در مقاله قبل مفاهیم اولیه هوشمندسازی کسب و کار معرفی شدند در ادامه قصد داریم شما را با هوشمندی در حوزه حمل و نقل آشنا کنیم به این منظور ابتدا سیستم هوشمند حمل ونقل که به اختصار ITS نامیده می شوند، معرفی می-گردند. به طور کلی ITS حوزه وسیعی از ارتباط الکترونیکی و داده ای را شامل می شود که هدف آن ارائه دانش مناسب در حوزه حمل ونقل است. از این دانش تمامی افراد درگیر در حمل ونقل از راننده گرفته تا تصمیم گیران این حوزه به نوبه خود می توانند استفاده کنند.
ITS (Intelligent transportation systems) امروزه نقش کلیدی در زندگی مدرن برای بهبود حمل ونقل در تمامی جنبه ها دارد. به طور کلی ITS را می توان به هر سیستمی که به پردازش داده و ارتباطات در زمینه های مربوط به حمل ونقل نظیر زیربنای حمل ونقل، خودروها، ترافیک، مدیریت حرکت و ارتباط بین این جنبه ها می پردازد، اطلاق نمود. هدف از این سیستم ها ارائه دانش مفید به تمامی افراد درگیر در حمل-ونقل است تا بتوانند در لحظه تصمیمات بهتری بگیرند. به عنوان مثال اگر راننده ای اطلاع پیدا کند که یک مسیر پرترافیک است یا به علت بارش برف لغزنده شده است و مسیر جایگزین مناسبی هم به وی پیشنهاد شود به طور یقین راننده مسیر جایگزین را انتخاب می کند. یا اگر مسئولین حمل ونقل دریابند که یک مسیر در یک بازه زمانی بار ترافیکی زیاد دارد می توانند تصمیمات لازم برای بهبود شرایط ترافیکی را اخذ کنند. تولید چنین دانشی از وظایف سیستم های ITS است. اما ITS نیز مانند هر سیستم هوشمند دیگر برای کارایی مناسب نیاز به داده دارد. مهمترین داده ای که این سیستم را در تولید دانش مورد نظر یاری می دهد، داده های ترافیکی است. سیستم های هوشمند حمل ونقل دارای ابزارهایی برای جمع آوری، پردازش، تجمیع و استفاده از داده های ترافیکی هستند.
برای درک بهتر به مثالی از یک سیستم واقعی حمل ونقل هوشمند توجه کنید، در کشور چین در یکی از تقاطع های خلوت ورودی شهر برای یک چراغ قرمز بدون اطلاع رسانی دوربین ثبت تخلفات کار گذاشته شده و به بررسی و تحلیل داده های ثبت شده از این دوربین و ترکیب آن با اطلاعات موجود از رانندگان پرداخته شده است. نتایج زیر از این سیستم هوشمند حاصل شده است:
- حدود ۱۶ درصد از رانندگان در هنگام قرمز بودن چراغ اقدام به دور زدن تقاطع کرده اند.
- حدود ۴۲ درصد از رانندگانی که اقدام به دور زدن غیرمجاز کرده اند تحصیلات متوسطه یا کمتر داشته اند.
- ۴۰ درصد تخلفات در ابتدای صبح انجام شده است.
با بررسی این اطلاعات به راحتی می توان تصمیمات مناسبی اخذ نمود از جمله اینکه با توجه به تعداد بالای دورزدن غیرمجاز در این تقاطع به نظر اضافه کردن یک دوربرگردان قبل از این تقاطع به نظر لازم می رسد. یا به نظر افرادی که تحصیلات کمتری دارند باید در زمینه عدم امکان دورزدن در هنگام قرمز بودن چراغ توجیه بیشتری شوند. همچنین به نظر بیشتر بار ترافیکی این منطقه مربوط به صبح است پس اضافه کردن یک مامور راهنمایی و رانندگی در صبح می تواند راهگشا باشد.
اما پس از بیان مثالی از یک سیستم هوشمند حمل و نقل به بیان چالش های چنین سیستم هایی می‌پردازیم. مهمترین چالش در این سیستم ها در می توان در چهاردسته زیر خلاصه کرد
1- چگونه به صورت کارا داده های ترافیکی مورد نیاز از انواع منابع موجود جمع آوری شود؟
2- این حجم داده انبوه چگونه به بهترین شکل ذخیره شوند؟
3- چگونه به بهترین شکل و با کمک تکنیک های داده کاوی اطلاعات و دانش موجود در این دادههای عظیم استخراج شود؟
4- اطلاعات استخراجی در اختیار چه افرادی قرار گیرد و به چه شکل؟
برای دانستن پاسخ این چهار سوال مقالات بعدی ما را دنبال کنید.
منتظر ما باشید…
نویسنده: دکتر محمدرضا شمس
منابع:
۱) Luo, Qi. “Transportation data analyzing by using data mining method.” Information Processing (ISIP), ۲۰۰۸ International Symposiums on. IEEE, ۲۰۰۸.
۲) Ibrahim, Hamdy, and Behrouz H. Far. “Data-oriented intelligent transportation systems.” Information Reuse and Integration (IRI), ۲۰۱۴ IEEE ۱۵th International Conference on. IEEE, ۲۰۱۴.