی اطلاعات تولید‌شده از سخت‌ترین مراحل محسوب میشود (سینگ، سولانکی و نیار، 2020). لایه انتقال مجموعه‌ای از فناوری‌های باسیم، بی‌سیم و ماهواره‌ای است که وظیفه انتقال اطلاعات از ابزارهای جمع‌آوری به مراکز ذخیره را بر عهده دارد (لی، 2016). لایه مدیریت داده در‌واقع در حکم مغز شهر هوشمند است که بین لایه سنجش و کاربری است. این لایه فعالیت‌های مختلفی از‌جمله ارتباط، ارزیابی، ذخیره‌سازی و سایر وظایف پویا را انجام می‌دهد. اجرای بهینه فعالیت‌های شهر هوشمند به مدیریت اطلاعات بستگی دارد. بنابراین مهارت در مدیریت اطلاعات برای یک شهر هوشمند یک ویژگی اساسی و پایه‌ای است. وظیفه اساسی در سطح مدیریت داده، پویا نگه داشتن اطلاعات از‌طریق تمیز کردن، رفع خدشه، ترکیب و به‌روزرسانی آن است (شاه و همکاران، 2019). لایه کاربری بالاترین لایه در معماری شهر هوشمند است و به‌عنوان واسطه‌ای میان مدیریت داده و ساکنان شهر عمل می‌کند. عملکرد لایه کاربری به‌طور مستقیم بر مخاطبان تأثیر می‌گذارد و چشم‌انداز اپراتورها و تحقق عملیات‌های شهر هوشمند را تحت تأثیر قرار می‌دهد (آوتن و همکاران، 2019).
شهرهای هوشمند جهت مدیریت بهتر بحران‌ها، از فناوری‌ها و پلتفرم‌های ویژه‌ای استفاده می‌کنند که روزبه‌روز با پیشرفت فناوری، طیف این نوآوری‌ها گسترده‌تر میشود. از مهم‌ترین فناوری‌های مورداستفاده در مدیریت بحران هوشمند می‌توان به این موارد اشاره کرد: فناوری اینترنت اشیا که چگونگی شناسایی منحصربه‌فرد اشیا را توضیح می‌دهد. این اشیا دارای یک مکان و وضعیت مشخص هستند و جزئی از اینترنت می‌شوند.به‌نحوی‌که توسط اینترنت قابل‌دسترس هستند (لی و همکاران، 2019). سیستم فیزیکی سایبری به‌عنوان ادغامی از فرایندهای محاسباتی و فیزیکی تعریف میشود. این سیستم با استفاده از مدل‌های کامپیوتری محلی و از راه دور، برای نظارت و کنترل فرایندهای فیزیکی استفاده میشود (هامالاینن، 2020). کلان‌داده به مجموعه‌ای از داده‌های بزرگ و پیچیده اطلاق میشود که برای تحلیل و استخراج اطلاعات، الگوها و روابط مفهومی به کار می‌رود. این داده‌ها عموماً حجم، سرعت، تنوع و یا پیچیدگی بالایی دارند. داده‌های کلان ممکن است از منابع مختلفی مانند حسگرها، دیتابیس‌ها، شبکه‌های اجتماعی، وبسایتها، فایل‌های متنی و یا تصویری و سایر منابع باشند. تحلیل کلان‌داده‌ها با استفاده از روش‌ها و ابزارهایی مانند شبکه‌های عصبی، الگوریتم‌های یادگیری ماشین، داده‌کاوی و تحلیل آماری انجام میشود (آکانده و همکاران، 2019). تکنولوژی بلاک‌چین برای ذخیره و انتقال اطلاعات به کار می‌رود. در بلاک‌چین، اطلاعات در قالب بلوک‌هایی از داده‌ها ذخیره می‌شوند و هر بلوک دارای اطلاعاتی از بلوک قبلی، یا همان تراکنش قبلی است. به‌این‌ترتیب، بلاک‌چین به‌صورت یک سیستم توزیع‌شده عمل می‌کند که اطلاعات را در بین چندین کامپیوتر، سرور و دستگاه ذخیره می‌کند و دسترسی به آن‌ها را برای همه کاربران ممکن می‌کند. بلاک‌چین برای انتقال ارزهای دیجیتالی مانند بیت‌کوین به کار می‌رود، ولی علاوه‌براین، در بسیاری از حوزه‌های دیگر مانند بانکداری، حمل‌ونقل، سلامت، بیمه و رسانه نیز کاربرد دارد. مزیت اصلی بلاک‌چین، امنیت بالا، شفافیت، عدم وابستگی به یک مرکز و قابلیت تراکنش سریع و با کمترین هزینه است (پنسجیر، 2018). رایانش ابری به معنای ارائه خدمات محاسباتی، شبکه‌ای و ذخیره‌سازی داده‌ها از‌طریق اینترنت به کاربران است. در رایانش ابری، سرورها، شبکه‌ها، ذخیره‌سازی داده و برنامه‌های کاربردی در یک زیرساخت ابری و به‌صورت مجازی از‌طریق اینترنت در دسترس کاربران قرار می‌گیرند. به‌این‌ترتیب کاربران می‌توانند بدون نیاز به داشتن سرور و تجهیزات محاسباتی پیچیده، از خدمات محاسباتی، ذخیره و انتقال داده در سطح کلان بهره‌مند شوند (جداری و همکاران، 2019). در آخر می‌توان به شهرهای دوقلوی دیجیتال اشاره کرد که نمایش مجازی یا بازسازی دیجیتال (کپی) دارایی‌ها، افراد، فرایندها، سیستم‌ها، دستگاه‌ها و مکان‌ها هستند (سپاسگزار، 2021). تصویر شماره 2 بیانگر فناوری‌های مورداستفاده در مدیریت بحران هوشمند است.
پیشینه تحقیق
در‌زمینه شهر هوشمند و مدیریت بحران، پژوهش‌های فراوانی صورت‌گرفته است که به پیشینه آن‌ها اشاره میشود.
بهزادفر (1382) ضمن بررسی ماهیت شهرهای هوشمند و تغییراتی که این‌گونه شهرها در زندگی روزمره افراد و ساختارهای شهر ایجاد می‌کنند سعی در بیان ضرورت‌ها و موانع ایجاد این‌گونه شهرها در ایران داشته و بر لزوم ورود به عرصه شهرهای هوشمند جهت جبران عقب‌ماندگی کشور تأکید داشته است. کمالی و میرزایی (1396) با استفاده از روش اسنادی و بررسی منابع به مقایسه شیوه مدیریت بحران در کشورهای ژاپن، هند، ترکیه و هند پرداختند. یافته‌های پژوهش بیانگر تفاوت بحران‌های طبیعی رایج، تفاوت سطح و تمرکز مدیریت بحران‌های طبیعی در کشورهای موردمطالعه است. سازمان‌های مدیریت بحران در این کشورها زیر نظر عالی‌ترین مقام اجرایی قرار دارند؛ اما در ایران زیر نظر وزارت کشور است. همچنین در این پژوهش بیان شده است که قوانین مرتبط با مدیریت بحران، درگذر زمان، از قوانین بخشی به قوانین جامع تبدیل شده‌اند که وظایف و اهداف سازمان‌های مرتبط را تعیین می‌کنند. کشور ایران در‌زمینه قوانین نیز با تأخیر ورود کرده است. به‌طوری‌که قانون جامع مدیریت بحران در ایران با تأخیر و پس از کشورهای ذکر‌شده تصویب شده است.
در پژوهش دیگری فرزادنیا و منصفی پراپری (1397) با بررسی منابع کتابخانه‌ای و مستندات اینترنتی به بررسی نمونه مطالعاتی ژاپن پرداخته‌اند و همچنین با معرفی تعدادی از نرم‌افزارهایی که تاکنون مدیریت بحران را در مراحل مختلف تسهیل کرده‌اند تأثیرات استفاده از فناوری‌های اطلاعات و ارتباطات در شهر هوشمند بر مدیریت بحران بررسی کرده‌اند پوراحمد و همکاران (1397) به دنبال ارائه یک پایه و اساس برای تحقیقات در‌زمینه شهر هوشمند بوده‌اند. هدف پژوهش تبیین نظری مفهوم، معانی، ابعاد، مشخصه‌ها، شاخص‌ها، باورهای متعارف و چالش‌های پیشِ‌روی شهر هوشمند از‌طریق تجزیه‌وتحلیل عمیق و ژرف ادبیات مرتبط در این حوزه با به بحث گذاشتن این مفهوم است. نتایج این پژوهش نشان می‌دهد علی‌رغم ادبیات گسترده در‌مورد مفهوم شهر هوشمند، هنوز یک درک روشن و واضح و اجماع عمومی در این‌باره وجود ندارد و محققان حوزه‌های علمی مختلف محتواهای متنوعی را پیشنهاد کرده‌اند. به‌طوری‌که برخی فناوری‌های هوشمند را به‌عنوان تنها یا حداقل مهم‌ترین جزء شهر هوشمند مدنظر قرار داده‌اند. عده‌ای دیگر تعاریفی را پیشنهاد کرده‌اند که فراتر از فناوری است و بر این باورند که اتخاذ فناوری پایان کار نیست. فناوری‌ها می‌توانند در شهرها برای توانمندسازی شهروندان از‌طریق تطبیق این فناوری‌ها با نیازهای آن‌ها به‌جای تطبیق زندگی آن‌ها با الزامات فناوری مورداستفاده قرار گیرند.
کنعانی‌مقدم و همکاران (1398) به بررسی نظام کاربری زمین در شهرهای هوشمند پرداخته‌اند. هدف این مقاله تحلیل وضعیت کاربری زمین‌شهری از‌طریق ابعاد شهر هوشمند و در نظر گرفتن قابلیت‌های جدیدی است که فضای مجازی در اختیار قرار می‌دهد تا رویکرد نوین برنامه‌ریزی کاربری زمین شهری ارائه شود تا مناسب‌ترین بهره‌برداری از ظرفیت‌های شهر ایجاد شود. براساس نتایج این مقاله رویکردی نوین در اولویت‌بندی تخصیص زمین به کاربری‌ها و در کنار آن معرفی فضای جریان‌ها به‌عنوان مکمل فضای مکان‌ها و ظرفیتی نو برای برنامه‌ریزی کاربری زمین شهری ارائه شده است. بهارلویی و همکاران (1398)، با استفاده از روش توصیفی‌تحلیلی نقش شهرهای هوشمند در مدیریت کارآمد بحران‌های احتمالی را مورد توجه قرار داده‌اند. نتایج این پژوهش نشان داد شهرهای هوشمند علی‌رغم فرصت‌های بی‌بدیلی که برای پیش‌بینی، پیشگیری و کنترل بحران‌ها فراهم می‌کنند در دل خود تهدیداتی نیز به همراه دارند. اگرچه این تهدیدها در مقایسه با فرصت‌هایی که این شهرها جهت مدیریت بهینه بحران‌ها فراهم می‌کنند چندان قابل‌توجه نیستند، اما نباید از آن‌ها غافل شد و می‌بایست تمهیدات لازم را برای کاهش این تهدیدها اتخاذ کرد. یکی از ارکان مدیریت بحران به‌خصوص در مرحله پیشگیری از خطر برنامه‌ریزی صحیح کاربری زمین است.
قربانی (1399) با بررسی مفاهیم و اصول شهر هوشمند به جنبه‌های مؤثر آن در مدیریت بحران پرداخته است. نتایج پژوهش نشان داد نمونه‌های بسیار زیادی از کاربرد ابزارهای شهر هوشمند در مدیریت بحران وجود دارد. از‌جمله آن می‌توان به هوش مصنوعی، اینترنت اشیا و بلاک‌چین اشاره کرد که در این پژوهش چگونگی عملکرد هرکدام در مراحل مختلف مدیریت بحران (پیش از بحران، حین بحران و پس از بحران) بررسی شده است. شیعه و همکاران (1399)، با ارزیابی و پایش کمی و کیفی برنامه‌های مدیریت خطرپذیری و مدیریت بحران در گسترش حمل‌ونقل ریلی کلان‌شهر تهران و به تبع آن با بررسی میزان مخاطرات و آسیب‌پذیری شبکه ریلی کشور، خلأ ناشی از مدیریت هوشمند شهری در ابعاد برنامه‌ریزی کالبدی و فضایی را مشخص کرده‌اند. نکته بارز در مواجهه با بحران‌هایی همچون زمین‌لرزه و سیل در خطوط حمل‌ونقل زیرزمینی (مترو) عمدتاً وابسته به فرضیات آزمون‌وخطا، پیروی از روش‌های مدیریت سنتی و ضعف در آینده‌نگری و آینده‌پژوهی است. این مقاله، با تمرکز بر موضوع ارزیابی خطرپذیری و آسیب‌پذیری گسترش شبکه حمل‌ونقل ریلی و با رویکرد پایش مخاطرات کالبدی و فضایی ایستگاه‌های مترو انجام شده است. نتایج ارزیابی آسیب‌پذیری نشانگر آن بوده است که تمامی ایستگاه‌های متروی انتخابی برای پژوهش در محدوده آستانه خطر قرار دارند و نیازمند اتخاذ تدابیری هوشمند در تمامی مراحل قبل، حین و بعد از زمین‌لرزه و به کار گرفتن راهکارهای مدیریتی و اجرایی به‌منظور کاهش آسیب‌های احتمالی هستند.
هارتاما و همکاران (2017)، با بررسی مفهوم شهر امن به‌عنوان بخشی از مفاهیم شهر هوشمند چارچوبی را برای مدیریت بحران ترافیک در زمان وقوع بحران با استفاده از زمان‌بندی جریان ترافیک و مناطق ترافیکی به جهت کاهش زمان تخلیه جمعیت از شهر ارائه کرده‌اند. ارمیا و همکاران (2017) در پژوهشی ضمن ارائه خلاصه‌ای از روند تکامل مفهوم شهر هوشمند و مشخصه‌های آن، واژگان دیگری که معادل این مفهوم‌اند را مورد بررسی قرار دادندتا ویژگی‌های چندوجهی شهرهای آینده را ارزیابی کنند. همین‌طور ارتباط بین شهر هوشمند و شبکه هوشمند را بررسی کرده‌اند. پارک و همکاران (2018) در پژوهشی برای مدیریت آتش‌سوزی در شهر و ساختمان‌ها با استفاده از روش واقعیت افزوده و سه‌بعدی‌سازی، اطلاعات برخط را در قالب تصویری و سه‌بعدی به نمایش گذاشته و از این طریق تصمیم‌گیری در خصوص بحران را به‌شدت تسریع کرده‌اند. همچنین در این پژوهش فلوچارتی از زمان شروع آتش تا زمان اطفای آن ارائه شده است. پیش‌بینی میشود این سیستم بتواند آمار کشته‌شده‌های آتش‌سوزی در ساختمان‌ها را به‌شدت کاهش دهد. حسن‌خانی و همکاران (2021)، به دنبال تحلیل نقش فناوری‌های نوین در مدیریت بحران در 2 دهه اخیر و استفاده از این تجارب در مدیریت پاندمی ویروس کرونا بوده‌اند. روش مورداستفاده در این پژوهش مرور سیستماتیک بوده است. این پژوهش نشان داده است که فناوری‌های مختلف چگونه در مدیریت بحران، افزایش سلامت عمومی و تاب‌آوری شهری مؤثر بوده‌اند. فناوری ظرفیت‌های تعامل و مدیریت بحران را از‌طریق افزایش مشارکت و ارتباطات اجتماعی، افزایش سطح سلامت فیزیکی و ذهنی و پایداری کاربردی سیستم‌های اقتصادی و آموزشی افزایش داده است. این پژوهش به این نکته نیز اشاره دارد که در کنار اثرات مثبت، فناوری‌های نوین اثراتی منفی همچون جدایی دیجیتالی، حریم شخصی و محرمانگی و مشکلات ناشی از دورکاری و غیره را در پی داشته است. الواس و همکاران (2021)، با طراحی سیستمی تاب‌آور و یکپارچه با استفاده از متصل‌کردن زیرساخت‌های حیاتی در یک شهر هوشمند به دنبال افزایش تاب‌آوری آن در برابر بلایای طبیعی بوده‌اند. رویکرد اتخاذ‌شده در این پژوهش یک رویکرد داده‌مبنا با استفاده از هوش مصنوعی و روش‌های به حداقل رساندن اثرات مخرب بلایای طبیعی و همچنین به حداقل رساندن احتمالِ از مدار خارج شدن زیرساخت‌های شهری بوده است. این رویکرد داده‌مبنا یک سیستم پشتیبان تصمیم‌گیری را ارائه می‌کند که مدیریت بحران را پشتیبانی می‌کند.
پژوهش‌های بررسیشده از جوانب گوناگون به بررسی مفاهیم مطرح‌شده در‌زمینه شهر هوشمند و مدیریت بحران و همین‌طور مدیریت بحران هوشمند پرداخته‌اند. با وجود این امر، اما همچنان خلأهای پژوهشی قابل‌توجهی در این زمینه وجود دارد. به‌طور مثال هیچ‌کدام از پژوهش‌های مطرح‌شده مراحل کاهش خطر و آمادگی در مدیریت بحران و ارائه راهکار برای هریک از آن‌ها در شهر تهران را بررسی نکرده‌اند. از سوی دیگر هیچ‌کدام از پژوهش‌ها از نظرات بازیگران مختلف حوزه مدیریت بحران و شهر هوشمند در شهر تهران برای بررسی ساختار مدیریت بحران در هریک از مراحل چهارگانه آن و ارائه راهکار استفاده نکرده‌اند. به همین منظور هدف پژوهش حاضر این است که با بررسی مبانی نظری موجود در‌زمینه مدیریت بحران هوشمند، اسناد فرادست و نظرات متخصصان این حوزه ابتدا در مراحل کاهش خطر و آمادگی، نقاط قوت، ضعف، فرصت و تهدیدها را شناسایی کرده و سپس برای هریک از مراحل راهبردهای متناسب ارائه و اولویت‌بندی شوند.
