هوشمند‌تر و شبکه‌ای‌تر: آینده سیستمهای حمل‌و‌نقل هوشمند/1

[vc_row][vc_column][vc_column_text]فناوری‌های نوظهور،که معطوف به ایجاد یک محیط متصل‌به‌شبکه و فراهم آوردن داده‌های حجیم هستند، کار گردآوری، ذخیره‌سازی، تحلیل، استفاده و انتشار داده‌های چند-منبعی را آسانتر و ارزانتر ساخته اند. محیط متصل‌به‌شبکه همچنین رویکردهای جدیدی را درخصوص کنترل و مدیریت انعطاف‌پذیر و بلادرنگ سیستمهای حمل‌و‌نقل عرضه می‌کنند که عملکرد سراسری سیستم را بهبود می بخشند. با توجه به مزایای یک محیط متصل‌به‌شبکه ضروری است که درخصوص چگونگی کاربست سیستم حمل‌و‌نقل هوشمند کنونی در محیط متصل‌به‌شبکه شناخت حاصل شود.

1. مقدمه

به گزارش BACpress ،وابسته بودن منابع داده‌ای به این یا آن حوزه اغلب باعث ایجاد محدودیت در تحلیل و فهم مسائل مربوط به حمل‌و‌نقل هوشمند میشود. فناوری‌های نوظهور، کار گردآوری، ذخیره‌سازی، تحلیل، استفاده و انتشار داده‌های چند-منبعی را آسانتر و ارزانتر ساخته اند. این فناوری‌ها معطوف به ایجاد یک محیط متصل‌به‌شبکه و فراهم آوردن داده‌های حجیم برای وسیله‌نقلیه-زیرساخت-عابر (VIP) می‌باشند. یک محیط VIP متصل‌به‌شبکه باعث انعطاف‌پذیری بیشتر سیستم نیز می‌شود و به این ترتیب می توان با مدیریت بلادرنگ و پیاده‌سازی سنجشهای کنترلی، عملکرد سیستم را بهبود بخشید.

با داشتن یک محیط متصل‌به‌شبکه، وسائل نقلیه، زیرساخت، و عابرین پیاده می توانند اطلاعات را چه از طریق یک پروتکل اتصال همتا-به-همتا و چه از طریق یک سیستم مرکزیت‌یافته و بوسیله یک شبکه 4G یا یک شبکه‌ ارتباطاتی پیشرفته‌تر (محیط VIP) با یکدیگر مبادله کنند. این تلقی وجود دارد که چنین فناوری‌ای بالقوه یکی از اختلال‌زاترین فناوری‌ها برای زیست‌بوم شهری است.با توجه به مزایای یک محیط متصل‌به‌شبکه و خصوصیات منحصر‌به‌فرد آن، ضروری است که به منظور کار با محیط متصل‌به‌شبکه، شناختی درخصوص چگونگی به کار بستن سیستمهای کنونی حمل‌و‌نقل هوشمند حاصل شود. مقاله حاضر این اهداف را دنبال می‌کند: (1) مرور روندهای کنونی در سیستمهای حمل‌و‌نقل هوشمند (ITSها) و شهرهای هوشمند؛ و (2) ارائه بینشهایی درخصوص چگونگی وارد کردن محیط VIP متصل‌به‌شبکه به این قبیل سیستمها.

مقاله حاضر به ترتیب زیر سازمان یافته است. در بخش بعد مروری خواهیم داشت بر روندهای کنونی در سیستمهای حمل‌و‌نقل هوشمند . در بخش 3 به بحث درباره شهرهای هوشمند و تکنیکهای هوش مصنوعی (AI) در ارتباط با این شهرها خواهیم پرداخت. مفهوم یک محیط متصل‌به‌شبکه در بخش 4 شرح داده می‌شود و نهایتا در بخش 5 بینشهایی درخصوص ITSها و شهرهای هوشمند آتی ارائه خواهد شد.

