ادغام ارتباطات و فناوری اطلاعات (ICT) در شهرها در طول دو دهه گذشته، توجه تحلیلگران و نظریه پردازان شهری را به طور یکسان جلب کرده است (Kitchin, 2014a, p. 1). هریسون و دانلی (2011) نمونه هایی از بسیاری از مزایای بالقوه ای را که ممکن است به وجود بیاید، فهرست می کنند، مانند: مصرف کمتر منابع، بهبود ظرفیت زیرساخت ها، و هماهنگی اوج تقاضا در انرژی، آب و حمل و نقل برای بهبود تاب آوری شهر. با این حال، مفهوم برنامه ریزی شهری هوشمندتر که از طریق داده های بزرگ، تجزیه و تحلیل شهر و مدل سازی فعال می شود، یکی از مزایای بالقوه است که به اندازه کافی مورد توجه قرار نگرفته است. این مقاله تلاش می‌کند تا با مرور مطالعات موردی اخیر در کاربرد سیستم‌های پشتیبانی برنامه‌ریزی در زمینه استرالیا، به این شکاف بپردازد.

هنگام بررسی برنامه ریزی شهرهای هوشمند، ابتدا باید تعریف مناسبی از شهرهای هوشمند ارائه کرد. تعاریف متعدد و متنوعی وجود دارد. کیچین (2014a) شهرهای هوشمند را به عنوان شهرهایی تعریف می‌کند که به فناوری، اقتصاد و حاکمیت می‌پردازند – متشکل از محاسبات فراگیر و با نوآوری. تعاریف دیگر بر مقیاس‌های مختلفی که توسط شهرهای هوشمند پرداخته شده است، مانند تعاریف باتی و همکاران، تمرکز دارند. (2012)، با اشاره به شهرهای هوشمند به عنوان “عملکردهای معمولی خودکار در خدمت افراد، ساختمان ها، سیستم های ترافیکی” و همچنین “روش هایی که ما را قادر می سازد تا شهر را نظارت، درک، تجزیه و تحلیل و برنامه ریزی کنیم تا کارایی، برابری و کیفیت را بهبود بخشیم. زندگی برای شهروندانش در زمان واقعی» (ص.482). این مقاله بر بخش دوم تعریف باتی تمرکز می‌کند، زیرا ما بررسی می‌کنیم که چگونه جنبش شهر هوشمند فرصت و علاقه جدیدی به مدل‌سازی شهری مبتنی بر داده برای حمایت از برنامه‌ریزی کاربری زمین ایجاد کرده است.

افزایش اتوماسیون در محیط ساخته شده منجر به داده های بزرگ می شود که پتانسیل جدیدی برای تشخیص الگو در شهرها ایجاد می کند (باتی، 2015). رشد سریع کلان داده و دامنه کاربرد آن به این معنی است که تعریف آن دشوار است (Kitchin & McArdle, 2016)، اما گفتگوهای دانشگاهی اخیر آن را از سایر داده ها در سه زمینه متمایز کرده است: “3 V”: حجم، سرعت، و تنوع (لینی، 2001). اجزای مدل Multi-V اغلب بسته به گزارش تغییر می کند (Assunção et al., 2013). نویسندگان دیگر «5 V» (Batty، 2016، Assunção و همکاران، 2013) یا «7 V» (Khan et al., 2014, McNulty, 2014) را تعریف کرده اند که شامل موارد زیر است:

• •حجم – عمق و وسعت داده ها (لینی، 2001)
• •سرعت – سرعت انتقال (میلر، 2015)
• •تنوع – نوع و نوع داده (باتی، 2016)
• •تغییرپذیری – درجه ناسازگاری در نمایش داده ها (باتی، 2016)
• •صحت – قابلیت اطمینان یا صحت داده ها (آسونسائو و همکاران، 2013، خان و همکاران، 2014)
• •اعتبار – دقت داده ها برای استفاده یا کاربرد مورد نظر آن (خان و همکاران، 2014)
• •نوسانات – رابطه دوره نگهداری مجموعه داده ها با ذخیره سازی و نیازهای امنیتی مرتبط آنها (خان و همکاران، 2014)
• •تجسم – ارائه داده ها (مک نالتی، 2014)
• •ارزش – ارزش و بینش حاصل از تجزیه و تحلیل عمیق داده ها (Assunção و همکاران، 2013، McNulty، 2014)

