الذكاء الاصطناعي في إدارة حركة المرور: من الازدحام إلى التنسيق

مع وجود أكثر من 1.47 مليار مركبة على الطرق اليوم، أصبح تتبّع حركة المرور وإدارتها بكفاءة تحديًا متزايد التعقيد. وتواجه الأساليب التقليدية صعوبة في مواكبة حجم حركة المرور الحديثة وديناميكيتها. وهنا يمكن للذكاء الاصطناعي (AI) أن يساعد عبر تقديم حلول آنية قائمة على البيانات تعزز كفاءة إدارة المرور وسلامتها. وتشير الدراسات إلى أن أنظمة إدارة المرور المدعومة بالذكاء الاصطناعي يمكن أن تقلل تأخيرات المرور بنسبة تصل إلى 25%، ما يحسن أوقات التنقل ويخفف الازدحام بدرجة كبيرة.

سنستعرض في هذه المقالة أثر الذكاء الاصطناعي على إدارة المرور، مع التركيز على تفاصيل اكتشاف لوحات أرقام المركبات. وسنتناول الاستخدامات الحالية والفوائد والتحديات، كما نسلط الضوء على تطبيقات واقعية توضح قدرة الذكاء الاصطناعي على إنشاء أنظمة أكثر ذكاءً وأمانًا وكفاءة لمراقبة حركة المرور.

دور الذكاء الاصطناعي في إدارة حركة المرور#

تتعدد تطبيقات الذكاء الاصطناعي في إدارة المرور وتتنوع. وسنركّز هنا أساسًا على كيفية إسهام الرؤية الحاسوبية، وهي مجال متخصص من الذكاء الاصطناعي يحلل الصور، في تعزيز إدارة المرور بدرجة كبيرة.

• تحليل تدفق حركة المرور والتنبؤ به: كيف يساعد الذكاء الاصطناعي على فهم أنماط حركة المرور والتنبؤ بها.
• اكتشاف الحوادث وإدارتها: دور الذكاء الاصطناعي في تحديد الحوادث المرورية والاستجابة لها بسرعة.
• إنفاذ قوانين المرور آليًا: استخدام الذكاء الاصطناعي لإنفاذ قوانين مثل حدود السرعة وإشارات المرور.

التعرف على لوحات المركبات#

الشكل 1. استخدام Ultralytics YOLOv8 للتعرف على لوحات الأرقام.

يُعد التعرّف على لوحات أرقام المركبات أحد أبرز تطبيقات الذكاء الاصطناعي في إدارة المرور. فمن خلال الاستفادة من نماذج الذكاء الاصطناعي المتقدمة والكاميرات عالية الدقة، يمكننا قراءة أرقام لوحات المركبات العابرة بدقة، ما يسهم في تقنيات السلامة على الطرق من خلال ضمان التزام المركبات بقوانين المرور ولوائحه.

كيف تعمل هذه التقنية؟ تُدرَّب نماذج الرؤية الحاسوبية أولًا على اكتشاف لوحات أرقام المركبات العابرة. وبعد اكتشاف اللوحة، يقوم النموذج بقراءة رقم اللوحة واستخراجه، ما يتيح تحديد هوية المركبة بكفاءة. وفي الخلفية، تُطابق هذه المعلومات مع قواعد بيانات موسعة تخزّن تفاصيل المركبات، ما يمكّن أنظمة تتبّع المركبات من تحديد المركبة المعنية وتتبعها بدقة.

من النماذج البارزة لبناء أنظمة اكتشاف اللوحات Ultralytics YOLOv8، وهو نموذج للرؤية الحاسوبية يتفوق في اكتشاف الكائنات والتصنيف وتجزئة المثيلات وتقدير الوضعية في الوقت الفعلي، ويمكن تكييفه مع العديد من التطبيقات، بما فيها اكتشاف لوحات أرقام المركبات.

تطبيقات التعرف على لوحات المركبات#

إنفاذ القانون#

تستخدم أجهزة إنفاذ القانون أنظمة اكتشاف لوحات أرقام المركبات على نطاق واسع. وتُستخدم هذه الأنظمة أساسًا لإصدار المخالفات بسبب السرعة وعدم ارتداء أحزمة الأمان واستخدام الهواتف المحمولة أثناء القيادة. وإضافة إلى ذلك، يُستخدم هذا النهج لتعزيز القدرة على تتبّع المركبات المسروقة واستعادتها.