محدوده موردمطالعه
شهر تهران با مساحت 615 کیلومترمربع و جمعیت 9/4 میلیون نفر ازنظر جغرافیایی در ۵۱ درجه و ۱۷ دقیقه تا ۵۱ درجه و ۳۳ دقیقه طول خاوری و ۳۵ درجه و ۳۶ دقیقه تا ۳۵ درجه و ۴۴ دقیقه عرض شمالی قرار گرفته است. ارتفاع کنونی تهران از سطح دریا در حدود ۹۰۰ تا ۱۸۰۰ متر است. شهر تهران از شرق با شهر دماوند، از جنوب با پاکدشت و ری، از غرب با اسلامشهر، شهریار و کرج و از شمال با شمیران همسایه است. تصویر شماره 3 نشان‌دهنده موقعیت شهر تهران در کشور ایران و همین‌طور مناطق 22 گانه این شهر است.
روش
این پژوهش از نوع کمی‌کیفی بوده و از نوع هدف کاربردی است. رویکرد پژوهش حاضر نیز توصیفی‌تحلیلی است. روش تحلیل این پژوهش روش تحلیل راهبردی یا سوات است (سورنسن و ویدار، ۱۹۹۹). استفاده از ماتریس سوات (نقاط قوت و ضعف، فرصت‌ها و تهدیدها) یک روش پرکاربرد برای برنامه‌ریزی استراتژیک است. چارچوب نقاط قوت، ضعف، فرصت‌ها و تهدیدها توسط بسیاری به‌عنوان یک ابزار تحلیلی پیشنهاد شده است که باید برای دسته‌بندی عوامل مهم داخلی و خارجی برای مدیریت و برنامه‌ریزی شهری در حوزه‌های مختلف مورد استفاده قرار گیرد (پیکتون و رایت، ۱۹۹۸؛ ابیا و همکاران، ۲۰۱۵). ازآنجاییکه این روش در بخش شناسایی نقاط قوت و ضعف و همچنین فرصت‌ها و تهدیدها از بررسی متون، داده و نظرات متخصصان استفاده می‌کند، در بخش کیفی قرار گرفته و از طرف دیگر در امتیازدهی، وزن‌دهی و اولویت‌دهی راهبردها از روش‌های کمی استفاده می‌کند و در بخش روش‌های کمی قرار می‌گیرد. بنابراین در پژوهش حاضر از هر 2 روش کیفی و کمی بهره گرفته شده است. در ادامه ابزارهای مورداستفاده در هر قسمت پژوهش بیان شده است. در بخش نخست که مربوط به مبانی نظری و بررسی تجارب میشود از روش اسنادی و کتابخانه‌ای برای گردآوری اطلاعات موردنیاز استفاده شده است. منابع استفاده‌شده در این بخش شامل مقالات، گزارش‌های بین‌المللی و داخلی، وبسایتها و کتاب‌های مرتبط میشود. با استفاده از اطلاعات به‌دست‌آمده از مبانی و تجارب، معیارهای پژوهش استخراج شدند که در جدول شماره 1 قابل‌مشاهده‌اند.
در گام بعد و برای شناخت محدوده موردمطالعه در ابتدا از روش کتابخانه‌ای استفاده شده است و اسناد و قوانین مربوط به مدیریت بحران (شامل قانون مدیریت بحران کشور، سند راهبرد ملی مدیریت بحران کشور، برنامه ملی کاهش خطر حوادث و سوانح و برنامه ملی آمادگی و پاسخ) و شهر هوشمند (شامل طرح جامع مدیریت شهری تهران و همین‌طور سند مدل بومی تهران هوشمند) در این راستا بررسیشده است. علاوه‌بر بررسی اسناد فرادست جهت شناخت بیشتر از وضعیت موجود و پیشِ‌روی شهر تهران در‌زمینه مدیریت بحران هوشمند، 10 مصاحبه با متخصصین حوزه‌های شهر هوشمند، مدیریت بحران و برنامه‌ریزی شهری صورت گرفت. مدل مصاحبه صورت‌گرفته از نوع نیمه‌ساختاریافته بوده است و تا زمان اشباع نظری، فرایند مصاحبه کردن با متخصصان ادامه داشته است. جامعه آماری پژوهش نیز باتوجه‌به موضوع آن، متخصصین حوزه‌های ذکر‌شده هستند. باتوجه‌به اینکه موضوع پژوهش موضوعی جدید در کشور ایران و شهر تهران است، تعداد متخصصانی که مسلط به حوزه مدیریت هوشمند بحران باشند به نسبت محدود است. در نتیجه پس از انجام 8 مصاحبه نکات مطرح‌شده تکرار شده است. به‌طوری‌که دهمین مصاحبه حاوی نکته جدید قابل‌ملاحظه و متفاوتی نسبت به 9 مصاحبه قبلی نبود به همین دلیل تعداد مصاحبه‌ها در عدد 10 متوقف شد. به‌علاوه، مصاحبه‌شوندگان از میان تصمیم‌گیران و مسئولین حوزه‌های مدیریت بحران و شهر هوشمند انتخاب شده‌اند که اطلاعات کاملی از شرایط موجود شهر تهران در حوزه موردمطالعه داشته‌اند. به همین دلیل اطلاعات دریافتی از ایشان جامع و ارزشمند بوده است. به‌نحوی‌که پاسخگوی نیازهای پژوهش بوده است. جدول شماره 2 بیانگر اطلاعات مصاحبه‌شوندگان است.
در مرحله شناخت و تحلیل با استفاده از اطلاعات به‌دست‌آمده از مبانی نظری و تجارب، اسناد فرادست و مصاحبه‌ها و از‌طریق تحلیل سوات نقاط قوت، ضعف و فرصت‌ها و تهدیدهای شهر تهران در مرحله کاهش خطر و آمادگی بحران شناسایی شد. در گام بعد از ماتریس برنامه‌ریزی استراتژیک کمی استفاده شد. چراکه چارچوب شفافی برای فرایند اولویت‌بندی ارائه می‌دهد. مطابق نظر متخصصان، وزن‌دهی و امتیازدهی به نقاط قوت و ضعف (عوامل داخلی) و فرصت‌ها و تهدیدها (عوامل خارجی) با استفاده از ماتریس ارزیابی عوامل داخلی و ماتریس عوامل خارجی صورت‌گرفته است (آلاماندا و همکاران، ۲۰۱۹؛ مالیک، ۲۰۲۰) و در‌نهایت از تلاقی عوامل داخلی و خارجی با استفاده از ماتریس برنامه‌ریزی استراتژیک کمی راهبردهای مدنظر اولویت‌بندی شده است (گوپتا و همکاران، ۲۰۱۵).
روایی و پایایی پژوهش
بررسی روایی و پایایی روش‌های کیفی 4 معیار اصلی دارد که عبارت‌اند از: باورپذیری، اطمینان‌پذیری، تأییدپذیری و انتقال‌پذیری. در ادامه توضیح هریک از معیار‌ها به همراه نحوه اعمال آن در این پژوهش شرح داده شده است.
باورپذیری: باورپذیری با میزان باورداشتن یافته‌های پژوهش ارتباط دارد. ازاین‌رو باورپذیری با قابل‌باور بودن یا قانع‌کننده بودن یک پژوهش ارتباط دارد (دنزین، ۱۹۷۸).
بررسی باورپذیری پژوهش: ازآنجاییکه در انجام پژوهش از مقالات و منابع علمی معتبر از لحاظ اعتبار نشریه منتشر‌شده و همین‌طور اعتبار نویسنده آن استفاده شده است، داده‌های موجود از اعتبار بالایی برخوردار هستند. از طرف دیگر از منابع متفاوت داخلی و بین‌المللی نیز برای انجام کار استفاده شده است. بنابراین اصل زاویه‌بندی نیز رعایت شده است. همچنین موارد مثبت و منفی نیز مورد بررسی قرار گرفته و در‌نهایت با استفاده ازنظر متخصصین خبره مراحل پژوهش و محتوای آن مورد تأیید قرار گرفته است. بنابراین می‌توان گفت باورپذیری کار از سطح بالایی برخوردار است.
اطمینان‌پذیری: ازنظر گوبا و لینکن اطمینان‌پذیری عبارت است از توانایی شناسایی منبعی که داده‌های یک مطالعه از آن آمده، گردآوری شده و به کار رفته است. به‌علاوه پژوهشگران کیفی می‌توانند اطمینان‌پذیری را از‌طریق روش کنترل عضو افزایش دهند. در روش کنترل عضو یا اعتبار پاسخ‌گو، پژوهشگر فرض‌های خود را با 1 یا چند نفر از افراد مطلع کنترل می‌کند (گوبا و لینکن، ۱۹۸۲).
بررسی اطمینان‌پذیری پژوهش: ازآنجاییکه در پژوهش حاضر داده‌های جمع‌آوری‌شده از منابع معتبری جمع‌آوری شده‌اند و در تمامی مراحل کار متخصصین خبره ناظر بر روند پیشرفت پژوهش بوده‌اند، اطمینان‌پذیری این پژوهش نیز مورد تأیید است.
تأییدپذیری: در تأییدپذیری پژوهشگر باید نشان دهد یافته‌های وی عملاً و واقعاً مبتنی بر داده‌ها هستند. تأییدپذیری با جزئیات روش‌شناسی‌های به‌کاررفته در پژوهش ارتباط دارد و به این پرسش پاسخ می‌دهد که: «آیا پژوهشگر به‌اندازه کافی جزئیاتی در اختیار ما گذاشته است که بتوانیم گردآوری و تحلیل داده‌ها را ارزیابی کنیم؟» (حبیبی، 1394).
بررسی تأییدپذیری پژوهش: ازآنجاییکه در قسمت ساختار و محتوای پژوهش و همین‌طور در بخش روش‌شناسی جزئیات هر مرحله از روش‌شناسی مورد بررسی قرار گرفته است و نحوه جمع‌آوری داده‌ها و تحلیل بررسی شده است، می‌توان گفت پژوهش حاضر از تأییدپذیری بالایی برخوردار است.
انتقال‌پذیری : یکی از معیارهای ارزیابی پژوهش‌های کمی، میزان تعمیم‌پذیری پژوهش است که به آن اعتبار بیرونی نیز گفته میشود، اما در تحقیق کیفی معادل این مفهوم را می‌توان انتقال‌پذیری دانست. به این معنا که نتایج مطالعه بتوانند به یک محیط متفاوت دیگر نیز منتقل شوند و برای یک جمعیت متفاوت به کار روند (حبیبی، 1394).
بررسی انتقال‌پذیری پژوهش: در این پژوهش با استفاده از توصیف ضخیم سعی بر ارائه همه جزئیات مرتبط با فرایند پژوهش شده است. باتوجه‌به اینکه جزئیات هریک از مراحل پژوهش مورد تشریح قرار گرفته است، محققان دیگر می‌توانند فرایند کار را به‌وضوح مشاهده کرده و در محیط‌های دیگر از همین فرایند جهت رسیدن به نتیجه خاص خود استفاده کنند و این موضوع به این معنی است که پژوهش از این نظر انتقال‌پذیر است. تصویر شماره 4 بیانگر مراحل پژوهش است.
یافته‌ها
پس از بررسی اسناد فرادست مربوط به مدیریت بحران و شهر هوشمند در شهر تهران و همین‌طور بررسی مصاحبه متخصصان، ماتریس سوات مرحله کاهش خطر و آمادگی تنظیم شد. بررسی مصاحبه متخصصان نشان می‌دهد در راستای هرکدام از معیارهای پژوهش چه کلیدواژه‌های پرتکراری وجود داشته‌اند. جدول شماره 3 بیانگر این کلیدواژه‌های پرتکرار است.
تحلیل و ارزیابی عوامل داخلی
عوامل درون‌سازمانی مدیریت هوشمند بحران در شهر تهران طبق بررسی‌ها و مصاحبه‌های انجام‌شده مطابق جدول شماره 4 است که بیانگر ماتریس ارزیابی عوامل داخلی پژوهش است. همان‌طور که در این جدول نشان داده شده است، عوامل داخلی شناسایی‌شده برای مدیریت هوشمند بحران در شهر تهران شامل ۱۰ قوت و ۱۰ ضعف است که هرکدام از اهمیت متفاوت و میزان تأثیرگذاری متفاوتی بر کل سیستم برخوردار هستند. در تکمیل جدول عوامل داخلی دومین ستون نشان‌دهنده میزان اهمیت هر مؤلفه و مقایسه این مؤلفه‌ها با یکدیگر است. برای به دست آوردن این ضریب پس از مقایسه زوجی مؤلفه‌ها میانگین هندسی هر ردیف محاسبه شده و سپس اعداد نرمال شده‌اند. بنابراین ضریب اهمیت هر مؤلفه عددی بین صفر و 1 است و مجموع ضرایب تمام مؤلفه‌های داخلی، عدد 1 است. در ستون سوم باتوجه‌به شدت قوت‌ها به ترتیب رتبه ۴ یا ۳ برای قوت عالی یا معمولی به هر مؤلفه اختصاص داده شده است. دررابطه‌با ضعف‌ها نیز به ترتیب رتبه ۱ یا ۲ برای موارد معمولی و جدی در نظر گرفته شده است. درصورتی‌که جمع کل امتیاز نهایی عوامل داخلی در این جدول بیش از 2/5 باشد، می‌توان نتیجه گرفت که قوت‌های موجود بر ضعف‌ها غلبه دارند و درصورتی‌که این عدد کمتر از 2/5 باشد، نشان‌دهنده غلبه ضعف‌ها بر قوت‌هاست. مطابق این جدول میانگین نمره نهایی ماتریس عوامل داخلی مدیریت بحران در شهر تهران عددی تقریباً برابر با 2/333 است.
تحلیل و ارزیابی عوامل خارجی
عوامل برون‌سازمانی مدیریت هوشمند بحران در شهر تهران طبق بررسی‌های انجام‌شده و مصاحبه‌های صورت‌گرفته، مطابق جدول شماره 5 است که بیانگر ماتریس ارزیابی عوامل خارجی پژوهش است. همان‌طور که در این جدول نشان داده شده است، عوامل خارجی شناسایی شده برای مدیریت هوشمند بحران در شهر تهران شامل ۸ فرصت و ۸ تهدید است که هرکدام از اهمیت و میزان تأثیرگذاری متفاوتی بر کل سیستم برخوردار هستند. در تکمیل جدول عوامل خارجی دومین ستون نشان‌دهنده میزان اهمیت هر مؤلفه و مقایسه این مؤلفه‌ها با یکدیگر است. برای به دست آوردن این ضریب پس از مقایسه زوجی مؤلفه‌ها، میانگین هندسی هر ردیف محاسبه شده و سپس اعداد نرمال شده‌اند. بنابراین ضریب اهمیت هر مؤلفه عددی بین صفر و 1 است و مجموع ضرایب تمام مولفه‌های داخلی، عدد 1 است. در ستون سوم باتوجه‌به نوع فرصت‌ها به ترتیب رتبه ۴ یا ۳ برای فرصت عالی یا معمولی به هر مؤلفه اختصاص داده شده است. دررابطه‌با تهدیدها نیز به ترتیب رتبه ۱ یا ۲ برای موارد معمولی و جدی در نظر گرفته شده است. درصورتی‌که جمع کل امتیاز نهایی عوامل خارجی در این جدول بیش از ۵/۲ باشد، می‌توان نتیجه گرفت که فرصت‌های پیش‌بینی‌شده بر تهدیدهای احتمالی غلبه دارند و درصورتی‌که این عدد کمتر از 2/5 باشد، نشان‌دهنده غلبه تهدیدها بر فرصت‌هاست. مطابق این جدول میانگین نمره نهایی ماتریس عوامل خارجی مدیریت بحران در شهر تهران عددی تقریباً برابر با 2/351 است.
ماتریس عوامل داخلی و خارجی
ارزیابی اقدام و موقعیت استراتژیک یا اسپیس روشی برای انتخاب استراتژی مناسب براساس عوامل درونی و بیرونی سازمان است. این ماتریس در‌واقع یک نمودار 4 بخشی است که هرکدام از بخش‌ها نشان‌دهنده یک نوع استراتژی برای مقابله با موضوع موردمطالعه است. هر بخش از این ماتریس از ترکیب 2 بخش از سوات تشکیل شده است. ماتریس استراتژی‌ها و اولویت‌های اجرایی براساس استقرار داده‌ها در 2 بعد اصلی شکل می‌گیرد.
۱. جمع امتیاز نهایی ماتریس ارزیابی عوامل داخلی که بر روی محور ایکس‌ها (X) نشان داده میشود.
۲. جمع امتیاز نهایی ماتریس ارزیابی عوامل خارجی که بر روی محور وای‌ها (Y) نوشته میشود.
