کنترل ترافیک در شهرهای هوشمند

کنترل ترافیک در شهرهای هوشمند و در برخی کشورهای پیشرفته با نصب دوربین‌ها و حسگرهای هوش مصنوعی در تقاطع‌ها و خیابان‌های مختلف، حل شده است. این دوربین‌ها و حسگرهای هوشمند با قابلیتی مانند تعیین حجم خودروهای ورودی به هر خیابان و یا تعیین مقصد خودروها، اطلاعاتی را جمع‌آوری کرده و به مرکز کنترل ترافیک ارسال می‌کنند؛ جایی که اطلاعات تجزیه و تحلیل می‌شوند. سپس تصمیماتی مانند تغییر زمان‌بندی چراغ راهنمایی و اولویت دادن به بعضی معابر را اعمال می‌کنند.در ایران نیز مشابه چنین سیستم‌هایی استفاده می‌شود. برای مثال بسیاری از تقاطع‌های سطح شهر مشهد به سیستم کنترل هوشمند (SCATS) مجهز می‌باشد.

اصطلاح AI در ترافیک

به کاربردهای هوش مصنوعی (AI) و یادگیری ماشین (ML) در سیستم های ترافیکی اطلاق می شود. سیستم های AI ترافیک داده های ترافیک را جمع آوری و تحلیل می کنند ، راه حل هایی تولید می کنند و آنها را در زیرساخت های ترافیک اعمال می کنند. در حال حاضر ، سیستم های هوش مصنوعی در کنترل ترافیک شهرهای هوشمند به قدرت بهبود نظارت بر ترافیک و تجزیه و تحلیل داده های حمل و نقل را می دهند. در آینده ، یک هوش مصنوعی پایدار و ترافیکی ممکن است قادر به کنترل خودکار جریان ترافیک باشد. هوش مصنوعی ترافیک با جمع آوری داده ها از سیستم های ترافیکی متصل با کمک اطلاعات لحظه ایی ترافیک فعلی یا سوابق رفتار ترافیکی گذشته را فراهم شده ، کار می کند. برای درک این داده های بدون ساختار ، از مدل های یادگیری ماشین برای پردازش ، تجزیه و تحلیل و یادگیری زیرساخت های ترافیک استفاده می کند. سپس هوش مصنوعی از این باز خورد ها برای حل مشکلات ترافیکی استفاده می کند.  سیستم های AI ترافیک قادر به پردازش و تجزیه و تحلیل انواع داده ها ، از جمله تصاویر و فیلم ها هستند. با کمک تکنیک های بینایی رایانه ای ، سیستم های هوش مصنوعی ترافیکی می توانند اشیا in موجود در تصاویر و ویدئو ها را از دوربین های ترافیکی ، با تجزیه آنها در شناسایی ویژگی ها ، و مطابقت آنها با کلاس هایی مانند “ماشین” ، “موتور سیکلت” یا “عابر پیاده” تشخیص دهند. تشخیص و طبقه بندی اشیا می تواند به تمایز بین عابران پیاده و وسایل نقلیه ، بین انواع مختلف وسایل نقلیه و بین ساختمان ها و موجودات زنده کمک کند. هوش مصنوعی ترافیک می تواند وسایل نقلیه را بشمارد ، شلوغی جاده را مشخص کند و بر این اساس ترافیک را مسیر جدیدی ایجاد کند .در یک زمان خاص ، پس از جمع آوری اطلاعات کافی ، هوش مصنوعی ترافیک می تواند الگو ها را برای درک بهتر اکوسیستم ترافیک آغاز کندو می تواند یاد بگیرد که بین رویداد هایی که باعث ازدحام می شوند ، مانند تصادف اتومبیل یا ساعت شلوغی ، تفاوت قائل شود. وقتی هوش مصنوعی ترافیک می فهمد که ساعت شلوغی در زمان خاصی اتفاق می افتد ، می تواند تجزیه و تحلیل پیش بینی کرده و از داده ها برای بهبود جریان ترافیک استفاده کند.در زیر سه روش استفاده از هوش مصنوعی ترافیک برای بهبود مدیریت ترافیک و بهره مندی رانندگان از شهرها وجود دارد.

