دبی هوشمندتر: چگونه هوش مصنوعی حمل‌ونقل شهر را متحول می‌کند
۲۰ اردیبهشت ۱۴۰۴
کپی لینک
منابع
42
نمایش منابع در متن
Google
En Wikipedia
Damacproperties
M Youtube
Careem
Help Careem
Codeflashinfotech
Arabianbusiness
Thestrategystory
Bornintheuae
Paisabazaar
Help Careem
Specials Priceless
Travtalkmiddleeast
Edgemiddleeast
Canvasbusinessmodel
English Alarabiya
Rakuten
Circlemena
Expertappdevs
Travelsdubai
Engineering Careem
Appsrhino
Arkasoftwares
Way2smile
Carbonsifr
Oyelabs
Dxbapps
Techigator
Mckinsey
Khaleejtimes
Help Careem
Timeoutdubai
Zawya
Lucidityinsights
Help Careem
Appverticals
Drivemond
Kiltons
Play Google
Globenewswire
Cabsdriver
سیستم حمل‌ونقل دبی در حال تجربه‌ی یک تحول چشمگیر است و سریع‌تر از همیشه به سوی آینده‌ای هوشمندتر و متصل‌تر حرکت می‌کند. در قلب این تکامل، دو نیروی قدرتمند قرار دارند: هوش مصنوعی (AI) و کلان‌داده (Big Data) 
[29]
[6]
[7]
[15]
[28]
[32]. هوش مصنوعی را مانند مغز در نظر بگیر که سیستم‌ها را قادر می‌سازد تا مانند انسان یاد بگیرند، مشکلات را حل کنند و تصمیم بگیرند [29]. از سوی دیگر، کلان‌داده، سوخت این سیستم است – حجم عظیمی از اطلاعات که دائماً تولید می‌شود و الگوهای پنهان در مورد نحوه‌ی حرکت ما را آشکار می‌کند [6][7][15][28][32]. اداره راه و حمل‌ونقل دبی (RTA) از این فناوری‌ها برای تحقق چشم‌انداز بلندپروازانه‌ی خود بهره می‌برد: تبدیل شدن به «پیشرو جهانی در حمل‌ونقل یکپارچه و پایدار» 
[3]
[5]
[12]. این رویکرد مبتنی بر فناوری فقط به معنای رفت‌وآمدهای روان‌تر نیست؛ بلکه بخش اصلی از طرح بزرگ دبی برای تبدیل شدن به یکی از هوشمندترین و شادترین شهرهای جهان است که از نوآوری برای بهبود زندگی روزمره استفاده می‌کند [6]
[39]
[41]
[36].
نقشه راه RTA: استراتژی و همکاری در هوش مصنوعی و داده‌ها
RTA فقط به صورت سطحی با هوش مصنوعی و کلان‌داده سر و کار ندارد؛ بلکه آن‌ها را در هسته‌ی اصلی استراتژی خود جای داده است [6][39]
[26]. استراتژی دیجیتال این سازمان برای سال‌های ۲۰۲۳-۲۰۳۰ مملو از طرح‌هایی است که بر کاربردهای هوش مصنوعی و تقویت قدرت تحلیل داده‌ها تمرکز دارند 
[14]. سنگ بنای این امر، پلتفرم سازمانی اختصاصی برای هوش مصنوعی و علم داده است؛ یک موتور قدرتمند که برای پردازش ذخایر عظیم داده‌ی RTA و ساخت مدل‌های یادگیری ماشین پیچیده بدون نیاز به کدنویسی پیچیده از ابتدا، طراحی شده است 
[2][39]. این پلتفرم از بیش از ۱۰۰ کاربرد بالقوه‌ی هوش مصنوعی، از پیش‌بینی نیازهای تعمیر و نگهداری گرفته تا مدیریت جمعیت، پشتیبانی می‌کند [39]. RTA درک می‌کند که نوآوری با کار تیمی شکوفا می‌شود و به همین دلیل، همکاری‌های کلیدی با غول‌های فناوری جهانی مانند Alibaba Cloud برای پروژه‌ی «City Brain»، گوگل برای بینش‌های ترافیکی، و du برای توسعه‌ی دوقلوی دیجیتال، در کنار همکاری با نهادهای بین‌المللی مانند سازمان ملل متحد، ایجاد کرده است [6]
[25]
[33][2]
[16][41]. این تلاش‌ها بر پایه‌ای بنا شده‌اند که سال‌ها پیش با موفقیت‌های اولیه‌ای مانند متروی خودکار دبی و مرکز فرماندهی و کنترل سازمانی پیشرفته (EC3) گذاشته شد 
[27].
