الذكاء الاصطناعي في إدارة المرور: من الازدحام إلى التنسيق

مع وجود أكثر من 1.47 مليار مركبة على الطرق اليوم، أصبح تتبع حركة المرور وإدارتها بكفاءة تحدياً متزايد التعقيد. وتكافح الأساليب التقليدية لمواكبة حجم وديناميكيات حركة المرور الحديثة. وهنا يأتي دور الذكاء الاصطناعي (AI)، كعنصر مغيّر لقواعد اللعبة في تكنولوجيا إدارة حركة المرور والسلامة على الطرق من خلال استخدام حلول تعتمد على البيانات في الوقت الفعلي والتي تعزز الكفاءة والسلامة. في الواقع، تظهر الدراسات أن أنظمة إدارة حركة المرور المدعومة بالذكاء الاصطناعي يمكنها تقليل تأخيرات المرور بنسبة تصل إلى 25%، مما يحسن أوقات التنقل بشكل كبير ويقلل الازدحام.

في هذه المدونة، سنستكشف تأثير الذكاء الاصطناعي على إدارة حركة المرور، مع التركيز على تفاصيل اكتشاف لوحات الأرقام. وسندرس الاستخدامات الحالية والفوائد والتحديات، ونسلط الضوء على تطبيقات العالم الحقيقي التي تثبت إمكانات الذكاء الاصطناعي في إنشاء أنظمة مراقبة مرورية أكثر ذكاءً وأماناً وكفاءة.

Link to this sectionدور الذكاء الاصطناعي في إدارة حركة المرور#

تطبيقات الذكاء الاصطناعي في إدارة حركة المرور واسعة ومتنوعة. في هذه المدونة، سنركز بشكل أساسي على كيفية مساهمة الرؤية الحاسوبية، وهي مجال متخصص في الذكاء الاصطناعي يحلل الصور، في تعزيز إدارة حركة المرور بشكل كبير.

• تحليل وتوقع تدفق حركة المرور: كيف يساعد الذكاء الاصطناعي في فهم أنماط حركة المرور والتنبؤ بها.
• اكتشاف الحوادث وإدارتها: دور الذكاء الاصطناعي في تحديد الحوادث المرورية والاستجابة لها على الفور.
• التطبيق الآلي لقوانين المرور: استخدام الذكاء الاصطناعي لفرض قوانين مثل حدود السرعة وإشارات المرور.

Link to this sectionالتعرف على لوحات الترخيص#

الشكل 1. استخدام Ultralytics YOLOv8 للتعرف على لوحات الأرقام.

يعد التعرف على لوحات الترخيص أحد أكثر تطبيقات الذكاء الاصطناعي إقناعاً في إدارة حركة المرور. ومن خلال الاستفادة من نماذج الذكاء الاصطناعي المتقدمة والكاميرات عالية الدقة، يمكننا قراءة أرقام لوحات المركبات المارة بدقة، مما يساهم في تكنولوجيا السلامة على الطرق من خلال ضمان التزام المركبات بقوانين ولوائح المرور.

كيف يعمل هذا؟ يتم تدريب نماذج الرؤية الحاسوبية أولاً لاكتشاف لوحات الترخيص على المركبات المارة. بمجرد اكتشاف لوحة الأرقام، يقوم النموذج بقراءة رقم اللوحة واستخراجه، مما يسمح بتحديد هوية المركبة بكفاءة. وفي الخلفية، تتم مطابقة هذه المعلومات مع قواعد بيانات واسعة تخزن تفاصيل المركبة، مما يتيح لأنظمة تتبع المركبات التعرف على المركبة المحددة وتتبعها بدقة.

من النماذج البارزة لبناء أنظمة اكتشاف اللوحات هو Ultralytics YOLOv8. يعد YOLOv8 نموذج رؤية حاسوبية متطور يتفوق في اكتشاف الأشياء، التصنيف، تجزئة المثيلات، وتقدير الوضع في الوقت الفعلي، ويمكن تكييفه لعدد لا يحصى من التطبيقات، بما في ذلك اكتشاف لوحات الترخيص.