چراغ راهنمایی سیستم های AI ترافیکی

می توانند چراغ های راهنمایی را بهینه کرده و زمان انتظار در تقاطع ها را کاهش دهند. هوش مصنوعی در کنترل ترافیک در شهرهای هوشمند ، وسایل نقلیه را در تصاویر دوربین های راهنمایی و رانندگی تشخیص می دهد. اطلاعات به یک مرکز کنترل ارسال می شود ، جایی که الگوریتم ها تراکم ترافیک را تجزیه و تحلیل می کنند. اگر سیستم شلوغی را تشخیص دهد ، می تواند چراغ راهنمایی را بر اساس داده های زمان واقعی به مسیر مجدد ترافیک هدایت کند.

الگوهای ترافیک با استفاده از تجزیه و تحلیل های پیش بینی شده 

 سیستم های هوش مصنوعی ترافیکی می توانند الگوهای ترافیکی را شناسایی کرده و از ازدحام خیابان هاقبل از وقوع جلوگیری یا آن را کاهش دهند. شهرهای هوشمند می توانند یک سیستم AI ترافیکی را با سیستم حمل و نقل هوشمند (ITS) خود ادغام کنند یا AI را در سیستم مدیریت ترافیک پیشرفته (ATMS) خود بسازند.

یمنی بهبود یافته سیستم های AI ترافیکی

می توانند خدمات اضطراری و حمل و نقل عمومی را ایمن تر و کارآمدتر کنند. هوش مصنوعی ترافیک بین انواع کاربران خیابان هاتفاوت ایجاد می کند و می تواند جریان ترافیک را بر این اساس اولویت قرار دهد. هنگامی که هوش مصنوعی یک وسیله نقلیه اضطراری را تشخیص می دهد ، می تواند ترافیک را دوباره هدایت کند تا به پرسنل اورژانس کمک کند سریعتر به مقصد برسند. اگر اتوبوس در ترافیک گیر کرده باشد ، هوش مصنوعی می تواند در توقف به موقع آن کمک کند.

چراغ‌ راهنمایی و رانندگی هوشمند چگونه عمل می کنند

این سیستم بر پایه اطلاعات است و نیازمند داده برای انجام کار است. سنسورها یا دوربین ها با قابلیت پردازش، تأمین کننده‌های اصلی داده برای این سیستم هستند. بعد از اینکه از ورودی داده‌ها و اطلاعات وارد شد، سیستم میزان خودروهای هر طرف را برسی می کند و نتیجه را ثبت و بر اساس آن تصمیم می‌گیرید که کدام چراغ سبز و کدام چراغ قرمز باشد. شاید در آخر شب یا صبح زود دیده باشید که چراغ ها در حال چشمک زدن هستند. یکی دیگر از قابلیت‌های چراغ‌ راهنمایی و رانندگی هوشمند همین است. در ساعاتی که میزان تردد بسیار پایین است، چراغ ها را در حالت چشمک زن قرار می دهد.

سیستم کنترل ترافیک و چراغ راهنمایی اسکاتز

این سیستم که با نام اسکاتز (SCATS) شناخته می‌شود، برای اندازه‌گیری میزان ترافیک از سنسورها و حلقه‌های سیمی کارگذاشته‌شده در کف خیابان استفاده می‌کند. این سیستم می‌تواند انواع مختلف خودرو را تشخیص دهد و همین طور می‌تواند تعداد عابران پیاده در پیاده‌روها را نیز مشخص کند. زمابندی چراغ راهنمایی در هر چهارراه از طریق یک جعبه کنترل اعمال می‌شود. این زمانبندی‌ها از طریق یک رایانه از راه دور بر کل سیستم تاثیر می‌گذارد. تغییرات در عملکرد چراغ‌های راهنمایی در زمان واقعی انجام می‌شود.برای اطمینان از عملکرد درست و دقیق این فناوری، سیستم کنترل چراغ‌های راهنمایی رانندگی به‌طور منظم و مرتب ارزیابی و چک می‌شود.

