“ஏ.ஐ. பிஸியான நேர போக்குவரத்தை எப்படி முன்னறிவிக்கிறது” என்பதை அறிய விரும்புகிறீர்களா? பதிலை கண்டுபிடிக்க INVIAI உடன் இந்த கட்டுரையை விரிவாகப் பார்ப்போம்!

பிஸியான நகரங்களில், பிஸியான நேரங்களில் நெடுஞ்சாலைகள் மற்றும் தெருக்கள் பெரும்பாலும் நிறுத்தும் இடங்களாக மாறி விடுகின்றன – இது மனஅழுத்தம் மற்றும் செலவான பிரச்சினை. ஆய்வுகள், போக்குவரத்து நெரிசல் பல பொருளாதாரங்களுக்கு 2% ஜிடிபி இழப்பை ஏற்படுத்துகிறது என கணக்கிடுகின்றன. உதாரணமாக, அமெரிக்காவில், சராசரி ஓட்டுனர் ஆண்டுக்கு சுமார் 43 மணி நேரம் போக்குவரத்தில் சிக்கிக்கொள்கிறார்.

இந்த வீணான நேரம் பல பில்லியன் டாலர் உற்பத்தி இழப்பையும், கூடுதல் எரிபொருள் செலவையும், அதிக மாசுபாடு மற்றும் மக்களின் ஆரோக்கியத்தில் மனஅழுத்தத்தையும் ஏற்படுத்துகிறது.

இதனை சமாளிக்க, போக்குவரத்து திட்டமிடுவோர் செயற்கை நுண்ணறிவை அணுகுகின்றனர். எப்போது மற்றும் எங்கு நெரிசல் ஏற்படும் என்பதை முன்னறிவிப்பதன் மூலம், ஏ.ஐ. அமைப்புகள் போக்குவரத்து ஓட்டத்தை மென்மையாக்க முயலுகின்றன.

நவீன ஏ.ஐ. போக்குவரத்து முன்னறிவிப்புகள் பெரிய தரவுகளை அடிப்படையாகக் கொண்டவை. அவை சாலைகள் பற்றிய பெரும் தகவல் ஓட்டங்களை சேகரிக்கின்றன: சென்சார்கள் மற்றும் கேமராக்கள் மூலம் வேகம் மற்றும் எண்ணிக்கை, ஸ்மார்ட்போன்கள் மற்றும் வாகனங்களின் ஜிபிஎஸ் தடங்கள், மற்றும் வானிலை அல்லது சிறப்பு நிகழ்வுகள் போன்ற வெளிப்புற காரணிகள்.

உதாரணமாக, போக்குவரத்து கேமராக்கள் மற்றும் ஜிபிஎஸ் சாதனங்கள் நேரடி தரவுகளை வழங்குகின்றன, ஏ.ஐ. அவற்றை அந்த சாலைகளின் வரலாற்று மாதிரிகளுடன் பகுப்பாய்வு செய்கிறது.

இதனால், ஒரு நெடுஞ்சாலை பகுதி வழக்கமாக வாரநாள் காலை நேரங்களில் மெதுவாகும் என்பதை அல்லது நகர மையத்தில் நடைபெறும் இசை நிகழ்ச்சி சில தெருக்களில் கூடுதல் வாகனங்களை கொண்டு வரும் என்பதை மாடல் “அறிந்துகொள்ள” முடிகிறது. நடைமுறையில், கூகுள் மேப்ஸ் போன்ற அமைப்புகள் நேரடி போக்குவரத்து படிப்புகளுடன் கடந்த ஆண்டுகளின் போக்குவரத்து பழக்கங்களை இணைத்து 10-50 நிமிடங்களுக்கு முன் நிலைகளை கணிக்கின்றன.

மெய்யாகவே, ஏ.ஐ. கேட்கிறது: “இப்போது நடக்கும் மற்றும் வழக்கமாக அந்த நேரத்தில் நடக்கும் நிகழ்வுகளைப் பொருத்தவரை, அடுத்த சில நிமிடங்களில் போக்குவரத்து எப்படி இருக்கும்?”