فعلى سبيل المثال، تستخدم وكالة معايير السائقين والمركبات (DVSA) في إنجلترا تقنية التعرف الآلي على لوحات الأرقام (ANPR) على المستويات المحلية والإقليمية والوطنية، لاكتشاف المشغلين المخالفين للقانون وردعهم وتعطيل أنشطتهم.

وباستخدام نماذج ذكاء اصطناعي متقدمة مثل Ultralytics YOLOv8، تستطيع هذه الأنظمة اكتشاف هذه المخالفات بدقة والتقاط صورة لوحة أرقام المركبة. ويتفوق نموذج YOLOv8 في اكتشاف الأجسام آنيًا، ما يضمن قدرة السلطات على تحديد المخالفات بسرعة ودقة وإرسال المخالفة والغرامة المناسبتين إلى السائق.

تتبع هذه النماذج عادةً نهج التعرّف الآلي على لوحات أرقام المركبات (ANPR). لفهم طريقة عمل نماذج الاكتشاف هذه، تخيّل أنك تعلّم طفلًا التعرّف على سلالات الكلاب المختلفة. ستريه صورًا كثيرة وتوضح له السمات المحددة التي تميز كلب اللابرادور عن البودل. وبالمثل، تُدرَّب نماذج الذكاء الاصطناعي هذه على أعداد كبيرة من صور المركبات ولوحات أرقامها المصنفة، فتتعلم تمييز الخصائص الفريدة لكل لوحة وتذكّرها. وتمكّن عملية التدريب هذه النماذج من تحديد الأرقام والحروف المختلفة على اللوحات والتعرّف عليها بدقة.

الشكل 2. استخدام Ultralytics YOLOv8 لإنفاذ القانون.

إدارة مواقف السيارات الذكية#

ومن التطبيقات المفيدة الأخرى للرؤية الحاسوبية في إدارة المرور إدارة مواقف السيارات الذكية. فباستخدام نماذج مثل YOLOv8، تستطيع هذه الأنظمة تحديد أماكن الوقوف الشاغرة بدقة وإرشاد السائقين إليها، ما يحسّن استغلال المساحة ويقلل وقت البحث. وتضمن إمكانات الكشف الآني في YOLOv8 إدارة موارد مواقف السيارات بكفاءة.

يساعد اكتشاف لوحات المركبات أيضًا في هذه العملية. فعندما تقترب مركبة من مرفق مواقف السيارات، تلتقط كاميرات عالية الدقة صورة لوحة الأرقام وتتعرف عليها باستخدام نماذج ذكاء اصطناعي متقدمة. ثم يفتح النظام البوابة للمركبات المصرح لها، بما يضمن دخولًا سلسًا. إضافةً إلى ذلك، يحسب النظام رسوم الوقوف بناءً على مدة البقاء، ويعالج الدفع تلقائيًا باستخدام وسيلة الدفع المسجلة مسبقًا لمالك المركبة، ما يلغي الحاجة إلى الدفع اليدوي عند الأكشاك.

الشكل 3. استخدام Ultralytics YOLOv8 لإدارة مواقف السيارات الذكية.

تحصيل رسوم المرور آليًا#

تفرض أنظمة تحصيل الرسوم رسومًا مقابل استخدام طرق أو جسور أو أنفاق محددة، وذلك أساسًا لتمويل إنشائها وصيانتها وتشغيلها. ويعزز تحصيل الرسوم الآلي انسيابية المرور بإلغاء حاجة كل مركبة إلى التوقف والدفع يدويًا. ويساعد ذلك على تحسين حركة المرور وتقليل الازدحام. وتقرأ كاميرات متخصصة رقم لوحة كل سيارة عابرة وتفرض الرسوم المحددة تلقائيًا، ما يجعل العملية أكثر كفاءة.

تتواصل قائمة التطبيقات في النمو، إذ يمكن لاكتشاف لوحات الأرقام أن يخدم عددًا متزايدًا من الأغراض.

الشكل 4. نظام آلي لتحصيل الرسوم.

تحديات الذكاء الاصطناعي في إدارة حركة المرور#

كما رأينا، توفر الرؤية المدعومة بالذكاء الاصطناعي مجموعة واسعة من الفوائد، إلا أنه من الضروري الإقرار ببعض التحديات العامة المرتبطة عادةً بإدارة حركة المرور.

