Sürdürülebilir kent planlaması için yapay zeka destekli bir model önerisi

Abstract

Günümüzde şehirler, hızlı nüfus artışı, iklim değişikliği, kaynak kıtlığı ve mekânsal eşitsizlikler gibi birbirine bağlı ve çok boyutlu zorluklarla karşı karşıyadır. Bu karmaşık ve dinamik kentsel sistemleri yönetmede geleneksel planlama yöntemlerinin sık sık yetersiz kalması, kentsel dönüşüm süreçlerinde veri odaklı, uyarlanabilir ve tahmine dayalı yeni yaklaşımların geliştirilmesini gerektirmektedir. Bu tezde, bütünsel bir karar çerçevesi içinde sürdürülebilir kentsel planlamanın çevresel, sosyal ve ekonomik boyutlarını değerlendiren yapay zeka (YZ) destekli ve senaryo tabanlı bir karar destek modeli önerilmiştir. Araştırma metodolojisi kapsamında, "Nova Terra" adlı kurgusal bir şehir oluşturulmuş ve bu şehre dayalı olarak 8 farklı alternatif gelişim senaryosu (doğa, sosyal adalet, ekonomi ve tüm boyutlarda dengeye odaklanan 5 ve 20 yıllık planlar) oluşturulmuştur. Geliştirilen modelde, büyük veri ve Coğrafi Bilgi Sistemlerinin (GIS) entegrasyonunun yanı sıra, sentetik veri kümeleri, teorik bir çerçeve içinde CNN, LSTM, GeoAI, Rastgele Orman ve Çok Kriterli Karar Analizi (MCDA) gibi yapay zeka algoritmaları kullanılarak işlendi. Her senaryo, çevresel etki, sosyal etki, teknoloji odaklılık ve istihdam artışı kriterlerine dayalı olarak 1-10 puanlık bir ölçekte performans değerlendirmesine tabi tutuldu. Karşılaştırmalı analiz bulguları, çevresel, sosyal ve ekonomik ilkeleri entegre eden uzun vadeli dengeli senaryonun (Senaryo 8) en yüksek performansı gösterdiğini ortaya koydu. Elde edilen sonuçlar, önerilen yapay zeka destekli modelin, farklı mekansal ölçeklerdeki göstergeler arasındaki dengeleri şeffaf bir şekilde görünür kıldığını ve planlamacılara veri belirsizliği altında bile esnek bir karar alanı sunduğunu kanıtlamaktadır. Sonuç olarak, bu çalışma, teknolojik kapasiteyi sürdürülebilirlik hedefleriyle birleştirerek, farklı kentsel bağlamlar için uyarlanabilir ve yeniden üretilebilir bir model önerisi sunarak planlama disiplinine yenilikçi bir katkı sağlamaktadırToday, cities face interconnected and multidimensional challenges such as rapid population growth, climate change, resource scarcity and spatial inequalities. The frequent inadequacy of traditional planning methods in managing these complex and dynamic urban systems necessitates the development of data-driven, adaptable and predictive new approaches in urban transformation processes. In this thesis, an artificial intelligence (AI)-supported and scenario-based decision support model is proposed, which evaluates the environmental, social and economic dimensions of sustainable urban planning within a holistic decision framework. Within the scope of the research methodology, a fictional city named "Nova Terra" was created and 8 different alternative development scenarios (5- and 20-year plans focusing on nature, social justice, economy, and balance across all dimensions) were constructed based on this city. In the developed model, alongside the integration of big data and Geographic Information Systems (GIS), synthetic datasets were processed using AI algorithms such as CNN, LSTM, GeoAI, Random Forest and Multi-Criteria Decision Analysis (MCDA) within a theoretical framework. Each scenario was subjected to a performance evaluation on a 1-10 point scale based on the criteria of environmental impact, social impact, technology focus and employment growth. Comparative analysis findings revealed that the long- term balanced scenario (Scenario 8), which integrates environmental, social and economic principles, demonstrated the highest performance. The obtained results prove that the proposed AI-supported model makes the balances between indicators at different spatial scales transparently visible and offers planners a flexible decision space even under data uncertainty. In conclusion, this study makes an innovative contribution to the planning discipline by presenting an adaptable and reproducible model proposal for different urban contexts, combining technological capacity with sustainability goals