ஏ.ஐ. போக்குவரத்து மாதிரிகளுக்கான முக்கிய தரவுகள்:

• வரலாற்று போக்குவரத்து தரவு: ஒவ்வொரு சாலையின் வேகம் மற்றும் வாகன எண்ணிக்கை, நாள்/வாரம் நேரப்படி.
• நேரடி தரவுகள்: சாலை சென்சார்கள், போக்குவரத்து கேமராக்கள் மற்றும் ஜிபிஎஸ் சாதனங்களிலிருந்து நேரடி வாகன எண்ணிக்கை மற்றும் வேகம்.
• வெளிப்புற தகவல்கள்: வானிலை அறிக்கைகள், விபத்து அல்லது கட்டுமான எச்சரிக்கைகள், சிறப்பு நிகழ்வு அட்டவணைகள்.
• மெஷின் லெர்னிங் ஆல்கொரிதம்கள்: மேலே உள்ள அனைத்து தரவுகளிலிருந்தும் சிக்கலான மாதிரிகளை கற்றுக்கொள்ளும் மாதிரிகள் (நியூரல் நெட்வொர்க்குகள் போன்றவை).

ஏ.ஐ. மாதிரிகள் இந்த தரவுகளை மேம்பட்ட தொழில்நுட்பங்களுடன் செயலாக்குகின்றன. பாரம்பரிய புள்ளியியல் முறைகள் நகர்ப்புற போக்குவரத்தின் பருமன் மற்றும் மாறுபாட்டை சமாளிக்க முடியாமல் இருப்பதால், ஆராய்ச்சியாளர்கள் இப்போது ஆழ்ந்த கற்றல் முறைகளை பயன்படுத்துகின்றனர்.

உதாரணமாக, மீண்டும் மீண்டும் செயல்படும் நியூரல் நெட்வொர்க்குகள் (RNNs) அல்லது கன்வலூஷனல் நெட்வொர்க்குகள் நேரத்திற்குள் போக்குவரத்து மாற்றங்களைப் பிடிக்க முடியும், மற்றும் கிராப் நியூரல் நெட்வொர்க்குகள் (GNNs) சாலை வலையமைப்பின் அமைப்பை நேரடியாகப் பயன்படுத்துகின்றன.

கூகுளின் அமைப்பில், அருகிலுள்ள சாலை பகுதிகள் “சூப்பர் செக்மெண்ட்ஸ்” ஆகக் குழுவாக்கப்பட்டு, GNN போக்குவரத்து தரவுகளின் அடிப்படையில் பயிற்சி பெற்று ஒவ்வொரு பகுதியின் பயண நேரத்தை கணிக்கிறது. கணிக்கப்பட்ட பயண நேரங்கள் (ETA) பிறகு சாத்தியமான வழிகளை வரிசைப்படுத்த பயன்படுத்தப்படுகின்றன. கீழே இந்த செயல்முறை விளக்கப்படம் உள்ளது:

கூகுளின் போக்குவரத்து முன்னறிவிப்பு செயல்முறை: பெயரிடப்படாத வழி மற்றும் வேகம் தரவுகள் சூப்பர் செக்மெண்ட்களில் குழுவாக்கப்பட்டு, கிராப் நியூரல் நெட்வொர்க்கால் பயண நேரங்கள் கணிக்கப்பட்டு, பிறகு ETA அடிப்படையில் வழிகள் வரிசைப்படுத்தப்படுகின்றன.

உண்மையான உலக பயன்பாடுகள்

ஏ.ஐ. இயக்கும் போக்குவரத்து முன்னறிவிப்பு உலகம் முழுவதும் தொழில்நுட்ப நிறுவனங்களும் நகரங்களும் ஏற்கனவே பயன்படுத்தி வருகின்றன. உதாரணமாக, கூகுள் மேப்ஸ் நேரடி பயனர் தரவுகளையும் ஏ.ஐ. மாதிரிகளையும் இணைத்து நெரிசலை முன்னறிவிக்கிறது.

