هوش مصنوعی مسیرهای اتوبوس را بهینه می‌کند تا زمان انتظار را کاهش دهد
هوش مصنوعی با پیش‌بینی تقاضا، بهبود برنامه‌ها و کاهش تأخیرها، زمان انتظار مسافران را کاهش داده و کارایی حمل‌ونقل عمومی را افزایش می‌دهد.
انتظار طولانی در ایستگاه‌های اتوبوس مسافران را دلسرد می‌کند و جذابیت حمل‌ونقل عمومی را کاهش می‌دهد. در بسیاری از شهرها، زمان انتظار و تأخیرهای انتقال بخش بزرگی از زمان سفر را تشکیل می‌دهد – یک مطالعه نشان داد که انتظار خارج از وسیله نقلیه می‌تواند تقریباً ۱۷ تا ۴۰ درصد از کل زمان سفر را شامل شود. حتی تأخیرهای کوچک نیز باعث کاهش استفاده از حمل‌ونقل عمومی می‌شوند: در لندن افزایش ۱ درصدی در زمان سفر منجر به کاهش حدود ۰.۶۱ درصدی استفاده از حمل‌ونقل عمومی شد.
برای مقابله با این موضوع، ابزارهای برنامه‌ریزی مدرن مبتنی بر هوش مصنوعی داده‌های زمان واقعی و تاریخی (الگوهای استفاده، ترافیک، آب و هوا و غیره) را تحلیل می‌کنند تا برنامه‌ها و مسیرهای اتوبوس هوشمندانه‌تری ایجاد کنند. این سیستم‌ها طراحی شده‌اند تا «برنامه‌های دقیق‌تر و قابل اطمینان‌تری بسازند» و وعده «کاهش زمان انتظار و بهبود عملکرد به موقع» برای مسافران را می‌دهند.
راهکارهای هوش مصنوعی برای برنامه‌ریزی و مسیریابی اتوبوس‌های عمومی
هوش مصنوعی به برنامه‌ریزان حمل‌ونقل در چندین زمینه برای کاهش زمان انتظار و تأخیرها کمک می‌کند:
پیش‌بینی تقاضا
الگوریتم‌های هوش مصنوعی الگوهای گذشته استفاده، آب و هوا، رویدادها و زمان روز را تحلیل می‌کنند تا پیش‌بینی کنند که اتوبوس‌ها کی و کجا مورد نیاز خواهند بود.
- هماهنگ‌سازی استقرار اتوبوس با تقاضا
- جلوگیری از ازدحام و استفاده ناکافی
- بهینه‌سازی استقرار وسایل نقلیه در ساعات اوج
برنامه‌ریزی و کنترل پیش‌بینی‌شده
یادگیری ماشین عوامل مؤثر بر عملکرد به موقع را می‌آموزد و برنامه‌ها را مطابق آن تنظیم می‌کند.
- تحلیل ترافیک و تأخیرهای سوار شدن
- ارائه دستورالعمل‌های اعزام در زمان واقعی
- جلوگیری از تأخیر و تجمع اتوبوس‌ها پیش از وقوع
اولویت سیگنال‌های حمل‌ونقل و مسیریابی
هوش مصنوعی با مدیریت ترافیک ادغام می‌شود تا به اتوبوس‌ها در چراغ‌های راهنمایی اولویت دهد یا مسیرهای جایگزین پیشنهاد کند.
- کاهش انتظار در چراغ قرمز تا ۸۰ درصد
- جلوگیری از تجمع اتوبوس‌ها
- بهینه‌سازی زمان‌بندی مسیر به صورت پویا
اطلاعات مسافر در زمان واقعی
سیستم‌های هوشمند نمایشگرهای دیجیتال و اپلیکیشن‌های مسافران را تغذیه می‌کنند که زمان رسیدن اتوبوس را پیش‌بینی می‌کنند.
- برنامه‌های دقیق و به‌روز
- کاهش احساس طولانی بودن انتظار
- بهبود قابل توجه تجربه مشتری
یک آزمایش در پورتلند، اورگان با استفاده از سیستم اولویت ترافیکی هوش مصنوعی، انتظار در چراغ قرمز اتوبوس را در حدود ۸۰ درصد در مسافت ۱۵ مایل کاهش داد و به طور چشمگیری سفرها را تسریع کرد.
— پژوهش اداره حمل‌ونقل پورتلند
این فناوری‌ها با هم کار می‌کنند تا اتوبوس‌ها در حرکت بمانند و مسافران مطلع باشند. به عنوان مثال، ایستگاه‌ها و اپلیکیشن‌های هوشمند اکنون پیش‌بینی‌های رسیدن اتوبوس را با هوش مصنوعی نمایش می‌دهند تا مسافران دقیقاً بدانند چقدر باید منتظر بمانند.
نمونه‌های واقعی استفاده از هوش مصنوعی در حمل‌ونقل
اپراتورهای بزرگ حمل‌ونقل در حال حاضر از مزایای این فناوری بهره‌مند شده‌اند. در اینجا چند مطالعه موردی جذاب که تأثیر واقعی هوش مصنوعی در حمل‌ونقل عمومی را نشان می‌دهند آورده شده است:
لندن - موفقیت مترولاین
مترولاین سیستم کنترل مبتنی بر هوش مصنوعی (FlowOS از Prospective.io) را برای راهنمایی اعزام‌کنندگان و رانندگان آزمایش کرد.