در ماتریس استراتژی‌ها و اولویت‌های اجرایی این نمرات در یک طیف 2 بخشی قوی (2/5 تا ۴) و ضعیف (۱ تا 2/5) طبقه‌بندی می‌شوند. در این ماتریس درصورتی‌که موقعیت موضوع موردمطالعه ازنظر نمرات عوامل خارجی و داخلی در ناحیه اول نمودار باشد، استراتژی تهاجمی اگر در ناحیه دوم، باشد استراتژی رقابتی، چنانچه در خانه سوم باشد، استراتژی محافظه‌کارانه و درصورتی‌که این عدد در ناحیه چهارم قرار گیرد استراتژی تدافعی پیشنهاد میشود (ضرابی و محبوب‌فر، ۱۳۹۲). در تصویر شماره 4 با استفاده از ماتریس عوامل داخلی و خارجی و استقرار نمرات ماتریس‌های ارزیابی عوامل داخلی و خارجی بر روی آن، موقعیت استراتژیک مدیریت بحران شهر تهران با رویکرد شهر هوشمند مشخص شده است. جمع امتیاز نهایی عوامل داخلی بر روی محور ایکس‌ها، 2/333 و جمع امتیاز به‌دست‌آمده از عوامل خارجی بر روی محور وای‌ها، برابر با 2/351 است. بنابراین براساس ماتریس ارزیابی اقدام و موقعیت استراتژیک، استراتژی متناسب برای برخورد با مسئله مدیریت هوشمند بحران در شهر تهران در ناحیه استراتژیک چهارم نمودار مشخص میشود که متناسب با آن استراتژی‌های تدافعی (WT) انتخاب خواهند شد و در اولویت بعدی 2 استراتژی محافظه (WO) کارانه و رقابتی (ST) قرار می‌گیرند.
همان‌طور که گفته شد، دومین مرحله پس از امتیازدهی به مؤلفه‌های به‌دست‌آمده در تحلیل سوات، تعیین موقعیت استراتژیک مسئله موردمطالعه و تدوین راهبردهای متناسب با هر ۴ نوع استراتژی است. ازاین‌رو برای هریک از استراتژی‌های تهاجم، تدافعی، رقابتی و محافظه‌کارانه، راهبردهای متناسب با ترکیب عوامل داخلی و خارجی تدوین شده‌اند. جدول شماره ۶ نشان‌دهنده راهبردهای به‌دست‌آمده از تحلیل سوات و دسته‌بندی آن‌ها در ۴ منطقه استراتژیک است.
اولویت‌بندی راهبردها: ماتریس برنامه‌ریزی استراتژیک کمی
در این بخش پس از تدوین راهبردهای متناسب با هر استراتژی، جهت اولویت‌بندی راهبردهای ارائه‌شده براساس ماتریس سوات، از ماتریس برنامه‌ریزی استراتژیک کمی استفاده شده است. در این روش تمامی مؤلفه‌های شناسایی‌شده در تحلیل سوات در ستون سمت راست و تمامی استراتژی‌ها در ردیف اول ماتریس قرار می‌گیرند. سپس براساس نظر کارشناسان به هریک از مؤلفه‌ها در راهبرد مرتبط امتیازی نسبی (عددی بین ۱ تا ۴) داده میشود. امتیازهای جذابیت نسبت داده‌شده در انتها در ضرایب اهمیت هر مؤلفه ضرب شده و امتیاز نهایی حاصل میشود. در ادامه به اولویت‌بندی انواع راهبردهای تهاجمی (SO)، رقابتی، محافظه‌کارانه و تدافعی پرداخته شده است.
در بین راهبردهای تهاجمی، راهبردهای SO1 با امتیاز جذابیت کل 4/988، SO3 با امتیاز 4/974، SO7 با امتیاز 4/777، SO5 با امتیاز 4/114، SO6 با امتیاز 3/903 و SO4 با امتیاز 3/659 اولویت‌های اول تا هفتم را به خود اختصاص داده‌اند (جدول شماره 7). با بررسی راهبردهای با امتیاز بالاتر مشخص میشود که در خصوص راهبردهای تهاجمی باید بر روی ایجاد سامانه‌های یکپارچه و تعاملی اطلاعات، پایگاه‌های رصد لحظه‌ای، استفاده از فناوری‌های نوینی همچون اینترنت اشیا جهت جمع‌آوری برخط اطلاعات و همچنین بهره گرفتن از مشارکت الکترونیک شهروندان در مرحله جمع‌آوری اطلاعات تمرکز شود.
در خصوص راهبردهای رقابتی به ترتیب اولویت با راهبردهای ST5 با امتیاز جذابیت کل 5/127، ST1 با امتیاز 4/629، ST4 با امتیاز 4/6، ST3 با امتیاز 4/366، ST6 با امتیاز 4/273، ST2 با امتیاز 3/866، ST7 با امتیاز 3/73 است (جدول شماره 8). با بررسی اولویت‌های به‌دست‌آمده از راهبردهای رقابتی مشخص است که باید تمرکز بر روی پایش برخط ساختوسازها در محدوده‌های پرخطر، تجهیز مسیل‌های سیلابی شهر تهران به سنسورهای هوشمند جهت جمع‌آوری اطلاعات برخط و اعلام هشدار سریع، تعیین استانداردهای جمع‌آوری اطلاعات برای سیستم یکپارچه مدیریت بحران و شناسایی هوشمند اطلاعات نادرست در بستر اینترنت و فضای مجازی باشد.
در خصوص راهبردهای محافظه‌کارانه اولویت به ترتیب با راهبردهای WO3 با امتیاز جذابیت کل 5/125، WO4 با امتیاز 5/009، WO5 با امتیاز 4/416، WO1 با امتیاز 4/227 و WO2 با امتیاز 4/16 است (جدول شماره 9). با بررسی اولویت‌ها در راهبردهای محافظه‌کارانه مشخص میشود که تمرکز باید بر روی استفاده از بانک‌های اطلاعاتی برخط جهت مکان‌یابی و اصلاح مکان تأسیسات موجود و آتی، ایجاد سامانه هوشمند مدیریت نوسازی بافت فرسوده جهت تجمیع اطلاعات برخط این بافت‌ها و ثبت‌نام ذی‌نفعان برای مشارکت یکپارچه و استفاده از ظرفیت‌های علمی دانشگاهی و اندیشگاهی جهت تحقیق و توسعه پیوسته در حوزه مدیریت هوشمند بحران قرار گیرد.
در خصوص راهبردهای تدافعی (جدول شماره 10)، اولویت به ترتیب با راهبردهای WT3 با امتیاز جذابیت کل 5/593، WT2 با امتیاز 5/055، WT4 با امتیاز 4/981 و WT1 با امتیاز 4/105 است. این امر نشان‌دهنده اهمیت قابل‌توجه تهیه نقشه خطر و شناسایی تأسیسات و تجهیزات شهری با مکان‌یابی نادرست و تلفیق آن با پهنه‌هایی با بیشترین میزان ساختوسازهای غیراصولی انجام‌شده، جهت اولویت‌بندی نقاط حادثه‌خیز و تخصیص بهینه منابع محدود جهت کاهش خطر در بحرانی‌ترین نقاط است. بدیهی است که شناسایی نقاط پرخطر و حادثه‌خیز که با استفاده از تکنولوژی‌های نوین اطلاعاتی و جغرافیایی انجام گیرد، تأثیر شایانی در تسهیل مدیریت بحران در مراحل کاهش خطر و آمادگی دارد. یکی از مهم‌ترین دلایل لزوم استفاده از رویکردهای هوشمند در مدیریت بحران، مکان‌یابی داده‌های شهری به‌صورت لحظه‌ای و امکان تلفیق تمام این اطلاعات به‌صورت کلان‌داده در یک بستر یکپارچه است. وجود قوانین سازنده و استقرار نهادهای نظارتی محلی برای اطمینان از اجرای قوانین نیز می‌تواند در این راستا کمک قابل‌توجهی به تسهیل مدیریت شهری به‌ویژه در حوزه مدیریت بحران کند. چراکه هوشمندسازی روندهای مدیریتی به‌هیچ‌عنوان بدون وجود قوانین مربوطه امکان‌پذیر نخواهد بود.
بحث
با افزایش روزافزون شهرنشینی، شهرها به پدیده‌های بسیار پیچیده‌تری نسبت به گذشته تبدیل شده‌اند و بدون شک مدیریت آن‌ها نیز با چالش‌های جدیدی روبه‌رو است. این چالش‌ها در شهر تهران به‌واسطه تمرکز بالای جمعیت و فعالیت‌های گوناگون دوچندان است. همچنین به‌واسطه قرارگیری شهر تهران در پهنه‌های پرخطر، فرایند مدیریت بحران نیز در این شهر با چالش‌های جدی روبه‌رو است. با وجود این میزان پیچیدگی، مدیریت بحران به شیوه‌های سنتی عملی نیست. یکی از اصول اساسی در مدیریت بحران پیش‌بینی و سناریوسازی برای کاهش خطرات و آمادگی در مقابل بحران‌هاست. پیش‌بینی بدون تحلیل داده عملی نیست و باتوجه‌به حجم بالای داده‌های تولیدی در شهر تهران، جمع‌آوری و تحلیل آن‌ها با شیوه‌های سنتی ممکن نیست. پژوهش حاضر در پی آن بوده است تا ابتدا به شناسایی نقاط قوت، ضعف، فرصت‌ها و تهدیدهای موجود در مراحل کاهش خطر و آمادگی در شهر تهران بپردازد و در‌نهایت راهبردهای اولویت‌بندی‌شده را برای این مراحل ارائه دهد. در این راستا ابتدا مبانی نظری و پیشینه پژوهش دررابطه‌با مدیریت بحران، شهر هوشمند و مدیریت هوشمند بحران بررسی شد. پس از بررسی مبانی نظری و پیشینه پژوهش، معیارهای پژوهش استخراج و براساس آن سؤالات مصاحبه تهیه شدند. در گام بعد با استفاده از نتایج مصاحبه و بررسی اسناد فرادست در حوزه شهر هوشمند و مدیریت بحران شهر تهران، ماتریس سوات برای مراحل کاهش خطر و آمادگی تهیه شد. در گام بعد با استفاده از ماتریس‌های ارزیابی عوامل داخلی و خارجی، عوامل داخلی (نقاط قوت و ضعف) و عوامل خارجی (فرصت‌ها و تهدیدها) با استفاده ازنظر متخصصان امتیازدهی و اولویت‌بندی شدند.
نتیجه‌گیری
باتوجه‌به امتیازات عوامل داخلی (2/333) و خارجی (2/351)، در این پژوهش راهبردهای تدافعی از اهمیت بالاتری برخوردار هستند. در گام بعد، از تلاقی نقاط قوت و ضعف با فرصت‌ها و تهدیدها، راهبردهای تهاجمی، رقابتی، محافظه‌کارانه و تدافعی ارائه شد و با استفاده از ماتریس برنامه‌ریزی استراتژیک کمی این راهبردها اولویت‌بندی شدند. پس از بررسی راهبردهای پژوهش با بیشترین امتیازات جذابیت کل (WT3 با امتیاز جذابیت کل 5/593، ST5 با امتیاز 5/127، WO3 با امتیاز جذابیت کل 5/125، WT2 با امتیاز 5/055، WO4 با امتیاز 5/009، SO1 با امتیاز جذابیت کل 4/988) می‌توان نتیجه گرفت که اولویت راهبردها برای مراحل کاهش خطر و آمادگی در مدیریت هوشمند بحران شهر تهران باید به ترتیب شامل این موارد باشد: ۱. تهیه نقشه خطر و شناسایی تأسیسات و تجهیزات شهری با مکان‌یابی نادرست و تلفیق آن با پهنه‌هایی با بیشترین میزان ساختوسازهای غیراصولی انجام‌شده، جهت اولویت‌بندی نقاط حادثه‌خیز و تخصیص بهینه منابع محدود جهت کاهش خطر در بحرانی‌ترین نقاط؛ ۲. پایش برخط ساختوسازها در محدوده‌های پرخطر؛ ۳. استفاده از بانک‌های اطلاعاتی برخط جهت مکان‌یابی و اصلاح مکان تأسیسات موجود و آتی؛ ۴. تدوین قوانین منع‌کننده ساخت‌و‌ساز در محلات مستعد سیل برای جلوگیری از افزایش جمعیت و فعالیت در این مناطق و کاهش هزینه‌های مالی و جانی در صورت وقوع حادثه و نظارت نهادهای عمومی واقع در این محلات جهت اطمینان از اجرای قوانین و اطلاع‌رسانی بهنگام؛ ۵. ایجاد سامانه هوشمند مدیریت نوسازی بافت فرسوده جهت تجمیع اطلاعات برخط این بافت‌ها و ثبت‌نام ذی‌نفعان برای مشارکت یکپارچه؛ ۶. ایجاد یک سامانه تعاملی در خصوص مدیریت بحران که امکان جمع‌آوری اطلاعات، اطلاع‌رسانی، هشدار زودهنگام و آموزش شهروندان را دارا باشد. پیشنهاد میشود مدیریت شهری و سازمان‌ها و نهادهای ذی‌ربط در حوزه زیرساخت، برای جمع‌آوری و تحلیل اطلاعات به‌صورت یکپارچه سرمایه‌گذاری کنند و اولویت‌های اجرایی را در‌زمینه شناسایی نقاط پرخطر به‌صورت برخط، سامانه‌های پایش ساخت‌و‌ساز، سامانه مدیریت بافت‌های فرسوده و جاگذاری سنسورها با استفاده از فناوری اینترنت اشیا جهت جمع‌آوری داده‌های به‌روز و موثق قرار دهند. نیاز است تا پایش اجرای قوانین مدیریت بحران در سازمان‌ها و همین‌طور در ساختوسازها به‌طور جدی مدنظر قرار گیرد تا بتوان نقاط ضعف را کاهش داد و در مقابلِ تهدیدات آتی آماده بود. در مسیر انجام پژوهش حاضر محدودیت‌هایی وجود داشته است. از جمله این محدودیت‌ها می‌توان به دسترسی محدود و دشوار به مسئولین و متخصصین حوزه مدیریت بحران و اقدامات صورت‌گرفته در‌زمینه هوشمندسازی مدیریت بحران در شهر تهران و عدم دسترسی به برخی اطلاعات شهری در‌زمینه مدیریت بحران اشاره کرد. پیشنهاد میشود که در پژوهش‌های آتی به مراحل پاسخ و بازیابی پرداخته شود و راهبردهای موردنیاز این مراحل نیز ارائه شود.
ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
اصول اخلاق پژوهش در این مقاله رعایت شده‌اند.
حامی مالی
این مقاله برگرفته از طرح پژوهشی با عنوان «تدوین راهبردهای مدیریت بحران در شهرهوشمند» در پژوهشگاه علوم و معارف دفاع مقدس است.
مشارکت نویسندگان
مفهوم‌سازی، بررسی و نوشتن-پیش‌نویس اصلی: همه نویسندگان؛ روش‌شناسی، جذب سرمایه، منابع و نظارت: علی عزیزی وحسین اسکندری صدق؛ نگارش: حسین اسکندری صدق؛ نقد و ویرایش: علی عزیزی؛
تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.
