نقش هوش مصنوعی در ترافیک و نجات جان انسان ها:

با کمک دوربین ها، سنسورها و همچنین gps هوش مصنوعی نقش بسیار زیادی را در حیطه ی حمل و نقل عمومی ایفا می کند.

این تکنولوژی می تواند خطاهای انسانی را کاهش داده و همچنین می تواند به عنوان ناظر، رعایت قوانین ایمنی را کنترل کرده تا سوانح جاده ای به حداقل خود برسد.

امروزه جاده ها و مسیرهای بین شهری نقش خیلی مهمی را در عملکرد بهتر اکثر صنعت ها و همچنین اهداف شخصی ایفا می کنند. پس توجه به این مهم و حرکت در جهت بهبود و کاهش درصد خطا و مرگ و میر در این حوزه می تواند بسیار کمک کننده بوده و علاوه بر دستیابی به پیشرفت در زمینه های ارتباطی و همچنین شخصی، می توان در صدد کاهش مرگ ومیر و نجات جان انسان ها نیز عمل کرد. صنعت حمل و نقل دارای سیستمی بسیار پیشرقته است که عوامل زیادی بر روی کارایی آن تاثیر دارند. وجود عوامل زیاد از یک سو و پیچیده بودن این توالی باعث افزایش اهمیت این صنعت می شود. عواملی همچون اشتباهات و واکنش های انسانی، تصادفات، شرایط آب و هوایی، وضعیت اقتصادی و حتی موقعیت های زمانی در طول سال، همگی تاثیرگذار بوده و بروز مشکل در هر بخش می تواند به صورت زنجیره وار بر دیگری تاثیر گذارد. حال که متوجه میزان اهمیت موضوع شدیم، باید روندی را پیش بگیریم که در جهت کاهش بروز اشکال و خطا در این حوزه شود. یکی از مواردی که نقش مهمی در این زمینه دارد، هوش مصنوعی یا Artificial intelligence است. سوالی که پیش می آید این است که هوش مصنوعی چگونه می تواند در این زمینه کمک کننده باشد؟ در ادامه ی این مقاله چند مورد را با هم بررسی خواهیم کرد.

خودروهای هوشمند:

یکی از مواردی که در هم اکنون در دنیای تکنولوژی و هوش مصنوعی مطرح است، ساخت خودروهای هوشمند می باشد. به طوری که حجم بسیار زیادی از داده در هر لحظه باید توسط این گونه خودروها دریافت و پردازش شوند تا در نهایت بهترین تصمیم با توجه به موقعیتی که درش قرار دارند گرفته شود. به همین دلیل، شرکت ها هنوز موفق به تولید انبوه این خودروها نشده اند اما با این حال در برخی کشورها همانند ژاپن، تاکسی های خودران بر روی برخی از جاده ها اجازه ی فعالیت دارند. و یا در ایالات متحده شرکت waymo از سال 2010 شروع به توسعه ی این نوع خودروها کرد و درنهایت در سال 2018 کامیون ها و مینی ون هایی را جهت آزمایش بر روی جاده های عمومی معرفی کرد اما بنا به دلایلی که گفته شد هنوز تولید انبوهی صورت نگرفته است.

به طور طبیعی، ایمن کردن خودروهای خودران برای مسافران زمان می‌برد؛ با این حال، با تکامل فناوری، خودروهای خودران قابل اعتماد‌تر و بسیار گسترده‌تر خواهند شد. با کمک حسگرها، دوربین‌ها و GPS، هوش مصنوعی تأثیر زیادی بر حمل و نقل عمومی خواهد داشت. تکنولوژی هوش مصنوعی می‌تواند نرخ خطاهای انسانی را کاهش دهد و تطابق با آیین‌نامه‌های ایمنی را نظارت کند تا خطرات رانندگی کاهش یابد.

تشخیص پیاده‌ رو:

رانندگی در شب برای بسیاری از رانندگان چالش‌برانگیز است. از آنجا که سیستم‌های کامپیوتری می‌توانند به‌طور خودکار پیاده‌ روها را در تصاویر و ویدیوها شناسایی کنند، خودروهای مجهز به هوش مصنوعی می‌توانند به طور قابل توجهی وضعیت را بهبود ببخشند. در واقع، خودران‌ها (یا در آینده، وسایل نقلیه خودکار) می‌توانند به رانندگان اجازه بدهند که بخوابند/چت کنند بدون اینکه هیچ حادثه‌ی ترافیکی ایجاد کنند.

تشخیص پیاده‌رو یک مسئله برای دید کامپیوتری و تشخیص الگو به شمار می‌رود زیرا پیاده‌ روها ممکن است به‌طور غیرمنتظره رفتار کنند و این موضوع باعث ایجاد چندین حالت خاص شود. به عبارت دیگر، این موضوع باعث مشکلات در پیش‌بینی رفتار می‌شود که جزو بزرگترین تهدیدات برای موفقیت خودروهای خودران محسوب می‌شوند.