هوش مصنوعی و کلان‌داده در عمل: انقلابی در جاده‌ها و حمل‌ونقل دبی
بیا نگاهی بیندازیم که چگونه این فناوری در عمل تفاوت ایجاد می‌کند.
سیستم‌های هوشمند ترافیک (ITS): مهار تراکم
مرکز سیستم‌های هوشمند ترافیک (ITS) دبی در البرشاء، یک مرکز فرماندهی در سطح جهانی است که شبکه‌ی جاده‌ای شهر را مدیریت می‌کند [7][15][28][32]
[34]. این مرکز از هوش مصنوعی، کلان‌داده و اینترنت اشیاء (IoT) برای روان نگه داشتن ترافیک بهره می‌برد [7][15][28][32][34]. سیستم فعلی iTraffic از هوش مصنوعی برای تصمیم‌گیری هوشمندانه‌تر استفاده می‌کند و به طور یکپارچه با چراغ‌های راهنمایی در سراسر شهر متصل است [7][15][28]. اما جهش بعدی، UTC-UX Fusion است، یک سیستم کنترل چراغ راهنمایی مبتنی بر هوش مصنوعی که انتظار می‌رود تا اواسط سال ۲۰۲۶ راه‌اندازی شود 
[1][3][5]
[20]. این سیستم از تحلیل‌های پیش‌بینی‌کننده و دوقلوهای دیجیتال برای پیش‌بینی جریان ترافیک استفاده می‌کند و هدف آن کاهش تراکم و زمان سفر به میزان ۱۰-۲۰٪ است [1][3][5][20]. هوش مصنوعی همچنین داده‌های سنسورها، دوربین‌ها و حتی Google Maps را برای پیش‌بینی ترافیک سنگین پردازش می‌کند و رانندگان را از طریق تابلوهای پیام متغیر (VMS) راهنمایی می‌کند [2]
[4][7][39][29][15][28][34]. آزمایش‌هایی مانند «City Brain» شرکت Alibaba پتانسیل بیشتر هوش مصنوعی را بررسی کرده‌اند و RTA قصد دارد تا سال ۲۰۲۶ پوشش ۱۰۰٪ ITS را محقق کند [6][25][33][7][15][28][34].
ارتقای ایمنی: تشخیص و مدیریت سریع حوادث
ایمنی نیز به لطف هوش مصنوعی بهبود قابل توجهی پیدا می‌کند. سیستم‌های هوش مصنوعی داده‌های دوربین‌های مداربسته (CCTV) و سنسورها را برای تشخیص خودکار تصادفات یا خرابی‌ها تحلیل می‌کنند، که اغلب بسیار سریع‌تر از اپراتورهای انسانی است [7]
[8][15][28]. این تشخیص سریع، نظارت بر حوادث را ۶۳٪ بهبود بخشیده و زمان پاسخگویی را در مرکز ITS به میزان ۳۰٪ کاهش داده است [15][28][34]. رساندن سریع‌تر کمک به محل حادثه، تأخیرها و حوادث ثانویه را به حداقل می‌رساند [8][29]. اطلاعات مربوط به حوادث به سرعت از طریق VMS و اپلیکیشن‌ها به اشتراک گذاشته می‌شود و به رانندگان کمک می‌کند تا به راحتی مسیر خود را تغییر دهند [15][28][34][2].
بهینه‌سازی جریان حمل‌ونقل عمومی
هوش مصنوعی و تحلیل داده‌ها در حال تغییر شکل حمل‌ونقل عمومی هستند. RTA با تحلیل داده‌های ورود و خروج کارت‌های Nol، جریان مسافران، ساعات اوج و ایستگاه‌های شلوغ را درک می‌کند [6]
[11][25][33]. این بینش امکان تنظیم هوشمندانه‌تر مسیرهای اتوبوس را فراهم می‌کند و به طور بالقوه زمان سفر را کاهش می‌دهد – آزمایش‌ها نشان‌دهنده‌ی ۱۳.۳٪ صرفه‌جویی بودند [11]. اپلیکیشن S'hail حتی از پیشنهادات جمع‌سپاری شده که توسط هوش مصنوعی پردازش می‌شوند، برای بهبود شبکه استفاده می‌کند [6]. هوش مصنوعی برنامه‌های زمانی متروی دبی را بهینه می‌کند، جمعیت را مدیریت می‌کند و به کاهش هزینه‌های عملیاتی کمک می‌کند [4][27][2][39]. اتوبوس‌های آینده دارای سیستم‌های شمارش خودکار مسافر (APC) برای بینش‌های تقاضای لحظه‌ای و کمک به مقابله با فرار از پرداخت کرایه خواهند بود 
[30].
