الذكاء الاصطناعي في إدارة المرور.. كيف تساعد البيانات على تقليل الازدحام في المدن؟
تعرف على استخدام الذكاء الاصطناعي في إدارة المرور، وتحليل حركة المركبات، وتطوير الإشارات الذكية، والتنبؤ بالازدحام، وأهم تحديات الخصوصية والدقة.
لماذا تبحث المدن عن حلول ذكية للازدحام؟
يمثل الازدحام المروري مشكلة تؤثر في وقت التنقل واستهلاك الوقود وجودة الهواء والإنتاجية اليومية. ومع توسع المدن وزيادة عدد المركبات، تصبح إدارة الحركة أكثر تعقيدًا، خصوصًا عندما تتغير أحجام المرور بين أوقات اليوم والمناطق المختلفة.
وتعتمد إدارة المرور التقليدية على خطط وإشارات وجداول تشغيل مصممة وفق دراسات هندسية، لكن البيانات المتاحة من الكاميرات والحساسات وأنظمة النقل يمكن أن تساعد في تطوير هذه الخطط وتعديلها وفق الظروف الفعلية.
ويمكن للذكاء الاصطناعي تحليل تدفق المركبات، ورصد طوابير الانتظار، وتقدير زمن الوصول، والتنبؤ ببعض حالات الازدحام. وقد تساعد النتائج الجهات المسؤولة على اتخاذ قرارات أفضل بشأن توقيت الإشارات أو توزيع الموارد أو إدارة الحوادث.
لكن التكنولوجيا لا تستطيع وحدها حل مشكلات تنتج عن نقص الطرق أو سوء التخطيط العمراني أو زيادة الاعتماد على السيارات الخاصة. ولهذا يجب النظر إلى الأنظمة الذكية باعتبارها جزءًا من سياسة نقل أشمل.
كيف تحلل الكاميرات حركة المرور؟
تستطيع أنظمة الرؤية الحاسوبية معالجة الصور الواردة من الكاميرات لتقدير عدد المركبات وسرعتها واتجاهاتها، أو اكتشاف توقف غير معتاد في أحد المسارات.
ويمكن استخدام هذه المعلومات لفهم حجم الحركة عند التقاطعات وتحديد الفترات التي ترتفع فيها كثافة المرور. وقد تُدمج البيانات مع قراءات حساسات الطرق أو معلومات وسائل النقل العام للحصول على صورة أوسع عن حركة المدينة.
لكن دقة التحليل تتأثر بالإضاءة والطقس وزوايا التصوير وازدحام المركبات. وقد يصعب على النظام تمييز بعض الأجسام عندما تتداخل المركبات أو تحجب إحداها الأخرى.
ولهذا تحتاج الجهات المشغلة إلى اختبار النماذج في الظروف المحلية، والتحقق من جودة النتائج قبل استخدامها في قرارات تشغيلية واسعة النطاق.
كما ينبغي تحديد ما إذا كانت المهمة تتطلب التعرف على نوع المركبة فقط، أم تستدعي معالجة بيانات أكثر حساسية. ويمكن في كثير من التطبيقات الاكتفاء بمؤشرات إجمالية عن الحركة بدلًا من تحديد هوية السائقين.
الإشارات المرورية التكيفية
تستخدم بعض أنظمة المرور الذكية بيانات الحركة لتعديل توقيت الإشارات وفق حجم المركبات والطلب على كل اتجاه. وقد يسمح ذلك بتقليل فترات الانتظار في بعض التقاطعات مقارنة بجداول ثابتة لا تتغير مع الظروف.
فعندما يرتفع عدد المركبات في اتجاه معين، يمكن للنظام تعديل توزيع الزمن الأخضر ضمن الحدود التي تسمح بها قواعد السلامة والتنسيق بين التقاطعات.
لكن تحسين تقاطع واحد لا يضمن بالضرورة تقليل الازدحام في المنطقة كلها. فقد يؤدي تمديد الإشارة في اتجاه معين إلى زيادة الانتظار في اتجاه آخر أو نقل الطابور إلى تقاطع قريب.
ولهذا ينبغي أن تأخذ الخوارزميات في الاعتبار شبكة الطرق الأوسع، وعبور المشاة، وحركة الدراجات، وأولوية مركبات الطوارئ، ومتطلبات النقل العام.
كما يجب أن تكون هناك آليات تشغيل بديلة عند تعطل الحساسات أو انقطاع الاتصال، حتى لا يؤدي خلل تقني إلى اضطراب الإشارات.
