هوش مصنوعی و کاربرد آن در حمل و نقل

هوش مصنوعی و کاربرد آن در حمل و نقل

تا ابتدای قرن گذشته، نگارش در مورد ماشین‌هایی با قابلیت تفکر، انجام محاسبات پیچیده و ارائه راهکار‌های مؤثر برای مشکلات فوری و پیش بینی نشده بیشتر از این که یک واقعیت قابل درک باشد، به عنوان محتوایی علمی و تخیلی تلقی می‌شد. اما اکنون با ورود به دهه سوم قرن بیست مشاهده می کنیم که نمی توان ادامه زندگی را بدون استفاده مستمر از ابزار هوشمند، ربات های تولیدی، ربات های بازاریابی و معاملات سهام، آژانس های مسافرتی مجازی و هر دستاوردی که با بکارگیری هوش مصنوعی و یادگیری ماشینی تولید می شود، تصور کرد.

کاملا بدیهی است نمی توان هوش مصنوعی و کاربرد آن در حمل و نقل و نقش یادگیری عمیق در زمینه صنعت خودرو را نادیده گرفت. براساس جدیدترین گزارش های صورت گرفته، هوش مصنوعی و کاربرد آن در حمل و نقل در عرصه بازار جهانی، طی پنج سال آینده به سوددهی تا مبلغ 15 میلیارد دلار خواهد رسید.

با توجه به اینکه رانندگی به وسیله هوش مصنوعی کاربردهای بیشتری را در صنعت خودروسازی مطر ح خواهد کرد، شرکت‌های بسیاری به دنبال دستیابی به این تکنولوژی هستند تا بتوانند مدل‌های هوش مصنوعی و یادگیری ماشین را بیش از پیش در محیط تولید به کار گیرند. در مقاله پیش رو قصد داریم به هوش مصنوعی و کاربرد آن در حمل و نقل و روش‌هایی که هوش مصنوعی از طریق آنها صنعت خودرو را متحول می سازد نگاهی دقیق‌تر بیندازیم.

مقدمه ای بر هوش مصنوعی #

آیا می خواهید در مورد هوش مصنوعی و کاربرد آن در حمل و نقل و صنعت خودروسازی بیشتر بدانید؟ با ما همراه باشید تا در ابتدای امر نگاهی دقیق تر به تعاریف و اهداف اصلی این شاخه ی علوم کامپیوتر بیندازیم.

علم هوش مصنوعی به موازات شاخه‌های معروف یادگیری ماشینی و یادگیری عمیق، اهداف مشخصی را دنبال می‌کند و چنانچه از نام آن می‌توان استنباط کرد هدف هوش مصنوعی این است که ماشین‌ها را قادر به انجام و تکمیل وظایفی سازد که توسط مغز انسان انجام می‌شود. در حقیقت هوش مصنوعی ماشینی است با توانایی تفکر و حل مسأله، دقیقا همان طور که تمامی مسایل تنها به واسطه هوش طبیعی توسط بشر حل می شود. لازم به ذکر است که هوش‌ مصنوعی برای تبدیل شدن به ماشین های هوش مصنوعی قوی تر نیازمند طی فرایند یادگیری است.

 هنگامی که ماشین‌ها بتوانند نتایج معنا‌داری را از حجم زیادی از مجموعه داده‌ها استخراج کنند، شروع به نشان دادن توانایی یادگیری عمیق خود می‌کنند. چنانچه می دانید یادگیری عمیق نیازمند شبکه های عصبی مصنوعی است که مشابه شبکه های عصبی بیولوژیکی در مغزانسان عمل می کنند. می توان این گونه استنباط کرد که این فناوری در حال حاضر به دانشمندان و تحلیلگران کمک می‌کند تا داده‌ها را تفسیر کنند و از این رو برای حوزه علم داده ضروری هستند. اکنون زمان آن فرا رسیده است که در مورد اهمیت هوش مصنوعی و کاربرد آن در حمل و نقل و علم داده در صنعت خودرو بحث کنیم.