نگهداری و تعمیرات پیش‌بینانه: تضمین حرکت روان و قابل اتکای دبی
دیگر منتظر خراب شدن تجهیزات نباش؛ هوش مصنوعی نیازهای تعمیر و نگهداری را قبل از وقوع پیش‌بینی می‌کند. وسایل نقلیه‌ی مجهز به هوش مصنوعی جاده‌ها را برای یافتن ترک‌ها و چاله‌ها با دقت بالا (بیش از ۸۵٪) اسکن می‌کنند و زمان بازرسی را به شدت کاهش می‌دهند (۷۰٪ یا بیشتر) [8]
[10][12]
[17]
[21][2][39]. برای مترو، هوش مصنوعی داده‌های سنسورهای سوزن‌ها و پله‌های برقی را تحلیل می‌کند و خرابی‌ها را برای جلوگیری از اختلال در خدمات پیش‌بینی می‌کند 
[13][16][36]
[38]. RTA حتی در حال بررسی دوقلوهای دیجیتال با شرکایی مانند du برای نظارت مجازی بر دارایی‌ها است [16]. به طور مشابه، یک سیستم نظارت از راه دور بر عملکرد اتوبوس، سلامت اتوبوس‌ها را به صورت لحظه‌ای ردیابی می‌کند، تعمیر و نگهداری را بهینه می‌کند و به صرفه‌جویی در مصرف سوخت کمک می‌کند [25][33].
سفرهای هوشمندتر: ابزارهای برنامه‌ریزی مبتنی بر هوش مصنوعی
برنامه‌ریزی سفرت هم هوشمندتر می‌شود. اپلیکیشن S'hail دبی از هوش مصنوعی، احتمالاً برای پیشنهادات مسیر شخصی‌سازی‌شده و به‌روزرسانی‌های لحظه‌ای، استفاده می‌کند، اگرچه جزئیات فراتر از جمع‌سپاری مشخص نشده است [6][29]
[40]
[31]. دسترسی به فیدهای داده‌ی لحظه‌ای از سراسر شبکه‌ی حمل‌ونقل برای ارائه‌ی اطلاعات دقیق و به‌روز سفر بسیار مهم است [15][28][40][31][34].
شکل‌دهی به آینده: سیاست‌گذاری مبتنی بر داده
تمام این داده‌های جمع‌آوری‌شده فقط عملیات روزانه را بهینه نمی‌کنند؛ بلکه استراتژی بلندمدت را نیز شکل می‌دهند. تحلیل روندها در ترافیک، استفاده از حمل‌ونقل عمومی و حوادث به RTA کمک می‌کند تا تصمیمات آگاهانه‌ای در مورد زیرساخت‌های جدید یا تغییرات خدمات بگیرد [2][6][39][26]. این رویکرد مبتنی بر داده تضمین می‌کند که سیستم حمل‌ونقل به طور پایدار برای پاسخگویی به نیازهای آینده تکامل می‌یابد [39][26]. RTA حتی در حال بررسی راه‌هایی برای کسب درآمد بالقوه از بینش‌های داده‌های ناشناس‌شده است، البته همیشه با رعایت مقررات حفظ حریم خصوصی [6]
[42].
اتاق فرمان: منابع داده‌ای که به حمل‌ونقل هوشمند دبی نیرو می‌بخشند
این همه داده‌ی قدرتمند از کجا می‌آید؟ ترکیبی متنوع است. اطلاعات لحظه‌ای از سنسورهای ترافیکی تعبیه‌شده در جاده‌ها، شبکه‌ی گسترده‌ای از دوربین‌های مداربسته (CCTV) و کارت‌های Nol همه‌جا حاضر که برای پرداخت هزینه‌ی حمل‌ونقل عمومی استفاده می‌شوند، جریان می‌یابد [3][15]
[18][28][29][31][8][34][6][11][25][40][33]. داده‌های GPS از ناوگان خود RTA (اتوبوس‌ها، تاکسی‌ها) و داده‌های بالقوه به اشتراک گذاشته شده از شرکای تاکسی اینترنتی، لایه‌ی دیگری را اضافه می‌کنند [6][25][31][33][2]. بازخورد مسافران از طریق اپلیکیشن‌هایی مانند S'hail، داده‌های تلماتیک از وسایل نقلیه که وضعیت سلامت خود را گزارش می‌دهند، سنسورهای هواشناسی که شرایط را پیش‌بینی می‌کنند و حتی وسایل نقلیه‌ی بازرسی تخصصی مجهز به هوش مصنوعی، به این مجموعه‌ی عظیم داده کمک می‌کنند [6][13][16][25][33][36][38][15][28][34][8][10][12][17][21]. مدیریت این حجم عظیم نیازمند زیرساخت‌های پیچیده‌ای مانند پلتفرم کلان‌داده‌ی خود RTA است [39][42]
[35].