Link to this sectionتطبيقات التعرف على لوحات الترخيص#

Link to this sectionإنفاذ القانون#

بادئ ذي بدء، تُستخدم أنظمة اكتشاف لوحات الأرقام على نطاق واسع من قبل وكالات إنفاذ القانون. تُستخدم هذه الأنظمة بشكل أساسي لإصدار مخالفات السرعة، وعدم ارتداء أحزمة الأمان، واستخدام الهواتف المحمولة أثناء القيادة. بالإضافة إلى ذلك، يُستخدم هذا النهج لتعزيز القدرة على تتبع المركبات المسروقة واستعادتها.

على سبيل المثال، تستخدم وكالة معايير السائقين والمركبات (DVSA) في إنجلترا تكنولوجيا التعرف الآلي على لوحات الأرقام (ANPR) على المستويات المحلية والإقليمية والوطنية لاكتشاف وردع وتعطيل المشغلين الذين ينتهكون القانون.

باستخدام نماذج ذكاء اصطناعي متقدمة مثل YOLOv8، يمكن لهذه الأنظمة اكتشاف هذه المخالفات بدقة والتقاط رقم لوحة المركبة. يتفوق نموذج YOLOv8 في اكتشاف الأشياء في الوقت الفعلي، مما يضمن أن السلطات يمكنها التعرف بسرعة وبدقة على الانتهاكات وإرسال المخالفة والغرامة المناسبة للسائق.

تتبع هذه النماذج عادة نهج التعرف الآلي على لوحات الأرقام (ANPR). لفهم كيفية عمل نماذج اكتشاف الذكاء الاصطناعي هذه، تخيل تعليم طفل التعرف على سلالات مختلفة من الكلاب. ستعرض عليه العديد من الصور وتشير إلى السمات المحددة التي تميز كلب لابرادور عن كلب بودل. وبالمثل، يتم تغذية نماذج الذكاء الاصطناعي هذه بالعديد من الصور المصنفة للمركبات ولوحات أرقامها، لتتعلم اختيار وتذكر الخصائص الفريدة لكل لوحة أرقام. تمكن عملية التدريب هذه النماذج من تحديد والتعرف على الأرقام والحروف المختلفة على اللوحات بدقة.

الشكل 2. استخدام Ultralytics YOLOv8 لإنفاذ القانون.

Link to this sectionإدارة مواقف السيارات الذكية#

تطبيق قيم آخر للرؤية الحاسوبية في إدارة حركة المرور هو إدارة مواقف السيارات الذكية. باستخدام نماذج مثل YOLOv8، يمكن لهذه الأنظمة تحديد أماكن وقوف السيارات الشاغرة بدقة وتوجيه السائقين إليها، مما يحسن استخدام المساحة ويقلل وقت البحث. تضمن قدرات الاكتشاف في الوقت الفعلي لـ YOLOv8 إدارة فعالة لموارد مواقف السيارات.

يساعد اكتشاف لوحات الترخيص أيضاً في هذه العملية. فعندما تقترب مركبة من مرفق وقوف السيارات، تلتقط كاميرات عالية الدقة رقم لوحة الترخيص وتتعرف عليه باستخدام نماذج ذكاء اصطناعي متقدمة. ثم يفتح النظام البوابة للمركبات المصرح لها، مما يضمن دخولاً سلساً. بالإضافة إلى ذلك، يقوم النظام بحساب رسوم وقوف السيارات بناءً على مدة الإقامة ويعالج الدفع تلقائياً باستخدام الطريقة المسجلة مسبقاً لمالك المركبة، مما يلغي الحاجة إلى الدفع اليدوي في الأكشاك.

الشكل 3. استخدام Ultralytics YOLOv8 لإدارة مواقف السيارات الذكية.

