مدیریت پروژه‌های شهری به دلیل پیچیدگی ذاتی، تنوع ذی‌نفعان، منابع محدود و نیاز به پاسخگویی به نیازهای متغیر شهروندان، همواره با چالش‌های اساسی در زمینه اولویت‌بندی مواجه بوده است. انتخاب بهینه پروژه‌هایی که بیشترین بازده اجتماعی، اقتصادی و زیست‌محیطی را در کوتاه‌ترین زمان ممکن فراهم آورند، مستلزم اتخاذ رویکردهای تصمیم‌گیری دقیق و مبتنی بر شواهد است. رویکردهای سنتی که عمدتاً بر قضاوت‌های شهودی و معیارهای اندک متمرکز هستند، دیگر پاسخگوی نیازهای نظام مدیریت شهری نوین نیستند. در این پژوهش، ضرورت ادغام تکنیک‌های پیشرفته تصمیم‌گیری چندمعیاره (MCDM) با قابلیت‌های تحلیل داده‌های کلان (Big Data) در فرآیند اولویت‌بندی پروژه‌های شهری مورد تأکید قرار گرفته است. هدف اصلی این مقاله، ارائه یک چارچوب الگوریتمی هوشمند است که بتواند با بهره‌گیری از داده‌های حجیم و متنوع جمع‌آوری‌شده از زیرساخت‌های الکترونیکی شهرداری، معیارهای ارزیابی پروژه‌ها را به صورت کمی و کیفی وزن‌دهی کرده و رتبه‌بندی دقیق و عادلانه‌ای را ارائه دهد. روش تحقیق این مقاله، توصیفی-تحلیلی و مبتنی بر مرور ادبیات تخصصی در حوزه‌های مدیریت شهری، شهر هوشمند، و تکنیک‌های MCDM است. یافته‌های حاصل از مرور منابع نشان می‌دهد که تلفیق مدل‌هایی نظیر AHP/ANP یا TOPSIS با منابع داده‌های لحظه‌ای (مانند ترافیک، شکایات شهروندان و مصرف انرژی) می‌تواند دقت پیش‌بینی موفقیت پروژه و همسویی آن با اهداف استراتژیک شهری را به نحو چشمگیری افزایش دهد. نتیجه‌گیری این مقاله بر این اصل استوار است که پذیرش الگوریتم‌های هوشمند در سازمان‌های شهری، نه یک انتخاب، بلکه یک الزام راهبردی برای گذار موفق به مدل حکمرانی فعال و پاسخگو است و نیازمند سرمایه‌گذاری در زیرساخت‌های داده‌محور می‌باشد.

اولویت‌بندی پروژه مدیریت شهری تصمیم‌گیری چندمعیاره شهر هوشمند داده‌های کلان.