هوش مصنوعی و کاربرد آن در حمل و نقل #

هوش مصنوعی تأثیر غیر قابل انکاری در عرصه صنعت  خودرو به همراه دارد. در اصل هوش مصنوعی به عنوان بخشی از ابتکارات Industry 4.0  شناخته می شود که با بهبود کارایی کلی تجهیزات، کاهش عیوب و بهبود اتوماسیون در خط تولید، میزان بهره وری در کارخانه های خودروسازی را افزایش می دهد. در صورتی هوش مصنوعی به میزان ارزش داده ها خواهد افزود که تولید کننده، یک محیط داده مناسب و یا مسیری برای دسترسی به یک محیط داده خوب را فراهم کند.

 اکثر نرم افزارهای جمع آوری داده که طی بیست سال گذشته در زمینه هوش مصنوعی و کاربرد آن در حمل و نقل مورد استفاده قرار گرفته اند دارای مجموعه کاملی از حسگرها هستند. باید اذعان داشت که جمع‌آوری داده‌ها و همچنین کاربردهای مختلف علم داده در صنعت خودروسازی، بسیار حائز اهمیت است.

در حال حاضر بسیاری از شرکت‌های ارائه دهنده خدمات هوش مصنوعی به کسب‌وکارهای مرتبط با صنعت خودرو این امکان را می‌دهند تا باآماده سازی داده‌های خود به مرحله ای برسند که بتوانند از هوش مصنوعی به بهترین نحو استفاده کنند و علاوه بر آن داده‌های خود را بهینه سازی و حفظ کنند.

لازم به ذکر است که صنعت خودروسازی با بکارگیری هوش مصنوعی، در کاهش چشمگیر هزینه‌های حمل و نقل و جوش های رباتیک نقش مهمی را ایفا می کند. از دیگر مزایای هوش مصنوعی و کاربرد آن در حمل و نقل، می توان به این نکته اشاره کرد که با کمک هوش مصنوعی و انجام بازرسی بصری خودکار، خطای انسانی به میزان قابل توجهی در فرآیند تولید کاهش می یابد و علاوه بر آن قابلیت ردیابی  بهبود پیدا می کند.

ماشین‌های خودران

هنگامی که صحبت از پروژه های یادگیری ماشین در عرصه خودروسازی به میان می آید غیرممکن است که پروژه ماشین های خودران در ذهن تداعی نشود. جالب است بدانید شرکت های بزرگ فناوری مانند Lift و Waymo و همچنین خودروسازانی مانند تویوتا و جنرال موتورز تا کنون میلیاردها دلار برای توسعه خودروهای خودران هزینه کرده اند.

همان طور که می دانید در حال حاضر اتوبوس‌ها و شاتل‌های خودران در بسیاری از شهرها و فرودگاه‌ها مستقر هستند، همچنین کامیون‌های بدون راننده موفق شده اند کالاها را در مسافت‌های طولانی تحویل دهند. دور از تصور نخواهد بود که با رشد روزافزون هوش مصنوعی و کاربرد آن در حمل و نقل، تاکسی‌های شناور خودکار نیز در  آینده  نه چندان دور مشغول به کار شوند.

 همان طور که مشاهده می کنید دلایل بسیار موجهی برای ادغام هر چه بیشتر یادگیری ماشین در زمینه های متعدد صنعت خودرو وجود دارد. اول از همه باید به این نکته اشاره کرد که اتومبیل های خودران هزینه های حمل و نقل را برای مصرف کنندگان کاهش می دهند، علاوه بر این باید در نظر داشت استفاده تنها ده درصد ناوگان خودروهای خودران از خودروهای موجود در جاده‌ها می تواند به کاهش چشمگیر انتشار CO2 کمک کند. 

طبق آمارهای ارائه شده براساس داده های اداره ملی ایمنی ترافیک بزرگراه ها، بیش از نود درصد تصادفات رانندگی ناشی از خطای انسانی است. لازم به ذکر است که خودروهای خودران نسبت به خودروهای معمول، علاوه بر اینکه مجهز به کیسه هوا، کمربند ایمنی و قابلیت کنترل پایداری هستند، توانایی نجات جان افراد بیشتری را دارند.