بحران عبارت است از وقوع یک حادثه طبیعی، تکنولوژیکی، یا رویدادی که توسط انسان به وجود آمده است و به خسارت شدید اموال، مرگ‌و‌میر و یا صدمات متعدد منجر شده است (فما، 2023). بحران‌ها همواره در طول تاریخ بشریت وجود داشته‌اند و انسان همیشه در پی فائق آمدن بر این بحران‌ها و مدیریت آن‌ها بوده است. با گذشت زمان و پیدایش شهرهای امروزی به‌خصوص پس از انقلاب صنعتی روزبه‌روز جمعیت ساکن در شهرها افزایش یافته است. به‌طوری‌که مطابق آمار بانک جهانی حدود 56 درصد جمعیت جهان در سال 2020 در شهرها ساکن هستند و این عدد در سال 2050 به 68 درصد خواهد رسید (بانک جهانی، 2018). تراکم بالای افراد، فعالیت‌ها و ساختمان‌ها در شهرهای امروزی موجب شده است تا مدیریت این عناصر با پیچیدگی‌های قابل‌تأمل‌تری نسبت به گذشته روبه‌رو باشد (گارسیا رتورتا و همکاران، 2021) پیچیدگی بیشتر سیستم شهرهای امروزی باعث شده است تا در صورت بروز یک بحران، مدیریت آن بسیار دشوارتر باشد. بحران‌های طبیعی، یک جامعه را تحت‌تأثیر قرار می‌دهند و پیامدهایی اجتماعی دارند که عملکرد جامعه را مختل می‌کنند و باعث خسارات انسانی و یا مادی می‌شوند. نکته مهم این است که یک فرایند خطرناک طبیعی که در یک منطقه مسکونی رخ می‌دهد یک بحران نامیده نمی‌شود، زیرا بر مردم (جامعه) و دارایی‌های آن‌ها (زیرساخت) تأثیر نمی‌گذارد (چاودهری و پیراچا، 2021). این‌گونه بحران‌ها سالانه هزینه‌های زیادی به شهرها در سرتاسر جهان وارد می‌کنند (گوهاساپیر و همکاران، 2016). کاهش یا افزایش این هزینه‌ها رابطه مستقیمی با شیوه‌های اتخاذ‌شده در مدیریت بحران آن شهرها دارد (سوادا و تاکاساکی، 2017 و رنت اسچلر، 2013). با پیچیده‌تر شدن مدیریت شهرها و همین‌طور مدیریت بحران‌ها در‌زمینه این‌گونه شهرها، نیاز به هوشمند کردن مدیریت بیش‌ازپیش حس شده است. ازنظر مایکل هرمن هوش یعنی شناخت هدف. هوش، اطلاعات را در خصوص هدف جمع‌آوری می‌کند و دانش تخصصی را در خصوص آن با استفاده از شواهد حاصل از همه منابع موجود توسعه می‌دهد. هوش با دانش و پیش‌بینی مرتبط است و شرایط خوبی در زمان مناسب را در اختیار کاربران خود قرار می‌دهد. رئیس ستاد مشترک ارتش آمریکا در سال 2007 هوش را امکان پیش‌بینی موقعیت‌ها و شرایط آینده دانسته است که با روشن کردن تفاوت‌ها در مسیرهای عملی موجود، بر تصمیم‌گیری‌ها تأثیر می‌گذارد. به‌طورکلی می‌توان هوش را یک قابلیت برای پیش‌بینی به‌موقع تغییرات برای انجام اقدامی در‌مورد آن‌ها دانست. این قابلیت شامل آینده‌نگری و بینش است و هدف آن شناسایی تغییرات قریب‌الوقوع است که ممکن است مثبت (نمایانگر فرصت‌ها) و یا منفی (نمایانگر تهدیدها) باشد (بریک اسپر، 2013). شهرها تبدیل به سیستم‌های پیچیده‌ای شده‌اند و نیاز است تا جهت مدیریت بهینه‌تر، این سیستم‌ها به سمت هوشمندی میل کنند. یک سیستم هوشمند قادر است وظایف پیچیده‌ای که نیازمند میزان هوش انسانی بالاتری است را اجرا کند. این سیستم‌ها از الگوریتم‌های پیچیده‌ای که از منطق اتخاذ تصمیم، تکنیک‌های یادگیری ماشین، تحلیل پیش‌بینی و سایر شکل‌های هوش مصنوعی تشکیل شده است، استفاده می‌کنند. یک سیستم هوشمند می‌تواند داده‌های بزرگ را تحلیل کند، الگوها را شناسایی کند، تصمیماتی اتخاذ کند، پیشنهاداتی ارائه دهد و از تجربیات خود یاد بگیرد. این سیستم‌ها به‌طور گسترده در حوزه‌های مختلفی همچون بهداشت، امور مالی، تولید و حمل‌ونقل برای اتوماسیون فرایند و بهبود کارایی استفاده می‌شوند (مولینا، 2022) با پیشرفت تکنولوژی‌های جدید و مطرح شدن مفاهیمی همچون سیستم‌های پشتیبان تصمیم‌گیری، استفاده از کلان‌داده‌ها، اینترنت اشیا، هوش مصنوعی و غیره در دنیای فناوری، در برنامه‌ریزی شهری نیز مفهومی همچون شهر هوشمند پدیدار شد که شیوه جدیدی از مدیریت باتکیه‌بر فناوری‌های نوین در زمینه‌های گوناگون را دنبال می‌کند. مفهوم شهر هوشمند (گیفینگر و همکاران، 2007) که شامل اقتصاد هوشمند (استپانیوک و همکاران، 2018) ، جابه‌جایی هوشمند (مونزون، 2015)، محیط هوشمند (سیلوا و همکاران، 2018)، مردم هوشمند (نظیر و همکاران، 2020)، زندگی هوشمند (زفر و همکاران، 2020) و حکمروایی هوشمند (خار و همکاران، 2016) است به‌خوبی توانسته است با استفاده از فناوری‌های نوین در مدیریت بحران ایفای نقش کند و در مناطقی با احتمال بالای وقوع مخاطرات طبیعی به بهبود فرایند مدیریت بحران کمک کند. کشور ایران مطابق مطالعات ملی و بین‌المللی صورت‌گرفته، در یکی از مناطق پرخطر ازنظر وقوع بلایای طبیعی به‌خصوص زلزله در جهان قرار گرفته است (سازمان ملل متحد، 2018). شهر تهران به‌عنوان پایتخت کشور ایران نیز در منطقه‌ای از کشور قرار گرفته است که در معرض وقوع بلایای طبیعی گوناگونی همچون زلزله قرار دارد. به‌طور مثال 8 گسل فعال در شهر تهران یا در مجاورت آن قرار دارند (کامرانزاد و همکاران، 2020). مطابق مطالعات صورت‌گرفته بر روی میزان خسارات زلزله احتمالی شهر تهران توسط جایکا، میزان ساختمان‌های تخریب‌شده در بدترین حالت برابر با 480 هزار ساختمان خواهد بود. تمرکز بیش‌از‌حد فعالیت‌ها، خدمات و جمعیت در شهر تهران باعث شده است که مدیریت امور این شهر در شرایط غیربحرانی با چالش‌های جدی روبه‌رو باشد. بدیهی است که در صورت وقوع بحران، چه فاجعه‌ای در مقیاس کلان برای این شهر و به تبع آن برای کشور ایران رخ خواهد داد. یکی از اصولی‌ترین عوامل در مدیریت و برنامه‌ریزی شهری و به تبع آن مدیریت بحران دسترسی به اطلاعات به‌روز، برخط و موثق از سطح شهر و تحلیل آن و دستیابی به سناریوهای تصمیم‌گیری برای آینده است. در این راستا شهر هوشمند می‌تواند پاسخگوی این نیاز شهرهای پیچیده امروزی مانند تهران باشد. معماری شهر هوشمند دارای 4 لایه شامل حسگر (شاه و همکاران، 2019)، انتقال (کولاندایول و همکاران، 2019) مدیریت داده (قیصری و همکاران، 2019) و کاربری (سبا و همکاران، 2020) میشود. تصویر شماره 1 بیانگر لایه‌های شهر هوشمند و زیرلایه‌های هریک است. در لایه شناسایی شهر هوشمند، اطلاعات توسط سنسورها و سایر ابزارهای گردآوری اطلاعات، جمع‌آوری میشود. این مرحله به دلیل ناهمگونی اطلاعات تولید‌شده از سخت‌ترین مراحل محسوب میشود (سینگ، سولانکی و نیار، 2020). لایه انتقال مجموعه‌ای از فناوری‌های باسیم، بی‌سیم و ماهواره‌ای است که وظیفه انتقال اطلاعات از ابزارهای جمع‌آوری به مراکز ذخیره را بر عهده دارد (لی، 2016). لایه مدیریت داده در‌واقع در حکم مغز شهر هوشمند است که بین لایه سنجش و کاربری است. این لایه فعالیت‌های مختلفی از‌جمله ارتباط، ارزیابی، ذخیره‌سازی و سایر وظایف پویا را انجام می‌دهد. اجرای بهینه فعالیت‌های شهر هوشمند به مدیریت اطلاعات بستگی دارد. بنابراین مهارت در مدیریت اطلاعات برای یک شهر هوشمند یک ویژگی اساسی و پایه‌ای است. وظیفه اساسی در سطح مدیریت داده، پویا نگه داشتن اطلاعات از‌طریق تمیز کردن، رفع خدشه، ترکیب و به‌روزرسانی آن است (شاه و همکاران، 2019). لایه کاربری بالاترین لایه در معماری شهر هوشمند است و به‌عنوان واسطه‌ای میان مدیریت داده و ساکنان شهر عمل می‌کند. عملکرد لایه کاربری به‌طور مستقیم بر مخاطبان تأثیر می‌گذارد و چشم‌انداز اپراتورها و تحقق عملیات‌های شهر هوشمند را تحت تأثیر قرار می‌دهد (آوتن و همکاران، 2019).
شهرهای هوشمند جهت مدیریت بهتر بحران‌ها، از فناوری‌ها و پلتفرم‌های ویژه‌ای استفاده می‌کنند که روزبه‌روز با پیشرفت فناوری، طیف این نوآوری‌ها گسترده‌تر میشود. از مهم‌ترین فناوری‌های مورداستفاده در مدیریت بحران هوشمند می‌توان به این موارد اشاره کرد: فناوری اینترنت اشیا که چگونگی شناسایی منحصربه‌فرد اشیا را توضیح می‌دهد. این اشیا دارای یک مکان و وضعیت مشخص هستند و جزئی از اینترنت می‌شوند.به‌نحوی‌که توسط اینترنت قابل‌دسترس هستند (لی و همکاران، 2019). سیستم فیزیکی سایبری به‌عنوان ادغامی از فرایندهای محاسباتی و فیزیکی تعریف میشود. این سیستم با استفاده از مدل‌های کامپیوتری محلی و از راه دور، برای نظارت و کنترل فرایندهای فیزیکی استفاده میشود (هامالاینن، 2020). کلان‌داده به مجموعه‌ای از داده‌های بزرگ و پیچیده اطلاق میشود که برای تحلیل و استخراج اطلاعات، الگوها و روابط مفهومی به کار می‌رود. این داده‌ها عموماً حجم، سرعت، تنوع و یا پیچیدگی بالایی دارند. داده‌های کلان ممکن است از منابع مختلفی مانند حسگرها، دیتابیس‌ها، شبکه‌های اجتماعی، وبسایتها، فایل‌های متنی و یا تصویری و سایر منابع باشند. تحلیل کلان‌داده‌ها با استفاده از روش‌ها و ابزارهایی مانند شبکه‌های عصبی، الگوریتم‌های یادگیری ماشین، داده‌کاوی و تحلیل آماری انجام میشود (آکانده و همکاران، 2019). تکنولوژی بلاک‌چین برای ذخیره و انتقال اطلاعات به کار می‌رود. در بلاک‌چین، اطلاعات در قالب بلوک‌هایی از داده‌ها ذخیره می‌شوند و هر بلوک دارای اطلاعاتی از بلوک قبلی، یا همان تراکنش قبلی است. به‌این‌ترتیب، بلاک‌چین به‌صورت یک سیستم توزیع‌شده عمل می‌کند که اطلاعات را در بین چندین کامپیوتر، سرور و دستگاه ذخیره می‌کند و دسترسی به آن‌ها را برای همه کاربران ممکن می‌کند. بلاک‌چین برای انتقال ارزهای دیجیتالی مانند بیت‌کوین به کار می‌رود، ولی علاوه‌براین، در بسیاری از حوزه‌های دیگر مانند بانکداری، حمل‌ونقل، سلامت، بیمه و رسانه نیز کاربرد دارد. مزیت اصلی بلاک‌چین، امنیت بالا، شفافیت، عدم وابستگی به یک مرکز و قابلیت تراکنش سریع و با کمترین هزینه است (پنسجیر، 2018). رایانش ابری به معنای ارائه خدمات محاسباتی، شبکه‌ای و ذخیره‌سازی داده‌ها از‌طریق اینترنت به کاربران است. در رایانش ابری، سرورها، شبکه‌ها، ذخیره‌سازی داده و برنامه‌های کاربردی در یک زیرساخت ابری و به‌صورت مجازی از‌طریق اینترنت در دسترس کاربران قرار می‌گیرند. به‌این‌ترتیب کاربران می‌توانند بدون نیاز به داشتن سرور و تجهیزات محاسباتی پیچیده، از خدمات محاسباتی، ذخیره و انتقال داده در سطح کلان بهره‌مند شوند (جداری و همکاران، 2019). در آخر می‌توان به شهرهای دوقلوی دیجیتال اشاره کرد که نمایش مجازی یا بازسازی دیجیتال (کپی) دارایی‌ها، افراد، فرایندها، سیستم‌ها، دستگاه‌ها و مکان‌ها هستند (سپاسگزار، 2021). تصویر شماره 2 بیانگر فناوری‌های مورداستفاده در مدیریت بحران هوشمند است.
پیشینه تحقیق
در‌زمینه شهر هوشمند و مدیریت بحران، پژوهش‌های فراوانی صورت‌گرفته است که به پیشینه آن‌ها اشاره میشود.
بهزادفر (1382) ضمن بررسی ماهیت شهرهای هوشمند و تغییراتی که این‌گونه شهرها در زندگی روزمره افراد و ساختارهای شهر ایجاد می‌کنند سعی در بیان ضرورت‌ها و موانع ایجاد این‌گونه شهرها در ایران داشته و بر لزوم ورود به عرصه شهرهای هوشمند جهت جبران عقب‌ماندگی کشور تأکید داشته است. کمالی و میرزایی (1396) با استفاده از روش اسنادی و بررسی منابع به مقایسه شیوه مدیریت بحران در کشورهای ژاپن، هند، ترکیه و هند پرداختند. یافته‌های پژوهش بیانگر تفاوت بحران‌های طبیعی رایج، تفاوت سطح و تمرکز مدیریت بحران‌های طبیعی در کشورهای موردمطالعه است. سازمان‌های مدیریت بحران در این کشورها زیر نظر عالی‌ترین مقام اجرایی قرار دارند؛ اما در ایران زیر نظر وزارت کشور است. همچنین در این پژوهش بیان شده است که قوانین مرتبط با مدیریت بحران، درگذر زمان، از قوانین بخشی به قوانین جامع تبدیل شده‌اند که وظایف و اهداف سازمان‌های مرتبط را تعیین می‌کنند. کشور ایران در‌زمینه قوانین نیز با تأخیر ورود کرده است. به‌طوری‌که قانون جامع مدیریت بحران در ایران با تأخیر و پس از کشورهای ذکر‌شده تصویب شده است.
در پژوهش دیگری فرزادنیا و منصفی پراپری (1397) با بررسی منابع کتابخانه‌ای و مستندات اینترنتی به بررسی نمونه مطالعاتی ژاپن پرداخته‌اند و همچنین با معرفی تعدادی از نرم‌افزارهایی که تاکنون مدیریت بحران را در مراحل مختلف تسهیل کرده‌اند تأثیرات استفاده از فناوری‌های اطلاعات و ارتباطات در شهر هوشمند بر مدیریت بحران بررسی کرده‌اند پوراحمد و همکاران (1397) به دنبال ارائه یک پایه و اساس برای تحقیقات در‌زمینه شهر هوشمند بوده‌اند. هدف پژوهش تبیین نظری مفهوم، معانی، ابعاد، مشخصه‌ها، شاخص‌ها، باورهای متعارف و چالش‌های پیشِ‌روی شهر هوشمند از‌طریق تجزیه‌وتحلیل عمیق و ژرف ادبیات مرتبط در این حوزه با به بحث گذاشتن این مفهوم است. نتایج این پژوهش نشان می‌دهد علی‌رغم ادبیات گسترده در‌مورد مفهوم شهر هوشمند، هنوز یک درک روشن و واضح و اجماع عمومی در این‌باره وجود ندارد و محققان حوزه‌های علمی مختلف محتواهای متنوعی را پیشنهاد کرده‌اند. به‌طوری‌که برخی فناوری‌های هوشمند را به‌عنوان تنها یا حداقل مهم‌ترین جزء شهر هوشمند مدنظر قرار داده‌اند. عده‌ای دیگر تعاریفی را پیشنهاد کرده‌اند که فراتر از فناوری است و بر این باورند که اتخاذ فناوری پایان کار نیست. فناوری‌ها می‌توانند در شهرها برای توانمندسازی شهروندان از‌طریق تطبیق این فناوری‌ها با نیازهای آن‌ها به‌جای تطبیق زندگی آن‌ها با الزامات فناوری مورداستفاده قرار گیرند.
کنعانی‌مقدم و همکاران (1398) به بررسی نظام کاربری زمین در شهرهای هوشمند پرداخته‌اند. هدف این مقاله تحلیل وضعیت کاربری زمین‌شهری از‌طریق ابعاد شهر هوشمند و در نظر گرفتن قابلیت‌های جدیدی است که فضای مجازی در اختیار قرار می‌دهد تا رویکرد نوین برنامه‌ریزی کاربری زمین شهری ارائه شود تا مناسب‌ترین بهره‌برداری از ظرفیت‌های شهر ایجاد شود. براساس نتایج این مقاله رویکردی نوین در اولویت‌بندی تخصیص زمین به کاربری‌ها و در کنار آن معرفی فضای جریان‌ها به‌عنوان مکمل فضای مکان‌ها و ظرفیتی نو برای برنامه‌ریزی کاربری زمین شهری ارائه شده است. بهارلویی و همکاران (1398)، با استفاده از روش توصیفی‌تحلیلی نقش شهرهای هوشمند در مدیریت کارآمد بحران‌های احتمالی را مورد توجه قرار داده‌اند. نتایج این پژوهش نشان داد شهرهای هوشمند علی‌رغم فرصت‌های بی‌بدیلی که برای پیش‌بینی، پیشگیری و کنترل بحران‌ها فراهم می‌کنند در دل خود تهدیداتی نیز به همراه دارند. اگرچه این تهدیدها در مقایسه با فرصت‌هایی که این شهرها جهت مدیریت بهینه بحران‌ها فراهم می‌کنند چندان قابل‌توجه نیستند، اما نباید از آن‌ها غافل شد و می‌بایست تمهیدات لازم را برای کاهش این تهدیدها اتخاذ کرد. یکی از ارکان مدیریت بحران به‌خصوص در مرحله پیشگیری از خطر برنامه‌ریزی صحیح کاربری زمین است.
