تحول تحرک شهری "سریع" را افزایش می دهد اما حذف می کند

تحول تحرک شهری "سریع" را افزایش می دهد اما حذف می کند

گره منبع: 3061061

راه اندازی پس از دو سال حبس جمعی، جمعیت جهان با اشتیاق به بیرون از منزل هجوم آوردند. مردم می‌خواهند بیشتر، سریع‌تر، به مکان‌های بیشتری بروند: کار، در تعطیلات، دیدن دنیا، انجام کارهای بیشتر، بیشتر بودن، بیشتر دیدن. با این حال، این تجدید حیات در تحرک هزینه دارد.

برآوردها نشان می‌دهد که سطح ترافیک در بسیاری از شهرهای جهان به سطح قبل از COVID-19 بازگشته است و در برخی موارد حتی بالاتر است. رانندگان در برخی از بزرگترین شهرهای جهان صدها ساعت اضافی و هزاران دلار اضافی را صرف نشستن در ترافیک بی امان می کنند. گزارشی که سال گذشته توسط بلومبرگ منتشر شد.

الگوهای ترافیکی پس از همه گیری به طور چشمگیری تغییر کرده است. به عنوان مثال، بسیاری از مردم در طول کووید، استفاده از وسایل حمل و نقل عمومی را متوقف کردند و اکنون ترجیح می دهند وسایل نقلیه شخصی خود را داشته باشند. بسیاری از مردم نیز عادات خرید خود را تغییر دادند و همچنان تحویل درب ورودی را ترجیح می دهند و تعداد کامیون های تحویل در جاده ها را افزایش می دهند. و در حالی که تغییر به کار از راه دور و ترکیبی تا حدودی ترافیک را در ساعات سنتی رفت و آمد کاهش داده است، همچنین الگوهای ترافیک را نسبت به گذشته کمتر قابل پیش بینی کرده است. این الگوهای ترافیکی جدید بر سیستم‌های مدیریت ترافیک قدیمی فشار وارد می‌کند و منجر به ازدحام می‌شود که وقت مردم را تلف می‌کند، انتشار کربن اضافی ایجاد می‌کند و شانس تصادف را افزایش می‌دهد.

و این فقط اتومبیل ها، کامیون ها و اتوبوس ها در جاده ها نیستند. در بسیاری از شهرها، ترافیک عابران پیاده یک عنصر حیاتی از معادله است. مثلا، گذرگاه شیبویا ژاپن شلوغ ترین گذرگاه عابر پیاده جهان است که روزانه بیش از دو میلیون نفر با ترافیک توکیو تلاقی می کنند. تقریباً 2,500 عابر پیاده هر بار که نور تغییر می کند، در یک گذرگاه چهار طرفه در جنجالی موسوم به "Scramble Shibuya" شجاعت می کنند. دفتر گردشگری ژاپن این گذرگاه را به عنوان راه رفتن در خط "بین هرج و مرج شیدایی و هماهنگی کامل" توصیف می کند.

علاوه بر این مشکلات، شهرها اغلب از نظر فیزیکی و مالی، با منابع محدود برای اسکان افراد بیشتر در فضای کمتر، کشش دارند. در این فضا، برنامه ریزان شهری با وظیفه عظیم ارائه راه حل هایی برای کاهش ازدحام، کاهش انتشار کربن و محافظت از ایمنی شهروندان در حین حرکت از مکانی به مکان دیگر روبرو هستند. در بسیاری از موارد، آنها باید از ابتدا شروع کنند زیرا مدل های قدیمی دیگر کاربرد ندارند.

