پیش بینی کاهش ۱۵ درصدی ترافیک با استفاده از یک چراغ راهنمایی دارای هوش مصنوعی

شهر «لمگو» (Lemgo) در آلمان در آستانه تبدیل شدن به یک آزمایشگاه واقعی برای پروژه ای است که هدف آن بهبود جریان ترافیک است. این شهر اولین مکانی روی زمین خواهد بود که در آن از یک چراغ راهنمایی تجهیز شده به فناوری «یادگیری تقویتی عمیق» (Deep Reinforcement Learning) استفاده خواهد شد که جریان ترافیک را در شبیه سازی ها ۱۰ تا ۱۵ درصد بهبود بخشیده است.

دانلود فایل PDF و مشاهده عناوین ماهنامه ” اقتصاد دیجیتال” شماره ۱۵، آذر ماه۱۴۰۰

تیمی از موسسه فرانهوفر (Fraunhofer) همراه با تعدادی از شرکای تحقیقاتی شان، دوربین‌هایی با وضوح بالا و حسگرهای راداری برای درک دقیق‌تر وضعیت ترافیک در یک تقاطع در لمگو نصب کرده‌اند. سیستم هوش مصنوعی، با استفاده از داده های این تجهیزات، شبیه سازی های هوش مصنوعی را برای توسعه الگوهای سیگنال بهینه تر برای کمک به جریان روان تر ترافیک اجرا می کند.

در شبیه سازی های انجام شده، این سیستم کنترل جدید چراغ راهنمایی، جایگزین کنترل های قدیمی شده است که بسیار ساده تر عمل می کنند و قادر به پردازش داده های به مراتب کمتری هستند. نتایج شبیه سازی های به اندازه ای خوب بوده است که تیم و شهر را تشویق کند تا استفاده از هوش مصنوعی را در یک تقاطع واقعی از شهر امتحان کنند.

البته مدل سازی مربوط به رفتار ترافیکی که در شبیه سازی های مورد استفاده قرار گرفته است، انعکاس یک به یکی از واقعیت نبوده است در نتیجه لازم است که سیستم در محیط واقعی نیز آزموده و برای آن تنظیم شود. در صورت موفقیت آمیز بودن این طرح، اثرات آن در کاهش ترافیک در مقیاس شهر قابل توجه خواهد بود.

جهت مشاهده و دانلود ماهنامه ” اقتصاد دیجیتال” اینجا کلیک نمایید.

با استفاده از الگوریتم هوش مصنوعی، این تیم امیدوار است که زمان سفر را برای افرادی که در شهر رانندگی می کنند کاهش دهد و در نتیجه آلودگی صوتی و دی اکسید کربن (CO2) ناشی از ترافیک ایستا را کاهش دهد. اتحادیه اروپا تخمین می زند که راه بندان ها سالانه حدود ۱۱۴ میلیارد دلار خسارت اقتصادی به کشورهای عضوش وارد می کند و این فناوری می تواند به کاهش این رقم کمک کند. در گام بعدی، این تیم در حال بررسی نحوه استفاده از این سیستم برای بهتر کردن چراغ‌های راهنمایی برای عابران پیاده نیز هستند.

حسگرها همچنین می‌توانند تشخیص دهند که چه تعداد عابر پیاده در پشت چراغ منتظر عبور هستند و حتی افراد کم‌توانی را که ممکن است برای عبور از خیابان به زمان بیشتری نیاز داشته باشند، شناسایی کنند. با استفاده از این تکنولوژی انتظار می رود که زمان انتظار در اوقاتی که افراد زیادی پشت چراغ هستند تا ۳۰ درصد کاهش یابد و همچنین شاهد کاهش ۲۵ درصدی عبور عابران پیاده در زمان ها و مکان های نامناسب باشیم.