الذكاء الاصطناعي في إدارة حركة المرور: من الازدحام إلى التنسيق

مع وجود أكثر من 1.47 مليار مركبة على الطرق اليوم، أصبح تتبع وإدارة حركة المرور بكفاءة تحديًا معقدًا بشكل متزايد. تكافح الطرق التقليدية لمواكبة حجم وديناميكيات حركة المرور الحديثة. هذا هو المكان الذي يتدخل فيه الذكاء الاصطناعي (AI)، باعتباره يغير قواعد اللعبة لتكنولوجيا إدارة حركة المرور والسلامة على الطرق باستخدام حلول تعتمد على البيانات في الوقت الفعلي والتي تعزز الكفاءة والسلامة. في الواقع، تظهر الدراسات أن أنظمة إدارة حركة المرور المدعومة بالذكاء الاصطناعي يمكن أن تقلل من تأخيرات حركة المرور بنسبة تصل إلى 25٪، مما يحسن بشكل كبير أوقات التنقل ويقلل من الازدحام.

في هذه المدونة، سوف نستكشف تأثير الذكاء الاصطناعي على إدارة حركة المرور، مع التركيز على تفاصيل الكشف عن لوحات أرقام السيارات. وسوف ندرس الاستخدامات الحالية والفوائد والتحديات ونسلط الضوء على التطبيقات الواقعية التي توضح إمكانات الذكاء الاصطناعي في إنشاء أنظمة مراقبة حركة مرور أكثر ذكاءً وأمانًا وكفاءة.

دور الذكاء الاصطناعي في إدارة حركة المرور

تطبيقات الذكاء الاصطناعي في إدارة حركة المرور واسعة ومتنوعة. في هذه المدونة، سنركز بشكل أساسي على كيف يمكن لرؤية الكمبيوتر، وهو مجال متخصص في الذكاء الاصطناعي يحلل الصور، أن يعزز إدارة حركة المرور بشكل كبير.

• تحليل وتوقع تدفق حركة المرور: كيف يساعد الذكاء الاصطناعي في فهم وتوقع أنماط حركة المرور.
  ‍
• اكتشاف الحوادث وإدارتها: دور الذكاء الاصطناعي في سرعة تحديد حوادث المرور والاستجابة لها.
  ‍
• التطبيق الآلي لقوانين المرور (Automated Enforcement of Traffic Laws): استخدام الذكاء الاصطناعي لإنفاذ القوانين مثل حدود السرعة وإشارات المرور.

التعرف على لوحات ترخيص المركبات

‍

تتمثل إحدى أكثر التطبيقات إقناعًا للذكاء الاصطناعي في إدارة حركة المرور في التعرف على لوحات أرقام المركبات. من خلال الاستفادة من نماذج الذكاء الاصطناعي المتقدمة والكاميرات عالية الدقة، يمكننا قراءة أرقام لوحات المركبات المارة بدقة، والمساهمة في تكنولوجيا السلامة على الطرق من خلال ضمان التزام المركبات بقوانين وأنظمة المرور.

كيف يعمل هذا؟ يتم أولاً تدريب نماذج الرؤية الحاسوبية على اكتشاف لوحات ترخيص المركبات المارة. بمجرد اكتشاف لوحة أرقام، يقرأ النموذج رقم اللوحة ويستخرجه، مما يتيح التعرف الفعال على المركبات. في الواجهة الخلفية، تتم مطابقة هذه المعلومات مع قواعد بيانات واسعة النطاق تخزن تفاصيل المركبات، مما يُمكّن أنظمة تتبع المركبات من تحديد وتتبع المركبة المحددة بدقة.

أحد النماذج البارزة لبناء أنظمة الكشف عن اللوحات هو Ultralytics YOLOv8. YOLOv8 هو نموذج رؤية حاسوبية حديث يتفوق في اكتشاف الكائنات في الوقت الفعلي، والتصنيف، و تقسيم المثيلات، وتقدير الوضعية ويمكن تكييفه لعدد لا يحصى من التطبيقات، بما في ذلك الكشف عن لوحات الترخيص. 

تطبيقات التعرف على لوحات أرقام المركبات

إنفاذ القانون

بادئ ذي بدء، تستخدم وكالات إنفاذ القانون أنظمة الكشف عن لوحات أرقام المركبات على نطاق واسع. تُستخدم هذه الأنظمة بشكل أساسي لإصدار مخالفات السرعة، وعدم ارتداء أحزمة الأمان، واستخدام الهواتف المحمولة أثناء القيادة. بالإضافة إلى ذلك، يتم استخدام هذا النهج لتعزيز القدرة على تتبع واستعادة المركبات المسروقة. 

