هوش مصنوعی نقش کلیدی در بهینه‌سازی سیستم‌های حمل‌ونقل شهری دارد و با تحلیل داده‌های واقعی، ترافیک را کاهش و مصرف انرژی را کاهش می‌دهد. پژوهش حاضر با رویکرد علم‌سنجی کیفی-کمی و روش توصیفی-تحلیلی، به تحلیل روند، ساختار مفهومی، شکاف‌های پژوهشی و جهت‌گیری‌های آینده در حوزه کاربست هوش مصنوعی در حمل‌ونقل پایدار شهری طی سال‌های 2005 تا 2024 پرداخته است. جامعه آماری متشکل از 172 سند نمایه‌شده در پایگاه اسکوپوس است که با جست‌و‌جوی ساختاریافته و تحلیل هم‌رخدادی کلیدواژگان با نرم‌افزار VOSviewer، تحلیل گردید. بر اساس یافته‌ها پژوهش، تولید علمی از رشد تدریجی (2005–2015) به رشد شتابان (به‌ویژه از 2021 به بعد) تغییر یافته که علت آن تحولات فناوری، فشارهای اقلیمی، گسترش شهرهای هوشمند و پاندمی کووید-19 هم‌زمان است. توزیع جغرافیایی منابع نشانگر پیشتازی کشورهایی نظیر هند، چین، ایالات متحده و ایتالیا است که نمایانگر تأثیر شهرنشینی شتابان و سیاست‌های ملی در تولید دانش است. تحلیل خوشه‌ای شش حوزه مفهومی کلیدی مشتمل بر فناوری‌های هوش مصنوعی، ابعاد زیست‌محیطی و پایداری، رفتار کاربران و تحرک، سیاست‌گذاری حمل‌ونقل، بهینه‌سازی سیستم‌ها، و سیستم‌های پشتیبان تصمیم را آشکار نمود. نتایج نشانگر آن است که هدف نهایی هوش مصنوعی در برنامه‌ریزی حمل‌و‌نقل شهری، تحقق اهداف پایداری شهری است، اما با شکاف‌هایی در ادغام عدالت اجتماعی، جزئیات الگوریتمی، شاخص‌های زیست‌محیطی و تحلیل‌های زمینه‌محور مواجه است. از این رو، پژوهش‌های آینده باید هوش مصنوعی را از کارایی به سمت عدالت اجتماعی، یکپارچگی محیطی، الگوریتم‌های زمینه‌محور، همکاری‌های میان‌رشته‌ای و آزمایشگاه‌های زندۀ شهری به سمت حرکت دهند.