قربانی (1399) با بررسی مفاهیم و اصول شهر هوشمند به جنبه‌های مؤثر آن در مدیریت بحران پرداخته است. نتایج پژوهش نشان داد نمونه‌های بسیار زیادی از کاربرد ابزارهای شهر هوشمند در مدیریت بحران وجود دارد. از‌جمله آن می‌توان به هوش مصنوعی، اینترنت اشیا و بلاک‌چین اشاره کرد که در این پژوهش چگونگی عملکرد هرکدام در مراحل مختلف مدیریت بحران (پیش از بحران، حین بحران و پس از بحران) بررسی شده است. شیعه و همکاران (1399)، با ارزیابی و پایش کمی و کیفی برنامه‌های مدیریت خطرپذیری و مدیریت بحران در گسترش حمل‌ونقل ریلی کلان‌شهر تهران و به تبع آن با بررسی میزان مخاطرات و آسیب‌پذیری شبکه ریلی کشور، خلأ ناشی از مدیریت هوشمند شهری در ابعاد برنامه‌ریزی کالبدی و فضایی را مشخص کرده‌اند. نکته بارز در مواجهه با بحران‌هایی همچون زمین‌لرزه و سیل در خطوط حمل‌ونقل زیرزمینی (مترو) عمدتاً وابسته به فرضیات آزمون‌وخطا، پیروی از روش‌های مدیریت سنتی و ضعف در آینده‌نگری و آینده‌پژوهی است. این مقاله، با تمرکز بر موضوع ارزیابی خطرپذیری و آسیب‌پذیری گسترش شبکه حمل‌ونقل ریلی و با رویکرد پایش مخاطرات کالبدی و فضایی ایستگاه‌های مترو انجام شده است. نتایج ارزیابی آسیب‌پذیری نشانگر آن بوده است که تمامی ایستگاه‌های متروی انتخابی برای پژوهش در محدوده آستانه خطر قرار دارند و نیازمند اتخاذ تدابیری هوشمند در تمامی مراحل قبل، حین و بعد از زمین‌لرزه و به کار گرفتن راهکارهای مدیریتی و اجرایی به‌منظور کاهش آسیب‌های احتمالی هستند.
هارتاما و همکاران (2017)، با بررسی مفهوم شهر امن به‌عنوان بخشی از مفاهیم شهر هوشمند چارچوبی را برای مدیریت بحران ترافیک در زمان وقوع بحران با استفاده از زمان‌بندی جریان ترافیک و مناطق ترافیکی به جهت کاهش زمان تخلیه جمعیت از شهر ارائه کرده‌اند. ارمیا و همکاران (2017) در پژوهشی ضمن ارائه خلاصه‌ای از روند تکامل مفهوم شهر هوشمند و مشخصه‌های آن، واژگان دیگری که معادل این مفهوم‌اند را مورد بررسی قرار دادندتا ویژگی‌های چندوجهی شهرهای آینده را ارزیابی کنند. همین‌طور ارتباط بین شهر هوشمند و شبکه هوشمند را بررسی کرده‌اند. پارک و همکاران (2018) در پژوهشی برای مدیریت آتش‌سوزی در شهر و ساختمان‌ها با استفاده از روش واقعیت افزوده و سه‌بعدی‌سازی، اطلاعات برخط را در قالب تصویری و سه‌بعدی به نمایش گذاشته و از این طریق تصمیم‌گیری در خصوص بحران را به‌شدت تسریع کرده‌اند. همچنین در این پژوهش فلوچارتی از زمان شروع آتش تا زمان اطفای آن ارائه شده است. پیش‌بینی میشود این سیستم بتواند آمار کشته‌شده‌های آتش‌سوزی در ساختمان‌ها را به‌شدت کاهش دهد. حسن‌خانی و همکاران (2021)، به دنبال تحلیل نقش فناوری‌های نوین در مدیریت بحران در 2 دهه اخیر و استفاده از این تجارب در مدیریت پاندمی ویروس کرونا بوده‌اند. روش مورداستفاده در این پژوهش مرور سیستماتیک بوده است. این پژوهش نشان داده است که فناوری‌های مختلف چگونه در مدیریت بحران، افزایش سلامت عمومی و تاب‌آوری شهری مؤثر بوده‌اند. فناوری ظرفیت‌های تعامل و مدیریت بحران را از‌طریق افزایش مشارکت و ارتباطات اجتماعی، افزایش سطح سلامت فیزیکی و ذهنی و پایداری کاربردی سیستم‌های اقتصادی و آموزشی افزایش داده است. این پژوهش به این نکته نیز اشاره دارد که در کنار اثرات مثبت، فناوری‌های نوین اثراتی منفی همچون جدایی دیجیتالی، حریم شخصی و محرمانگی و مشکلات ناشی از دورکاری و غیره را در پی داشته است. الواس و همکاران (2021)، با طراحی سیستمی تاب‌آور و یکپارچه با استفاده از متصل‌کردن زیرساخت‌های حیاتی در یک شهر هوشمند به دنبال افزایش تاب‌آوری آن در برابر بلایای طبیعی بوده‌اند. رویکرد اتخاذ‌شده در این پژوهش یک رویکرد داده‌مبنا با استفاده از هوش مصنوعی و روش‌های به حداقل رساندن اثرات مخرب بلایای طبیعی و همچنین به حداقل رساندن احتمالِ از مدار خارج شدن زیرساخت‌های شهری بوده است. این رویکرد داده‌مبنا یک سیستم پشتیبان تصمیم‌گیری را ارائه می‌کند که مدیریت بحران را پشتیبانی می‌کند.
پژوهش‌های بررسیشده از جوانب گوناگون به بررسی مفاهیم مطرح‌شده در‌زمینه شهر هوشمند و مدیریت بحران و همین‌طور مدیریت بحران هوشمند پرداخته‌اند. با وجود این امر، اما همچنان خلأهای پژوهشی قابل‌توجهی در این زمینه وجود دارد. به‌طور مثال هیچ‌کدام از پژوهش‌های مطرح‌شده مراحل کاهش خطر و آمادگی در مدیریت بحران و ارائه راهکار برای هریک از آن‌ها در شهر تهران را بررسی نکرده‌اند. از سوی دیگر هیچ‌کدام از پژوهش‌ها از نظرات بازیگران مختلف حوزه مدیریت بحران و شهر هوشمند در شهر تهران برای بررسی ساختار مدیریت بحران در هریک از مراحل چهارگانه آن و ارائه راهکار استفاده نکرده‌اند. به همین منظور هدف پژوهش حاضر این است که با بررسی مبانی نظری موجود در‌زمینه مدیریت بحران هوشمند، اسناد فرادست و نظرات متخصصان این حوزه ابتدا در مراحل کاهش خطر و آمادگی، نقاط قوت، ضعف، فرصت و تهدیدها را شناسایی کرده و سپس برای هریک از مراحل راهبردهای متناسب ارائه و اولویت‌بندی شوند.
محدوده موردمطالعه
شهر تهران با مساحت 615 کیلومترمربع و جمعیت 9/4 میلیون نفر ازنظر جغرافیایی در ۵۱ درجه و ۱۷ دقیقه تا ۵۱ درجه و ۳۳ دقیقه طول خاوری و ۳۵ درجه و ۳۶ دقیقه تا ۳۵ درجه و ۴۴ دقیقه عرض شمالی قرار گرفته است. ارتفاع کنونی تهران از سطح دریا در حدود ۹۰۰ تا ۱۸۰۰ متر است. شهر تهران از شرق با شهر دماوند، از جنوب با پاکدشت و ری، از غرب با اسلامشهر، شهریار و کرج و از شمال با شمیران همسایه است. تصویر شماره 3 نشان‌دهنده موقعیت شهر تهران در کشور ایران و همین‌طور مناطق 22 گانه این شهر است.
روش
این پژوهش از نوع کمی‌کیفی بوده و از نوع هدف کاربردی است. رویکرد پژوهش حاضر نیز توصیفی‌تحلیلی است. روش تحلیل این پژوهش روش تحلیل راهبردی یا سوات است (سورنسن و ویدار، ۱۹۹۹). استفاده از ماتریس سوات (نقاط قوت و ضعف، فرصت‌ها و تهدیدها) یک روش پرکاربرد برای برنامه‌ریزی استراتژیک است. چارچوب نقاط قوت، ضعف، فرصت‌ها و تهدیدها توسط بسیاری به‌عنوان یک ابزار تحلیلی پیشنهاد شده است که باید برای دسته‌بندی عوامل مهم داخلی و خارجی برای مدیریت و برنامه‌ریزی شهری در حوزه‌های مختلف مورد استفاده قرار گیرد (پیکتون و رایت، ۱۹۹۸؛ ابیا و همکاران، ۲۰۱۵). ازآنجاییکه این روش در بخش شناسایی نقاط قوت و ضعف و همچنین فرصت‌ها و تهدیدها از بررسی متون، داده و نظرات متخصصان استفاده می‌کند، در بخش کیفی قرار گرفته و از طرف دیگر در امتیازدهی، وزن‌دهی و اولویت‌دهی راهبردها از روش‌های کمی استفاده می‌کند و در بخش روش‌های کمی قرار می‌گیرد. بنابراین در پژوهش حاضر از هر 2 روش کیفی و کمی بهره گرفته شده است. در ادامه ابزارهای مورداستفاده در هر قسمت پژوهش بیان شده است. در بخش نخست که مربوط به مبانی نظری و بررسی تجارب میشود از روش اسنادی و کتابخانه‌ای برای گردآوری اطلاعات موردنیاز استفاده شده است. منابع استفاده‌شده در این بخش شامل مقالات، گزارش‌های بین‌المللی و داخلی، وبسایتها و کتاب‌های مرتبط میشود. با استفاده از اطلاعات به‌دست‌آمده از مبانی و تجارب، معیارهای پژوهش استخراج شدند که در جدول شماره 1 قابل‌مشاهده‌اند.
در گام بعد و برای شناخت محدوده موردمطالعه در ابتدا از روش کتابخانه‌ای استفاده شده است و اسناد و قوانین مربوط به مدیریت بحران (شامل قانون مدیریت بحران کشور، سند راهبرد ملی مدیریت بحران کشور، برنامه ملی کاهش خطر حوادث و سوانح و برنامه ملی آمادگی و پاسخ) و شهر هوشمند (شامل طرح جامع مدیریت شهری تهران و همین‌طور سند مدل بومی تهران هوشمند) در این راستا بررسیشده است. علاوه‌بر بررسی اسناد فرادست جهت شناخت بیشتر از وضعیت موجود و پیشِ‌روی شهر تهران در‌زمینه مدیریت بحران هوشمند، 10 مصاحبه با متخصصین حوزه‌های شهر هوشمند، مدیریت بحران و برنامه‌ریزی شهری صورت گرفت. مدل مصاحبه صورت‌گرفته از نوع نیمه‌ساختاریافته بوده است و تا زمان اشباع نظری، فرایند مصاحبه کردن با متخصصان ادامه داشته است. جامعه آماری پژوهش نیز باتوجه‌به موضوع آن، متخصصین حوزه‌های ذکر‌شده هستند. باتوجه‌به اینکه موضوع پژوهش موضوعی جدید در کشور ایران و شهر تهران است، تعداد متخصصانی که مسلط به حوزه مدیریت هوشمند بحران باشند به نسبت محدود است. در نتیجه پس از انجام 8 مصاحبه نکات مطرح‌شده تکرار شده است. به‌طوری‌که دهمین مصاحبه حاوی نکته جدید قابل‌ملاحظه و متفاوتی نسبت به 9 مصاحبه قبلی نبود به همین دلیل تعداد مصاحبه‌ها در عدد 10 متوقف شد. به‌علاوه، مصاحبه‌شوندگان از میان تصمیم‌گیران و مسئولین حوزه‌های مدیریت بحران و شهر هوشمند انتخاب شده‌اند که اطلاعات کاملی از شرایط موجود شهر تهران در حوزه موردمطالعه داشته‌اند. به همین دلیل اطلاعات دریافتی از ایشان جامع و ارزشمند بوده است. به‌نحوی‌که پاسخگوی نیازهای پژوهش بوده است. جدول شماره 2 بیانگر اطلاعات مصاحبه‌شوندگان است.
در مرحله شناخت و تحلیل با استفاده از اطلاعات به‌دست‌آمده از مبانی نظری و تجارب، اسناد فرادست و مصاحبه‌ها و از‌طریق تحلیل سوات نقاط قوت، ضعف و فرصت‌ها و تهدیدهای شهر تهران در مرحله کاهش خطر و آمادگی بحران شناسایی شد. در گام بعد از ماتریس برنامه‌ریزی استراتژیک کمی استفاده شد. چراکه چارچوب شفافی برای فرایند اولویت‌بندی ارائه می‌دهد. مطابق نظر متخصصان، وزن‌دهی و امتیازدهی به نقاط قوت و ضعف (عوامل داخلی) و فرصت‌ها و تهدیدها (عوامل خارجی) با استفاده از ماتریس ارزیابی عوامل داخلی و ماتریس عوامل خارجی صورت‌گرفته است (آلاماندا و همکاران، ۲۰۱۹؛ مالیک، ۲۰۲۰) و در‌نهایت از تلاقی عوامل داخلی و خارجی با استفاده از ماتریس برنامه‌ریزی استراتژیک کمی راهبردهای مدنظر اولویت‌بندی شده است (گوپتا و همکاران، ۲۰۱۵).
روایی و پایایی پژوهش
بررسی روایی و پایایی روش‌های کیفی 4 معیار اصلی دارد که عبارت‌اند از: باورپذیری، اطمینان‌پذیری، تأییدپذیری و انتقال‌پذیری. در ادامه توضیح هریک از معیار‌ها به همراه نحوه اعمال آن در این پژوهش شرح داده شده است.
باورپذیری: باورپذیری با میزان باورداشتن یافته‌های پژوهش ارتباط دارد. ازاین‌رو باورپذیری با قابل‌باور بودن یا قانع‌کننده بودن یک پژوهش ارتباط دارد (دنزین، ۱۹۷۸).
بررسی باورپذیری پژوهش: ازآنجاییکه در انجام پژوهش از مقالات و منابع علمی معتبر از لحاظ اعتبار نشریه منتشر‌شده و همین‌طور اعتبار نویسنده آن استفاده شده است، داده‌های موجود از اعتبار بالایی برخوردار هستند. از طرف دیگر از منابع متفاوت داخلی و بین‌المللی نیز برای انجام کار استفاده شده است. بنابراین اصل زاویه‌بندی نیز رعایت شده است. همچنین موارد مثبت و منفی نیز مورد بررسی قرار گرفته و در‌نهایت با استفاده ازنظر متخصصین خبره مراحل پژوهش و محتوای آن مورد تأیید قرار گرفته است. بنابراین می‌توان گفت باورپذیری کار از سطح بالایی برخوردار است.
اطمینان‌پذیری: ازنظر گوبا و لینکن اطمینان‌پذیری عبارت است از توانایی شناسایی منبعی که داده‌های یک مطالعه از آن آمده، گردآوری شده و به کار رفته است. به‌علاوه پژوهشگران کیفی می‌توانند اطمینان‌پذیری را از‌طریق روش کنترل عضو افزایش دهند. در روش کنترل عضو یا اعتبار پاسخ‌گو، پژوهشگر فرض‌های خود را با 1 یا چند نفر از افراد مطلع کنترل می‌کند (گوبا و لینکن، ۱۹۸۲).
بررسی اطمینان‌پذیری پژوهش: ازآنجاییکه در پژوهش حاضر داده‌های جمع‌آوری‌شده از منابع معتبری جمع‌آوری شده‌اند و در تمامی مراحل کار متخصصین خبره ناظر بر روند پیشرفت پژوهش بوده‌اند، اطمینان‌پذیری این پژوهش نیز مورد تأیید است.
تأییدپذیری: در تأییدپذیری پژوهشگر باید نشان دهد یافته‌های وی عملاً و واقعاً مبتنی بر داده‌ها هستند. تأییدپذیری با جزئیات روش‌شناسی‌های به‌کاررفته در پژوهش ارتباط دارد و به این پرسش پاسخ می‌دهد که: «آیا پژوهشگر به‌اندازه کافی جزئیاتی در اختیار ما گذاشته است که بتوانیم گردآوری و تحلیل داده‌ها را ارزیابی کنیم؟» (حبیبی، 1394).
بررسی تأییدپذیری پژوهش: ازآنجاییکه در قسمت ساختار و محتوای پژوهش و همین‌طور در بخش روش‌شناسی جزئیات هر مرحله از روش‌شناسی مورد بررسی قرار گرفته است و نحوه جمع‌آوری داده‌ها و تحلیل بررسی شده است، می‌توان گفت پژوهش حاضر از تأییدپذیری بالایی برخوردار است.
انتقال‌پذیری : یکی از معیارهای ارزیابی پژوهش‌های کمی، میزان تعمیم‌پذیری پژوهش است که به آن اعتبار بیرونی نیز گفته میشود، اما در تحقیق کیفی معادل این مفهوم را می‌توان انتقال‌پذیری دانست. به این معنا که نتایج مطالعه بتوانند به یک محیط متفاوت دیگر نیز منتقل شوند و برای یک جمعیت متفاوت به کار روند (حبیبی، 1394).
بررسی انتقال‌پذیری پژوهش: در این پژوهش با استفاده از توصیف ضخیم سعی بر ارائه همه جزئیات مرتبط با فرایند پژوهش شده است. باتوجه‌به اینکه جزئیات هریک از مراحل پژوهش مورد تشریح قرار گرفته است، محققان دیگر می‌توانند فرایند کار را به‌وضوح مشاهده کرده و در محیط‌های دیگر از همین فرایند جهت رسیدن به نتیجه خاص خود استفاده کنند و این موضوع به این معنی است که پژوهش از این نظر انتقال‌پذیر است. تصویر شماره 4 بیانگر مراحل پژوهش است.
یافته‌ها
پس از بررسی اسناد فرادست مربوط به مدیریت بحران و شهر هوشمند در شهر تهران و همین‌طور بررسی مصاحبه متخصصان، ماتریس سوات مرحله کاهش خطر و آمادگی تنظیم شد. بررسی مصاحبه متخصصان نشان می‌دهد در راستای هرکدام از معیارهای پژوهش چه کلیدواژه‌های پرتکراری وجود داشته‌اند. جدول شماره 3 بیانگر این کلیدواژه‌های پرتکرار است.