رویکردهای کاهش ترافیک در سراسر جهان

شهرهای سرتاسر جهان وظیفه کاهش خودروها در جاده ها را بر عهده گرفته اند و از تاکتیک های مختلف برای جلوگیری از خودروهای شخصی استفاده می کنند. به عنوان مثال، پاریس هزاران سال است که به طور مداوم مسکونی بوده است و باستان و مدرن را با پیچ و خم هایی از خیابان ها در هم می آمیزد که قدمت برخی از آنها به 2000 سال قبل از میلاد می رسد. این شهر برنامه های بلندپروازانه ای را برای تبدیل شدن به یکی از دوستدارترین مکان های دوچرخه سواری در اروپا اعلام کرده است. برای کمک به سهولت ترافیک، برنامه ریزان شهری در حال تلاش برای ایجاد خطوط دائمی و مجزای دوچرخه و اضافه کردن 180,000 مکان پارک دوچرخه دیگر هستند.

لندن یکی دیگر از شهرهای اروپایی باستانی است که با ترافیک و آلودگی هوا مبارزه می کند. این شهر در حال گسترش منطقه بسیار کم انتشار خود (ULEZ) است تا کل شهر را در بر گیرد. صاحبان خودروهای قدیمی با آلایندگی بالاتر باید برای رانندگی در هر نقطه از لندن هزینه روزانه بپردازند.

در توکیو، پیاده‌روی و حمل‌ونقل عمومی دو نوع محبوب سفر هستند و پس از آن دوچرخه‌سواری. توکیو کمترین میزان استفاده از خودرو را در جهان دارد و دلیل خوبی دارد گزارش. مقامات، داشتن خودرو در توکیو را دشوار و گران کرده اند. پارک کردن در خیابان مجاز نیست و مالکان خودرو برای داشتن خودرو باید مالیات فروش، مالیات سالانه و هزینه بازرسی دوسالانه را بپردازند.

استراتژی دیگر برای کاهش خودروها در جاده ها، دریافت هزینه های بالاتر برای پارک در مناطق پرتردد یا در دسترس قرار دادن آن فقط در اختیار ساکنان است. قرار دادن فضاهای پارک بیشتر در نزدیکی حمل‌ونقل عمومی، ارائه گزینه‌های حمل‌ونقل عمومی بیشتر و بهتر و تشویق به همراهی خودرو و اشتراک‌گذاری سواری می‌تواند با ارائه جایگزین‌های مناسب برای رانندگی، تراکم جاده‌ها را کاهش دهد.

این رویکردهای غیرفنی برای جلوگیری از استفاده از خودروهای شخصی می‌تواند موثر باشد، اما تنها می‌تواند تا حدی پیش برود تا ازدحام ترافیک را کاهش دهد. افزودن تکنیک‌های مدیریت ترافیک هوشمند، با استفاده از هوش مصنوعی، می‌تواند به ساده‌سازی ترافیک باقی‌مانده کمک کند تا جاده‌ها برای همه سریع‌تر و ایمن‌تر شوند.

برنامه ریزی شهری مرز تحول دیجیتال بعدی است

برنامه ریزی شهری و به ویژه مدیریت ترافیک به عنوان حوزه ای که برای نوآوری های تکنولوژیکی آماده است. توانایی هوش مصنوعی در خرد کردن حجم وسیعی از داده‌ها هم برای مدل‌سازی پیش‌بینی‌کننده و هم برای پاسخ‌گویی در زمان واقعی به هرگونه تغییر در رفتار پیش‌بینی‌شده، آن را برای مقابله با مدیریت ترافیک ایده‌آل می‌کند. و در دسترس بودن محاسبات لبه با قدرت پردازشی عظیم مورد نیاز برای هوش مصنوعی در حال حاضر کاتالیزوری برای شهرهای دیجیتال هوشمند ایجاد می کند.

هوش مصنوعی در لبه می تواند نتایج را در کشورهای در حال توسعه و جهان توسعه یافته بهبود بخشد. می‌توان آن را با موفقیت در شهرهای مستقر با زیرساخت‌های قدیمی و شهرهای در حال رشد سریع که برای تطبیق با جمعیت فزاینده تلاش می‌کنند، به کار برد. به ویژه هنگامی که در شهرهای برنامه ریزی شده رویایی گنجانده شود - مانند شهر بافته شده تویوتا و نوم (جزئیات هر دو را می توانید در زیر بیابید) - که از ابتدا ساخته می شوند و از بین بردن تراکم ترافیک اولویت اصلی است.