سیستم کنترل ترافیک و چراغ راهنمایی اسکوت

زیمنس موبیلیتی هم سیستم مشابهی را با نام «روش بهینه‌سازی تعادل چرخه تقسیم» معرفی کرده است. این سیستم از زمان ارائه در دهه ۱۹۸۰ در انگلستان، بارها اصلاح و به‌روزرسانی شده است. این سیستم که به نام اسکوت (SCOOT) معروف است، ترافیک را در تقاطع‌ها اندازه‌گیری و با اعمال تغییرات جزئی، زمابندنی چراغ راهنمایی را تعیین می‌کند. این سیستم برای تشخیص و شناسایی خودروها از حلقه‌های سیمی در کف خیابان، مغناطیس‌سنج و تصاویر ویدیویی بهره می‌برد.در صورت لزوم و وجود امکان نصب دستگاه‌های تشخیص و شناسایی، سیستم زیمنس می‌تواند انواع مختلف خودرو و همین طور عابران پیاده را شناسایی کند و تشخیص دهد. این سیستم با استفاده از یک پردازنده مرکزی، الگوریتم‌ها را بر اساس داده‌های جمع‌آوری‌شده اعمال و بهترین زمان را برای چراغ راهنمایی معین می‌کند.زیمنس موبیلیتی این سیستم را در یک جاده پررفت‌وآمد آزمایش کرد. این آزمایش نشان داد که زمان رانندگی در طی روزهای هفته ۱۲ درصد و در تعطیلات آخر هفته ۲۱ درصد کاهش یافته است. مزایای استفاده از این سیستم در ساعات کم‌رفت‌وآمد نمود بیشتری داشت، در صورتی که در ساعات اوج رفت‌وآمد، زمانبندی چراغ راهنمایی تاثیر کمی بر ترافیک دارد.همچنین تحقیق دیگری نشان داد که استفاده از سیستم زیمنس برای مدیریت چراغ‌های راهنمایی سالانه ۳۶.۴ ساعت رانندگی به ازای هر خودرو را کاهش داده و ۱۲۱ لیتر در مصرف سوخت صرفه‌جویی می‌شود و همچنین انتشار گاز دی اکسید کربن را به میزان ۲۸۱ کیلوگرم کاهش می‌دهد.

سیستم کنترل ترافیک و چراغ راهنمایی نوترافیک

شرکت نوترافیک نیز سیستمی را برای کنترل چراغ‌های راهنمایی و ترافیک ارائه داده است. این سیستم اولین پلتفرم خودکار مدیریت و کنترل ترافیک است. با استفاده از این سیستم شهرداری‌ها می‌توانند سیاست‌های ترافیکی خود را اجرا کرده و جریان ترافیک را در همه تقاطع‌ها کنترل کنند. اولویت‌های ترافیکی در این سیستم با خودروهای آمبولانس، آتش‌نشانی و پلیس، وسایل حمل و نقل عمومی و همچنین عابران پیاده است.سیستم نوترافیک برای کنترل و مدیریت چراغ‌های راهنمایی و ترافیک از رادار و ویدیو برای تشخیص خودرو، عابر پیاده، موتورسیکلت و دوچرخه و وسایل حمل و نقل عمومی استفاده می‌کند. این سیستم می‌تواند در هر نوع شرایط آب و هوایی خودروها و عابران پیاده را شناسایی کند. یک موتور بهینه‌سازی (یک رایانه و سیستم‌های الکترونیک) در هر تقاطع داده‌ها را جمع‌آوری می‌کنند و با استفاده از الگوریتم‌ها و شبیه‌سازی‌ها در کسری از ثانیه بهترین زمانبندی را برای چراغ‌های راهنمایی تعیین می‌کند.

هزینه چراغ های راهنمایی هوشمند

برای نصب سیستم‌های کنترل تطبیقی ترافیک و چراغ‌های راهنمایی، مانند اسکاتز، اسکوت و نوترافیک، در هر چهارراه باید ۲۰ هزار دلار هزینه کرد. با این حال در صورت وجود کابل‌های فیبر نوری، این هزینه می‌تواند کمتر شود. سیستم‌های کنترل تطبیقی قیمت بالایی دارند اما سیستم‌های ثابت هم هزینه کمی نخواهند داشت. هزینه زمانبندی سیستم‌های قدیمی می‌تواند تا ۵ هزار دلار هم برسد.کنترل ترافیک و مدیریت چراغ‌های راهنمایی موضوع مهمی برای مسئولان است و با پیشرفت فناوری‌های رایانه‌ای و همین طور تولید خودروهای جدیدتر، سیستم‌های چراغ راهنمایی هوشمند لازمه هر شهری خواهد بود. این سیستم‌ها می‌توانند رانندگی را راحت‌تر و آسان‌تر و خاطر رانندگان را نیز آسوده کنند.