Je, unataka kujua jinsi "AI inavyobashiri msongamano wa saa za mvuto"? Hebu tuchunguze zaidi makala hii pamoja na INVIAI

Katika miji yenye shughuli nyingi, barabara kuu na mitaa mara nyingi hubadilika kuwa maegesho wakati wa saa za mvuto – tatizo linalochosha na gharama kubwa. Tafiti zinakadiria kuwa msongamano wa trafiki unagharimu uchumi mwingi karibu asilimia 2 ya Pato la Taifa (GDP). Kwa mfano, nchini Marekani, dereva wa wastani hupoteza takriban masaa 43 kwa mwaka akiwa amekwama kwenye trafiki.

Muda huu uliopotea pia unamaanisha mabilioni ya dola ya uzalishaji uliopotea, matumizi ya mafuta zaidi, na uchafuzi pamoja na msongo wa afya kwa watu.

Ili kushughulikia hili, wapangaji usafiri wanatumia akili bandia. Kwa kubashiri wapi na lini msongamano utatokea, mifumo ya AI inalenga kurahisisha mtiririko wa trafiki kabla ya kupungua kwa kasi.

Utabiri wa kisasa wa trafiki kwa kutumia AI unategemea data kubwa. Hukusanya taarifa nyingi kuhusu barabara: hesabu na kasi kutoka kwa sensa na kamera, alama za GPS kutoka simu za mkononi na magari, na hata mambo ya nje kama hali ya hewa au matukio maalum.

Kwa mfano, kamera za trafiki na vifaa vya GPS hutoa data ya moja kwa moja ambayo AI huchambua pamoja na mifumo ya kihistoria ya barabara hizo.

Hii inamruhusu mfano "kujua" kuwa sehemu fulani ya barabara kuu kawaida hupungua kasi asubuhi za siku za kazi, au kuwa tamasha mjini huleta magari zaidi kwenye mitaa fulani. Kwa vitendo, mifumo kama Google Maps huunganisha kusoma kwa trafiki kwa wakati halisi na mwelekeo wa miaka iliyopita kutabiri hali za trafiki kwa dakika 10–50 zijazo.

Kwa maana nyingine, AI hujiuliza: "Kulingana na kinachoendelea sasa na kile kinachotokea kawaida wakati huu, trafiki itakuwa vipi hivi karibuni?"

Vyanzo muhimu vya data kwa mifano ya AI ya trafiki ni pamoja na:

• Data ya kihistoria ya trafiki: Kasi na idadi ya magari kwenye kila barabara kwa wakati wa siku/juma.
• Data ya moja kwa moja: Hesabu na kasi za magari kwa wakati halisi kutoka kwa sensa za barabara, kamera za trafiki, na vifaa vya GPS.
• Taarifa za nje: Ripoti za hali ya hewa, tahadhari za ajali au ujenzi, na ratiba za matukio maalum.
• Algoriti za kujifunza mashine: Mifano (kama mitandao ya neva) inayojifunza mifumo tata kutoka kwa data zote zilizo hapo juu.

Mifano ya AI huchakata data hizi kwa mbinu za hali ya juu. Mbinu za takwimu za jadi hushindwa kushughulikia ukubwa na mabadiliko ya trafiki mijini, hivyo watafiti sasa wanatumia kujifunza kwa kina.

Kwa mfano, mitandao ya neva inayorudiarudia (RNNs) au mitandao ya convolution inaweza kufuatilia mabadiliko ya trafiki kwa muda, na mitandao ya neva ya grafu (GNNs) hutumia muundo wa mtandao wa barabara moja kwa moja.

Katika mfumo wa Google, sehemu za barabara zilizo karibu huunganishwa kuwa "supersegments" na GNN hujifunza kutoka kwa data za trafiki kutabiri muda wa safari kwa kila sehemu. Muda huu wa safari unaotabiriwa (ETA) hutumika kisha kupangilia njia zinazowezekana. Mchoro hapa chini unaonyesha mchakato huu:

Mchakato wa utabiri wa trafiki wa Google: data za njia na kasi zilizofichwa hutengwa kuwa supersegments, huchakatwa na Mtandao wa Neva wa Grafu kutabiri muda wa safari, kisha hutumika kupangilia njia kwa ETA.

Matumizi Halisi Duniani

Utabiri wa trafiki unaotumia AI tayari unatumika na makampuni ya teknolojia na miji duniani kote. Kwa mfano, Google Maps huunganisha data za watumiaji kwa wakati halisi na mifano ya AI kutabiri msongamano.

Inakumbuka kuwa barabara fulani kawaida hupungua kasi kati ya saa 12 usiku na saa 1 asubuhi, kisha huunganisha historia hiyo na kasi za sasa kutabiri hali za baadaye.

DeepMind (labu ya AI ya Google) inaripoti kuwa mifano iliyoboreshwa ya ML (inayotumia GNNs) imeongeza usahihi wa ETA hadi asilimia 50% katika miji kama Taichung na Sydney. Baada ya maboresho haya, zaidi ya asilimia 97 ya ETA za safari zilikuwa sahihi sana.

Kwa maneno mengine, ikiwa AI inabashiri kuwa njia yako itachukua dakika 30, karibu kila mara ni sahihi.

Mifumo mingine ya kibiashara hutumia mawazo kama haya. Kampuni ya uchambuzi wa trafiki INRIX inasema AI yake inaweza "kubashiri kasi za trafiki kwa wakati halisi kwenye barabara zote" kwa kuchambua data za miongo kadhaa.

Inrix inatumia maendeleo ya AI na kompyuta za wingu kufunika hata mitaa midogo ambayo sensa za jadi hazifiki.