على سبيل المثال، تستخدم وكالة معايير السائق والمركبة (DVSA) في إنجلترا تقنية التعرف التلقائي على لوحة الأرقام (ANPR) على نطاقات محلية وإقليمية ووطنية لاكتشاف وردع وتعطيل المشغلين الذين ينتهكون القانون.

باستخدام نماذج الذكاء الاصطناعي المتقدمة مثل YOLOv8، يمكن لهذه الأنظمة اكتشاف هذه المخالفات بدقة والتقاط لوحة أرقام السيارة. يتفوق نموذج YOLOv8 في اكتشاف الكائنات في الوقت الفعلي، مما يضمن أن تتمكن السلطات من تحديد الانتهاكات بسرعة ودقة وإرسال التذكرة والغرامة المناسبة إلى السائق.

تتبع هذه النماذج عادةً نهج التعرف الآلي على لوحات أرقام المركبات (ANPR). لفهم كيفية عمل نماذج الكشف بالذكاء الاصطناعي هذه، تخيل أنك تعلم طفلاً التعرف على سلالات مختلفة من الكلاب. ستعرض عليه العديد من الصور وتشير إلى الميزات المحددة التي تميز كلب لابرادور عن كلب بودل. وبالمثل، يتم تزويد نماذج الذكاء الاصطناعي هذه بالعديد من الصور المصنفة للمركبات ولوحات أرقامها، وتعلم انتقاء وتذكر الخصائص الفريدة لكل لوحة أرقام. تمكن عملية التدريب هذه النماذج من تحديد وتمييز الأرقام والحروف المختلفة الموجودة على اللوحات بدقة.

‍

إدارة مواقف السيارات الذكية

تطبيق آخر قيم للرؤية الحاسوبية في إدارة حركة المرور هو إدارة مواقف السيارات الذكية. باستخدام نماذج مثل YOLOv8، يمكن لهذه الأنظمة تحديد أماكن وقوف السيارات الفارغة بدقة وتوجيه السائقين إليها، وتحسين استخدام المساحة وتقليل وقت البحث. تضمن إمكانات الكشف في الوقت الفعلي لـ YOLOv8 الإدارة الفعالة لموارد مواقف السيارات.

يساعد اكتشاف لوحات ترخيص المركبات أيضًا في هذه العملية. عندما تقترب مركبة من مرفق وقوف السيارات، تلتقط كاميرات عالية الدقة رقم لوحة الترخيص وتتعرف عليه باستخدام نماذج الذكاء الاصطناعي المتقدمة. ثم يفتح النظام البوابة للمركبات المصرح لها، مما يضمن دخولًا سلسًا. بالإضافة إلى ذلك، يحسب النظام رسوم وقوف السيارات بناءً على مدة الإقامة ويعالج الدفع تلقائيًا باستخدام طريقة الدفع المسجلة مسبقًا لمالك السيارة، مما يلغي الحاجة إلى الدفع اليدوي في الأكشاك.

‍

تحصيل الرسوم الآلي

تفرض أنظمة تحصيل الرسوم رسومًا مقابل استخدام طرق أو جسور أو أنفاق معينة، وذلك بشكل أساسي لتمويل بنائها وصيانتها وتشغيلها. يعزز التحصيل الآلي للرسوم حركة المرور عن طريق إلغاء حاجة كل مركبة للتوقف والدفع يدويًا. يساعد هذا في تحسين حركة المرور وتقليل الازدحام. تقرأ كاميرات متخصصة رقم لوحة كل سيارة عابرة وتصدر تلقائيًا الرسوم المحددة، مما يجعل العملية أكثر كفاءة وسلاسة.

تستمر قائمة التطبيقات في النمو، حيث يمكن أن يخدم استخدام الكشف عن لوحات الأرقام عددًا متزايدًا من الأغراض.

تحديات الذكاء الاصطناعي في إدارة حركة المرور

كما رأينا، يوفر الذكاء الاصطناعي البصري مجموعة واسعة من الفوائد، ومع ذلك، من الضروري الاعتراف ببعض التحديات العامة التي ترتبط عادةً بإدارة حركة المرور.