تصویر بزرگ‌تر: پیوند تلاش‌های RTA به دبی هوشمند
فعالیت‌های RTA به صورت مجزا انجام نمی‌شود؛ بلکه بخش حیاتی از طرح گسترده‌ی شهری دبی هوشمند (Smart Dubai) است که توسط «دبی دیجیتال» (Digital Dubai) هدایت می‌شود [6]
[9]
[19][35]. RTA به عنوان یک شریک کلیدی، به طور قابل توجهی در بُعد «حمل‌ونقل هوشمند» (Smart Mobility) مشارکت می‌کند و هدف آن تبدیل دبی به شهری واقعاً کارآمد، پایدار و مبتنی بر فناوری است [6][4][39][36]. محور اصلی این تلاش در سطح شهر، «دبی پالس» (Dubai Pulse) است، ستون فقرات دیجیتالی که اشتراک‌گذاری داده‌ها را بین نهادهای دولتی تسهیل می‌کند [6][9][19]
[24][35]. این پلتفرم که تحت قانون داده‌ی دبی اداره می‌شود، به سازمان‌هایی مانند RTA اجازه می‌دهد تا داده‌ها (مانند آمار مسافران حمل‌ونقل عمومی) را به اشتراک بگذارند و به داده‌های دیگران دسترسی پیدا کنند، که این امر همکاری و تصمیم‌گیری هوشمندانه‌تر را در همه‌ی سطوح تقویت می‌کند [6][9][19][35][42][24]. RTA هم به این اکوسیستم داده‌ی مشترک کمک می‌کند و هم از آن بهره‌مند می‌شود و تحول شهر هوشمند را تسریع می‌بخشد [9][19][35].
سنجش موفقیت: مزایای ملموس هوش مصنوعی و داده‌ها
خب، نتایج واقعی چه بوده‌اند؟ کاملاً چشمگیرند. تراکم کاهش یافته است، به طوری که پیاده‌سازی ITS زمان سفر را در مناطق تحت پوشش تا ۲۰٪ کاهش داده و سیستم آتی UTC-UX بهبود ۱۰-۲۰٪ دیگری را هدف قرار داده است [15][28][34][1][3][5][20]. آزمایش‌های بهینه‌سازی مسیر اتوبوس، پتانسیل صرفه‌جویی ۱۳.۳٪ در زمان را نشان داد [11]. ایمنی به طور قابل توجهی بهتر شده است، به لطف تشخیص ۶۳٪ سریع‌تر حوادث و ۳۰٪ زمان پاسخگویی سریع‌تر، در کنار تعمیر و نگهداری پیش‌بینانه که از خرابی‌های بالقوه جلوگیری می‌کند و سیستم‌های نظارت بر راننده با هوش مصنوعی مانند «رقیب» (Raqeeb) [8][15][28][34][10][12][13][17][36][27][30]. دستاوردهای کارایی واضح هستند: مسیرهای بهینه‌سازی‌شده، صرفه‌جویی قابل توجه از تعمیر و نگهداری پیش‌بینانه، کاهش ۷٪ در هزینه‌های عملیاتی مترو از طریق اتوماسیون، و بازرسی‌های خودکار سریع‌تر [11][25][30][33][10][12][36][38][27][17][21]. برای کاربران، این به معنای انتظار بالقوه کوتاه‌تر (City Brain کاهش ۱۰٪ را هدف قرار داده بود)، خدمات قابل اطمینان‌تر و برنامه‌ریزی بهتر سفر است [25][33][13][36][6][40][31]. و پایداری را فراموش نکنیم – تراکم کمتر و عملیات بهینه‌سازی‌شده به معنای انتشار کمتر گازهای گلخانه‌ای و صرفه‌جویی در مصرف سوخت است، به طوری که تنها نظارت بر اتوبوس‌ها ۵٪ کاهش مصرف سوخت را به همراه داشته است [1][2][4][11][25][33].
