نقش هوش مصنوعی و اینترنت اشیا در حل معضل ترافیک

حسگرهای اینترنت اشیا (IOT) که در سیستم‌های موقعیت‌یاب (GPS)، دوربین‌ها و رادارها تعبیه شده‌اند با جمع‌آوری داده‌های مربوط به ترافیک‌های شهری و جاده‌ای به کمک خودروسازان و رانندگان آمده‌اند تا با کاهش سطح ترافیک و اطلاع‌رسانی جاده‌ای، شرایط مؤثر بر محیط زیست را بهبود بخشند و به افزایش ایمنی و کارایی حمل‌ونقل کمک کنند. یکی از مهم‌ترین مزایای این فناوری، کاهش تراکم ترافیک است. اطلاعات دریافتی بلادرنگ از سنسورها بین وسایل نقلیه متصل و سیستم‌های اعلان منتشر می‌شود و به رانندگان این فرصت را می‌دهد تا زمان و مسیر رانندگی را با سناریوهای در حال تغییر تنظیم کنند. فناوری اینترنت اشیا به کمک هوش مصنوعی با روش‌های مختلفی می‌تواند با معضل ترافیک شهری مقابله کند.

  مدیریت هوشمند ترافیک

در سیستم‌هایی که با این فناوری کار می‌کنند، رانندگان با زیرساخت‌های جاده‌ای مانند چراغ راهنمایی و محل‌های پارک خودرو ارتباط برقرار می‌کنند. برای مثال، اطلاعاتی ازجمله فاصله بین یک چراغ راهنمایی تا چراغ بعدی به وسایل‌نقلیه متصل به شبکه منتقل می‌شود و امکان تنظیم زمان انتظار را برای آن‌ها فراهم می‌کند یا با ارسال اطلاعات مربوط به پارکینگ‌ها و فضاهای خالی در دسترس، به رانندگان کمک می‌کند تا بهترین مسیر و محل پارک را انتخاب کنند.

هنگامی که تجهیزات اینترنت اشیا داده‌های ترافیکی را جمع‌آوری کنند، هوش مصنوعی داده‌های دریافتی را تجزیه‌وتحلیل می‌کند، با بهره‌گیری از فناوری الگوهای موجود در ترافیک شهری را شناسایی می‌کند و با پیاده‌سازی سناریوی متناسب با این الگوها، خطرات ایمنی جاده و تصادفات مکرر را کاهش می‌دهد. علاوه بر این، هوش مصنوعی می‌تواند بعضی از زیرساخت‌های جاده‌ای مانند چراغ‌های راهنمایی، گیت‌های ورودی یا خروجی و دیگر تجهیزات و تأسیسات حمل‌ونقل را به صورت هوشمند کنترل کند.

  تشخیص خودکار فاصله

تشخیص خودکار فاصله از طریق دوربین‌های مجهز به لیزر و رادار انجام می‌شود که اطلاعات دقیق را از سنسورها دریافت و با تجزیه‌وتحلیل بلادرنگ داده‌ها، هشدارهای فوری اعلام می‌کنند. از فناوری تشخیص خودکار فاصله برای حفظ فاصله ایمن بین خودرو و اجسام پیرامون استفاده می‌شود و یکی از اصول مورد استفاده در وسایل‌نقلیه خودران است که به کمک آن سیستم ترمز خودکار فعال می‌شود تا از اثر دومینوی کاهش سرعت جلوگیری کند. استفاده از این فناوری، خطر هر گونه تصادف را کاهش می‌دهد، از شهروندان محافظت و عملکرد روان سیستم کنترل ترافیک را تضمین می‌کند.

  افزایش کارایی برنامه‌ریزی مسیر

یک راه‌حل جامع برای تعدیل ترافیک، ادغام سیستم با دوربین مداربسته و سیستم‌های کنترل ترافیک است به‌طوری که یک سیستم مجهز به هوش مصنوعی آموزش‌دیده با یادگیری عمیق، می‌تواند به مسافران کمک کند تا سفرهای خود را بر اساس به‌روزرسانی اطلاعات جاده‌ای برنامه‌ریزی کنند و به این ترتیب ترافیک را کاهش دهد.

برنامه‌ریزی مسیر مبتنی بر هوش مصنوعی، امکان شناسایی و استفاده از مسیرهای کارآمد، پایدار و اقتصادی را فراهم می‌کند و نه‌تنها برای وسایل نقلیه شخصی، بلکه برای مدیریت شرایط اضطراری احتمالی نیز استفاده می‌شود تا در شرایط ویژه، گذر سریعی برای خودروهای اورژانسی مانند آمبولانس‌ها و آتش‌نشان‌ها فراهم کند، همچنین می‌تواند رانندگان را از شرایط بد جاده مطلع و از این طریق نیز به کاهش ازدحام جاده کمک کند.

  اعمال قانون بهتر از طریق هوش مصنوعی

به‌عنوان بخشی از مدیریت ترافیک، هوش مصنوعی از عکس و فیلم‌های دریافتی از دوربین‌ها استفاده می‌کند و قانون را به‌طور خودکار اجرا می‌کند. به‌عنوان مثال این فناوری برای تشخیص تخلفات سرعت یا استفاده نکردن از کلاه ایمنی برای دوچرخه یا موتورسیکلت مورد استفاده قرار می‌گیرد و تخلف به کاربر حقیقی یا مجازی اطلاع داده می‌شود تا متخلفان جریمه شوند.

در ادامه به معرفی دو نمونه از شهرهایی می‌پردازیم که با بهره‌گیری از فناوری‌های هوشمند آلودگی کمتری را تجربه می‌کنند.

  جاکارتا

آژانس طبقه‌بندی ترافیک جهانی در فوریه 2023 پایتخت اندونزی، جاکارتا را در رتبه بیست‌ونهم شاخص تراکم ترافیک در سال 2022 قرار داد که نسبت به سال قبل (جایگاه 46) شاهد رشد چشمگیری بوده است. این بهبود نتیجه اقداماتی است که دولت برای استفاده از هوش مصنوعی در سیستم چراغ راهنمایی هوشمند انجام داد تا به‌طور خودکار و بر اساس تراکم ترافیک تنظیم شود؛ به این ترتیب که هرچه ازدحام ترافیک بیشتر باشد، چراغ راهنمایی سریع‌تر سبز می‌شود، در حالی که اگر ترافیک نسبتاً روان باشد، چراغ قرمز برای مدت‌زمان بیشتری روشن می‌ماند.

  استانبول

استانبول ترکیه یکی دیگر از شهرهایی است که توانست با استفاده از هوش مصنوعی پیشرفت چشمگیری در کاهش ترافیک به دست آورد. این شهر اغلب در لیست بدترین شهرهای جهان از نظر ترافیک قرار می‌گرفت، اما اکنون با نصب یک پلت‌فرم تحلیلی مبتنی بر هوش مصنوعی می‌تواند ترافیک جاده‌ای را ارزیابی، حمل‌ونقل عمومی را بهینه و حوادث ترافیکی را مدیریت کند و به‌طور خلاصه با دسترسی به اطلاعات لحظه‌ای در مورد شرایط ترافیکی، عملکرد هوشمندانه و موثرتری داشته باشد.