این مقاله بر تفسیر داده‌های بزرگ برای برنامه‌ریزان شهری، عمدتاً انواع داده‌های مورد استفاده برای ارزیابی سناریوهای برنامه‌ریزی، ارتباط آن با ذینفعان از طریق روش‌های تجسم ، و ارزش افزوده از افزودن آن به رویکردهای مدل‌سازی شهری سنتی (Thakuriah، Dirks، و کیتا، 2017، صفحات 189-208). انواع داده‌های بزرگی که ما بررسی می‌کنیم، آنهایی هستند که توسط Batty (2016) تعریف شده‌اند: داده‌های تولید شده از حسگرهای زمان واقعی، داده‌های فضایی سنجش‌شده از ماهواره‌ها، و داده‌های مبتنی بر جمعیت و پیش‌بینی‌های اقتصادی.

پتانسیل استفاده از داده های بزرگ در جنبش شهر هوشمند فرصتی را برای برنامه ریزان ایجاد می کند تا رشد 2.5 میلیارد نفری مورد انتظار در جمعیت شهری جهان بین سال های 2014 تا 2050 را بهتر هدایت کنند (سازمان ملل متحد، 2014). برنامه ریزان اکنون می توانند از طریق ابزارهای برنامه ریزی دیجیتال، پیش بینی های جمعیتی و اقتصادی را با داده های حس شده زمانی و مکانی ترکیب کنند. علم پشتیبانی برنامه‌ریزی، زمینه‌ای که به طور مداوم چارچوب‌هایی را برای مجموعه‌های کلان داده توسعه و بهبود می‌بخشد، با افزایش تحقیق و توسعه ابزارهای برنامه‌ریزی دیجیتال پدید آمده است (Geertman, Allan, Pettit, & Stillwell, 2017). این ابزارها که سیستم‌های پشتیبانی برنامه‌ریزی (PSS) نامیده می‌شوند، از حضور رو به رشد داده‌های بزرگ برای کمک به اطلاع‌رسانی سناریوهای شهری پایدارتر، سازنده‌تر و انعطاف‌پذیرتر از طریق داده‌کاوی، تحلیل، مدل‌سازی و تجسم استفاده می‌کنند.

کارشناسان معتقدند PSS این توانایی را دارد که به برنامه ریزان کمک کند تا پیچیدگی های رو به رشد در برنامه ریزی را هدایت کنند (Vonk & Geertman, 2008). واکنش ها به پر شدن شهری و رشد شهری به طور کلی اغلب بسیار احساسی است و باعث ایجاد اضطراب در مورد آینده می شود. نیومن (2016) این اضطراب را در مقابل انباشتگی می نامد و تنها راه برای کاهش آن این است که نشان دهد در هر توسعه جدید مزایای متعددی وجود دارد که می توان از تغییرات برنامه ریزی شده به دست آورد. حتی می توان نشان داد که چگونه چنین رشد شهری می تواند برای مسائلی مانند تغییرات آب و هوا، از دست دادن تنوع زیستی، مسائل زیست منطقه ای آب و خاک و همچنین ارائه مشاغل و خدمات جدید احیا کننده باشد (نیومن، بیتلی و بویر، 2017). اینها تغییرات فرهنگی در نظام برنامه ریزی است. اما برای فعال کردن این امر به PSS هوشمند نیاز دارد و به برنامه‌ریزی شهری اجازه می‌دهد تا گزینه‌ها را به طور کامل‌تر و سریع‌تر ارزیابی کند، اما در عین حال به شیوه‌ای جذاب‌تر با جوامع. امید این است که PSS راهی برای حل و فصل بحث‌های رشد در مقابل تأثیر، تجمع در برابر اضطراب در برنامه‌ریزی شهری آینده ارائه کند.

علیرغم در دسترس بودن طیف وسیعی از PSS، مسائلی وجود دارد که مانع از استفاده و پذیرش گسترده آنها می شود، یعنی عدم آگاهی از ابزارهای موجود و عدم تجربه در اجرای آنها (روسو و همکاران، 2017، ونک و همکاران، 2005). برای پرداختن به این نگرانی، این مقاله در دسترس بودن فعلی PSS در سطح بین‌المللی را بررسی می‌کند، با تمرکز بر چهار تصویر که کاربرد آن‌ها را در مقیاس منطقه‌ای، شهری، ناحیه‌ای و زیربخشی نشان می‌دهد. این طرح‌ها در زمینه استرالیا انجام شده‌اند، اما آموخته‌ها و توصیه‌های کلیدی از این تحقیق دارای ارتباط بین‌المللی است.