تحلیل و ارزیابی عوامل داخلی
عوامل درون‌سازمانی مدیریت هوشمند بحران در شهر تهران طبق بررسی‌ها و مصاحبه‌های انجام‌شده مطابق جدول شماره 4 است که بیانگر ماتریس ارزیابی عوامل داخلی پژوهش است. همان‌طور که در این جدول نشان داده شده است، عوامل داخلی شناسایی‌شده برای مدیریت هوشمند بحران در شهر تهران شامل ۱۰ قوت و ۱۰ ضعف است که هرکدام از اهمیت متفاوت و میزان تأثیرگذاری متفاوتی بر کل سیستم برخوردار هستند. در تکمیل جدول عوامل داخلی دومین ستون نشان‌دهنده میزان اهمیت هر مؤلفه و مقایسه این مؤلفه‌ها با یکدیگر است. برای به دست آوردن این ضریب پس از مقایسه زوجی مؤلفه‌ها میانگین هندسی هر ردیف محاسبه شده و سپس اعداد نرمال شده‌اند. بنابراین ضریب اهمیت هر مؤلفه عددی بین صفر و 1 است و مجموع ضرایب تمام مؤلفه‌های داخلی، عدد 1 است. در ستون سوم باتوجه‌به شدت قوت‌ها به ترتیب رتبه ۴ یا ۳ برای قوت عالی یا معمولی به هر مؤلفه اختصاص داده شده است. دررابطه‌با ضعف‌ها نیز به ترتیب رتبه ۱ یا ۲ برای موارد معمولی و جدی در نظر گرفته شده است. درصورتی‌که جمع کل امتیاز نهایی عوامل داخلی در این جدول بیش از 2/5 باشد، می‌توان نتیجه گرفت که قوت‌های موجود بر ضعف‌ها غلبه دارند و درصورتی‌که این عدد کمتر از 2/5 باشد، نشان‌دهنده غلبه ضعف‌ها بر قوت‌هاست. مطابق این جدول میانگین نمره نهایی ماتریس عوامل داخلی مدیریت بحران در شهر تهران عددی تقریباً برابر با 2/333 است.
تحلیل و ارزیابی عوامل خارجی
عوامل برون‌سازمانی مدیریت هوشمند بحران در شهر تهران طبق بررسی‌های انجام‌شده و مصاحبه‌های صورت‌گرفته، مطابق جدول شماره 5 است که بیانگر ماتریس ارزیابی عوامل خارجی پژوهش است. همان‌طور که در این جدول نشان داده شده است، عوامل خارجی شناسایی شده برای مدیریت هوشمند بحران در شهر تهران شامل ۸ فرصت و ۸ تهدید است که هرکدام از اهمیت و میزان تأثیرگذاری متفاوتی بر کل سیستم برخوردار هستند. در تکمیل جدول عوامل خارجی دومین ستون نشان‌دهنده میزان اهمیت هر مؤلفه و مقایسه این مؤلفه‌ها با یکدیگر است. برای به دست آوردن این ضریب پس از مقایسه زوجی مؤلفه‌ها، میانگین هندسی هر ردیف محاسبه شده و سپس اعداد نرمال شده‌اند. بنابراین ضریب اهمیت هر مؤلفه عددی بین صفر و 1 است و مجموع ضرایب تمام مولفه‌های داخلی، عدد 1 است. در ستون سوم باتوجه‌به نوع فرصت‌ها به ترتیب رتبه ۴ یا ۳ برای فرصت عالی یا معمولی به هر مؤلفه اختصاص داده شده است. دررابطه‌با تهدیدها نیز به ترتیب رتبه ۱ یا ۲ برای موارد معمولی و جدی در نظر گرفته شده است. درصورتی‌که جمع کل امتیاز نهایی عوامل خارجی در این جدول بیش از ۵/۲ باشد، می‌توان نتیجه گرفت که فرصت‌های پیش‌بینی‌شده بر تهدیدهای احتمالی غلبه دارند و درصورتی‌که این عدد کمتر از 2/5 باشد، نشان‌دهنده غلبه تهدیدها بر فرصت‌هاست. مطابق این جدول میانگین نمره نهایی ماتریس عوامل خارجی مدیریت بحران در شهر تهران عددی تقریباً برابر با 2/351 است.
ماتریس عوامل داخلی و خارجی
ارزیابی اقدام و موقعیت استراتژیک یا اسپیس روشی برای انتخاب استراتژی مناسب براساس عوامل درونی و بیرونی سازمان است. این ماتریس در‌واقع یک نمودار 4 بخشی است که هرکدام از بخش‌ها نشان‌دهنده یک نوع استراتژی برای مقابله با موضوع موردمطالعه است. هر بخش از این ماتریس از ترکیب 2 بخش از سوات تشکیل شده است. ماتریس استراتژی‌ها و اولویت‌های اجرایی براساس استقرار داده‌ها در 2 بعد اصلی شکل می‌گیرد.
۱. جمع امتیاز نهایی ماتریس ارزیابی عوامل داخلی که بر روی محور ایکس‌ها (X) نشان داده میشود.
۲. جمع امتیاز نهایی ماتریس ارزیابی عوامل خارجی که بر روی محور وای‌ها (Y) نوشته میشود.
در ماتریس استراتژی‌ها و اولویت‌های اجرایی این نمرات در یک طیف 2 بخشی قوی (2/5 تا ۴) و ضعیف (۱ تا 2/5) طبقه‌بندی می‌شوند. در این ماتریس درصورتی‌که موقعیت موضوع موردمطالعه ازنظر نمرات عوامل خارجی و داخلی در ناحیه اول نمودار باشد، استراتژی تهاجمی اگر در ناحیه دوم، باشد استراتژی رقابتی، چنانچه در خانه سوم باشد، استراتژی محافظه‌کارانه و درصورتی‌که این عدد در ناحیه چهارم قرار گیرد استراتژی تدافعی پیشنهاد میشود (ضرابی و محبوب‌فر، ۱۳۹۲). در تصویر شماره 4 با استفاده از ماتریس عوامل داخلی و خارجی و استقرار نمرات ماتریس‌های ارزیابی عوامل داخلی و خارجی بر روی آن، موقعیت استراتژیک مدیریت بحران شهر تهران با رویکرد شهر هوشمند مشخص شده است. جمع امتیاز نهایی عوامل داخلی بر روی محور ایکس‌ها، 2/333 و جمع امتیاز به‌دست‌آمده از عوامل خارجی بر روی محور وای‌ها، برابر با 2/351 است. بنابراین براساس ماتریس ارزیابی اقدام و موقعیت استراتژیک، استراتژی متناسب برای برخورد با مسئله مدیریت هوشمند بحران در شهر تهران در ناحیه استراتژیک چهارم نمودار مشخص میشود که متناسب با آن استراتژی‌های تدافعی (WT) انتخاب خواهند شد و در اولویت بعدی 2 استراتژی محافظه (WO) کارانه و رقابتی (ST) قرار می‌گیرند.
همان‌طور که گفته شد، دومین مرحله پس از امتیازدهی به مؤلفه‌های به‌دست‌آمده در تحلیل سوات، تعیین موقعیت استراتژیک مسئله موردمطالعه و تدوین راهبردهای متناسب با هر ۴ نوع استراتژی است. ازاین‌رو برای هریک از استراتژی‌های تهاجم، تدافعی، رقابتی و محافظه‌کارانه، راهبردهای متناسب با ترکیب عوامل داخلی و خارجی تدوین شده‌اند. جدول شماره ۶ نشان‌دهنده راهبردهای به‌دست‌آمده از تحلیل سوات و دسته‌بندی آن‌ها در ۴ منطقه استراتژیک است.
اولویت‌بندی راهبردها: ماتریس برنامه‌ریزی استراتژیک کمی
در این بخش پس از تدوین راهبردهای متناسب با هر استراتژی، جهت اولویت‌بندی راهبردهای ارائه‌شده براساس ماتریس سوات، از ماتریس برنامه‌ریزی استراتژیک کمی استفاده شده است. در این روش تمامی مؤلفه‌های شناسایی‌شده در تحلیل سوات در ستون سمت راست و تمامی استراتژی‌ها در ردیف اول ماتریس قرار می‌گیرند. سپس براساس نظر کارشناسان به هریک از مؤلفه‌ها در راهبرد مرتبط امتیازی نسبی (عددی بین ۱ تا ۴) داده میشود. امتیازهای جذابیت نسبت داده‌شده در انتها در ضرایب اهمیت هر مؤلفه ضرب شده و امتیاز نهایی حاصل میشود. در ادامه به اولویت‌بندی انواع راهبردهای تهاجمی (SO)، رقابتی، محافظه‌کارانه و تدافعی پرداخته شده است.
در بین راهبردهای تهاجمی، راهبردهای SO1 با امتیاز جذابیت کل 4/988، SO3 با امتیاز 4/974، SO7 با امتیاز 4/777، SO5 با امتیاز 4/114، SO6 با امتیاز 3/903 و SO4 با امتیاز 3/659 اولویت‌های اول تا هفتم را به خود اختصاص داده‌اند (جدول شماره 7). با بررسی راهبردهای با امتیاز بالاتر مشخص میشود که در خصوص راهبردهای تهاجمی باید بر روی ایجاد سامانه‌های یکپارچه و تعاملی اطلاعات، پایگاه‌های رصد لحظه‌ای، استفاده از فناوری‌های نوینی همچون اینترنت اشیا جهت جمع‌آوری برخط اطلاعات و همچنین بهره گرفتن از مشارکت الکترونیک شهروندان در مرحله جمع‌آوری اطلاعات تمرکز شود.
در خصوص راهبردهای رقابتی به ترتیب اولویت با راهبردهای ST5 با امتیاز جذابیت کل 5/127، ST1 با امتیاز 4/629، ST4 با امتیاز 4/6، ST3 با امتیاز 4/366، ST6 با امتیاز 4/273، ST2 با امتیاز 3/866، ST7 با امتیاز 3/73 است (جدول شماره 8). با بررسی اولویت‌های به‌دست‌آمده از راهبردهای رقابتی مشخص است که باید تمرکز بر روی پایش برخط ساختوسازها در محدوده‌های پرخطر، تجهیز مسیل‌های سیلابی شهر تهران به سنسورهای هوشمند جهت جمع‌آوری اطلاعات برخط و اعلام هشدار سریع، تعیین استانداردهای جمع‌آوری اطلاعات برای سیستم یکپارچه مدیریت بحران و شناسایی هوشمند اطلاعات نادرست در بستر اینترنت و فضای مجازی باشد.
در خصوص راهبردهای محافظه‌کارانه اولویت به ترتیب با راهبردهای WO3 با امتیاز جذابیت کل 5/125، WO4 با امتیاز 5/009، WO5 با امتیاز 4/416، WO1 با امتیاز 4/227 و WO2 با امتیاز 4/16 است (جدول شماره 9). با بررسی اولویت‌ها در راهبردهای محافظه‌کارانه مشخص میشود که تمرکز باید بر روی استفاده از بانک‌های اطلاعاتی برخط جهت مکان‌یابی و اصلاح مکان تأسیسات موجود و آتی، ایجاد سامانه هوشمند مدیریت نوسازی بافت فرسوده جهت تجمیع اطلاعات برخط این بافت‌ها و ثبت‌نام ذی‌نفعان برای مشارکت یکپارچه و استفاده از ظرفیت‌های علمی دانشگاهی و اندیشگاهی جهت تحقیق و توسعه پیوسته در حوزه مدیریت هوشمند بحران قرار گیرد.
در خصوص راهبردهای تدافعی (جدول شماره 10)، اولویت به ترتیب با راهبردهای WT3 با امتیاز جذابیت کل 5/593، WT2 با امتیاز 5/055، WT4 با امتیاز 4/981 و WT1 با امتیاز 4/105 است. این امر نشان‌دهنده اهمیت قابل‌توجه تهیه نقشه خطر و شناسایی تأسیسات و تجهیزات شهری با مکان‌یابی نادرست و تلفیق آن با پهنه‌هایی با بیشترین میزان ساختوسازهای غیراصولی انجام‌شده، جهت اولویت‌بندی نقاط حادثه‌خیز و تخصیص بهینه منابع محدود جهت کاهش خطر در بحرانی‌ترین نقاط است. بدیهی است که شناسایی نقاط پرخطر و حادثه‌خیز که با استفاده از تکنولوژی‌های نوین اطلاعاتی و جغرافیایی انجام گیرد، تأثیر شایانی در تسهیل مدیریت بحران در مراحل کاهش خطر و آمادگی دارد. یکی از مهم‌ترین دلایل لزوم استفاده از رویکردهای هوشمند در مدیریت بحران، مکان‌یابی داده‌های شهری به‌صورت لحظه‌ای و امکان تلفیق تمام این اطلاعات به‌صورت کلان‌داده در یک بستر یکپارچه است. وجود قوانین سازنده و استقرار نهادهای نظارتی محلی برای اطمینان از اجرای قوانین نیز می‌تواند در این راستا کمک قابل‌توجهی به تسهیل مدیریت شهری به‌ویژه در حوزه مدیریت بحران کند. چراکه هوشمندسازی روندهای مدیریتی به‌هیچ‌عنوان بدون وجود قوانین مربوطه امکان‌پذیر نخواهد بود.
بحث
با افزایش روزافزون شهرنشینی، شهرها به پدیده‌های بسیار پیچیده‌تری نسبت به گذشته تبدیل شده‌اند و بدون شک مدیریت آن‌ها نیز با چالش‌های جدیدی روبه‌رو است. این چالش‌ها در شهر تهران به‌واسطه تمرکز بالای جمعیت و فعالیت‌های گوناگون دوچندان است. همچنین به‌واسطه قرارگیری شهر تهران در پهنه‌های پرخطر، فرایند مدیریت بحران نیز در این شهر با چالش‌های جدی روبه‌رو است. با وجود این میزان پیچیدگی، مدیریت بحران به شیوه‌های سنتی عملی نیست. یکی از اصول اساسی در مدیریت بحران پیش‌بینی و سناریوسازی برای کاهش خطرات و آمادگی در مقابل بحران‌هاست. پیش‌بینی بدون تحلیل داده عملی نیست و باتوجه‌به حجم بالای داده‌های تولیدی در شهر تهران، جمع‌آوری و تحلیل آن‌ها با شیوه‌های سنتی ممکن نیست. پژوهش حاضر در پی آن بوده است تا ابتدا به شناسایی نقاط قوت، ضعف، فرصت‌ها و تهدیدهای موجود در مراحل کاهش خطر و آمادگی در شهر تهران بپردازد و در‌نهایت راهبردهای اولویت‌بندی‌شده را برای این مراحل ارائه دهد. در این راستا ابتدا مبانی نظری و پیشینه پژوهش دررابطه‌با مدیریت بحران، شهر هوشمند و مدیریت هوشمند بحران بررسی شد. پس از بررسی مبانی نظری و پیشینه پژوهش، معیارهای پژوهش استخراج و براساس آن سؤالات مصاحبه تهیه شدند. در گام بعد با استفاده از نتایج مصاحبه و بررسی اسناد فرادست در حوزه شهر هوشمند و مدیریت بحران شهر تهران، ماتریس سوات برای مراحل کاهش خطر و آمادگی تهیه شد. در گام بعد با استفاده از ماتریس‌های ارزیابی عوامل داخلی و خارجی، عوامل داخلی (نقاط قوت و ضعف) و عوامل خارجی (فرصت‌ها و تهدیدها) با استفاده ازنظر متخصصان امتیازدهی و اولویت‌بندی شدند.