علاوه بر این، هنوز چالش‌های زیادی در داده‌های آموزش وجود دارد که باید غلبه شود، شامل پارامترهای نورپردازی متفاوت و انواع حالت‌ها یا لباس‌هایی که پیاده‌روها نشان می‌دهند. برای غلبه بر این موارد، هوش مصنوعی نیازمند داده‌های آموزش بسیار زیادی است که زمان زیادی برای به دست آوردن آنها صرف می‌کند.

سیستم مدیریت چراغ‌های راهنمایی و نشانه‌های ترافیک:

یکی دیگر از کارهایی که هوش مصنوعی می تواند انجام دهد، بهینه سازی ترافیک است. تصور کنید که تمامی توقف های غیر ضروری و پارک خودروها در موقعیت نادرست مثل پارک دوبل ها حذف شوند! پس هم به محیط زیست کمک شایانی خواهد شد و هم در ترافیک شهری و جاده ای.

با استفاده از یادگیری ماشین، هوش مصنوعی داده‌ها را پردازش، کنترل و بهینه‌سازی می‌کند از سنسورها و دوربین‌های نصب شده بر روی جاده‌ها استفاده می کند. سیستم‌های هوش مصنوعی و داده‌های بزرگ این داده‌ها را تجزیه و تحلیل کرده و الگوهای ترافیک را آشکار می‌سازند. بینش‌های مربوط، سیستم‌های هوشمند را با ورودی برای پیش‌بینی ترافیک یا مسدودیت‌های جاده تامین می‌کنند. با استفاده از این ورودی‌ها، هوش مصنوعی مشکلاتی که ممکن است منجر به ترافیک و شلوغی شود را تشخیص می‌دهد و پیش‌بینی می‌کند.

فناوری سیگنال‌دهی ترافیک و سیستم‌های حمل و نقل هوشمند نقش مهمی در ایمنی جاده ایفا می‌کنند. برای این کار، زمان‌بندی و پیکربندی چراغ‌های راهنمایی امری ضروری است.

پیش‌بینی زمان سفر:

تأخیرها یکی از مشکلات اساسی حمل و نقل هستند، به ویژه حمل و نقل هوایی. به گفته دانشگاه کالیفرنیا، این تأخیرها می‌توانند تا 32.9 میلیارد دلار هزینه داشته باشند آن هم فقط در آمریکا!

پیاده‌سازی هوش مصنوعی راهی برای پیشگیری از هزینه‌های تأخیر پرواز است و به طور همزمان به مشکلات منفی مسافران پرداخته می‌شود. با توانایی پیش‌بینی اثرات کوتاه‌ مدت تقریباً از هر چیزی، از آب و هوای طوفانی تا تعداد خاصی از مشکلات فنی که ممکن است باعث تأخیر پرواز شوند، سیستم‌های هوش مصنوعی می‌توانند زمان انتظار مسافران را کاهش دهند. با پردازش داده‌های هواپیما به صورت زمان واقعی، سوابق تاریخی، و اطلاعات هواشناسی، هوش مصنوعی (AI) قدرت گرفته از یادگیری ماشین (ML) الگوهای پنهان را آشکار می‌کند و صنعت حمل و نقل هوایی (و مسافران) را با بینش‌های ارزشمندی در مورد احتمالاتی که ممکن است باعث تأخیر یا لغو شوند، تأمین می‌کند.

مانیتورینگ وضعیت جاده:

صدماتی که در جاده ها وجود دارند هر ساله به بیش از 3,000,000,000 دلار برای رانندگان در ایالات متحده آمریکا ایجاد هزینه می‌کند.

با این حال، هوش مصنوعی تصویری در حوزه حمل و نقل می‌تواند با موفقیت عیوب جاده را شناسایی کرده و با تشخیص تغییرات در سطح جاده‌ها، زیرساخت محیط اطراف را ارزیابی کند.

الگوریتم‌های هوش مصنوعی تصویری می‌توانند سطح صدمات جاده را شناسایی کرده و اعلام آن به مقامات مربوطه برای بهبود نگهداری جاده کنند.

این الگوریتم‌ها داده‌های تصویر یا ویدیو را جمع‌آوری کرده و سپس این داده‌ها را پردازش می‌کنند تا شکاف‌ها را تشخیص دهند و حتی آن‌ها را به صورت خودکار طبقه‌بندی کنند. علاوه بر این، این الگوریتم‌ها به زودی تکنیک‌های بازسازی هدفمند و نگهداری پیشگیرانه خودکار را بدون دخالت انسانی برنامه‌ریزی خواهند کرد.

به عبارت دیگر، شناسایی خرابی‌های پوشش جاده (PD) به صورت خودکار، کارایی تخصیص نگهداری جاده را بهبود می‌بخشد در حالی که ایمنی جاده را افزایش می‌دهد، به روزرسانی‌های زمان واقعی برای تعمیر سریع‌تر فراهم می‌کند و زمان و پول را صرفه‌جویی می‌کند.