அது ஒரு குறிப்பிட்ட நெடுஞ்சாலை வழக்கமாக காலை 6-7 மணிக்குள் மெதுவாகும் என்பதை “நினைவில்” வைக்கிறது, பின்னர் அந்த வரலாற்றை நேரடி வேகங்களுடன் இணைத்து எதிர்கால நிலைகளை கணிக்கிறது.

கூகுளின் ஏ.ஐ. ஆய்வகமான டீப் மைண்ட், மேம்படுத்தப்பட்ட மெஷின் லெர்னிங் மாதிரிகள் (GNNs பயன்படுத்தி) தைச்சூங் மற்றும் சிட்னி போன்ற நகரங்களில் ETA துல்லியத்தை 50% வரை அதிகரித்துள்ளதாக அறிவித்துள்ளது. இந்த மேம்பாட்டுக்குப் பிறகு, 97% க்கும் மேற்பட்ட பயண ETA கள் மிகவும் துல்லியமாக இருந்தன.

மற்ற வார்த்தையில், ஏ.ஐ. உங்கள் வழி 30 நிமிடங்கள் எடுக்கும் என்று முன்னறிவித்தால், அது பெரும்பாலும் சரியாக இருக்கும்.

மற்ற வணிக தளங்களும் இதே மாதிரியான யோசனைகளைப் பயன்படுத்துகின்றன. போக்குவரத்து பகுப்பாய்வு நிறுவனம் INRIX அதன் ஏ.ஐ. “எல்லா சாலைகளிலும் நேரடி போக்குவரத்து வேகங்களை முன்னறிவிக்க முடியும்” என்று கூறுகிறது, பல தசாப்தங்களாக சேகரிக்கப்பட்ட தரவுகளை பகுப்பாய்வு செய்து.

இன்ரிக்ஸ், ஏ.ஐ. மற்றும் மேகக் கணினி முன்னேற்றங்களை பயன்படுத்தி பாரம்பரிய சென்சார்கள் காணாத சிறிய தெருக்களையும் உள்ளடக்கியுள்ளது.

வழிசெலுத்தும் செயலிகள் போலவே கூகுளின் வேய்ஸ் மற்றும் ஆப்பிள் மேப்ஸ், கூட்டுறவு ஜிபிஎஸ் மற்றும் ஏ.ஐ. பயன்படுத்தி ஓட்டுநர்களுக்கு எதிர்கால மெதுவாகும் பகுதிகளை அறிவித்து, சில நேரங்களில் நெரிசல் உருவாகும் முன் மாற்று வழிகளை பரிந்துரைக்கின்றன.

நகரங்களும் போக்குவரத்து அமைப்புகளும் ஏ.ஐ.யை பயன்படுத்தி வருகின்றன. உதாரணமாக, வாஷிங்டன் மாநிலம் பெல்லிவூவில், 40 சந்திப்புகளில் கேமராக்கள் நேரடி வீடியோவை ஏ.ஐ.க்கு வழங்கி, நெரிசல் சூடான இடங்களை உடனடியாக கண்டறிகிறது.

டென்மார்க்கில், நகர அமைப்புகள் ஏ.ஐ.யை பயன்படுத்தி போக்குவரத்து அளவுகளை செயலாக்கி, தற்போதைய ஓட்டத்தைப் பொருத்து சிக்னல் நேரங்களை (பச்சை விளக்குகள்) தானாக மாற்றுகின்றன.

பாரம்பரிய போக்குவரத்து விளக்குகளும் புத்திசாலியாக மாறி வருகின்றன: பிட்ட்ஸ்பர்க் மற்றும் லாஸ் ஏஞ்சல்ஸ் இப்போது ஏ.ஐ. தழுவிய சிக்னல்கள் கொண்டுள்ளன, அவை நேரத்தை குறைத்து வாகனங்களை தொடர்ச்சியாக இயக்குகின்றன. உலகம் முழுவதும் ஆராய்ச்சி திட்டங்களும் நடைபெற்று வருகின்றன.