نتیجه‌گیری
باتوجه‌به امتیازات عوامل داخلی (2/333) و خارجی (2/351)، در این پژوهش راهبردهای تدافعی از اهمیت بالاتری برخوردار هستند. در گام بعد، از تلاقی نقاط قوت و ضعف با فرصت‌ها و تهدیدها، راهبردهای تهاجمی، رقابتی، محافظه‌کارانه و تدافعی ارائه شد و با استفاده از ماتریس برنامه‌ریزی استراتژیک کمی این راهبردها اولویت‌بندی شدند. پس از بررسی راهبردهای پژوهش با بیشترین امتیازات جذابیت کل (WT3 با امتیاز جذابیت کل 5/593، ST5 با امتیاز 5/127، WO3 با امتیاز جذابیت کل 5/125، WT2 با امتیاز 5/055، WO4 با امتیاز 5/009، SO1 با امتیاز جذابیت کل 4/988) می‌توان نتیجه گرفت که اولویت راهبردها برای مراحل کاهش خطر و آمادگی در مدیریت هوشمند بحران شهر تهران باید به ترتیب شامل این موارد باشد: ۱. تهیه نقشه خطر و شناسایی تأسیسات و تجهیزات شهری با مکان‌یابی نادرست و تلفیق آن با پهنه‌هایی با بیشترین میزان ساختوسازهای غیراصولی انجام‌شده، جهت اولویت‌بندی نقاط حادثه‌خیز و تخصیص بهینه منابع محدود جهت کاهش خطر در بحرانی‌ترین نقاط؛ ۲. پایش برخط ساختوسازها در محدوده‌های پرخطر؛ ۳. استفاده از بانک‌های اطلاعاتی برخط جهت مکان‌یابی و اصلاح مکان تأسیسات موجود و آتی؛ ۴. تدوین قوانین منع‌کننده ساخت‌و‌ساز در محلات مستعد سیل برای جلوگیری از افزایش جمعیت و فعالیت در این مناطق و کاهش هزینه‌های مالی و جانی در صورت وقوع حادثه و نظارت نهادهای عمومی واقع در این محلات جهت اطمینان از اجرای قوانین و اطلاع‌رسانی بهنگام؛ ۵. ایجاد سامانه هوشمند مدیریت نوسازی بافت فرسوده جهت تجمیع اطلاعات برخط این بافت‌ها و ثبت‌نام ذی‌نفعان برای مشارکت یکپارچه؛ ۶. ایجاد یک سامانه تعاملی در خصوص مدیریت بحران که امکان جمع‌آوری اطلاعات، اطلاع‌رسانی، هشدار زودهنگام و آموزش شهروندان را دارا باشد. پیشنهاد میشود مدیریت شهری و سازمان‌ها و نهادهای ذی‌ربط در حوزه زیرساخت، برای جمع‌آوری و تحلیل اطلاعات به‌صورت یکپارچه سرمایه‌گذاری کنند و اولویت‌های اجرایی را در‌زمینه شناسایی نقاط پرخطر به‌صورت برخط، سامانه‌های پایش ساخت‌و‌ساز، سامانه مدیریت بافت‌های فرسوده و جاگذاری سنسورها با استفاده از فناوری اینترنت اشیا جهت جمع‌آوری داده‌های به‌روز و موثق قرار دهند. نیاز است تا پایش اجرای قوانین مدیریت بحران در سازمان‌ها و همین‌طور در ساختوسازها به‌طور جدی مدنظر قرار گیرد تا بتوان نقاط ضعف را کاهش داد و در مقابلِ تهدیدات آتی آماده بود. در مسیر انجام پژوهش حاضر محدودیت‌هایی وجود داشته است. از جمله این محدودیت‌ها می‌توان به دسترسی محدود و دشوار به مسئولین و متخصصین حوزه مدیریت بحران و اقدامات صورت‌گرفته در‌زمینه هوشمندسازی مدیریت بحران در شهر تهران و عدم دسترسی به برخی اطلاعات شهری در‌زمینه مدیریت بحران اشاره کرد. پیشنهاد میشود که در پژوهش‌های آتی به مراحل پاسخ و بازیابی پرداخته شود و راهبردهای موردنیاز این مراحل نیز ارائه شود.
ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
اصول اخلاق پژوهش در این مقاله رعایت شده‌اند.
حامی مالی
این مقاله برگرفته از طرح پژوهشی با عنوان «تدوین راهبردهای مدیریت بحران در شهرهوشمند» در پژوهشگاه علوم و معارف دفاع مقدس است.
مشارکت نویسندگان
مفهوم‌سازی، بررسی و نوشتن-پیش‌نویس اصلی: همه نویسندگان؛ روش‌شناسی، جذب سرمایه، منابع و نظارت: علی عزیزی وحسین اسکندری صدق؛ نگارش: حسین اسکندری صدق؛ نقد و ویرایش: علی عزیزی؛
تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.
References
Akande, A., Cabral, P., Gomes, P., & Casteleyn, S. (2019). The Lisbon ranking for smart, sustainable cities in Europe. Sustainable Cities and Society, 44, 475-487. [DOI:10.1016/j.scs.2018.10.009]
Alamanda, D. T., Anggadwita, G., Raynaldi, M., Novani, S., & Kijima, K. (2019). Designing strategies using IFE, EFE, IE, and QSPM analysis: Digital village case. The Asian Journal of Technology Management, 12(1), 48-57. [DOI:10.12695/ajtm.2019.12.1.4]
Abya, H., Khalili, M. M. N., Ebrahimi, M., & Movahed, A. (2015). Strategic planning for tourism industry using SWOT and QSPM. Management Science Letters, 5(3), 295-300. [DOI:10.5267/j.msl.2015.1.009]
Baharlooyi, H. R., Moughali, M. (2019). [Opportunities and threats of the smart city in the process of crisis management (Persian)]. Paper presented at: The 14th Congress of the Iranian Geographic Society, Tehran, Iran, 4 May 2019. [Link]
Behzadfar, M. (2003). [Necessities and obstacles to create a smart city in Iran (Persian)]. Honar-Ha-Ye-Ziba, 15, 14-27. [Link]
Bilotta, G., Cappello, A., & Ganci, G. (2022). Formal matters on the topic of risk mitigation: A mathematical perspective. Applied Sciences, 13(1), 265. [DOI:10.3390/app13010265]
Breakspear, A. (2013). A new definition of intelligence. Intelligence and National Security, 28(5), 678-693. [DOI:10.1080/02684527.2012.699285]
Buhl, M., & Markolf, S. (2022). A review of emerging strategies for incorporating climate change considerations into infrastructure planning, design, and decision making. Sustainable and Resilient Infrastructure, 8(sup1), 157-169. [DOI:10.1080/23789689.2022.2134646]
Chaudhary, M. T., & Piracha, A. (2021). Natural Disasters—Origins, Impacts, Management. Encyclopedia, 1(4), 1101–1131. [Link]
Denzin, N. K. (1978). Sociological methods: A source book. New York: Mcgraw-Hill. [Link]
Elango, N., & Arul, C. (2022). Ecosystem-based disaster management planning for the Eastern Coast of India. Journal of Coastal Research, 39(1), 83-89. [DOI:10.2112/jcoastres-d-22-00031.1]
Elvas, L. B., Mataloto, B. M., Martins, A. L., & Ferreira, J. C. (2021). Disaster management in smart cities. Smart Cities, 4(2), 819-839. [DOI:10.3390/smartcities4020042]
Eremia, M., Toma, L., & Sănduleac, M. (2017). The smart city concept in the 21st century. Procedia Engineering, 181, 12-19. [DOI:10.1016/j.proeng.2017.02.357]
Farzadnia, A., & Parapari, D. ( 2018). [The impact of smart cities on crisis management, a case study: Japan (Persian)]. Paper presented at: Conference on Civil Engineering, Architecture and Urban Planning of the Islamic World, Tabriz, Iran, 10 May 2018. [Link]
Garcia-Retuerta, D., Chamoso, P., Hernández, G., Guzmán, A. S. R., Yigitcanlar, T., & Corchado, J. M. (2021). An efficient management platform for developing smart cities: Solution for real-time and future crowd detection. Electronics, 10(7), 765. [DOI:10.3390/electronics10070765]
Gheisari, M., Pham, Q. V., Alazab, M., Zhang, X., FernandezCampusano, C., & Srivastava, G. (2019). ECA: An edge computing architecture for privacy-preserving in IoT-based smart city. IEEE Access, 7, 155779-155786. [DOI:10.1109/access.2019.2937177]
Ghorbani, Z. (2021). [Crisis management in the smart city: Basics and typology (Persian)]. Paper presented at: The Fourth National Conference and The First International Conference on The Aplication of Advanced Spatial Analysis Models in Land Use Planning, Yazd, Iran, 3-4 March 2021. [Link]
Giffinger, R., Fertner, C., Kramar, H., & Meijers, E. (2007). City-ranking of European medium-sized cities. Cent Reg Sci Vienna UT, 9(1), 1-12. [Link]
Guha-Sapir, D., Hoyois, P., Wallemacq, P., & Below, R. (2016). Annual disaster statistical review 2016: The numbers and trends. Brussels: Center for Research on the Epidemiology of Disasters (CRED). [Link]
Guba, E. G., & Lincoln, Y. S. (1982). Epistemological and methodological bases of naturalistic inquiry. ECTJ, 30(4), 233-252. [Link]
Gupta, M., Shri, C., & Agrawal, A. (2015). Strategy formulation for performance improvement of indian corrugated industry: An application of SWOT analysis and QSPM matrix. Journal of Applied Packaging Research, 7(3), 60-75. [Link]
Habibi, Gh. (2014). [Methodological insight (Persian)]. Tehran: Ketabehame. [Link]K]
Hämäläinen, M. (2020). A framework for a smart city design: Digital transformation in the Helsinki smart city. In V. Ratten (Ed.), Entrepreneurship and the community. Contributions to management science (pp. 63-86). Cham: Springer. [DOI:10.1007/978-3-030-23604-5_5]
Hartama, D., Mawengkang, H., Zarlis, M., Sembiring, R.W., Furqan, M., & Abdullah, D., et al. (2017). A research framework of disaster traffic management to Smart City. Paper presented at: 2017 Second International Conference on Informatics and Computing (ICIC), Jayapura, Indonesia, 01-03 November 2017. [DOI:10.1109/iac.2017.8280607]
Hassankhani, M., Alidadi, M., Sharifi, A., & Azhdari, A. (2021). Smart city and crisis management: Lessons for the COVID-19 pandemic. International Journal of Environmental Research and Public Health, 18(15), 7736. [DOI:10.3390/ijerph18157736] [PMID]
Jayasekara, R. U., Jayathilaka, G. S., Siriwardana, C., Amaratunga, D. G., & Haigh, R. P., Bandara, C. S. (2021). Identifying gaps in early warning mechanisms and evacuation procedures for tsunamis in Sri Lanka, with a special focus on the use of social media. International Journal of Disaster Resilience in the Built Environment, 14(1), 1-20. [DOI:10.1108/ijdrbe-02-2021-0012]
Kamali, Y., & Mirzaei , J. (2018). [Comparative study of disaster management structure in Iran, Japan, India And Turkey (Persian)]. Strategic Studies Of Public Policy, 7(25), 245-289. [Link]
Kamranzad, F., Memarian, H., & Zare, M. (2020). Earthquake risk assessment for Tehran, Iran. ISPRS International Journal of Geo-Information, 9(7), 430. [DOI:10.3390/ijgi9070430]
Kanani Moghadam, S., Shieh, E., Behzadfar, M., & Zarabadi, S. (2019). [Necessity of urban landuse planning adaption to smart city; considering the effects of information and communication technology adapting AHP (Persian)]. Urban Management Studies, 10(35), 59-75. [Link]
Khare, A. B., & Sharma, M. K. (2016). Integrated Governance (i-Gov) Framework for E-governance (IFEG), using ERP in Uttarakhand. Journal of Computer Engineering, 18(3), 44-49. [Link]
Kulandaivel, R., Balasubramaniam, M., Al-Turjman, F., Mostarda, L., Ramachandran, M., & Patan, R. (2019). Intelligent data delivery approach for smart cities using road side units. IEEE Access, 7, 139462-139474. [DOI:10.1109/ACCESS.2019.2943013]
Li, H., Liu, Y., Qin, Z., Rong, H., & Liu, Q. (2019). A large-scale urban vehicular network framework for IoT in smart cities. IEEE Access, 7, 74437 - 74449. [Link]
Li, F., Nucciarelli, A., Roden, S., & Graham, G. (2016). How smart cities transform operations models: A new research agenda for operations management in the digital economy. Production Planning and Control, 27(6), 514-528. [Link]
Manan, A., Sanjaya, H., & As-syakur, A.R. (2023). Landscape planning for tsunami disasters mitigation on Denpasar Coastal Zone. IOP Conference Series: Earth and Environmental Science, 1127, 1-9. [DOI:10.1088/1755-1315/1127/1/012022]
Molina, M. (2020). What is an intelligent system? arXiv preprint, 1-21. [Link]
Monzón, A. (2015). Smart cities concept and challenges: Bases for the assessment of smart city projects. Paper presented at: International Conference on Smart Grids and Green IT Systems, Lisbon, Portugal, 15 October 2015. [Link]
Mallick, S. K., Rudra, S., & Samanta, R. (2020). Sustainable ecotourism development using SWOT and QSPM approach: A study on Rameswaram, Tamil Nadu. International Journal of Geoheritage and Parks, 8(3), 185-193. [DOI:10.1016/j.ijgeop.2020.06.001]
Nalla, V., Johnson, C., Ranjit, N., Sen, G., Peddibhotla, A., & Anand, M.C., et al. (2022). Considering curriculum, content, and delivery for adaptive pathways: Higher education and disaster resilient infrastructure in the Indian urban context. Sustainable and Resilient Infrastructure, 8(sup1), 143 - 156. [DOI:10.1080/23789689.2022.2134645]
Nazir, M. S., Alturise, F., Alshmrany, S., Nazir, H. M. J., Bilal, M., & Abdalla, A. N., et al. (2020). Wind generation forecasting methods and proliferation of artificial neural network: A review of five years research trend. Sustainability, 12(9), 3778. [DOI:10.3390/su12093778]
Oughton, E. J., Konstantinos, K., Fariborz, E., Dritan, K., & Jon, C. (2019). An open-source techno-economic assessment framework for 5G deployment. IEEE Access, 7, 155930-155940. [DOI:10.1109/access.2019.2949460]
Özer, M. (2023). Education policy actions by the Ministry of National Education after the historical earthquake disaster on February 6, 2023 in Türkiye. Bartın University Journal of Faculty of Education, 12(1), 175-186. [DOI:10.14686/buefad.1261101]
Park, S., Park, S., Park, L., Park, S., Lee, S., & Lee, T., et al. (2018). Design and implementation of a smart IoT based building and town disaster management system in smart city infrastructure. Applied Sciences, 8(11), 2239. [DOI:10.3390/app8112239]
Panesir, M. S. (2018). Blockchain application for disaster management and national security [PhD dissertation]. Buffalo: State University of New York. [Link]
Pribadi, K.S., Abduh, M., & Firdaus, A. (2023). Sustainable and resilient infrastructure policy implementation in Indonesia. SSRN Electronic Journal. [DOI:10.2139/ssrn.4326521]
Pickton, W. D., & Wright, S. (1998). What’s SWOT in strategic analysis? Strategic Change, 7(2), 101-109. [DOI:10.1002/(SICI)1099-1697(199803/04)7:2<101::AID-JSC332>3.0.CO;2-6]
Pourahmad, A., Ziari, K., Hataminejad, H., & Parsa Pashabadi, Sh. (2018). [Explanation of concept and features of a smart city (Persian)]. Bagh-E Nazar, 15(58), 5-26. [Link]
Prothi, A., Chhabra Anand, M., & Kumar, R. (2022). Adaptive Pathways for Resilient Infrastructure in an Evolving Disasterscape. Sustainable and Resilient Infrastructure, 8(sup1), 3-4. [DOI:10.1080/23789689.2022.2148951]
Rentschler, J. E. (2013). Why resilience matters-The poverty impact of disasters. Washington, DC: World Bank. [DOI:10.1596/1813-9450-6699]
Saba, D., Sahli, Y., Berbaoui, B., & Maouedj, R. (2020). Towards smart cities: Challenges, components, and architectures. In: A. Hassanien, R. Bhatnagar, N. Khalifa, & M. Taha (Eds.), Toward Social Internet of Things (SIoT): Enabling technologies, architectures and applications (pp. 249-286). Cham: Springer. [Link]
Sawada, Y., & Takasaki, Y. (2017). Natural disaster, poverty, and development: An introduction. World Development, 94, 2-15. [DOI:10.1016/j.worlddev.2016.12.035]
Sepasgozar, S. M. E. (2021). Differentiating digital twin from digital shadow: Elucidating a paradigm shift to expedite a smart, sustainable built environment. Buildings, 11(4), 151. [DOI:10.3390/buildings11040151]
Shah, S. S., Ali, M., Malik, A., Khan, M. A., & Ravana, S. D. (2019). VFog: A vehicle-assisted computing framework for delay-sensitive applications in smart cities. IEEE Access, 7, 34900-34909. [Link]
Shao, W., Kam, J., & Cass, E. (2022). Public awareness and perceptions of drought: A case study of two cities of Alabama. Risk, Hazards & Crisis in Public Policy, 14(1), 27-44. [DOI:10.1002/rhc3.12248]
Shieh, E., Habibi, K., & Ehsani, M. (2020). [Risk assessment of Tehran subway stations during earthquakes with an approach to reduce physical vulnerability through intelligent urban management (case study: Tajrish, Darvazeh Shemiran, and Navab Subway Stations) (Persian)]. Iranian Architecture and Urbanism, 11(19), 209-229. [Link]
Singh, T., Nayyar, A., Solanki, A. (2020). Multilingual opinion mining movie recommendation system using RNN. In: P. Singh, W. Pawłowski, S. Tanwar, N. Kumar, J. Rodrigues, & M. Obaidat (Eds.), Proceedings of the International Conference on Computing, Communication and Cyber-Security (IC4S 2019). Lecture Notes in Networks and Systems (pp. 589-605). Singapore: Springer. [DOI:10.1007/978-981-15-3369-3_44]
Singh, T., Solanki, A., Sharma, S. K., Nayyar, A., & Paul, A. (2022). A decade review on smart cities: Paradigms, challenges and opportunities. IEEE Access, 10, 68319-68364. [DOI:10.1109/access.2022.3184710]
Silva, B. N., Khan, M., & Han, K. (2018). Internet of things: A comprehensive review of enabling technologies, architecture, and challenges. IETE Technical Review, 35(2), 205-220. [DOI:10.1080/02564602.2016.1276416]
Stepaniuk, V., Pillai, J., & Bak-Jensen, B. (2018). Battery energy storage management for smart residential buildings. Paper presented at: 2018 53rd International Universities Power Engineering Conference (UPEC), Glasgow, UK, 04-07 September 2018. [DOI:10.1109/upec.2018.8541980]
Sørensen, L., & Vidal, R. V. V. (1999). Getting an overview with SWOT. Lyngby: Technical University of Denmark. [Link]
