به گزارش عصرسرعت از خبرنگار فولاد، صادق فرخی، مدیر خدمات عمومی و امور رفاهی فولاد مبارکه در حاشیه برگزاری این همایش در گفت‌وگو با خبرنگار فولاد گفت: هدف‌گذاری و ریل‌گذاری مناسب برای انجام مطالعات مرتبط با هوش مصنوعی در کنترل و امنیت ترافیکی، چشم‌انداز روشنی برای استمرار این پژوهش‌ها ترسیم کرده است. قطعاً هدف اصلی از انجام هر پژوهش، نیل به اهداف کاربستی و اخذ نتایج سودمند کاربردی است. شرکت فولاد مبارکه همواره به‌منظور تحقق مسئولیت‌های اجتماعی خود در استان اصفهان و به‌عنوان شرکتی سرآمد در حوزه به‌کارگیری فناوری‌های نوین، ضمن حضور فعال در این همایش، به ارائه دستاوردهای خود در حوزه ایاب و ذهاب صنعتی و کنترل ترافیک پرداخت و در این زمینه، با ایجاد غرفه فعال با معرفی نرم‌افزارهای ترابری سنگین و ترابری سبک، رسالت انتقال دانش به دیگر ارگان‌ها را جامعه عمل پوشاند.
هوشمندسازی مدیریت ناوگان ایاب و ذهاب کارکنان
در همین زمینه، مجید فرجی، سرپرست ترابری و تعمیرگاه بنزینی نیز اضافه کرد: امروزه «آگاهی» مجموعه‌ای از علوم است که در زمان معین ارائه می‌شوند تا مقدمه‌ای برای اخذ تصمیمات استراتژیک باشند و به چشم‌انداز های اصلی سازمان، هدف و عمق بخشند. نبود سامانه‌های تصمیم‌ساز و تبدیل اطلاعات به هوش، باعث شده مدیران با انبوه اطلاعات مواجه شوند و نتوانند درک درستی از وضعیت پیرامونی خود داشته باشند. بسیاری از اطلاعات در قالب اسناد و بولتن به‌صورت روزانه، هفتگی و ماهانه و… در اختیار مدیران قرار می‌گیرد که فاقد تحلیل، راهبرد و راهکار مؤثر است.
وی بر این باور است که سامانه‌های مدیریت دانش در سازمان باعث شده تا نتوان از تجربیات ارزشمند افراد باتجربه در شرایط مختلف در کمترین زمان بهره‌برداری کرد.
به گفته فرجی، در همین راستا شرکت فولاد مبارکه با رویکرد هوشمندسازی مدیریت ناوگان ایاب و ذهاب کارکنان خود، اقدام به طراحی و بهره‌برداری از نرم‌افزار پایش هوشمند ترابری سنگین خود کرد و با ایجاد غرفه‌ای متشکل از کارشناسان این حوزه، به ارائه دستاوردهای شرکت فولاد مبارکه در حوزه ایاب و ذهاب پرداخت. این همایش با برگزاری کارگاه آموزشی با حضور رئیس پلیس‌راه، رئیس پلیس راهنمایی و رانندگی، استادان دانشگاه، فعالان حوزه حمل‌ونقل و دانشجویان برگزار شد. در ادامه به ابعاد این همایش اشاره می‌شود:
1-ابعاد علمی و فناوری
هوش مصنوعی به‌عنوان یکی از پیشروترین حوزه‌های دانش بشری، توانایی تحول عمیق در مدیریت هوشمند آمدوشد کارکنان از طریق تحلیل داده‌های کلان، پیش‌بینی الگوهای ترافیکی، مدیریت بهینه جریان وسایل نقلیه و کاهش تصادفات را دارد.
2-ابعاد اقتصادی
بهره‌گیری از هوش مصنوعی در مدیریت ترافیک منجر به کاهش هزینه‌های اقتصادی ناشی از تأخیرها، مصرف سوخت و تصادفات می‌شود و بهینه‌سازی‌های مسیرهای تردد باعث افزایش بهره‌وری و کاهش اتلاف منابع خواهد شد.
3-ابعاد اجتماعی و فرهنگی
به‌کارگیری هوش مصنوعی در مدیریت هوشمند ترافیک علاوه بر افزایش ایمنی و کاهش تصادفات می‌تواند منجر به بهبود کیفیت زندگی شهروندان و کاهش تنش‌های ناشی از ترافیک سنگین شود.
4-توصیه‌ها و چشم‌انداز آینده
ضرورت تدوین سیاست‌های کلان برای توسعه هوش مصنوعی در مدیریت حمل‌ونقل و همکاری نزدیک میان نهادهای دولتی و خصوصی و دانشگاهی؛
تداوم برگزاری نشست‌های علمی و تخصصی و تشویق به اجرای پروژه‌های آزمایشی (Pilot Projects) در کلان‌شهرها؛
تدوین و اجرای چارچوب‌های اخلاقی و قانونی برای حفاظت از حریم خصوصی و امنیت داده‌ها در سامانه‌های مبتنی بر هوش مصنوعی؛
افزایش حمایت از پژوهش‌های بین‌رشته‌ای با تأکید بر ارتباط هوش مصنوعی، مهندسی حمل‌ونقل، اقتصاد و صنعت.
برخی از کاربردهای هوش مصنوعی در کنترل ترافیک
سید علی‌اکبر مرتضوی، کارشناس ترابری فولاد مبارکه نیز در ادامه برخی از کاربردهای هوش مصنوعی در کنترل ترافیک را به شرح زیر مطرح کرد:
1-مدیریت ترافیک در بزرگراه‌ها
با استفاده از حسگرها و دوربین‌ها، هوش مصنوعی می‌تواند داده‌های ترافیکی را در زمان واقعی جمع‌آوری و تحلیل کند. این اطلاعات به مدیران ترافیک کمک می‌کند تا الگوهای ترافیکی را شناسایی و تصمیمات بهتری برای مدیریت ترافیک اتخاذ کنند.
2-پیش‌بینی ترافیک و شرایط جاده
با استفاده از داده‌های تاریخی و الگوریتم‌های یادگیری ماشین، هوش مصنوعی می‌تواند پیش‌بینی کند که در چه زمان‌هایی ترافیک سنگین‌تر خواهد بود. این پیش‌بینی‌ها می‌توانند به رانندگان کمک کند تا زمان و مسیر سفر خود را بهینه کنند.
3-مدیریت پارکینگ‌ها
با استفاده از حسگرها و دوربین‌ها، سیستم‌های هوش مصنوعی می‌تواند نزدیک‌ترین پارکینگی را که ظرفیت خالی است به رانندگان نشان دهد و ضمن رزرو محل پارک، از ایجاد ترافیک ایجادشده جهت یافتن پارکینگ جلوگیری کند.
4-سیستم‌های هشداردهنده و اطلاعات ترافیکی
سیستم‌های هوش مصنوعی می‌توانند به رانندگان اطلاعاتی درباره شرایط جاده، تصادفات یا ترافیک سنگین ارائه دهد و نیز با تحلیل داده‌های ترافیکی و شرایط جوی پیش‌بینی کنند که در کجا احتمال وقوع تصادف وجود دارد.
5-تحلیل رفتار رانندگان
استفاده از داده‌های جمع‌آوری‌شده از خودروها می‌تواند الگوهای خطرناک رانندگی را شناسایی و به رانندگان هشدار دهد. این اطلاعات می‌تواند به آموزش رانندگان نیز کمک کند.