اگرچه تحقق ایده ی هوش مصنوعی و کاربرد آن در حمل و نقل و همچنین بکارگیری یادگیری ماشین در صنعت خودرو، یک فرایند گران‌قیمت و پرهزینه است، اما قطعاً فرصت‌های بی شماری برای استارت‌آپ‌ها در این فضا به وجود خواهد آورد. این استارت آپ ها توانایی ایجاداپلیکیشن‌های کارآمدی را دارند که داده‌های جامع و مفیدی در جهت مقیاس‌سازی خودروهای خودران در سطح جهانی جمع‌آوری کنند. 

هدف آنها ایمن تر کردن این خودروها به وسیله جمع آوری داده های رانندگان خودورهاست. شاید بتوان با قاطعیت گفت ترکیب فناوری بلاک چین با ناوگان این خودروها برای ایجاد سیستم‌های خودران نتایج خارق العاده ای به دنبال خواهد داشت، به طوری که  شرکت پورشه به تازگی  تمام تلاش خود را برای افزایش قابلیت  تصمیم‌گیری‌ خودروهای بدون راننده به کار گرفته است.

جالب است بدانید وسایل نقلیه خودران دارای پنج جزء اصلی هستند که به آنها کمک می کند تا در ترافیک خیابان حرکت کنند و مانور دهند. در ادامه به معرفی این اجزای حیاتی خواهیم پرداخت.

بینایی رایانه

 بینایی رایانه رکن اصلی هوش مصنوعی و کاربرد آن در حمل و نقل محسوب می شود. در حالی که انسان برای کنترل فرمان به چشم و مغز خود متکی است، همتایان بدون راننده آنها از دید کامپیوتری تجهیز شده ی خود بهره می برند. خودروهای بدون راننده از تصاویر کامپیوتری برای یافتن خطوط و ردیابی سایر وسایل نقلیه در جاده استفاده می کنند و این تصاویر از طریق دوربین های پیشرفته متعدد برای نظارت بر محیط به دست می آید.

 به عنوان مثال، تسلا خودروهای خود را به هشت دوربین فراگیر مجهز می کند که دید 360 درجه از منطقه حدود 490 فوتی اطراف خودرو را فراهم می کنند. از جمله قابلیت‌های  بیشماری که با استفاده از این دوربین‌ها امکان پذیر است می توان به یافتن خطوط، برآورد میزان پیچ جاده، تشخیص موانع، طبقه بندی علائم توقف، تشخیص چراغ راهنمایی و مواردی از این دست  اشاره کرد.

ادغام حسگرها

اکنون که ما اطلاعات جدیدی در حوزه بینایی کامپیوتر در صنعت خودرو  کسب کردیم، زمان آن فرا رسیده است که نگاهی کلی به اجزای دیگر این نوآوری در زمینه ی هوش مصنوعی و کاربرد آن در حمل و نقل بیندازیم. همان گونه که در بحث خودروهای خودران استفاده از دوربین ها بسیار حائز اهمیت است، در اندازه گیری فاکتورهایی مانند فاصله و سرعت نیز حسگرهای فوق پیشرفته ای به کار گرفته می شوند که نمی توان نقش آن ها را نادیده گرفت. برخی از این حسگرها می توانند در آب و هوای نامساعد بهتر کار کنند و با ترکیب با سایر داده ‌ها، درک و تصویر بهتری از محیط اطراف به ما بدهند برای تحقق این امر سنسورهای مختلفی وجود دارد.

به عنوان مثال رادار برای تعیین میزان فاصله میان اجسام و تخمین سرعت حرکت آن ها گزینه کاملا مناسبی است. لیدار نیز یکی دیگر از این سنسورهاست که با ساطع کردن مجموعه ای از پرتوهای لیزر باعث ایجاد یک ابر نقطه سه بعدی می شود و در نتیجه به عنوان  یک رابط موثر بین دوربین و رادار عمل می کند. همچنین باید به سنسورهای کارآمدی مانند اولتراسونیک اشاره کرد که حسگرهای آن در فواصل کمتر کار می کنند و برای انجام حرکات جانبی،‌ مانند پارک کردن مفید هستند.