2. روندهای کنونی در سیستمهای حمل‌و‌نقل هوشمند (ITSها)

بیش از پیش بر شدت راه‌بندان، تصادفات، و آلودگی‌های ناشی از ‌حمل‌ونقل افزوده می‌شود و این در نتیجه‌ی افزایش شدید  تقاضا برای سفرهای گوناگون می باشد که مواردی چون ترافیک وسایل نقلیه، حمل‌ونقل عمومی، محموله‌ها ، و حتی ترافیک عابرین پیاده را شامل می‌شود. به منظور حل این قبیل مشکلات ITSهایی ایجاد شده اند که می توانند بازه گسترده‌ای از سیستمها، منجمله سیستمهای حسگری، ارتباطات، اشاعه اطلاعات، و کنترل ترافیک را با یکدیگر ادغام و یکپارچه کنند. هر ITS برای آنکه بتواند کارکرد یا کارکردهایش را به انجام برساند به سه مولفه ضروری نیاز دارد: گردآوری داده‌ها، تحلیل داده‌ها، و انتقال داده‌ها/اطلاعات.

در مولفه گردآوری داده‌ها تمامی اطلاعات قابل‌مشاهده از سیستم حمل‌و نقل گردآوری می‌شود (مثلا جریان ترافیک در یک نقطه خاص از شبکه راه‌ها، مدت زمان میانگین سفر برای یک بخش خاص از یک راه، تعداد مسافرین سوار بر ناوگان یک خط انتقال، …) تا که شرایط ترافیکی کنونی متعاقبا مورد تحلیل بیشتر قرار گیرد. روشهایی که تاکنون سنتاً برای گردآوری اطلاعات پایه‌ای ترافیکی نظیر حجم ترافیک و سرعت نقطه‌ای استفاده می‌شده‌اند عبارتند از ردیاب‌های حلقه القائی که بر اساس جریان القائی در حلقه‌ای که دربرگیرنده وسایل نقلیه گذری است حضور وسایل نقلیه را تشخیص می دهند، و تیوبهای پنوماتیک (بادی) که حضور وسایل نقلیه را براساس تغییرات فشار در تیوب تشخیص می‌دهند. اما هزینه بالای پیاده‌سازی این روشها و تاثیری که به هنگام پیاده‌سازی‌شان بر ترافیک می‌گذارند باعث کاهش محبوبیت این روشها، بخصوص در نواحی پرازدحام، گردیده است.

گردآوری داده به کمک دوربین ها و تحلیل آن با نرم‌افزار پردازش تصویر

در نتیجه پیشرفتها در فناوری حسگری و تصویر‌برداری، شاهد استفاده روزافزون از دوربینهای ویدئویی و اسکنرهای رادیوشناسه (اسکنرهای برچسب هوشمند رادیویی) (RFID) در گردآوری داده‌های ترافیکی بوده‌ایم. دوربینها را می‌توان در مکانهای متفاوتی در شبکه نصب کرده و ویدئوهای ترافیکی را گردآوری کرد. این ویدئوها سپس با استفاده از یک نرم‌افزار پردازش تصویر (نظیر Autoscope) که مشخصاً به این منظور طراحی شده است، مورد تحلیل قرار می گیرند تا اطلاعاتی نظیر جریان ترافیک، سرعت، انواع وسایل نقلیه و … معلوم گردد.

تشخیص خودکار پلاک وسایل نقلیه، یکی از حوزه‌های تحقیقی مهم در این زمینه به شمار می‌آید چرا که از طریق تشخیص و مطابقت‌دهی پلاکها می‌توان اطلاعات بیشتری نظیر مسیرهای منتخب و زمانهای سفر فراهم کرد. از سوی دیگر، کار کسب داده‌های رادیوشناسه (RFID) را می توان در مکانهایی که پرداخت بدون تماس در آنها انجام می‌گیرد (مثلا سیستمهای Autotoll و Octopus در هونگ‌کونگ که مشابه با سیستم اخذ خودکار عوارض در بزرگراه‌های ایران هستند) یا برای حمل‌و نقل محموله‌ها به انجام رساند. می توان اطلاعات متفاوت مرتبط با ترافیک نظیر گزینش مسیر و زمان سفر را با مطابقت‌دهی RFID منحصر‌به‌فرد استخراج کرد.