Programu za urambazaji kama Waze (ya Google) na Apple Maps pia hutumia GPS ya watu wengi na AI kuwajulisha madereva kuhusu upungufu wa kasi unaokuja, wakati mwingine kupendekeza njia mbadala kabla ya msongamano kuanza.

Miji na mashirika ya usafiri pia yanatumia AI. Katika Bellevue, Washington, kwa mfano, kamera 40 kwenye mizunguko hutoa video ya moja kwa moja kwa AI inayotambua maeneo yenye msongamano kwa wakati halisi.

Nchini Denmark, mifumo ya miji hutumia AI kuchakata idadi ya magari na kurekebisha taa za barabarani (taa za kijani) kiotomatiki kulingana na mtiririko wa sasa.

Hata taa za trafiki za kawaida zinakuwa smart: Pittsburgh na Los Angeles sasa zina taa zinazobadilika kwa AI zinazobadilika papo hapo, kupunguza muda wa kusimama na kuendelea na magari. Miradi ya utafiti inaendelea duniani kote pia.

Ushirikiano wa Ulaya na Japan unajaribu mfumo wa kujifunza kwa kina uitwao TRALICO unaobashiri msongamano na kudhibiti taa mjini Istanbul.

Matumizi haya yote halisi yanakusudia kubashiri msongamano mapema ili wapangaji waweze kuchukua hatua kabla ya msongamano kuanza.

Manufaa kwa Madereva na Miji

Faida za utabiri sahihi wa trafiki ni kubwa. Kwa wasafiri binafsi, AI inamaanisha muda wa safari unaotegemewa zaidi na kupungua kwa muda wa kukaa bure kwenye trafiki.

Programu zinaweza kukuonya kabla hujaondoka ikiwa barabara itajaa magari hivi karibuni, au kukuelekeza njia mbadala kuepuka msongamano.

Tafiti zinaonyesha kuwa hii inaweza kuokoa madereva masaa kila wiki. Mwongozo wa AI pia hupunguza matumizi ya mafuta – hakuna kusimama taa au kusogea polepole barabarani, maana yake ni kupunguza matumizi ya gesi.

Kwa kweli, mradi mmoja wa AI wa Google unaripoti kupunguza kusimama kwa magari kwa asilimia 30 na utoaji wa moshi wa mafuta kwa asilimia 10 kwenye mizunguko yenye shughuli nyingi.

Kiwango cha miji, mtiririko mzuri wa trafiki unamaanisha uchafuzi mdogo na faida za kiuchumi. Kupungua kwa muda wa kukaa kwenye trafiki kunaleta uzalishaji mkubwa, kupunguza msongo wa mawazo wa usafiri, na hewa safi zaidi.

Kwa kifupi, utabiri unaotumia AI husaidia watu kufanya maamuzi bora ya njia na kusaidia miji kubuni mitandao ya barabara yenye ufanisi zaidi.

Changamoto na Mtazamo wa Baadaye

Kujenga mifano ya utabiri wa trafiki kwa AI si rahisi. Kupata na kuchakata data nyingi ni gharama – miji inaweza kuhitaji kuwekeza katika sensa, kamera, na miundombinu ya kompyuta.

Kuingiza AI kwenye mifumo ya trafiki ya zamani ni changamoto, na wafanyakazi wanapaswa kufundishwa kutumia zana mpya.

Kuna pia wasiwasi kuhusu faragha ya data na upendeleo. Maktaba kubwa za data za maeneo lazima zishughulikiwe kwa usalama, na mifano inaweza kushindwa ikiwa data za mafunzo zina mapungufu (kwa mfano, data kidogo kuhusu barabara za vijijini ni tatizo linalojulikana).

Usalama wa mtandao ni suala jingine: mifumo ya trafiki iliyounganishwa inaweza kuwa malengo ya udukuzi, hivyo ulinzi madhubuti unahitajika.

Licha ya changamoto hizi, wataalamu wana matumaini. AI katika usimamizi wa trafiki bado ipo hatua za mwanzo, na kuna nafasi kubwa ya ukuaji. Watafiti wanaona njia wazi za mbele – kama kutengeneza mifano inayobadilika papo hapo kwa matukio ya ghafla (kama mchezo wa michezo kuisha) na kupanua suluhisho hadi maeneo ya vijijini.

Wazo la kisasa ni kutumia mifano mikubwa ya lugha (kama ile nyuma ya ChatGPT) kuongeza muktadha kwenye utabiri. Kwa mfano, njia mpya inaruhusu AI "kuelewa" taarifa zilizoandikwa kuhusu kufungwa kwa barabara au matukio na kuziingiza kwenye utabiri wake.

Hivi karibuni, mifumo ya AI inaweza kuunganisha ripoti za trafiki kutoka mitandao ya kijamii au vyanzo vya habari vya moja kwa moja, kufanya utabiri kuwa wa busara zaidi.

>>> Bonyeza kujua jinsi: AI Inaboresha Njia za Mabasi Kupunguza Muda wa Kusubiri 

Kwa muhtasari, akili bandia inabadilisha jinsi tunavyoshughulikia msongamano wa saa za mvuto. Kwa kujifunza kutoka kwa mwelekeo mkubwa wa kihistoria na hali halisi za barabara, mifumo ya AI inaweza kutazama mbele na kukadiria wapi msongamano utatokea.

Hii inawapa madereva na miji nafasi ya mapema: kurekebisha taa, kuelekeza magari njia mbadala, au kubadilisha ratiba kabla ya msongamano kuanza.

Kwa maendeleo endelevu na utekelezaji makini, utabiri wa trafiki unaotegemea AI unaahidi kufanya safari zetu kuwa fupi, safi, na zisizo na msongo wa mawazo.