هوش مصنوعی گره کور ترافیک را باز می‌کند
همه ما تجربه گیرکردن در ترافیک و مواجه‌شدن با چراغ‌های راهنمایی که به نظر می‌رسد هرگز سبز نمی‌شوند را داشته‌ایم. نشستن در صف اتومبیل‌هایی که به مدت چند کیلومتر ادامه‌دارند و به‌کندی حرکت می‌کند برای بیشتر ساکنان شهرهای بزرگ یک تجربه همیشگی است. ترافیک در سبک زندگی مدرن ما به‌سرعت در حال پیشرفت است و ما همواره با آن به روشی غیر مدرن برخورد می‌کنیم.
در حال حاضر تلاش‌های اولیه برای استفاده از توانایی‌های هوش مصنوعی با هدف شناخت و دریافت مقادیر زیادی از اطلاعات و تغییر نحوه حرکت ما در اطراف شهرهای بزرگ صورت گرفته است. محققان اخیراً یک پروژه جدید را به راه انداخته‌اند تا به کمک آن سیستم‌های ترافیکی را مدیریت کرده و با استفاده از هوش مصنوعی، این کنترل را پویاتر در اختیار گرفته و به‌طور دقیق‌تری نسبت به ترافیک واکنش نشان دهند. آن‌ها در حال حاضر از برنامه شبیه‌سازی استفاده می‌کنند که با کمک الگوریتم خود قادر به پیش‌بینی شکل‌گیری ترافیک است.
سیستم‌های مدیریت ترافیک تلاش می‌کنند تا با رشد بی‌رحمانه وسایل نقلیه‌ای که مجبور به مقابله با آن هستند، هماهنگ شوند. ترافیک‌های سنگین اغلب به‌طور آهسته‌ای نسبت به تغییرات در شرایط جاده یا آب‌وهوا واکنش نشان می‌دهند و بسیاری از چراغ‌های راهنمایی همواره بر اساس زمان‌بندی مشخص‌شده و نه شرایط واقعی جاده‌ها کار می‌کنند که در بیشتر مواقع از هماهنگ‌سازی ترافیک جلوگیری کرده و مانع از آزاد شدن وسایل نقلیه در مسیر پرترافیک‌تر می‌شود.
بر اساس آمارها، در سال ۲۰۱۵ حدود ۱٫۳ میلیارد وسیله نقلیه موتوری در جاده‌های جهان وجود داشت و با افزایش درآمد و بهبود اقتصادهای درحال‌توسعه، انتظار می‌رود که این تعداد تا سال ۲۰۴۰ به بیش از 2 میلیارد خودرو و وسیله نقلیه افزایش یابد. حتی با ساخت جاده‌های جدید و ساخت دوربرگردان و مسیرهای جانبی، توانایی شبکه‌های جاده‌ای ما برای مقابله با بسیاری از مناطق شلوغ شهری، نابرابر است اما با ترکیب فناوری ارتباطات جدید با قدرت هوش مصنوعی می‌توان با تعداد روزافزون اتومبیل‌ها مقابله کرده و از حجم گسترده ترافیک کاست.
بسیاری از صاحب‌نظران، خودروهای هوشمند خود ران به‌عنوان درمانی برای معضل ترافیک شناخته و باور دارند این خودروهای رباتیک را می‌توان به‌گونه‌ای آموزش داد تا مسافت کمتری را رانندگی کرده و سریع‌تر از رانندگان انسانی حرکت کنند.
حداقل دو دهه قبل از اینکه شاهد تأثیر حضور این خودروها در جاده‌ها باشیم، آژانس‌های بزرگراه و برنامه‌ریزان شهری باید با یک ترکیب پیچیده‌تر از مجموع رانندگان انسان و خودروهای نیمه‌مستقل و مستقل در جاده‌ها را ایجاد کنند. مدیریت تمامی این موارد در کنار یکدیگر نیازمند سیستم‌های پیشرفته مدیریت ترافیک واکنش‌پذیر و سازگار است.
شرکت Siemens Mobility در شهر بنگلور هندوستان که به‌طور منظم با ترافیک طولانی مواجه بوده و سرعت متوسط برخی خیابان‌های این شهر در ساعات اوج ترافیک فقط ۴ کیلومتر بر ساعت است، یک نمونه اولیه سیستم مانیتورینگ ساخته است که با استفاده از هوش مصنوعی از طریق دوربین‌های ترافیکی به روان‌سازی ترافیک کمک می‌کند. دوربین‌های ترافیکی به‌طور خودکار وسایل نقلیه را شناسایی می‌کنند و این اطلاعات به مرکز کنترل مرکزی ارسال می‌شود که در آن الگوریتم‌ها، تراکم ترافیک در جاده‌ها را تخمین می‌زنند. این سیستم سپس چراغ‌های راهنمایی را بر اساس فواصل زمانی جاده‌ای و شرایط آن لحظه ترافیک، تغییر می‌دهد.