• تكاليف نشر عالية: يتطلب تطبيق أنظمة إدارة حركة المرور المدعومة بالذكاء الاصطناعي استثمارًا كبيرًا في البنية التحتية المتقدمة، بما في ذلك الكاميرات عالية الدقة وأجهزة الاستشعار وموارد الحوسبة. يمكن أن تكون تكاليف الإعداد الأولية هذه كبيرة، حيث تصل تكلفة كاميرا السرعة المتوسطة إلى 1.5 مليون جنيه إسترليني لكل ميل في عام 2000.
  ‍
• نفقات الصيانة المستمرة: الصيانة المنتظمة ضرورية لضمان موثوقية ودقة هذه الأنظمة. ويشمل ذلك الفحوصات الروتينية والتحديثات والإصلاحات، والتي قد تكون مكلفة بمرور الوقت. علاوة على ذلك، فإن البنية التحتية عرضة للتلف بسبب العوامل البيئية مثل الأمطار الغزيرة والعواصف والظروف الجوية القاسية. يمكن لهذه العناصر أن تقلل من جودة المعدات، مما يؤدي إلى زيادة تكاليف الصيانة والاستبدال.

الآن، دعونا نركز على التحديات المحددة في التعرف على لوحات ترخيص المركبات.

• الانسدادات الجزئية: قد تكون لوحات الأرقام مغطاة جزئيًا بالأوساخ أو الطين أو أشياء أخرى، مما يجعل من الصعب على الذكاء الاصطناعي اكتشاف اللوحة كاملة.
  ‍
• التلف: يمكن أن تقلل اللوحات التالفة أو المنحنية أو الباهتة من دقة الكشف والتعرف.

• خصوصية البيانات: يتضمن التقاط ومعالجة صور المركبات ولوحاتها معالجة معلومات حساسة وإثارة مخاوف تتعلق بالخصوصية يجب معالجتها.
  ‍
• الامتثال التنظيمي: يعد الامتثال للقوانين واللوائح المحلية والدولية المتعلقة بجمع البيانات وتخزينها واستخدامها أمرًا ضروريًا لتجنب المشكلات القانونية.

إلى أين يتجه الذكاء الاصطناعي في إدارة حركة المرور؟

على الرغم من أن إدارة حركة المرور قد تحسنت بشكل كبير مع إدخال الذكاء الاصطناعي، إلا أن هناك دائمًا مجال لمزيد من التقدم. مع استمرار تطور التكنولوجيا، يمكننا أن نتوقع العديد من التحسينات، مثل دمج أنظمة إدارة حركة المرور التي تعتمد على الذكاء الاصطناعي في البنى التحتية الأوسع للمدن الذكية، مما يتيح التواصل السلس بين الأنظمة الحضرية المختلفة.

من المتوقع أيضاً أن تصبح نماذج الذكاء الاصطناعي المستقبلية أكثر كفاءة ودقة في اكتشاف لوحات الأرقام والتعرف عليها، وستكون أيضاً مجهزة بشكل أفضل للتعامل مع الظروف الجوية المعاكسة مثل المطر والضباب والثلج، مما يضمن اكتشافاً موثوقاً حتى في البيئات الأقل من مثالية.

الخلاصة

شهد مجال رؤية الحاسوب تطورات ملحوظة في السنوات الأخيرة، مع إصدار نماذج جديدة تتفوق بشكل كبير على سابقاتها. وقد مكّنت هذه الابتكارات مجموعة واسعة من التطبيقات في إدارة حركة المرور، بدءًا من اكتشاف لوحات أرقام السيارات ووصولًا إلى أنظمة مواقف السيارات الذكية. وباستخدام النماذج المتطورة مثل YOLOv8، تقدم هذه الأنظمة دقة محسّنة ومعالجة في الوقت الفعلي وأداءً قويًا حتى في الظروف الصعبة.

مع استمرار تطور الذكاء الاصطناعي، يمكننا توقع حلول أكثر تطوراً وتكاملاً لإدارة حركة المرور. لن تؤدي هذه التطورات إلى تحسين الكفاءة والسلامة فحسب، بل ستساهم أيضاً في بيئات حضرية أكثر ذكاءً واستدامة. مستقبل الذكاء الاصطناعي في إدارة حركة المرور مشرق، ويعد بتحسينات مستمرة ستعيد تعريف كيفية التنقل في مدننا وإدارتها.

هل أنت مهتم بمستقبل الرؤية الحاسوبية؟ لمزيد من المعلومات حول أحدث التقنيات في مجال الرؤية الحاسوبية، يمكنك استكشاف وثائق Ultralytics، والتحقق من مشاريعهم على Ultralytics GitHub و YOLOv8 GitHub. للحصول على مزيد من الأفكار حول تطبيقات الذكاء الاصطناعي عبر مختلف الصناعات، قد تجد صفحات الحلول على السيارات ذاتية القيادة و التصنيع مفيدة بشكل خاص.