The Federal Emergency Management Agency. (2023). Guide for all-hazard emergency operations planning. Washington, D.C.: The Federal Emergency Management Agency. [Link]
Tian, J., Zeng, S., Zeng, J., & Jiang, F. (2022). Assessment of supply and demand of regional flood regulation ecosystem services and zoning management in response to flood disasters: A case study of Fujian Delta. International Journal of Environmental Research and Public Health, 20(1), 589. [DOI:10.3390/ijerph20010589] [PMID]
United Nations. (2018). World urbanization prospects: The 2018 revision. New York: United Nations. [Link]
World Bank. (2018). Urban development. Washington, D.C:World Bank. [Link]
Yu, Z., Cao, W., & Gan, C. (2022). Design of intelligent monitoring and dynamic early warning system for geological hazards. Paper presented at: 2022 China Automation Congress (CAC), Xiamen, China, 25-27 November 2022. [DOI:10.1109/cac57257.2022.10054967]
Zafar, U., Bayhan, S., & Sanfilippo, A. (2020). Home energy management system concepts, configurations, and technologies for the smart grid. IEEE Access, 8, 119271-119286. [DOI:10.1109/access.2020.3005244]
Zhai, L., & Lee, J. E. (2023). Analyzing the disaster preparedness capability of local government using AHP: Zhengzhou 7.20 Rainstorm Disaster. International Journal of Environmental Research and Public Health, 20(2), 952. [DOI:10.3390/ijerph20020952] [PMID]
Akande, A., Cabral, P., Gomes, P., & Casteleyn, S. (2019). The Lisbon ranking for smart, sustainable cities in Europe. Sustainable Cities and Society, 44, 475-487. [DOI:10.1016/j.scs.2018.10.009]
Alamanda, D. T., Anggadwita, G., Raynaldi, M., Novani, S., & Kijima, K. (2019). Designing strategies using IFE, EFE, IE, and QSPM analysis: Digital village case. The Asian Journal of Technology Management, 12(1), 48-57. [DOI:10.12695/ajtm.2019.12.1.4]
Abya, H., Khalili, M. M. N., Ebrahimi, M., & Movahed, A. (2015). Strategic planning for tourism industry using SWOT and QSPM. Management Science Letters, 5(3), 295-300. [DOI:10.5267/j.msl.2015.1.009]
Baharlooyi, H. R., Moughali, M. (2019). [Opportunities and threats of the smart city in the process of crisis management (Persian)]. Paper presented at: The 14th Congress of the Iranian Geographic Society, Tehran, Iran, 4 May 2019. [Link]
Behzadfar, M. (2003). [Necessities and obstacles to create a smart city in Iran (Persian)]. Honar-Ha-Ye-Ziba, 15, 14-27. [Link]
Bilotta, G., Cappello, A., & Ganci, G. (2022). Formal matters on the topic of risk mitigation: A mathematical perspective. Applied Sciences, 13(1), 265. [DOI:10.3390/app13010265]
Breakspear, A. (2013). A new definition of intelligence. Intelligence and National Security, 28(5), 678-693. [DOI:10.1080/02684527.2012.699285]
Buhl, M., & Markolf, S. (2022). A review of emerging strategies for incorporating climate change considerations into infrastructure planning, design, and decision making. Sustainable and Resilient Infrastructure, 8(sup1), 157-169. [DOI:10.1080/23789689.2022.2134646]
Chaudhary, M. T., & Piracha, A. (2021). Natural Disasters—Origins, Impacts, Management. Encyclopedia, 1(4), 1101–1131. [Link]
Denzin, N. K. (1978). Sociological methods: A source book. New York: Mcgraw-Hill. [Link]
Elango, N., & Arul, C. (2022). Ecosystem-based disaster management planning for the Eastern Coast of India. Journal of Coastal Research, 39(1), 83-89. [DOI:10.2112/jcoastres-d-22-00031.1]
Elvas, L. B., Mataloto, B. M., Martins, A. L., & Ferreira, J. C. (2021). Disaster management in smart cities. Smart Cities, 4(2), 819-839. [DOI:10.3390/smartcities4020042]
Eremia, M., Toma, L., & Sănduleac, M. (2017). The smart city concept in the 21st century. Procedia Engineering, 181, 12-19. [DOI:10.1016/j.proeng.2017.02.357]
Farzadnia, A., & Parapari, D. ( 2018). [The impact of smart cities on crisis management, a case study: Japan (Persian)]. Paper presented at: Conference on Civil Engineering, Architecture and Urban Planning of the Islamic World, Tabriz, Iran, 10 May 2018. [Link]
Garcia-Retuerta, D., Chamoso, P., Hernández, G., Guzmán, A. S. R., Yigitcanlar, T., & Corchado, J. M. (2021). An efficient management platform for developing smart cities: Solution for real-time and future crowd detection. Electronics, 10(7), 765. [DOI:10.3390/electronics10070765]
Gheisari, M., Pham, Q. V., Alazab, M., Zhang, X., FernandezCampusano, C., & Srivastava, G. (2019). ECA: An edge computing architecture for privacy-preserving in IoT-based smart city. IEEE Access, 7, 155779-155786. [DOI:10.1109/access.2019.2937177]
Ghorbani, Z. (2021). [Crisis management in the smart city: Basics and typology (Persian)]. Paper presented at: The Fourth National Conference and The First International Conference on The Aplication of Advanced Spatial Analysis Models in Land Use Planning, Yazd, Iran, 3-4 March 2021. [Link]
Giffinger, R., Fertner, C., Kramar, H., & Meijers, E. (2007). City-ranking of European medium-sized cities. Cent Reg Sci Vienna UT, 9(1), 1-12. [Link]
Guha-Sapir, D., Hoyois, P., Wallemacq, P., & Below, R. (2016). Annual disaster statistical review 2016: The numbers and trends. Brussels: Center for Research on the Epidemiology of Disasters (CRED). [Link]
Guba, E. G., & Lincoln, Y. S. (1982). Epistemological and methodological bases of naturalistic inquiry. ECTJ, 30(4), 233-252. [Link]
Gupta, M., Shri, C., & Agrawal, A. (2015). Strategy formulation for performance improvement of indian corrugated industry: An application of SWOT analysis and QSPM matrix. Journal of Applied Packaging Research, 7(3), 60-75. [Link]
Habibi, Gh. (2014). [Methodological insight (Persian)]. Tehran: Ketabehame. [Link]K]
Hämäläinen, M. (2020). A framework for a smart city design: Digital transformation in the Helsinki smart city. In V. Ratten (Ed.), Entrepreneurship and the community. Contributions to management science (pp. 63-86). Cham: Springer. [DOI:10.1007/978-3-030-23604-5_5]
Hartama, D., Mawengkang, H., Zarlis, M., Sembiring, R.W., Furqan, M., & Abdullah, D., et al. (2017). A research framework of disaster traffic management to Smart City. Paper presented at: 2017 Second International Conference on Informatics and Computing (ICIC), Jayapura, Indonesia, 01-03 November 2017. [DOI:10.1109/iac.2017.8280607]
Hassankhani, M., Alidadi, M., Sharifi, A., & Azhdari, A. (2021). Smart city and crisis management: Lessons for the COVID-19 pandemic. International Journal of Environmental Research and Public Health, 18(15), 7736. [DOI:10.3390/ijerph18157736] [PMID]
Jayasekara, R. U., Jayathilaka, G. S., Siriwardana, C., Amaratunga, D. G., & Haigh, R. P., Bandara, C. S. (2021). Identifying gaps in early warning mechanisms and evacuation procedures for tsunamis in Sri Lanka, with a special focus on the use of social media. International Journal of Disaster Resilience in the Built Environment, 14(1), 1-20. [DOI:10.1108/ijdrbe-02-2021-0012]
Kamali, Y., & Mirzaei , J. (2018). [Comparative study of disaster management structure in Iran, Japan, India And Turkey (Persian)]. Strategic Studies Of Public Policy, 7(25), 245-289. [Link]
Kamranzad, F., Memarian, H., & Zare, M. (2020). Earthquake risk assessment for Tehran, Iran. ISPRS International Journal of Geo-Information, 9(7), 430. [DOI:10.3390/ijgi9070430]
Kanani Moghadam, S., Shieh, E., Behzadfar, M., & Zarabadi, S. (2019). [Necessity of urban landuse planning adaption to smart city; considering the effects of information and communication technology adapting AHP (Persian)]. Urban Management Studies, 10(35), 59-75. [Link]
Khare, A. B., & Sharma, M. K. (2016). Integrated Governance (i-Gov) Framework for E-governance (IFEG), using ERP in Uttarakhand. Journal of Computer Engineering, 18(3), 44-49. [Link]
Kulandaivel, R., Balasubramaniam, M., Al-Turjman, F., Mostarda, L., Ramachandran, M., & Patan, R. (2019). Intelligent data delivery approach for smart cities using road side units. IEEE Access, 7, 139462-139474. [DOI:10.1109/ACCESS.2019.2943013]
Li, H., Liu, Y., Qin, Z., Rong, H., & Liu, Q. (2019). A large-scale urban vehicular network framework for IoT in smart cities. IEEE Access, 7, 74437 - 74449. [Link]
Li, F., Nucciarelli, A., Roden, S., & Graham, G. (2016). How smart cities transform operations models: A new research agenda for operations management in the digital economy. Production Planning and Control, 27(6), 514-528. [Link]
Manan, A., Sanjaya, H., & As-syakur, A.R. (2023). Landscape planning for tsunami disasters mitigation on Denpasar Coastal Zone. IOP Conference Series: Earth and Environmental Science, 1127, 1-9. [DOI:10.1088/1755-1315/1127/1/012022]
Molina, M. (2020). What is an intelligent system? arXiv preprint, 1-21. [Link]
Monzón, A. (2015). Smart cities concept and challenges: Bases for the assessment of smart city projects. Paper presented at: International Conference on Smart Grids and Green IT Systems, Lisbon, Portugal, 15 October 2015. [Link]
Mallick, S. K., Rudra, S., & Samanta, R. (2020). Sustainable ecotourism development using SWOT and QSPM approach: A study on Rameswaram, Tamil Nadu. International Journal of Geoheritage and Parks, 8(3), 185-193. [DOI:10.1016/j.ijgeop.2020.06.001]
Nalla, V., Johnson, C., Ranjit, N., Sen, G., Peddibhotla, A., & Anand, M.C., et al. (2022). Considering curriculum, content, and delivery for adaptive pathways: Higher education and disaster resilient infrastructure in the Indian urban context. Sustainable and Resilient Infrastructure, 8(sup1), 143 - 156. [DOI:10.1080/23789689.2022.2134645]
Nazir, M. S., Alturise, F., Alshmrany, S., Nazir, H. M. J., Bilal, M., & Abdalla, A. N., et al. (2020). Wind generation forecasting methods and proliferation of artificial neural network: A review of five years research trend. Sustainability, 12(9), 3778. [DOI:10.3390/su12093778]
Oughton, E. J., Konstantinos, K., Fariborz, E., Dritan, K., & Jon, C. (2019). An open-source techno-economic assessment framework for 5G deployment. IEEE Access, 7, 155930-155940. [DOI:10.1109/access.2019.2949460]
Özer, M. (2023). Education policy actions by the Ministry of National Education after the historical earthquake disaster on February 6, 2023 in Türkiye. Bartın University Journal of Faculty of Education, 12(1), 175-186. [DOI:10.14686/buefad.1261101]
Park, S., Park, S., Park, L., Park, S., Lee, S., & Lee, T., et al. (2018). Design and implementation of a smart IoT based building and town disaster management system in smart city infrastructure. Applied Sciences, 8(11), 2239. [DOI:10.3390/app8112239]
Panesir, M. S. (2018). Blockchain application for disaster management and national security [PhD dissertation]. Buffalo: State University of New York. [Link]
Pribadi, K.S., Abduh, M., & Firdaus, A. (2023). Sustainable and resilient infrastructure policy implementation in Indonesia. SSRN Electronic Journal. [DOI:10.2139/ssrn.4326521]
Pickton, W. D., & Wright, S. (1998). What’s SWOT in strategic analysis? Strategic Change, 7(2), 101-109. [DOI:10.1002/(SICI)1099-1697(199803/04)7:2<101::AID-JSC332>3.0.CO;2-6]
Pourahmad, A., Ziari, K., Hataminejad, H., & Parsa Pashabadi, Sh. (2018). [Explanation of concept and features of a smart city (Persian)]. Bagh-E Nazar, 15(58), 5-26. [Link]
Prothi, A., Chhabra Anand, M., & Kumar, R. (2022). Adaptive Pathways for Resilient Infrastructure in an Evolving Disasterscape. Sustainable and Resilient Infrastructure, 8(sup1), 3-4. [DOI:10.1080/23789689.2022.2148951]
Rentschler, J. E. (2013). Why resilience matters-The poverty impact of disasters. Washington, DC: World Bank. [DOI:10.1596/1813-9450-6699]
Saba, D., Sahli, Y., Berbaoui, B., & Maouedj, R. (2020). Towards smart cities: Challenges, components, and architectures. In: A. Hassanien, R. Bhatnagar, N. Khalifa, & M. Taha (Eds.), Toward Social Internet of Things (SIoT): Enabling technologies, architectures and applications (pp. 249-286). Cham: Springer. [Link]
Sawada, Y., & Takasaki, Y. (2017). Natural disaster, poverty, and development: An introduction. World Development, 94, 2-15. [DOI:10.1016/j.worlddev.2016.12.035]
Sepasgozar, S. M. E. (2021). Differentiating digital twin from digital shadow: Elucidating a paradigm shift to expedite a smart, sustainable built environment. Buildings, 11(4), 151. [DOI:10.3390/buildings11040151]
Shah, S. S., Ali, M., Malik, A., Khan, M. A., & Ravana, S. D. (2019). VFog: A vehicle-assisted computing framework for delay-sensitive applications in smart cities. IEEE Access, 7, 34900-34909. [Link]
Shao, W., Kam, J., & Cass, E. (2022). Public awareness and perceptions of drought: A case study of two cities of Alabama. Risk, Hazards & Crisis in Public Policy, 14(1), 27-44. [DOI:10.1002/rhc3.12248]
Shieh, E., Habibi, K., & Ehsani, M. (2020). [Risk assessment of Tehran subway stations during earthquakes with an approach to reduce physical vulnerability through intelligent urban management (case study: Tajrish, Darvazeh Shemiran, and Navab Subway Stations) (Persian)]. Iranian Architecture and Urbanism, 11(19), 209-229. [Link]
Singh, T., Nayyar, A., Solanki, A. (2020). Multilingual opinion mining movie recommendation system using RNN. In: P. Singh, W. Pawłowski, S. Tanwar, N. Kumar, J. Rodrigues, & M. Obaidat (Eds.), Proceedings of the International Conference on Computing, Communication and Cyber-Security (IC4S 2019). Lecture Notes in Networks and Systems (pp. 589-605). Singapore: Springer. [DOI:10.1007/978-981-15-3369-3_44]
Singh, T., Solanki, A., Sharma, S. K., Nayyar, A., & Paul, A. (2022). A decade review on smart cities: Paradigms, challenges and opportunities. IEEE Access, 10, 68319-68364. [DOI:10.1109/access.2022.3184710]
Silva, B. N., Khan, M., & Han, K. (2018). Internet of things: A comprehensive review of enabling technologies, architecture, and challenges. IETE Technical Review, 35(2), 205-220. [DOI:10.1080/02564602.2016.1276416]
Stepaniuk, V., Pillai, J., & Bak-Jensen, B. (2018). Battery energy storage management for smart residential buildings. Paper presented at: 2018 53rd International Universities Power Engineering Conference (UPEC), Glasgow, UK, 04-07 September 2018. [DOI:10.1109/upec.2018.8541980]
Sørensen, L., & Vidal, R. V. V. (1999). Getting an overview with SWOT. Lyngby: Technical University of Denmark. [Link]
The Federal Emergency Management Agency. (2023). Guide for all-hazard emergency operations planning. Washington, D.C.: The Federal Emergency Management Agency. [Link]
Tian, J., Zeng, S., Zeng, J., & Jiang, F. (2022). Assessment of supply and demand of regional flood regulation ecosystem services and zoning management in response to flood disasters: A case study of Fujian Delta. International Journal of Environmental Research and Public Health, 20(1), 589. [DOI:10.3390/ijerph20010589] [PMID]
United Nations. (2018). World urbanization prospects: The 2018 revision. New York: United Nations. [Link]
World Bank. (2018). Urban development. Washington, D.C:World Bank. [Link]
Yu, Z., Cao, W., & Gan, C. (2022). Design of intelligent monitoring and dynamic early warning system for geological hazards. Paper presented at: 2022 China Automation Congress (CAC), Xiamen, China, 25-27 November 2022. [DOI:10.1109/cac57257.2022.10054967]
Zafar, U., Bayhan, S., & Sanfilippo, A. (2020). Home energy management system concepts, configurations, and technologies for the smart grid. IEEE Access, 8, 119271-119286. [DOI:10.1109/access.2020.3005244]
Zhai, L., & Lee, J. E. (2023). Analyzing the disaster preparedness capability of local government using AHP: Zhengzhou 7.20 Rainstorm Disaster. International Journal of Environmental Research and Public Health, 20(2), 952. [DOI:10.3390/ijerph20020952] [PMID]
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1402/3/22 | پذیرش: 1402/4/5 | انتشار الکترونیک: 1402/6/28
دریافت: 1402/3/22 | پذیرش: 1402/4/5 | انتشار الکترونیک: 1402/6/28
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