• تكاليف نشر مرتفعة: يتطلب تنفيذ أنظمة إدارة المرور المدعومة بالذكاء الاصطناعي استثمارًا كبيرًا في بنية تحتية متقدمة، تشمل كاميرات عالية الدقة ومستشعرات وموارد حوسبة. وقد تكون تكاليف الإعداد الأولية باهظة؛ إذ وصلت تكلفة أنظمة كاميرات قياس متوسط السرعة إلى 1.5 مليون جنيه إسترليني لكل ميل في عام 2000.
• نفقات الصيانة المستمرة: تلزم الصيانة الدورية لضمان موثوقية هذه الأنظمة ودقتها. وتشمل هذه الصيانة الفحوصات والتحديثات والإصلاحات الروتينية، وقد تصبح مكلفة بمرور الوقت. كما أن البنية التحتية معرضة للأضرار الناجمة عن العوامل البيئية، مثل الأمطار الغزيرة والعواصف والظروف الجوية القاسية. وقد تتسبب هذه العوامل في تدهور المعدات، ما يزيد تكاليف الصيانة والاستبدال.

والآن، لنركز على التحديات المحددة في التعرف على لوحات المركبات.

• الحجب الجزئي: قد تغطي الأوساخ أو الطين أو أجسام أخرى أجزاءً من لوحات الأرقام، ما يصعّب على الذكاء الاصطناعي اكتشاف اللوحة كاملة.
• التلف: قد تؤدي اللوحات التالفة أو المنحنية أو الباهتة إلى تقليل دقة الاكتشاف والتعرف.
• خصوصية البيانات: يستلزم التقاط صور المركبات ولوحاتها ومعالجتها التعامل مع معلومات حساسة، ما يثير مخاوف تتعلق بالخصوصية ينبغي معالجتها.
• الامتثال التنظيمي: يُعد الامتثال للقوانين واللوائح المحلية والدولية المتعلقة بجمع البيانات وتخزينها واستخدامها ضروريًا لتجنب المشكلات القانونية.

إلى أين يتجه الذكاء الاصطناعي في إدارة حركة المرور؟#

على الرغم من التحسن الكبير الذي شهدته إدارة المرور مع إدخال الذكاء الاصطناعي، لا يزال هناك مجال لمزيد من التطوير. ومع استمرار تطور التكنولوجيا، يمكننا توقع تحسينات عدة، مثل دمج أنظمة إدارة المرور المدعومة بالذكاء الاصطناعي في بنى المدن الذكية الأوسع، بما يتيح تواصلًا أفضل بين مختلف الأنظمة الحضرية.

ومن المتوقع أيضًا أن تصبح نماذج الذكاء الاصطناعي المستقبلية أكثر كفاءة ودقة في اكتشاف لوحات الأرقام والتعرف عليها، وأن تكون أفضل تجهيزًا للتعامل مع الظروف الجوية المعاكسة، مثل المطر والضباب والثلج، بما يضمن اكتشافًا موثوقًا حتى في البيئات غير المثالية.

الخاتمة#

شهد مجال الرؤية الحاسوبية تطورات ملحوظة في السنوات الأخيرة، مع إطلاق نماذج جديدة تتفوق كثيرًا على سابقاتها. وأتاحت هذه الابتكارات مجموعة واسعة من تطبيقات إدارة المرور، بدءًا من اكتشاف لوحات أرقام المركبات وصولًا إلى أنظمة مواقف السيارات الذكية. وتوفر هذه الأنظمة، باستخدام نماذج مثل Ultralytics YOLOv8 (الذي خلفه Ultralytics YOLO26)، دقة أعلى ومعالجة آنية وأداءً متينًا حتى في الظروف الصعبة.

مع استمرار تطور الذكاء الاصطناعي، يمكننا توقع حلول أكثر تطورًا وتكاملًا لإدارة حركة المرور. ولن تقتصر هذه التطورات على تحسين الكفاءة والسلامة، بل ستسهم أيضًا في إيجاد بيئات حضرية أذكى وأكثر استدامة. ومستقبل الذكاء الاصطناعي في إدارة حركة المرور واعد، ويبشر بتحسينات متواصلة ستعيد تعريف أساليب تنقلنا وإدارتنا لمدننا.

هل يهمك مستقبل الرؤية الحاسوبية؟ لمزيد من المعلومات عن أحدث تقنيات الرؤية الحاسوبية، يمكنك الاطلاع على وثائق Ultralytics واستكشاف مشروعاتنا على GitHub الخاص بـ Ultralytics وGitHub الخاص بـ YOLOv8. ولمعرفة المزيد عن تطبيقات الذكاء الاصطناعي في مختلف القطاعات، قد تجد صفحات الحلول الخاصة بـالسيارات ذاتية القيادة والتصنيع مفيدة على نحو خاص.