نقش تلفن همراه در گردآوری داده ها

اخیرا افزایش ضریب نفوذ گوشی‌های هوشمند و فناوری‌های ارتباطاتی پیشرفته باعث گردیده است که داده‌های سیستم موقعیت‌یاب جهانی (GPS) ، نشانی‌های کنترل دسترسی رسانه‌ای (MAC) حاصل از اجزاء بلوتوث و وای‌فای، و داده‌های گوشی‌های همراه در دسترس قرار گیرند و از آنها برای تحلیل شرایط ترافیکی و یا حتی رفتار سفر استفاده شود. این انواع جدید داده‌ها در مقایسه با منابعی که پیش از این به آن اشاره شد بیشتر در تراز فردی هستند – چرا که این قبیل دستگاه‌ها معمولا شخصی‌ هستند – و قابلیت ردگیری مستمر را دارند (مثلا GPS و داده‌های تلفن همراه).

این خصوصیات باعث می شود که بتوان تحلیل  جزءنگرانه‌تر و/یا تحلیل مرتبط-با-رفتار را انجام داد.کار اجزاء مرتبط با تحلیل داده‌ها در ITSها این است که با استفاده از داده‌های ترافیکی گردآوری‌شده از منابع گوناگون (نظیر ردیاب‌های چرخه القائی، GPS، …)، اطلاعات و سنجشهای گوناگون مدیریتی/کنترلی فراهم آورند. سنتاً برای ارزیابی شرایط ترافیکی و فراهم آوردن واکنشهای ضروری از مدلهای ازپیش‌تعریف‌شده و ازپیش‌کالیبره‌شده نظیر مدلهای موازنه ترافیک، مدلهای جریان، و مدلهای گوناگون تقاطع چراغدار، استفاده شده است. بهبودهای اخیر در توان محاسباتی و نیاز به ارزیابی جزء‌نگرانه‌تر، به تهیه مدلهای ریز-شبیه‌سازی و مدلهای مبتنی-بر-عامل در مولفه‌های تحلیل داده‌ها منجر شده است. این مدلها در نتیجه معرفی منابع جدید داده‌ای بسط و گسترش یافته‌اند و حال می‌توان از داده‌های جدید به نحو موثری برای بهبود صحت و دقت و جزییات ارزیابی‌ها استفاده کرد.

دسته بندی سیستمهای حمل‌و‌نقل هوشمند بر اساس کارکردها

مولفه‌های انتقال داده‌ها/اطلاعات در ITSها کمک می کنند تا داده‌های گردآوری شده به مراکز عملیاتی منتقل شده و در آنجا ارزیابی اطلاعات انجام گرفته و این اطلاعات و سنجشهای مدیریتی/کنترلی در میان مسافرین و زیرساختها منتشر شود. روشهای انتقال داده‌های گردآوری‌شده، از سیمها به فیبرهای نوری ، و از آنها به شبکه‌های بی‌سیم واجد پلتفرمهای ابری (نظیر 3G/4G، وای‌فای، …) تکامل پیدا کرده است. در زمینه انتشار اطلاعات و راهبردهای کنترل/مدیریت نیز با بهره‌گیری از فناوری‌های اطلاعاتی بهبود‌یافته، شاهد تکامل روشها از علائم ترافیکی سنتی و مخابره رادیویی به علائم پیامی متغیر، اپلیکیشن‌های موبایل، و اطلاعات درون-وسیله‌ای بوده‌ایم.

ITSها با را با توجه به این مولفه‌های اساسی و براساس کارکردهایشان می‌توان به دو دسته تقسیم‌بندی کرد که عبارتند از سیستمهای پیشرفته اطلاعات مسافر (ATIS) و سیستمهای پیشرفته مدیریت (AMS). در ادامه جزییات هریک را شرح خواهیم داد.

