الأخبار التكنولوجية والاستعراضات والنصائح!

طور الباحثون في جامعة ستانفورد نهجًا قائمًا على الذكاء الاصطناعي لتحسين رسوم الطرق

ستساعدك المقالة التالية: طور الباحثون في جامعة ستانفورد نهجًا قائمًا على الذكاء الاصطناعي لتحسين رسوم الطرق

تعاني المدن في جميع أنحاء العالم من الازدحام المروري ، والذي لا يؤدي فقط إلى فقدان الإنتاجية ، بل يساهم أيضًا في زيادة انبعاثات الكربون والتلوث الضوضائي. لمعالجة هذه المشكلة ، تم اقتراح تسعير الازدحام كحل محتمل. يتضمن تسعير الازدحام فرض رسوم على استخدام الطرق المزدحمة لتشجيع السائقين على تجنب المناطق المزدحمة وساعات الذروة. ومع ذلك ، لا تزال الرسوم المناسبة لتقليل حركة المرور بكفاءة تمثل تحديًا. يعد جمع سمات رحلة المستخدم مثل الأصول والوجهات لهذا الغرض أمرًا صعبًا ويثير مخاوف بشأن الخصوصية.

طور باحثون في جامعة ستانفورد نهجًا مبتكرًا لتحسين رسوم الطرق باستخدام الذكاء الاصطناعي. تتضمن هذه الطريقة ضبط الرسوم ديناميكيًا بناءً على عدد السيارات التي تسافر على طرق معينة في أوقات محددة لتحقيق التوازن بين عرض الطريق وطلب السائق. هذا النهج لديه القدرة على تحسين أنظمة تسعير الازدحام في مدن مختلفة في جميع أنحاء العالم.

دون الحاجة إلى معلومات إضافية عن رحلة المستخدم ، استخدم الباحثون التعلم عبر الإنترنت ، وهو فرع من التعلم الآلي والذكاء الاصطناعي ، لتعديل رسوم المرور على الطرق بناءً على ملاحظات سلوك السائق. من خلال تحسين رسوم الطرق ، يحمي أسلوبنا خصوصية المستخدم مع تخفيف الازدحام المروري. وجد الباحثون أن نقاط البيانات الوحيدة المطلوبة لتحديد العرض والطلب على الطرق هي العدد الإجمالي للسيارات على الطريق في أي لحظة ، وهي المعلومات المتوفرة بالفعل في المدن بفضل تكنولوجيا الاستشعار المعاصرة مثل أجهزة الكشف عن الحلقة.

من خلال الإجراءات المستقلة لاختيار طريق على آخر ، يكشف السائقون عن التفضيلات الإجمالية ، مما يتيح زيادة رسوم المرور على الطرق المزدحمة ، وبالتالي تحفيز المسافرين على اتخاذ طرق بديلة أو وسائط نقل أخرى. يعمل النهج القائم على التعلم عبر الإنترنت على تعديل الرسوم بناءً على التدفقات الإجمالية الملحوظة على طرق شبكة النقل في كل فترة زمنية.

للتحقق من صحة أداء نهجهم ، قارنه الباحثون بـ “أوراكل” الذي يعرف كل شيء بمعلومات كاملة عن سمات رحلة المستخدمين. اختبار النهج الجديد على شبكات المرور في العالم الحقيقي ، لاحظ الباحثون أنه تفوق حتى على العديد من طرق تسعير الازدحام التقليدية.

يعتمد هذا البحث على العمل السابق الذي قام به المؤلف الرئيسي وزملاؤه ، وركز على ضمان العدالة في تسعير الازدحام. اقترحت تلك الدراسة نهجًا لإعادة التوزيع حيث يحصل السائقون ذوو الدخل المنخفض على أموال أكثر مما يدفعونه في رسوم المرور ، في حين أن تعويض السائقين الأكثر ثراءً يكون في الغالب في شكل الوقت الذي لا يقضيه في الاختناقات المرورية.

من الآن فصاعدًا ، يهدف الباحثون إلى الجمع بين النهج العادل لتسعير الازدحام الذي تم تطويره في ورقة 2021 مع النهج القائم على التعلم المستخدم في الدراسة الجديدة. وهي تهدف إلى مزيد من استكشاف تصميم مخططات الحوافز لأنظمة التنقل المستقبلية التي تراعي الإنصاف والكفاءة مع تقليل تكاليف الازدحام المروري على المجتمع.

في الختام ، فإن النهج المبتكر للباحثين لتحسين رسوم الطرق باستخدام الذكاء الاصطناعي لديه إمكانات واعدة لتقليل الازدحام المروري وتحسين كفاءة أنظمة تسعير الازدحام في المدن في جميع أنحاء العالم. يحافظ هذا النهج على خصوصية المستخدم أثناء تعديل الرسوم بشكل ديناميكي بناءً على سلوك السائق الملاحظ ، مما قد يساعد في تقليل إجمالي تكاليف الازدحام المروري على المجتمع مع مراعاة الاعتبارات المجتمعية مثل الإنصاف.