هل يستطيع الذكاء الاصطناعي التنبؤ بالاختناقات؟
يمكن لنماذج التحليل استخدام بيانات المرور السابقة والطقس وأوقات اليوم ومعلومات الحوادث لتقدير احتمال ارتفاع الازدحام في موقع معين.
وقد تساعد هذه التوقعات في توجيه فرق المرور أو إرسال تنبيهات للسائقين أو تعديل خطط إدارة الحركة قبل تفاقم المشكلة.
لكن التنبؤات لا تكون دقيقة دائمًا، خصوصًا عندما يقع حادث مفاجئ أو يحدث إغلاق غير متوقع للطريق أو يتغير سلوك السائقين بصورة غير معتادة.
كما أن الاعتماد على بيانات تاريخية قد يؤدي إلى توقعات غير مناسبة إذا تغيرت البنية التحتية أو أنماط التنقل. ولذلك تحتاج النماذج إلى تحديث مستمر، مع تقييم أدائها ومقارنة التوقعات بالنتائج الفعلية.
ومن المهم كذلك توضيح مستوى عدم اليقين في التقديرات، بدلًا من تقديم أوقات وصول متوقعة باعتبارها ضمانات دقيقة.
دور الذكاء الاصطناعي في النقل العام
يمكن أن تساعد البيانات في تقدير أوقات وصول الحافلات، وتحليل الطلب على المسارات، وتحديد المناطق التي تحتاج إلى خدمات إضافية خلال ساعات الذروة.
وقد تستفيد الجهات المشغلة من تحليل عدد الركاب وتكرار التأخير لتعديل الجداول وتوزيع المركبات، بما يرفع كفاءة استخدام الأسطول.
كما يمكن دمج معلومات النقل العام مع بيانات المرور لتقدير تأثير الحافلات في حركة الطرق وتحديد المسارات التي تحتاج إلى تحسين.
لكن هذه الحلول تتطلب بيانات دقيقة ومحدثة، إلى جانب مراعاة احتياجات كبار السن وذوي الإعاقة والمناطق التي لا تتوافر فيها وسائل رقمية واسعة الانتشار.
ولا ينبغي أن يؤدي الاعتماد على البيانات إلى تجاهل المناطق التي يقل فيها عدد الركاب حاليًا، لأن ضعف الخدمة قد يكون أحد أسباب انخفاض الاستخدام من الأساس.
هل تساعد التقنية في تقليل الحوادث؟
يمكن لبعض أنظمة التحليل رصد مؤشرات مرتبطة بمواقف خطرة، مثل توقف مركبة في موقع غير مناسب أو ظهور عائق على الطريق. وقد تساعد التنبيهات السريعة الجهات المعنية على الاستجابة.
لكن استخدام الذكاء الاصطناعي لتقدير المخاطر لا يعني أنه يستطيع ضمان منع الحوادث. فالسلامة المرورية تعتمد على حالة الطرق والمركبات وسلوك السائقين والطقس والسرعات وقواعد المرور.
وتحتاج أي منظومة تستخدم نتائجها في إجراءات حساسة إلى اختبارات ميدانية وتحديد واضح للمسؤوليات، مع وجود آليات للتحقق من الإنذارات قبل اتخاذ قرارات قد تؤثر في مستخدمي الطريق.
الخصوصية والأمن السيبراني
قد تجمع أنظمة المرور بيانات واسعة عن حركة المركبات ومواقعها وأوقات التنقل. وإذا جرى ربط هذه البيانات بمعلومات تعريفية، فقد تكشف أنماطًا شخصية حساسة.
ولهذا ينبغي تحديد أغراض الجمع والاحتفاظ بالبيانات، وتقليل المعلومات التي لا تحتاج إليها الجهة المشغلة، وحماية الأنظمة من الوصول غير المصرح به.
كما أن الاعتماد على شبكات متصلة يجعل الأمن السيبراني ضروريًا، لأن التلاعب ببيانات الحساسات أو أنظمة الإشارات قد يؤدي إلى اضطرابات تشغيلية خطيرة.
الخلاصة: يمكن للذكاء الاصطناعي أن يساعد المدن على تحسين توقيت الإشارات والتنبؤ بالازدحام وإدارة النقل العام، لكن النتائج تعتمد على جودة البيانات والتخطيط الهندسي. وتظل حماية الخصوصية ووجود أنظمة تشغيل بديلة من المتطلبات الأساسية.