- کاهش قابل توجه زمان انتظار اضافی
- صرفه‌جویی در حدود ۲۰۰۰ ساعت انتظار جمعی مسافران
- اکنون توسط ComfortDelGro در سطح جهانی اجرا می‌شود
گسترش در سنگاپور
با تشویق از موفقیت لندن، ComfortDelGro همان سیستم هوش مصنوعی را در سنگاپور پیاده‌سازی می‌کند.
- آزمایش‌ها پیش‌بینی صرفه‌جویی تا ۲۰۰۰ ساعت انتظار مسافر در روز
- بهینه‌سازی در سراسر شبکه
- مدل استقرار هوش مصنوعی مقیاس‌پذیر
آلمان - پروژه ÖPNV-Flexi
موسسه Fraunhofer IML آلمان پیش‌بینی‌های مبتنی بر هوش مصنوعی را در پاساو آزمایش کرد.
- پیش‌بینی دقیق حجم مسافران
- تنظیم پویا استقرار ناوگان
- دستیابی به توزیع بهتر مسافران
- کاهش زمان انتظار و بهینه‌سازی ظرفیت
اجرای در شهرهای آمریکا
چندین سازمان آمریکایی در حال پذیرش راهکارهای حمل‌ونقل مبتنی بر هوش مصنوعی هستند.
- بوستون و سیاتل: اولویت سیگنال مبتنی بر هوش مصنوعی
- پیش‌بینی استفاده و هماهنگی انتقال
- کاهش توقف‌های بی‌مورد و تأخیرها
این موارد تأثیر ملموس هوش مصنوعی را نشان می‌دهند: برنامه‌ریزی هوشمندتر، بهبود قابلیت اطمینان و کاهش زمان انتظار. سازمان‌های حمل‌ونقل در بسیاری از کشورها (از آمریکا تا اروپا و آسیا) این ابزارها را با موفقیت قابل اندازه‌گیری به کار می‌گیرند.
مزایا و چشم‌انداز آینده
حمل‌ونقل بهینه‌شده با هوش مصنوعی مزایای متعددی فراتر از صرفه‌جویی در زمان ارائه می‌دهد. با حفظ فواصل زمانی منظم و کاهش تجمع، سیستم‌های هوش مصنوعی اطمینان می‌دهند که اتوبوس‌ها در فواصل زمانی منظم می‌رسند تا مسافران با فاصله‌های طولانی و غیرقابل پیش‌بینی مواجه نشوند.
چالش‌های فعلی
- زمان انتظار غیرقابل پیش‌بینی
- تجمع و فاصله‌های نامنظم اتوبوس‌ها
- هزینه‌های بالای سوخت و نیروی کار
- تجربه نامطلوب مسافران
راهکارهای هوش مصنوعی
- برنامه‌های منظم و قابل پیش‌بینی
- برنامه‌ریزی پویا برای جلوگیری از تجمع
- کاهش ۱۰ درصدی هزینه‌های سوخت
- افزایش راحتی مسافران
تحقیقات حمل‌ونقل نشان می‌دهد که برنامه‌ریزی پویا منجر به کاهش زمان سفر و افزایش راحتی مسافران می‌شود، در حالی که تحلیل‌ها حاکی از آن است که کاهش ۱۰ درصدی مصرف سوخت از طریق برنامه‌ریزی بهتر، منافع مالی و زیست‌محیطی قابل توجهی به همراه دارد.
— مؤسسه تحقیقات حمل‌ونقل
اپراتورها همچنین در هزینه‌ها صرفه‌جویی می‌کنند: کاهش تعداد اتوبوس‌های بیکار و خدمات روان‌تر به معنای کاهش هزینه‌های سوخت و نیروی کار است که منابع را برای گسترش خدمات آزاد می‌کند. در واقع، تحلیل‌ها نشان می‌دهند که کاهش ۱۰ درصدی مصرف سوخت (از طریق برنامه‌ریزی بهتر) منافع مالی و زیست‌محیطی قابل توجهی دارد.
توسعه‌های آینده
نگاهی به آینده، هوش مصنوعی در حمل‌ونقل فقط رشد خواهد کرد. مدل‌های پیشرفته می‌توانند به طور مداوم از داده‌های زنده (GPS، شمارش مسافران و غیره) یاد بگیرند تا با تغییرات ترافیک و تقاضا سازگار شوند.
ادغام با شهر هوشمند
سیستم‌های هوش مصنوعی با حسگرهای اینترنت اشیا و شبکه‌های ۵G ادغام می‌شوند
بهینه‌سازی در زمان واقعی
مسیرها و سیگنال‌های اتوبوس به طور مداوم در زمان واقعی بهینه می‌شوند
خدمات بهبود یافته
حمل‌ونقل عمومی پایدارتر و جذاب‌تر
سیستم‌های آینده «شهر هوشمند» ممکن است هوش مصنوعی را با حسگرهای اینترنت اشیا و شبکه‌های ۵G ادغام کنند تا مسیرها و سیگنال‌های اتوبوس به طور مداوم در زمان واقعی بهینه شوند. پروژه‌های اولیه گزارش می‌دهند که این فناوری‌های دیجیتال حمل‌ونقل عمومی را «پایدارتر و جذاب‌تر» می‌کنند، به ویژه در شبکه‌های با تقاضای کم یا پیچیده.
