سیستم حمل و نقل هوشمند یا ITS بسیاری از دغدغه ها و مشکلات ترافیکی متعدد را حل می کند. این مفهوم در شهرهای سراسر جهان رواج و محبوبیت بسیاری یافته است. در این مطلب، برخی از موضوعات رایج و داغ ITS در سال پیش رو را مطرح می کنیم.
در سرتاسر جهان شهرنشینی به شکلی روزافزون در حال گسترش است؛ چرا که مردم روز به روز از روستا ها به سوی شهرها و زندگی شهری مهاجرت می کنند. این رویداد خواه یا ناخواه منجر به بروز مشکلات شهری گوناگونی می شود که یکی از این مشکلات، مربوط به مقوله حمل و نقل است.
از آنجا که هر روز تعداد بیشتری از افراد رانندگی می کنند، تجمع ترافیک اجتناب ناپذیر است و منجر به بروز تلفات و ناکارآمدی هایی در میان رانندگان و شهرهای مختلف خواهد شد.
عیسی کانو تاروئلا (Isa Cano Tarruella) مدیر توسعه استراتژیک بازار حمل و نقل کمپانی Indra اظهار داشت: « در شهری مانند بارسلونا، تخمین زده شده که تجمع ترافیک منجر به بروز حدود 137 میلیون یورو خسارت مالی و تا 52 هزار ساعت تجمع ترافیکی در سال خواهد شد».
عامل کلیدی برای مدیریت ترافیک و مواجهه با سایر مشکلات مربوطه، سیستم حمل و نقل هوشمند یا ITS است. این فناوری حسگرهای زیرساختی را به کار می گیرد که به تولید داده هایی می پردازند. این داده ها را می توان پردازش و آنالیز کرد. در نتیجه، پاسخی پیشگیرانه و سریع تر داده می شود تا از تجمع ترافیک و سایر حوادث جلوگیری به عمل آید.
پائولا کلریسی (Paola Clerici) عضو هیئت مؤسسین و نایب رئیس فروش کمپانی Sprinx اظهار داشت: «مسلماً فناوری های ITS و هوشمندی و قابلیت اتصالی که دارند می تواند مسئولین راه ها را در امر مدیریت تجمع ترافیک هم در جاده ها و هم در حمل و نقل عمومی پشتیبانی و حمایت کند.
ری کیز (Ray Keys)، مدیر ارشد کمپانی TrafficVision در این مورد گفت: «شهرهای هوشمند نقطه تجلی برنامه ریزی های حمل و نقل هستند. سیستم های حمل و نقل هوشمند به عنوان بخشی از این زیرساخت های شهر هوشمند، نقشی کلیدی در مدیریت ترافیک بزرگراه ها چه درون شهری و چه برون شهری ایفا می کنند».
موضوعات رایج در ITS
ITS موضوع جدیدی نیست ولیکن به مرور زمان تکامل یافته است. در زیر تعدادی از موضوعات داغ و رایجی مطرح شده است که در آینده ای نزدیک نقشی تعیین کننده در ITS ایفا خواهند کرد.
راه اندازی بیشتر فناوری هوش مصنوعی و یادگیری عمیق
AI و یادگیری عمیق نقشی بسیار مهم در ITS ایفا می کنند. با وجود هوش مصنوعی ، داده ها به هوش اجرایی تر و بهتری تبدیل می شوند تا بتوان رویدادها را پیش بینی نموده و نقشه راه را تنظیم کرد.
به گفته تاروئلا: «ما می توانیم در پروژه های نوآوری اروپا مانند C-Roads، Autocits یا Tranforming Transport ارزیابی و تأیید انجام دهیم. در این پروژه ها به کمک جمع آوری داده ها از یک زیرساخت، می توانیم تجمع ترافیک را تا بیش از 2 ساعت به صورت پیشرفته و دقیق پیش بینی کنیم».
ویدئوی هوشمند
ویدئوآنالیتیک مبتنی بر هوش مصنوعی می تواند با تشخیص آثار خرابی یا وسایل نقلیه ای که در خلاف جهت جاده عبور می کنند، راه ها را ایمن سازند. علاوه بر این، آنها ابزاری مؤثر برای بهینه سازی استفاده از جاده و کاهش تجمع به شمار می روند. کیز خاطرنشان کرد: «دانستن و توانستن تأیید شرایط بزرگراه، برای تحقق اهداف دپارتمان حمل و نقل به منظور افزایش ایمنی بزرگراه، کاهش ترافیک و افزایش قابلیت جابجایی مربوط می شود.
فناوری های V2X و 5G
رانندگان و اپراتورهای شهرداری می توانند از وسایل نقلیه مجهز به قابلیت اتصال V2X بهره مند شوند. V2X به اتوماتیک سازی سیگنال ترافیک، جمع آوری الکترونیکی عوارض و سایر سیستم ها کمک می کند. سال پیش رو، این فناوری با کمک 5G بیش از پیش عرضه می شود که تأخیر کمتر و انتقال سریع تر را نتیجه خواهد داد.
تاروئلا یادآور شد: «در پروژه Autocits، که توسط کمپانی Indra به اجرا درآمد، ارسال پیغام های اطلاع رسانی در مورد کار در جاده، تجمع ترافیک یا شرایط آب و هوایی نامناسب، اخیراً با موفقیت مورد آزمایش قرار گرفته است و یک وسیله نقلیه خودکار می تواند در مدار جاده های مادرید آزمایش شود. این قابلیت به کمک اطلاعاتی حاصل شده که بین زیرساخت ها و وسایل نقلیه (V2X) تولید شده اند».
وی افزود: «سیستم های حمل و نقل مشارکتی همراه با فناوری های ارتباطی بدون تأخیر مانند 5G یا سیستم های کوتاه بُرد (ETSI 5G) موجب بروز جهشی در رانندگی خودکار در آینده خواهد شد».
MaaS
MaaS یا جابجایی به عنوان یک خدمت فناوری است که بهترین ابزاهای حمل و نقل را پیشنهاد می دهد تا زمان سفر را کاهش دهد. این فناوری همچنین به کاربران اجازه می دهد تا محل اقامت و سایر خدمات خود را در سفر رزرو کنند. MaaS که هم اکنون در بسیاری از شهرها رایج شده است، انتظار می رود به کمک فناوری بهتر، در بلند مدت توجه بیشتری را به خود جلب کند.
تاروئلا متذکر شد: «راه اندازی پلتفرم های داده های همه جانبه، بررسی داده ها از تمامی حالت های حمل و نقل، ساخت الگوریتم های جدید برای بهبود ترافیک، مدیریت لجستیک و زیرساخت ها را تسهیل خواهد کرد».