عبور از موانع: چالش‌ها و ملاحظات اخلاقی
البته، پیاده‌سازی چنین فناوری پیشرفته‌ای بدون مانع نیست. حریم خصوصی داده‌ها یک ملاحظه‌ی عمده هنگام کار با داده‌های مکانی کارت‌های Nol یا GPS وسایل نقلیه است؛ ناشناس‌سازی و امنیت قوی، با راهنمایی مقرراتی مانند قانون داده‌ی دبی، ضروری است [6][41][42]. همچنین خطر بالقوه‌ی سوگیری الگوریتمی وجود دارد، جایی که سیستم‌های هوش مصنوعی ممکن است ناخواسته مناطق یا گروه‌های خاصی را مورد لطف قرار دهند، که نیازمند طراحی و نظارت دقیق برای تضمین انصاف است. امنیت سایبری بسیار مهم است، زیرا سیستم‌های متصل اهداف بالقوه‌ای هستند؛ RTA به طور فعال با شرکا برای تقویت دفاع همکاری می‌کند 
[22][14]. هزینه قابل توجه است – تنها مرکز ITS یک سرمایه‌گذاری ۵۹۰ میلیون درهمی بود [7][35]. یافتن و حفظ استعدادها با مهارت‌های تخصصی علم داده و هوش مصنوعی چالش مداوم دیگری است، اگرچه RTA به شدت در آموزش سرمایه‌گذاری می‌کند [39][41][35][7]. تضمین شفافیت در نحوه‌ی تصمیم‌گیری هوش مصنوعی (مشکل «جعبه سیاه») و مدیریت قابلیت اطمینان این سیستم‌های پیچیده نیز از حوزه‌های کلیدی هستند که نیازمند توجه مداوم‌اند.
نگاه به آینده: آینده‌ی حمل‌ونقل مبتنی بر هوش مصنوعی در دبی
سفر دبی به سوی حمل‌ونقل مبتنی بر هوش مصنوعی هنوز به پایان نرسیده است. این شهر هدف جسورانه‌ای دارد: ۲۵٪ از کل سفرها تا سال ۲۰۳۰ خودران باشند، با آزمایش‌های مداوم تاکسی‌ها و شاتل‌های بدون راننده [4][13]. این آینده‌ی خودران به شدت به هوش مصنوعی برای ناوبری و ایمنی متکی است [4][13][29]. پشتیبانی از این امر، فناوری ITS تعاونی (C-ITS/V2X) خواهد بود که توسط سیستم‌هایی مانند UTC-UX Fusion فعال می‌شود و به وسایل نقلیه اجازه می‌دهد تا با یکدیگر و زیرساخت‌های اطراف برای هماهنگی روان‌تر و ایمن‌تر ارتباط برقرار کنند [1][3][5][20][28][34][5]. کاوش در حمل‌ونقل فوق سریع مانند Hyperloop، یکی دیگر از سرمایه‌گذاری‌های وابسته به هوش مصنوعی، ادامه دارد [4]. شاهد استفاده‌ی گسترده‌تر از دوقلوهای دیجیتال برای شبیه‌سازی و بهینه‌سازی همه چیز، از چراغ‌های راهنمایی گرفته تا دارایی‌های مترو، خواهیم بود [1][3][5][20][16][14]. هوش مصنوعی احتمالاً خدمات مشتری را حتی شخصی‌تر خواهد کرد و در عین حال نقشی در دفاع در برابر تهدیدات امنیت سایبری در حال تحول ایفا خواهد کرد [39]
[23][29][22]. حتی کاربردهای رباتیک و Metaverse نیز برای عملیات و برنامه‌ریزی در حال بررسی هستند 
[37][6][14][16].
تعهد دبی به بهره‌گیری از هوش مصنوعی و کلان‌داده، که توسط چشم‌انداز استراتژیک RTA هدایت می‌شود، انکارناپذیر است [3][4][14]. مسیر پیش رو به سوی یک شبکه‌ی حمل‌ونقل به طور فزاینده یکپارچه، کارآمد و پایدار اشاره دارد. برای ساکنان و بازدیدکنندگان به طور یکسان، این به معنای آینده‌ای است که در آن رفت‌وآمد در شهر هرچه بیشتر یکپارچه و هوشمند می‌شود و به راستی جاه‌طلبی دبی هوشمند را تجسم می‌بخشد [3][5][12][6][39][41][36].
رایگان امتحان کنید