اگرچه استراتژی ها متنوع هستند، بسته به ویژگی های فردی شهرها، آنها در یک چیز مشترک هستند. آن‌ها بر فناوری‌های پیشرفته‌ای تکیه می‌کنند که قادر به جمع‌آوری و تجزیه و تحلیل داده‌ها در لبه هستند تا ترافیک را ساده‌سازی کنند، خطرات احتمالی را شناسایی کنند و ایمنی شهروندان را افزایش دهند.

مدیریت ترافیک هوشمندتر

استفاده از داده های حسگرهای اینترنت اشیا (IoT)، دوربین ها و دستگاه های GPS می تواند مدیریت ترافیک را متحول کند. ادغام داده های اینترنت اشیا به شهرها کمک می کند تا تصمیمات مبتنی بر داده اتخاذ کنند که جریان ترافیک را برای کاهش تأخیر و ازدحام و بهبود پایداری و کیفیت زندگی در مناطق شهری بهینه می کند. مثلا، LYT یک ارائه دهنده راه حل ترافیک هوشمند است که به شهرها کمک می کند تا شبکه های متصل سیگنال های ترافیکی ایجاد کنند که می توانند در زمان واقعی با هم ارتباط برقرار کنند. این شرکت، فناوری‌های مجهز به هوش مصنوعی مانند اولویت سیگنال حمل‌ونقل و پیش‌گیری اضطراری خودرو، سیگنال‌های ترافیکی را در زمان واقعی بر اساس تغییرات در شرایط ترافیکی تنظیم می‌کند. می گوید:.

داده‌های اینترنت اشیا همچنین می‌توانند برای ارائه اطلاعات بی‌درنگ به رانندگان در مورد مسیرهای جایگزینی که ممکن است کمتر شلوغ باشند، مورد استفاده قرار گیرد، و رانندگان را تشویق به گسترش و کاهش فشار در مسیرهای اصلی کند. سیگنال‌های ترافیکی تطبیقی ​​می‌توانند از داده‌های بی‌درنگ برای تنظیم زمان‌بندی بر اساس الگوهای ترافیکی واقعی استفاده کنند و فناوری به نام خودرو به زیرساخت (V2I) به وسایل نقلیه اجازه می‌دهد تا مستقیماً با زیرساخت‌های جاده ارتباط برقرار کنند تا جریان‌های ترافیک را هماهنگ و کنترل کنند.

ایمنی و پایداری جاده هوشمندتر

راه حل های هوشمند ترافیک علاوه بر کاهش زمان رانندگی، می توانند ایمنی جاده را نیز افزایش دهند. فناوری های مبتنی بر هوش مصنوعی مانند مدیریت هوشمند تقاطع ها، اجرای چراغ قرمز، اجرای خودکار تخلفات و تجزیه و تحلیل رفتار رانندگی می تواند شرایط رانندگی را بهبود بخشد و تصادفات را کاهش دهد.

به عنوان مثال، بسیاری از شهرهای ژاپن از اینترنت اشیا و هوش مصنوعی برای جلوگیری از تصادفات استفاده می کنند، از جمله نوآوری هایی مانند تشخیص تصادف برای وسایل نقلیه خودران و چراغ های خیابانی هوشمند. شهرهای دیگر در سراسر جهان از داده‌های مربوط به حوادث قبلی برای شناسایی فعال خطرات، پیش‌بینی مکان و زمان احتمال وقوع حوادث و اصلاح عوامل مؤثر استفاده می‌کنند.

ترافیک بد فقط منجر به هدر رفتن بهره وری و تصادف نمی شود. این امر باعث افزایش انتشار کربن می شود زیرا هزاران وسیله نقلیه در جاده های شلوغ بیکار هستند. شهرهای هوشمند در سراسر جهان به طور فعال از هوش مصنوعی برای کاهش آلودگی هوا و بهبود کیفیت هوا استفاده می کنند.

