الانتظار الطويل في مواقف الحافلات يثبط الركاب ويقلل من جاذبية وسائل النقل العام. في العديد من المدن، يشكل وقت الانتظار والتأخيرات في التنقل نسبة كبيرة من مدة الرحلة – حيث وجدت دراسة أن وقت الانتظار خارج المركبة يمكن أن يشكل حوالي 17–40% من إجمالي وقت الرحلة. حتى التأخيرات الصغيرة تؤثر سلبًا على عدد الركاب: ففي لندن، أدى زيادة بنسبة 1% في وقت الرحلة إلى انخفاض بنسبة حوالي 0.61% في استخدام وسائل النقل العام.
لمعالجة ذلك، تقوم أدوات الجدولة الحديثة المدعومة بالذكاء الاصطناعي بتحليل البيانات الحية والتاريخية (أنماط الركاب، حركة المرور، الطقس، وغيرها) لتوليد جداول ومسارات حافلات أكثر ذكاءً. تم تصميم هذه الأنظمة لـ “إنشاء جداول زمنية أكثر دقة وموثوقية” وتعد بـ “تقليل أوقات الانتظار وتحسين الالتزام بالمواعيد” للركاب.
حلول الذكاء الاصطناعي لجدولة وتوجيه الحافلات العامة
يدعم الذكاء الاصطناعي مخططي النقل بعدة طرق لتقليل أوقات الانتظار والتأخيرات:
-
التنبؤ بالطلب: تحلل خوارزميات الذكاء الاصطناعي بيانات الركاب السابقة، والطقس، والفعاليات، ووقت اليوم لتوقع متى وأين ستكون الحاجة إلى الحافلات.
من خلال مطابقة توزيع الحافلات مع الطلب، يمكن للمشغلين تجنب الازدحام أو نقص الاستخدام. على سبيل المثال، تستخدم وكالات النقل الآن التنبؤ المدعوم بالذكاء الاصطناعي لـ تحسين توزيع المركبات ومنع الازدحام خلال أوقات الذروة. -
الجدولة التنبؤية والتحكم: يمكن لتقنيات التعلم الآلي التعرف على العوامل التي تؤثر على الالتزام بالمواعيد (مثل حركة المرور وتأخيرات صعود الركاب) وتعديل الجداول أو تعليمات الإرسال بناءً على ذلك.
على سبيل المثال، تحاكي أدوات مثل FlowOS تقدم المركبات وتوصي بتدخلات فورية (مثل التوقف أو تخطي المحطات، تعديل السرعات) للحفاظ على الجدول.
عمليًا، يعني هذا أن الجداول تُضبط باستمرار لتقليل التأخيرات والتجمعات قبل حدوثها. -
أولوية إشارات المرور وتوجيه الحافلات: يمكن للذكاء الاصطناعي التكامل مع إدارة المرور لمنح الحافلات أولوية عند إشارات المرور أو اقتراح مسارات بديلة.
أدى اختبار في بورتلاند، أوريغون باستخدام نظام أولوية إشارات ذكي إلى تقليل وقت انتظار الحافلات عند الإشارات الحمراء بنسبة تقارب 80% على مدى 15 ميلاً، مما سرّع الرحلات بشكل كبير.
وبالمثل، يمكن لخوارزميات التحسين المتقدمة إعادة توجيه أو إعادة توقيت الحافلات لمنع “التجمع” وتوزيع الفواصل الزمنية بشكل متساوٍ. -
معلومات الركاب في الوقت الحقيقي: تدعم الأنظمة الذكية الشاشات الرقمية وتطبيقات الركاب التي تتنبأ بأوقات وصول الحافلات.
من خلال نشر جداول دقيقة ومحدثة باستمرار، تجعل هذه الأنظمة أوقات الانتظار تبدو أقصر.
تُبلغ الوكالات أن توفير معلومات وصول أسرع وأكثر موثوقية وتخطيط نقل منخفض الانتظار – غالبًا ما يتم إنشاؤه بواسطة الذكاء الاصطناعي – يحسن تجربة العملاء بشكل كبير.
تعمل هذه التقنيات معًا للحفاظ على حركة الحافلات وإبقاء الركاب على اطلاع.
على سبيل المثال، تعرض مواقف الحافلات الذكية والتطبيقات الآن توقعات وصول محسّنة بالذكاء الاصطناعي ليعرف الركاب بالضبط مدة انتظارهم.
أمثلة واقعية على استخدام الذكاء الاصطناعي في النقل
توضح هذه الحالات تأثير الذكاء الاصطناعي: جدولة أذكى، موثوقية محسنة، وأوقات انتظار أقصر.
تعتمد وكالات النقل في العديد من البلدان (من الولايات المتحدة إلى أوروبا وآسيا) هذه الأدوات. على سبيل المثال، تستخدم الوكالات الأمريكية الذكاء الاصطناعي لتوقع أعداد الركاب وتنسيق التنقلات، وتجرب مدن مثل بوسطن وسياتل أولوية الإشارات المدعومة بالذكاء الاصطناعي لتقليل التوقفات.
تشترك كل هذه الجهود في هدف واحد: تقليل أوقات انتظار الركاب والتأخيرات.
الفوائد وآفاق المستقبل
يوفر النقل المحسن بالذكاء الاصطناعي فوائد متعددة. من خلال الحفاظ على فواصل زمنية أكثر انتظامًا وتقليل التجمعات، تضمن أنظمة الذكاء الاصطناعي وصول الحافلات بفواصل منتظمة، بحيث لا يواجه الركاب فترات انتظار طويلة وغير متوقعة. تُظهر أبحاث النقل أن مثل هذه “الجدولة الديناميكية” تؤدي إلى أوقات سفر أقصر وراحة أكبر للركاب.
يوفر المشغلون أيضًا المال: فالحافلات الأقل توقفًا والخدمة الأكثر سلاسة تعني انخفاض تكاليف الوقود والعمالة، مما يتيح تخصيص الموارد لتوسيع الخدمة.
في الواقع، تشير التحليلات إلى أن انخفاضًا بنسبة 10% في استهلاك الوقود (بفضل الجدولة الأفضل) يحقق مكاسب مالية وبيئية كبيرة.
مستقبلاً، سيزداد دور الذكاء الاصطناعي في النقل. يمكن للنماذج المتقدمة التعلم المستمر من البيانات الحية (مثل نظام تحديد المواقع وعدد الركاب) للتكيف مع تغيرات حركة المرور والطلب.
قد تدمج أنظمة “المدن الذكية” المستقبلية الذكاء الاصطناعي مع حساسات إنترنت الأشياء وشبكات الجيل الخامس بحيث يتم تحسين مسارات الحافلات والإشارات باستمرار في الوقت الحقيقي.
تشير المشاريع المبكرة إلى أن هذه التقنيات الرقمية تجعل النقل العام “أكثر استدامة وجاذبية”، خاصة في الشبكات ذات الطلب المنخفض أو المعقدة.
من خلال تبني الذكاء الاصطناعي، تهدف المدن إلى تقديم خدمة حافلات أسرع وأكثر موثوقية وبسعة أكبر، مما يقلص أخيرًا أوقات الانتظار المزعجة.
