רוצים לדעת איך "בינה מלאכותית חוזה את עומסי התנועה בשעות השיא"? בואו נצלול לעומק המאמר הזה עם INVIAI כדי למצוא את התשובה!

בערים עמוסות, כבישים ראשיים ורחובות הופכים לעתים קרובות לחניונים בשעות השיא – בעיה מתסכלת ויקרה. מחקרים מעריכים שעומסי התנועה עולים לכלכלות רבות כ-2% מהתמ"ג. בארה"ב, למשל, נהג ממוצע מאבד כ-43 שעות בשנה בפקקים.

הזמן המבוזבז הזה גם מתורגם למיליארדי דולרים באובדן פרודוקטיביות, דלק נוסף שנשרף, וזיהום ומתח בריאותי גבוהים יותר.

כדי להתמודד עם זה, מתכנני תחבורה פונים לבינה מלאכותית. על ידי חיזוי מתי והיכן ייווצרו פקקים, מערכות AI שואפות לזרז את זרימת התנועה עוד לפני שהאטה מתחילה.

תחזיות תנועה מודרניות מבוססות על נתונים גדולים. הן אוספות זרמי מידע עצומים על הכבישים: ספירות ומהירויות מחיישנים ומצלמות, עקבות GPS מטלפונים חכמים ורכבים, ואפילו גורמים חיצוניים כמו מזג אוויר או אירועים מיוחדים.

לדוגמה, מצלמות תנועה ומכשירי GPS מספקים נתונים חיים שה-AI מנתח לצד דפוסים היסטוריים של אותם כבישים.

כך המודל "יודע" שקטע כביש מסוים בדרך כלל מאט בבוקר בימי חול, או שהופעה במרכז העיר תגרום לעלייה בכמות הרכבים ברחובות מסוימים. בפועל, מערכות כמו Google Maps משלבות קריאות תנועה בזמן אמת עם שנים של מגמות עבר כדי לחזות את המצב 10–50 דקות קדימה.

בעצם, ה-AI שואל: "בהינתן מה שקורה עכשיו ומה שקורה בדרך כלל בזמן הזה, איך תיראה התנועה בעתיד הקרוב?"

מקורות הנתונים המרכזיים למודלים של תנועת AI כוללים:

• נתוני תנועה היסטוריים: מהירויות ונפחים בכל כביש לפי שעה ויום בשבוע.
• זרמי מידע חיים: ספירות ומהירויות רכבים בזמן אמת מחיישני כביש, מצלמות תנועה ומכשירי GPS.
• מידע חיצוני: דוחות מזג אוויר, התראות על תאונות או עבודות, ולוחות זמנים של אירועים מיוחדים.
• אלגוריתמים ללמידת מכונה: מודלים (כמו רשתות עצביות) שלומדים דפוסים מורכבים מכל הנתונים הנ"ל.

מודלי AI מעבדים את הקלטים הללו בטכניקות מתקדמות. שיטות סטטיסטיות מסורתיות מתקשות להתמודד עם היקף ושונות התנועה העירונית, ולכן חוקרים משתמשים כיום בלמידה עמוקה.

לדוגמה, רשתות עצביות חוזרות (RNN) או רשתות קונבולוציה יכולות ללכוד שינויים בתנועה לאורך זמן, ורשתות עצביות גרפיות (GNN) משתמשות במפורש במבנה רשת הכבישים.

במערכת של גוגל, קטעי כביש סמוכים מקובצים ל"סופר-קטעים" ורשת GNN מאומנת על נתוני תנועה כדי לחזות זמני נסיעה לכל אחד מהם. זמני הנסיעה החזויים (ETA) משמשים לאחר מכן לדירוג מסלולים אפשריים. התרשים למטה ממחיש את התהליך:

תהליך חיזוי התנועה של גוגל: נתוני מסלולים ומהירויות מנותחים ומאובטחים לסופר-קטעים, מעובדים ברשת עצבית גרפית לחיזוי זמני נסיעה, ומשמשים לדירוג מסלולים לפי ETA.

יישומים מעשיים

חיזוי תנועה מבוסס AI כבר בשימוש בחברות טכנולוגיה וערים ברחבי העולם. לדוגמה, Google Maps משלבת נתוני משתמשים חיים ומודלים של AI לחיזוי עומסים.

המערכת "זוכרת" שקטע מסוים בכביש מהיר מאט בדרך כלל בין 6 ל-7 בבוקר, ומשלבת את ההיסטוריה הזו עם מהירויות בזמן אמת כדי לחזות את המצב העתידי.

DeepMind (מעבדת ה-AI של גוגל) מדווחת שמודלים משופרים (שמשתמשים ב-GNN) שיפרו את דיוק ה-ETA עד 50% בערים כמו טייצ'ונג וסידני. לאחר השדרוג, מעל 97% מה-ETA היו מדויקים מאוד.

במילים אחרות, אם ה-AI חוזה שהמסלול שלך ייקח 30 דקות, זה כמעט תמיד נכון.

פלטפורמות מסחריות אחרות משתמשות ברעיונות דומים. חברת ניתוח התנועה INRIX טוענת שה-AI שלה יכול "לחזות מהירויות תנועה בזמן אמת על כל הכבישים" באמצעות עיבוד עשרות שנים של נתונים.

INRIX מנצלת התקדמות בבינה מלאכותית ובמחשוב ענן כדי לכסות גם רחובות קטנים יותר שחיישנים מסורתיים מפספסים.