Link to this sectionتحصيل الرسوم الآلي#

تفرض أنظمة تحصيل الرسوم رسوماً مقابل استخدام طرق أو جسور أو أنفاق معينة، وذلك بشكل أساسي لتمويل بنائها وصيانتها وتشغيلها. يعزز تحصيل الرسوم الآلي تدفق حركة المرور من خلال إلغاء الحاجة إلى توقف كل مركبة والدفع يدوياً. وهذا يساعد في تحسين حركة المرور وتقليل الازدحام. تقرأ كاميرات متخصصة رقم لوحة كل سيارة مارة وتصدر الرسوم المحددة تلقائياً، مما يجعل العملية أكثر كفاءة وسلاسة.

تستمر قائمة التطبيقات في النمو، حيث يمكن لاستخدام اكتشاف لوحات الأرقام أن يخدم عدداً متزايداً من الأغراض.

الشكل 4. نظام آلي لتحصيل الرسوم.

Link to this sectionتحديات الذكاء الاصطناعي في إدارة حركة المرور#

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

• تكاليف نشر عالية: يتطلب تنفيذ أنظمة إدارة المرور المعتمدة على الذكاء الاصطناعي استثماراً كبيراً 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 العادية إلى 1.5 مليون جنيه إسترليني لكل ميل في عام 2000.
• نفقات الصيانة المستمرة: الصيانة الدورية ضرورية لضمان موثوقية ودقة هذه الأنظمة. ويشمل ذلك الفحوصات الروتينية والتحديثات والإصلاحات، والتي يمكن أن 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 تؤدي إلى تدهور المعدات، مما يؤدي إلى زيادة تكاليف الصيانة والاستبدال.

الآن، لنحول تركيزنا إلى التحديات المحددة في التعرف على لوحات الترخيص.

• العوائق الجزئية: يمكن تغطية لوحات الأرقام جزئياً بالأتربة أو الطين أو أشياء أخرى، مما يجعل من الصعب على الذكاء الاصطناعي اكتشاف اللوحة بالكامل.

• التلف: يمكن للوحات التالفة أو المثنية أو الباهتة أن تقلل من دقة الاكتشاف والتعرف.

• خصوصية البيانات: يتضمن التقاط ومعالجة صور المركبات ولوحاتها التعامل مع معلومات حساسة، مما يثير مخاوف تتعلق بالخصوصية يجب معالجتها.

• الامتثال التنظيمي: يعد الامتثال للقوانين واللوائح المحلية والدولية المتعلقة بجمع البيانات وتخزينها واستخدامها أمراً ضرورياً لتجنب المشكلات القانونية.

Link to this sectionإلى 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 دائماً مجالاً لمزيد من التطورات. ومع استمرار تطور التكنولوجيا، يمكننا توقع العديد من التحسينات، مثل دمج أنظمة إدارة المرور المعتمدة على الذكاء الاصطناعي في بنى تحتية أوسع للمدن الذكية، مما يتيح اتصالاً سلساً بين مختلف الأنظمة الحضرية.

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

Link to this sectionالخلاصة#

شهد مجال الرؤية الحاسوبية تطورات ملحوظة في السنوات الأخيرة، مع إصدار نماذج جديدة تتفوق بشكل كبير على سابقاتها. مكنت هذه الابتكارات من مجموعة واسعة من التطبيقات في إدارة حركة المرور، من اكتشاف لوحات الأرقام إلى أنظمة مواقف السيارات الذكية. باستخدام نماذج متطورة مثل YOLOv8، توفر هذه الأنظمة دقة محسنة، ومعالجة في الوقت الفعلي، وأداء قوياً 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 تنقلنا في مدننا وإدارتها.

هل أنت مهتم بمستقبل الرؤية الحاسوبية؟ لمزيد من المعلومات حول أحدث تقنيات الرؤية الحاسوبية، يمكنك استكشاف مستندات Ultralytics، والاطلاع على مشاريعهم على Ultralytics GitHub و YOLOv8 GitHub. للحصول على مزيد من الرؤى حول تطبيقات الذكاء الاصطناعي عبر مختلف الصناعات، قد تجد صفحات الحلول حول السيارات ذاتية القيادة والتصنيع مفيدة بشكل خاص.