بررسی کاربرد هر یک از فناوری های نوین (هوش مصنوعی) در صنعت حمل و نقل و لجستیک، به تعیین نقشه راه برای استفاده از این فناوری ها در این صنعت کمک بسزایی خواهد نمود. در این بخش این فناوری ها مورد بررسی قرار می گیرد.
کاربرد هوش مصنوعی در حمل و نقل جاده ای
وسایل نقلیه خودکار برای استفاده های تجاری و حمل و نقل شخصی براساس انواع حسگرها (نظیر GPS، رادار، دوربین) در ترکیب با محرک ها (actuators)؛ (دستگاه هایی که سیگنال ورودی را به حرکت تبدیل می کنند)، واحدهای کنترل و نرم افزار عمل می کند. برخی از این فناوری ها فقط عملکردهای خاصی در رانندگی را برعهده می گیرند (مانند پارک کردن) ولی برخی دیگر برای جایگزینی کامل راننده انسانی طراحی شده اند.
پیوند کامیون ها (truck platooning): جفت کردن چندین وسیله نقلیه سنگین با فاصله ی حداقلی از یکدیگر طوری که همزمان شتاب بگیرند یا ترمز کنند. در حالی که وسیله نقلیه جلویی توسط راننده انسانی هدایت می شود، سایر وسایل نقلیه راننده ندارند و یا راننده آن تنها در شرایط ترافیکی پیچیده مانند حلقه ترافیکی یا حوادث غیرمنتظره وارد عمل می شود.
الگوریتم های هوش مصنوعی به طور گسترده در پلتفرم های اقتصادی اشتراکی که خدمات حمل و نقل ارائه می دهند، نظیر تاکسی های اینترنتی استفاده می شود. این پلتفرم ها در همه ی جنبه های خدماتشان از جفت کردن راننده و مسافر گرفته تا بهینه سازی مسیر استفاده می شوند.
علاوه بر موارد ذکر شده، فناوری های هوش مصنوعی به مدیریت ترافیک جاده ای اعمال می شود تا با تحلیل الگو و حجم ترافیک، سریع ترین مسیر را برای راننده ها مشخص کند و به این ترتیب ازدحام ترافیک کاهش یابد. فناوری های هوش مصنوعی همچنین از طریق کنترل چرا غ های راهنمایی رانندگی جریان ترافیک را مدیریت می کند.
کاربرد هوش مصنوعی در حمل و نقل هوایی
کاربرد هوش مصنوعی در مدیریت ترافیک هوایی (ATM) شامل مسائلی نظیر پیش بینی ترافیک در فازهای مختلف پرواز، بهبود جریان مسافران در فرودگاه ها و خودکارسازی کامل تر سیستم است.
کاربرد دیگر هوش مصنوعی در صنعت هواپیمایی ایجاد یک پلتفرم امن برای ذخیره سازی، مدیریت و تجزیه و تحلیل داده های عملیاتی تعمیر و نگهداری هواپیما در ناوگان هواپیما و سطح جهانی است. برای نمونه پلتفرم Skywise شامل اطلاعات مربوط به حمل و نقل هوایی از جمله سفارشات کاری، مصرف قطعات، اطلاعات قطعات و هواپیما و پیکربندی ناوگان، و داده های سنسور است و داده های عظیم را پس از یکپارچه سازی تجزیه و تحلیل می کند.
آمازون از وسایل نقلیه هوایی هوشمند و بدون سرنشین برای تحویل سریع کالاهای خود استفاده می کند. دبی نیز با همکاری Volocopter، یک تاکسی هوایی بدون سرنشین را آزمایش کرده است.
از جمله بارزترین کاربردهای هوش مصنوعی در صنعت حمل و نقل ریلی، کمک به خودکارسازی عملیات ریلی یا ATO است. ATO مسئولیت مدیریت عملیات قطار را با درجات مختلفی از خودکار بودن، از راننده به سیستم کنترل واگذار می کند. کمسیون بین المللی الکتروتکنیکال چهار درجه ی استاندارد خودکار بودن قطار را مشخص کرده است که درجه ی سوم مربوط به عملیات بدون راننده ولی با حضور اعضای خدمه قطار در کابین و درجه ی چهارم مربوط به قطارهای کاملا مستقل و بدون مراقب است.
برای اپراتورهای ریلی و مدیران زیرساخت، آگاهی از خرابی های احتمالی قبل از وقوع، برای جلوگیری از هرگونه وقفه در ارائه خدمات بسیار باارزش است. امروزه هوش مصنوعی می تواند از قدرت داده های ارائه شده توسط سنسورهای مستقر در قطارهای بحرانی یا مؤلفه های زیرساخت استفاده کند تا در زمان مناسب اطلاعات را استخراج و اقداماتی را برای نگهداری از قطار پیشنهاد دهد که مزایای زیادی به همراه دارد از جمله تعمیر سریع تر، کاهش هزینه های نگهداری و رضایت بهتر مشتریان. علاوه بر آن اپراتو رهای قطار می توانند رزرو مورد نیاز برای مواقع خرابی ناوگان را کاهش دهند و از هوش مصنوعی برای افزایش قابلیت اطمینان و اثربخشی استفاده کنند.