جهت یابی

یکی دیگر از دیگر مصادیق بارز هوش مصنوعی و کاربرد آن در حمل و نقل که باید به آن اشاره شود قابلیت جهت یابی است. در توضیح قابلیت جهت یابی در ماشین های خودران بهتر است بگوییم همان گونه که گوشی های همراه مجهز به GPS هستند و به ما کمک می‌کنند تا در مکان‌های ناآشنا جهت یابی کنیم، ماشین های بدون راننده هم موقعیت خود را به آسانی تشخیص می‌دهند با این تفاوت که برای این خودروها از الگوریتم های پیچیده تری استفاده می شود. این سیستم به ماشین‌ها کمک می کند تا با تطبیق ابر نقطه ای که می بیند با ابر نقطه ای که نقشه دارد، خود را در یک نقشه مشخص با دقت 3، 93 اینچ مکان یابی کند.

برنامه ریزی مسیر

برنامه ریزی مسیر بخش بسیار مهمی در فرایند هوشمند سازی خودروهای خودران محسوب می شود. در وهله ی اول برای روبه رو شدن با این چالش اساسی ، پیش از آن که خودرو مسیری را طی کند تا به مقصدی که می خواهد برسد باید چگونگی حرکات وسایل نقلیه اطراف را پیش بینی کند تا بتواند تصمیم گیری بهتری در واکنش به هر گونه پیشامدی داشته باشد و در نهایت، به مسیر مناسبی برای اجرای ایمن این عملکرد دسترسی داشته باشد.

کنترل

در اکثر مواقع کنترل یک وسیله نقلیه می تواند بسیار مشکل باشد، مانند پیچیدن در یک پیچ تند با سرعت بالا و این همان چیزی است که رانندگان اتومبیل های مسابقه ای در آن مهارت بسیار بالایی دارند. در سال های اخیر متخصصان در زمینه هوش مصنوعی در تلاش هستند تا با طراحی رایانه هایی با توانایی تصمیم گیری و کنترل خودرو در مواقع اضطراری، در این عرصه گامی رو به جلو بردارند.

با روند رو به رشد تکنولوژی در جهان و افزایش میزان تقاضا برای هوش مصنوعی و کاربرد آن در حمل و نقل، صاحبان صنایع بیشتر از گذشته به اهمیت هوش مصنوعی در خودکار سازی حمل و نقل و ضرورت اجرای پروژه های خودروهای خودران پی برده اند. همان طور که پیش از این اشاره شد با بکارگیری هوش مصنوعی در سیستم‌ خودروهای خودران، ابزاری بسیار عالی برای کنترل و هوشمندسازی ماشین‌ها، پیش‌بینی خرابی‌ها و نقص‌های آن‌ها در اختیار خواهیم داشت.

با این همه با توجه به چالش‌ های پیش رو در زمینه‌های مختلف هوش مصنوعی و کابرد آن در حمل و نقل، در حال حاضر تمامی تلاش متخصصان بر این است که از پتانسیل فناوری‌های ذکر شده در راستای ارائه راهکارهای بنیادی در صنعت هوشمندسازی خودرو به بهترین نحو استفاده کنند. این امر به خودی خود باعث افزایش میزان کارایی و بهینه‌سازی هوش مصنوعی در خودکار سازی حمل و نقل خواهد شد.

منابع #

اگر به اطلاعات بیشتری درباره هوش مصنوعی در حمل و نقل نیاز دارید؛ شما می ­توانید با خواندن این مقاله تخصصی اطلاعات مفیدی را بدست آورید.

https://www.v7labs.com/blog/ai-in-transportation

لینک کوتاه این مقاله:
الهام توحیدی
الهام توحیدی

دیدگاه (1)

  1. Sara rojhan
    18 شهریور 1401

    فوق العاده بود 👌

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.