بااین‌حال، برای تأمین نیازمندی‌های این سیستم، اطلاعات زیادی باید جمع‌آوری شود و خوشبختانه اطلاعات فراوانی در این زمینه از طریق سیستم‌های نظارت بر ترافیک، زیرساخت‌های جاده‌ای، اتومبیل‌ها و تلفن‌های همراه رانندگان، قابل دریافت است. میلیون‌ها دوربین در خیابان‌ها و جاده‌های مختلف جهان وجود دارد. رانندگان می‌توانند با به‌روزرسانی نرم‌افزار ناوبری که در تلفن‌های همراه و در اتومبیل‌های آن‌ها را استفاده‌شده است، به این برنامه مبتنی بر هوش مصنوعی کمک کنند.
گابور ارسوز (Gabor Orosz)، استادیار مهندسی در دانشگاه میشیگان درباره این مسئله می‌گوید: «از زمان اسحاق نیوتون تا امروز، انسان تلاش کرده است تا با ایجاد مدل‌های ریاضی برجهان تأثیرگذار باشد. اگر درباره هر موضوعی اطلاعات داشته باشیم می‌توانیم به آن‌ها، آن‌گونه که می‌خواهیم تأثیر بگذاریم و این موضوع درباره ترافیک نیز صدق می‌کند.»
در حال حاضر تلاش‌های اولیه برای استفاده از توانایی‌های هوش مصنوعی با هدف شناخت و دریافت مقادیر زیادی از اطلاعات و تغییر نحوه حرکت ما در اطراف شهرهای بزرگ صورت گرفته است. برای نمونه محققان موسسه آلن تورینگ (Alan Turing Institute) در لندن و بنیاد تویوتا (Toyota Mobility Foundation) اخیراً یک پروژه جدید را با همکاری یکدیگر به راه انداخته‌اند تا به کمک آن سیستم‌های ترافیکی را مدیریت کرده و با استفاده از هوش مصنوعی، این کنترل را پویاتر در اختیار گرفته و به‌طور دقیق‌تری نسبت به ترافیک واکنش نشان دهند. آن‌ها در حال حاضر از برنامه شبیه‌سازی استفاده می‌کنند که با کمک الگوریتم خود قادر به پیش‌بینی شکل‌گیری ترافیک است. این برنامه در حال حاضر در مرحله آزمایشی است اما پژوهشگران امیدوارند به‌زودی از آن در دنیای واقعی استفاده کنند.
ویلیام چرنیکف (William Chernicoff)، سرپرست گروه تحقیق و نوآوری بنیاد تویوتا در این رابطه می‌گوید: «با کمک یادگیری عمیق ماشینی می‌توان نوع ترافیک را پیش‌بینی کرده، تصمیمات سریع‌تر و آگاهانه‌تری در مورد زمان‌بندی چراغ‌های راه نمائی اتخاذ و مسیریابی پیشنهادی بهتری به رانندگان ارائه کرد.»
پژوهشگران در شهر در پیتسبورگ در حال حاضر اجرای پروژه‌ای مشترک با مدیران برنامه‌ریز شهری هستند که در آن، یک سیستم کنترل ترافیک سازگار که توسط محققان در موسسه رباتیک دانشگاه Carnegie Mellon ساخته‌شده است، در ۵۰ چهارراه این شهر مورداستفاده قرارگرفته و به‌این‌ترتیب زمان انتظار در هر چهارراه تا ۴۰ درصد کاهش‌یافته و بر اساس ادعای این گروه تحقیقاتی، زمان سفر در شهر ۲۵ درصد کمتر شده و هم‌زمان میزان تولید آلاینده‌های جوی نیز ۲۰ درصد پائین تر آمده است.
در این سیستم با استفاده از تصاویر ویدئویی به‌طور خودکار تعداد افراد ترددکننده در خیابان‌ها ازجمله عابران پیاده و انواع وسایل نقلیه و … در تقاطع‌ها شناسایی‌شده و سپس این اطلاعات توس هوش مصنوعی پردازش‌شده و بهترین مسیر حرکت در چهارراه مشخص‌شده و چراغ‌های راه نمائی بر این اساس عمل می‌کنند. این سیستم به‌صورت یکپارچه بوده و سیستم برای کنترل بهتر ترافیک می‌تواند به چهارراه‌های بعدی و قبلی یک چهارراه نیز دسترسی داشته و آن‌ها را کنترل کند.
ترجمه: احسان محمدحسینی
منبع: bbc
No tags for this post.