אפליקציות ניווט כמו Waze (של גוגל) ו-Apple Maps משתמשות גם הן ב-GPS המופק מהקהל וב-AI כדי להתריע לנהגים על האטות צפויות, ולעיתים מציעות מסלולים חלופיים לפני שהפקק מתהווה.

ערים וסוכנויות תחבורה גם מפעילות AI. בבלוויו, וושינגטון, למשל, מצלמות ב-40 צמתים משדרות וידאו חי ל-AI שמזהה נקודות עומס בזמן אמת.

בדנמרק, מערכות עירוניות משתמשות ב-AI לעיבוד נפחי תנועה ולהתאמת זמני האור הירוק בהתאם לזרימה הנוכחית.

אפילו רמזורים קלאסיים הופכים לחכמים: בפיטסבורג ולוס אנג'לס יש כיום רמזורים אדפטיביים מבוססי AI שמתאימים את עצמם בזמן אמת, מקצרים זמני המתנה ושומרים על תנועה זורמת. פרויקטים מחקריים מתנהלים ברחבי העולם.

שיתוף פעולה אירופה–יפן בוחן מערכת למידה עמוקה בשם TRALICO שמחזית עומסים ומנהלת רמזורים באיסטנבול.

כל הפרויקטים האלו שואפים ללחזות עומסים מראש כדי שמתכננים יוכלו לפעול לפני שהפקקים מתהווים.

יתרונות לנהגים וערים

התועלת מתחזיות תנועה מדויקות היא עצומה. לנהגים פרטיים, AI מבטיח זמני נסיעה אמינים יותר ופחות בזבוז זמן בפקקים.

אפליקציות יכולות להתריע לפני היציאה אם כביש עומד להיתקע, או להציע מסלולים חלופיים כדי להימנע מהאטות.

מחקרים מצביעים על כך שזה יכול לחסוך לנהגים שעות בשבוע. ההכוונה של AI גם מפחיתה את צריכת הדלק – פחות עצירות ברמזורים או נסיעה איטית משמעותה פחות דלק שנשרף.

למעשה, פרויקט AI של גוגל מדווח על הפחתה של 30% בעצירות רכבים ו-10% בפליטת מזהמים בצמתים עמוסים.

ברמת העיר, זרימת תנועה חלקה יותר מתורגמת לפחות זיהום אוויר ולרווחות כלכלית. פחות זמן בפקקים משמעו פרודוקטיביות גבוהה יותר, פחות מתח בנסיעות ואוויר נקי יותר.

בקיצור, תחזיות מבוססות AI עוזרות לאנשים לקבל החלטות מסלול טובות יותר ועוזרות לערים לתכנן רשתות כבישים יעילות יותר.

אתגרים ותחזית לעתיד

בניית תחזיות תנועה מבוססות AI אינה נטולת אתגרים. איסוף ועיבוד כמות כה גדולה של נתונים יכול להיות יקר – ערים עשויות להזדקק להשקעה בחיישנים, מצלמות ותשתיות מחשוב.

שילוב AI במערכות תנועה קיימות מורכב, ויש צורך בהכשרת צוותים לשימוש בכלים החדשים.

קיימות גם דאגות בנוגע לפרטיות הנתונים והטיות. מאגרי מיקום עצומים חייבים להיות מטופלים בביטחון, ומודלים עלולים לטעות אם נתוני האימון שלהם חסרים (לדוגמה, חוסר בנתונים על כבישים כפריים הוא פער ידוע).

אבטחת סייבר היא נושא נוסף: מערכות תנועה מחוברות עלולות להיות יעד לפריצות, ולכן יש צורך באמצעי הגנה חזקים.

למרות האתגרים, המומחים אופטימיים. AI בניהול תנועה עדיין בתחילת דרכו, ויש לו פוטנציאל גדול להתפתח. החוקרים רואים דרכים ברורות להתקדמות – כמו יצירת מודלים שמתאימים עצמם בזמן אמת לאירועים פתאומיים (כמו סיום משחק ספורט) והרחבת הפתרונות לאזורים כפריים.

רעיון מתקדם הוא להשתמש במודלים לשוניים גדולים (כמו אלה שמאחורי ChatGPT) כדי להוסיף הקשר לתחזיות. לדוגמה, שיטה חדשה מאפשרת ל-AI "להבין" מידע כתוב על סגירות כבישים או אירועים ולשלב זאת בתחזית.

בעתיד הקרוב, מערכות AI עשויות לשלב דיווחי תנועה מרשתות חברתיות או מקורות חדשות חיים, ולהפוך את התחזיות לחכמות אף יותר.

>>> לחצו כדי לדעת איך: בינה מלאכותית ממטבת מסלולי אוטובוסים להפחתת זמני ההמתנה 

לסיכום, בינה מלאכותית משנה את הדרך שבה אנו מתמודדים עם עומסי תנועה בשעות השיא. על ידי למידה ממגמות היסטוריות עצומות וממצב הכבישים בזמן אמת, מערכות AI יכולות להביט מעבר לפינה ולהעריך היכן ייווצרו עומסים.

זה נותן לנהגים ולעיר יתרון משמעותי: התאמת רמזורים, ניתוב מחדש של רכבים או שינוי לוחות זמנים לפני שהפקקים מתהווים.

עם המשך התקדמות ויישום זהיר, חיזוי תנועה מבוסס AI מבטיח להפוך את הנסיעות שלנו לקצרות, נקיות ופחות מלחיצות.