مدیریت پارکینگ مبتنی بر دید کامپیوتر:

سرگرم شدن برای پیدا کردن پارکینگ یک مشکل شناخته شده بین اکثریت رانندگان است. پیدا کردن یک جای پارک، اغلب استرس آور است (همچنین برای محیط زیست آسیب زا) و باعث ترافیک می‌شود.

دید کامپیوتر می‌تواند مدیریت پارکینگ را بازنگری کند. ابتدا، پارکینگ‌ها باید سنسورهایی داشته باشند که فاصله بین خودروها را اندازه گیری کنند تا هر جای پارک خالی را نظارت کنند. با این حال، از آنجا که چنین سنسوری قادر به اسکن پلاک‌های خودرو نیست، وقت آن رسیده است که دوربین‌ها، پارک مترها با دید کامپیوتر دخیل شوند.

با استفاده از شناسایی اتوماتیک پلاک، هوش مصنوعی خودروهای پارک شده را دقیق تشخیص می‌دهد، همچنین مقدار زمان پیش ‌پرداخت شده برای پارکینگ آن ‌ها را اندازه گیری می‌کند.

سپس، سیستم می‌تواند از آن داده‌ها برای به‌روزرسانی نقشه‌ی تمام جاهای خالی و جاهای موجود در آینده استفاده کند. رانندگان می‌توانند سپس از نقشه بر روی دستگاه تلفن همراه خود استفاده کنند تا به سرعت، جای خالی‌های پارکینگ با سطح اشغال پایین را پیدا کرده و در زمان صرفه‌جویی کنند.

تشخیص خودکار حوادث ترافیکی و اجرای قوانین:

به دلیل اهمیت این موضوع، تشخیص حوادث ترافیکی یکی از پرمطالعه‌ترین حوزه‌های حمل و نقل مصنوعی است. هدف اصلی این است که حداقل اختلال در جریان ترافیک ایجاد شود.

برای مدت زمان زیادی، نظارت تصویری بهترین ابزار کارآمد برای پیگیری شبکه‌های جاده‌ای و تقاطع‌ها بود. این ابزار یک دید واقعی از ترافیک ارائه می‌داد و اجازه می‌داد تا مقامات به سرعت به حوادث واکنش نشان دهند.

با این حال، انسان‌ها که فیلم‌های ویدیویی را تماشا می‌کردند، توانایی‌های محدودی داشتند. برای یک نفر امکان نظارت همزمان بر چندین دوربین با کارایی یکسان وجود ندارد که منجر به عدم تشخیص حوادث برای لحظات حیاتی می‌شود.

در اینجا، تشخیص خودکار حوادث وارد عمل می‌شود. سیستم دید کامپیوتری در ویدیو به دنبال حوادث، صف‌ها و شرایط غیرعادی ترافیکی می‌گردد و به طور مداوم تمام دوربین‌ها را نظارت می‌کند.

به عنوان مثال، MindTitan در همکاری با اداره جاده استونی یک مدل پیش‌بینی حوادث ترافیکی ایجاد کرد. سیستم از داده‌هایی مانند تخلفات، حوادث، شرایط آب و هوا، مکان و زمان پاترول‌های پلیس و غیره استفاده می‌کند. بر اساس این داده‌ها، مدل پیش‌بینی باید خطر، شدت و علت اصلی حوادث ترافیکی را پیش‌بینی کند. بنابراین، هوش مصنوعی می‌تواند ایمنی جاده را بهبود بخشد و ترافیک را کاهش دهد.

یک مثال دیگر یک پروژه هوش مصنوعی است که در Bellevue (WA)، ایالات متحده توسعه یافته است. با تجزیه و تحلیل بیش از 5،000 ساعت فیلم، پژوهشگران پیش‌بینی‌کننده‌های دقیق حوادث را شناسایی کردند. با پردازش داده‌ها از دوربین‌های ترافیک با کیفیت بالا و 360 درجه نصب شده در 40 تقاطع، مدل هوش مصنوعی نقاط داغ ترافیکی در شبکه شهر را شناسایی می‌کند. دوربین‌ها داده‌هایی در مورد حجم ترافیک، سرعت خودروها و نشانگرهای ترافیک نزدیک حادثه را ارائه می‌دهند.

یک حوزه دیگر از استفاده از هوش مصنوعی در حمل و نقل، اجرای قوانین است. سیستم‌های هوشمند به مقامات کمک می‌کنند تا افرادی که در حال نوشیدن الکل یا ارسال پیام متنی در حال رانندگی هستند را شناسایی کنند و افسران نزدیک را هشدار دهند تا از وقوع حوادث پیشگیری شود.

مواردی که ذکر شد تنها بخش کوچکی از دستاوردهای این علم در حوزه ی حمل و نقل و ترافیک است. امروزه با پیشرفت روزافزون تکنولوژی، شاهد رشدی سریع در ایجاد انواع الگوهای کارآمدتر و بهینه تر هستیم.

منبع: mindtitan.com