سیستمهای پیشرفته اطلاعات مسافر :

هدف ATISها این است که فراهم آوردن انواع گوناگون اطلاعات (نظیر زمان سفر، زمان انتظار، پارکینگ موجود)، به مسافرها در اتخاذ تصمیمات سفر (نظیر انتخاب شیوه سفر، انتخاب مسیر، انتخاب زمان اعزام، …) کمک کنند. در میان سیستمهای گوناگون ذیل این دسته، تخمین/پیش‌بینی زمان سفر، و سیستمهای راهنمای مسیر بیش از همه مورد مطالعه قرار گرفته‌اند چرا که مستقیما می توانند بر انتخابهای مسافرین، بخصوص انتخاب مسیر، تاثیر بگذارند. با پیشرفت روشهای گردآوری داده‌ها و فناوری‌های ارتباطاتی که در بالا شرح داده شد، می توان دقیقتر و به صورت بلادرنگ اطلاعات مربوط به زمان سفر و راهنمای مسیر را فراهم کرد.

با اضافه شدن منابع داده‌ای (نظیر داده‌های GPS، داده‌های تلفن همراه، …)،  اطلاعات بلادرنگِ دیگری نیز در اختیار مسافرین قرار گرفته است. به طور مثال می‌توان از تحلیل تصاویرِ شرایطِ راه که به صورت خودکار با اپلیکیشنهای گوشی‌های هوشمند رانندگان گرفته شده‌اند استفاده کرده و به صورت بلادرنگ معلوم کرد که چه میزان جای پارک در کنار راه موجود است. یک مثال دیگر پیش‌بینی زمان ورود اتوبوس به ایستگاه است که بر اساس اطلاعاتی که توسط مسافرین اتوبوس و از طریق سیگنالهای تلفن همراه و میان برجهای مخابراتی متفاوت منتقل می‌شود انجام می‌گیرد.

سیستمهای پیشرفته مدیریت:

هدف AMSها این است که زیرساختها و اپراتورهای متفاوتِ ذیل سیستم حمل‌و‌نقل را در موقعیتهای متفاوت کنترل یا مدیریت کرده و به این ترتیب کارایی و ایمنی سیستم حمل‌و‌نقل هوشمند را تضمین کنند. در ادبیات مربوط به این حوزه، این قبیل روشهای کنترل/مدیریت بر شاه‌راه‌ها ، آزادراه‌ها، حمل‌و نقل محموله‌ها، خدمات ترانزیت، و موقعیتهای سانحه/اضطراری اعمال می‌گردند. با غنی شدن منابع داده‌ای، بهبود تفکیک‌پذیری داده‌ها، و ارتقاء روشهای انتشار اطلاعات، امکان مدیریت بلادرنگ‌تر و با جزییات بیشتر فراهم گشته است. به طور مثال، فو و یانگ راهبردهایی برای کنترل بازداری-اتوبوس پیشنهاد داده‌اند که بر اطلاعات بلادرنگ مکان اتوبوس مبتنی هستند و به وسیله آنها می‌توان هدوی (headway) اتوبوس‌ها را در ایستگاه‌های مشخص تنظیم کرد.

هرچند اعتبارسنجی این مدلها فقط بواسطه آزمایشات شبیه‌سازی انجام گرفته است، مولفین بینش خوبی درخصوص چگونگی استفاده از منابع جدید اطلاعات در مدیریت حمل‌و‌نقل فراهم آورده‌اند. یک مثال دیگر را در کار کورکیو و همکارانش می‌توان یافت که از منابع باز داده‌ای و داده‌های رسانه‌های اجتماعی برای تشخیص سانحه، که گام نخست بسیار مهم در فرایندهای مدیریت سانحه است، استفاده کرده‌اند.

ادامه مطلب را در قسمت دوم بخوانید:قسمت دوم

منبع:www.sciencedirect.com[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][ult_ihover][/ult_ihover][/vc_column][/vc_row]