ஐரோப்பா-ஜப்பான் கூட்டாண்மை, TRALICO என்ற ஆழ்ந்த கற்றல் அமைப்பை இஸ்தான்புலில் சிக்னல்களை கட்டுப்படுத்தவும் நெரிசலை முன்னறிவிக்கவும் சோதனை செய்து வருகிறது.

இந்த அனைத்து உண்மையான உலக பயன்பாடுகளும் நெரிசலை முன்கூட்டியே கணிக்க திட்டமிடுவோருக்கு உதவ, போக்குவரத்து சிக்கல்கள் உருவாகும் முன் நடவடிக்கை எடுக்க உதவுகின்றன.

ஓட்டுநர்களுக்கும் நகரங்களுக்கும் பயன்கள்

துல்லியமான போக்குவரத்து முன்னறிவிப்புகளின் பயன் மிகப்பெரியது. தனிப்பட்ட பயணிகளுக்கு, ஏ.ஐ. அதிகமான நம்பகமான பயண நேரங்களை வழங்கி, போக்குவரத்தில் வீணாகும் நேரத்தை குறைக்கிறது.

செயலிகள், நீங்கள் பயணம் தொடங்கும் முன் ஒரு சாலை விரைவில் நெரிசலாகுமா என்பதை எச்சரிக்க முடியும் அல்லது மெதுவாகும் பகுதிகளைத் தவிர்க்க மாற்று வழிகளை பரிந்துரைக்கலாம்.

ஆய்வுகள், இதனால் ஓட்டுநர்கள் வாரத்திற்கு பல மணி நேரங்களை சேமிக்க முடியும் என்று கூறுகின்றன. ஏ.ஐ. வழிகாட்டல் எரிபொருள் பயன்பாட்டையும் குறைக்கிறது – விளக்குகளில் நிறுத்தப்படாமை மற்றும் நிறுத்தி-செலுத்தும் நெடுஞ்சாலைகளில் மெதுவாக நகர்வது குறைவாக எரிபொருள் செலவழிப்பதற்கு வழிவகுக்கிறது.

உதாரணமாக, கூகுள் ஏ.ஐ. திட்டம் பிஸியான சந்திப்புகளில் வாகன நிறுத்தங்களை 30% குறைத்து, எரிபொருள் வெளியீட்டை 10% குறைத்துள்ளதாக அறிவித்துள்ளது.

நகர அளவில், மென்மையான போக்குவரத்து ஓட்டம் குறைந்த மாசுபாடு மற்றும் பொருளாதார வளர்ச்சியை ஏற்படுத்துகிறது. போக்குவரத்தில் குறைந்த நேரம் அதிக உற்பத்தித்திறன், குறைந்த பயண மனஅழுத்தம் மற்றும் சுத்தமான காற்றை தருகிறது.

சுருக்கமாக, ஏ.ஐ. இயக்கும் முன்னறிவிப்புகள் மக்களுக்கு சிறந்த வழிசெலுத்தல் முடிவுகளை எடுக்க உதவுகின்றன மற்றும் நகரங்களுக்கு திறமையான சாலை வலையமைப்புகளை வடிவமைக்க உதவுகின்றன.

சவால்கள் மற்றும் எதிர்கால பார்வை

ஏ.ஐ. போக்குவரத்து முன்னறிவிப்புகளை உருவாக்குவது சவால்களின்றி இல்லை. இத்தனை பெரிய தரவுகளைப் பெறுதல் மற்றும் செயலாக்குதல் செலவானது – நகரங்கள் சென்சார்கள், கேமராக்கள் மற்றும் கணினி உள்கட்டமைப்பில் முதலீடு செய்ய வேண்டியிருக்கும்.

பழைய போக்குவரத்து அமைப்புகளில் ஏ.ஐ. ஒருங்கிணைப்பது சிக்கலானது, மேலும் பணியாளர்கள் புதிய கருவிகளை பயன்படுத்த பயிற்சி பெற வேண்டும்.

தரவு தனியுரிமை மற்றும் பாகுபாடு பற்றிய கவலைகளும் உள்ளன. பெரும் இடம் தரவுகள் பாதுகாப்பாக கையாளப்பட வேண்டும், மற்றும் பயிற்சி தரவுகளில் உள்ள குறைபாடுகள் மாதிரிகள் தவறாக செயல்படக்கூடும் (உதாரணமாக, கிராமப்புற சாலைகள் குறித்த குறைந்த தரவு என்பது அறியப்பட்ட குறைபாடு).

சைபர் பாதுகாப்பும் ஒரு பிரச்சினை: இணைக்கப்பட்ட போக்குவரத்து அமைப்புகள் ஹேக்கிங் இலக்காக இருக்கக்கூடும், எனவே வலுவான பாதுகாப்பு நடவடிக்கைகள் அவசியம்.

இந்த சவால்களுக்குப் பிறகும், நிபுணர்கள் நம்பிக்கையுடன் உள்ளனர். போக்குவரத்து மேலாண்மையில் ஏ.ஐ. இன்னும் ஆரம்ப கட்டத்தில் உள்ளது, வளர்ச்சிக்கு பெரும் வாய்ப்பு உள்ளது. ஆராய்ச்சியாளர்கள் திடீர் நிகழ்வுகளுக்கு (உதாரணமாக, விளையாட்டு நிகழ்ச்சி முடிவடைந்தது) நேரடி முறையில் தகுந்த மாற்றங்களை செய்யும் மாதிரிகளை உருவாக்குவது மற்றும் கிராமப்புற பகுதிகளுக்கு தீர்வுகளை விரிவுபடுத்துவது போன்ற தெளிவான வழிகளை காண்கிறார்கள்.

ஒரு முன்னேற்றமான யோசனை, பெரிய மொழி மாதிரிகள் (ChatGPT போன்றவை) பயன்படுத்தி முன்னறிவிப்புகளுக்கு பொருள் சேர்ப்பது. உதாரணமாக, ஒரு புதிய முறை, ஏ.ஐ.க்கு சாலை மூடல்கள் அல்லது நிகழ்வுகள் பற்றிய எழுத்து தகவலை “புரிந்து” அதை முன்னறிவிப்பில் சேர்க்க அனுமதிக்கிறது.

அடுத்த காலத்தில், ஏ.ஐ. அமைப்புகள் சமூக ஊடகங்கள் அல்லது நேரடி செய்தி ஊடகங்களிலிருந்து போக்குவரத்து அறிக்கைகளை ஒருங்கிணைத்து, முன்னறிவிப்புகளை இன்னும் புத்திசாலியாக மாற்றக்கூடும்.

>>> அறிய கிளிக் செய்யவும்: ஏ.ஐ. பேருந்து வழிகளை மேம்படுத்தி காத்திருக்கும் நேரத்தை குறைக்கிறது 

சுருக்கமாக, செயற்கை நுண்ணறிவு பிஸியான நேர போக்குவரத்தை சமாளிக்கும் முறையை மாற்றி வருகிறது. பெரும் வரலாற்று போக்குவரத்து பழக்கங்கள் மற்றும் நேரடி சாலை நிலைகளை கற்றுக்கொண்டு, ஏ.ஐ. அமைப்புகள் முன்னதாகவே எங்கு நெரிசல் ஏற்படும் என்பதை கணிக்க முடிகிறது.

இதனால் ஓட்டுநர்களுக்கும் நகரங்களுக்கும் முன்னுரிமை கிடைக்கிறது: சிக்னல்களை சரிசெய்தல், வாகனங்களை மாற்று வழிகளில் செலுத்துதல் அல்லது அட்டவணைகளை மாற்றுதல் போன்ற நடவடிக்கைகள் நெரிசல் உருவாகும் முன் எடுக்க முடிகிறது.

தொடர்ந்து முன்னேற்றங்களும் கவனமாக செயல்படுத்தலும், ஏ.ஐ. இயக்கும் போக்குவரத்து முன்னறிவிப்பு நமது பயணங்களை குறுகிய, சுத்தமான மற்றும் மனஅழுத்தமில்லாததாக மாற்ற வாக்குறுதி அளிக்கிறது.