گوگل در استفاده از هوش مصنوعی برای کاهش آلودگی ترافیک با استفاده از تاکتیک های مختلف پیشگام است. سیگنال های ترافیکی هوشمند مبتنی بر هوش مصنوعی از داده های ترافیکی بلادرنگ برای به حداقل رساندن زمان بیکاری و کاهش انتشار کربن استفاده می کنند. الگوریتم‌های هوش مصنوعی همچنین برای تجزیه و تحلیل داده‌های ترافیکی تاریخی و بی‌درنگ، ترکیب با سایر نقاط داده برای پیش‌بینی نقاط داغ ترافیک، و تغییر مسیر ترافیک برای جلوگیری از انسداد استفاده می‌شوند. Google Maps حتی به رانندگان این امکان را می دهد که مسیرهایی را انتخاب کنند که سازگارتر با محیط زیست هستند یا کیفیت هوای بهتری دارند.

شرکت های دیگر در حال کار بر روی راه حل های نوآورانه مدیریت کیفیت هوا برای شهرهای هوشمند در سراسر جهان هستند. بر اساس یک گزارش، Swisens، AirLib، City Air، PurCity و Clenare از جمله استارت‌آپ‌های برتر هستند که پایش کیفیت هوا، تجزیه و تحلیل داده‌ها و راه‌حل‌های تصفیه هوا را توسعه می‌دهند. وبلاگ تحقیقاتی اخیر.

از ابتدا باهوش تر

نسل جدیدی از شهرهای برنامه‌ریزی‌شده این فرصت را به رویاپردازان می‌دهد تا فناوری‌های شهر هوشمند مبتنی بر هوش مصنوعی را از همان ابتدا یکپارچه کنند. Toyota Woven City توسط این شرکت به عنوان "یک دوره آزمایشی برای تحرک برای ایجاد پایه ای برای بافت آینده زندگی" معرفی می شود. این شهر ژاپنی که قرار است فاز یک را در تابستان سال 2024 تکمیل کند، انواع مختلفی از مسیرهای حمل و نقل در سطح زمین و زیرزمین را برای بهینه سازی جابجایی افراد و کالاها در سراسر شهر ارائه خواهد کرد. در سطح خیابان، مسیرهای جداگانه ای برای حرکت خودکار، تحرک شخصی و عابران پیاده وجود خواهد داشت. مسیر چهارمی در زیر زمین برای تحویل تجاری و شبکه لجستیکی شهر وجود خواهد داشت.

در عربستان سعودی، نئوم یک پروژه 500 میلیارد دلاری است که به «برخی از مهم‌ترین چالش‌های پیش روی بشریت می‌پردازد، از طریق… تصور مجدد آینده‌ای پایدار در 20 تا 30 سال آینده و ساختن آن امروز». THE LINE اولین تلاش این پروژه است، یک "شهر شناختی" که 100 درصد با انرژی های تجدیدپذیر بدون جاده، ماشین یا گازهای گلخانه ای کار می کند. خدمات خودکار شهر با هوش مصنوعی ارائه خواهد شد. تمام وسایل ضروری روزانه در پنج دقیقه پیاده روی در دسترس خواهند بود و یک راه آهن سریع السیر تنها در 20 دقیقه از سرتاسر شهر عبور می کند. THE LINE نهایتاً 9 میلیون نفر را در فضایی به وسعت فقط 34 کیلومتر مربع برای کاهش ردپای زیرساخت و کارایی بی سابقه برای عملکردهای شهری در خود جای می دهد.

از همین امروز هوشمندانه برنامه ریزی کنید

پیشرفت‌های بی‌سابقه در زمینه هوش مصنوعی همراه با افزایش در دسترس بودن و صرفه‌جویی در مقیاس برای محاسبات قدرتمند مناسب برای استقرار لبه‌ها، فناوری‌های شهر هوشمند را در سراسر مناطق جغرافیایی قابل دوام می‌کند. به عنوان یک عنصر اساسی در مسیر پیشرفت انسان، هوش مصنوعی در لبه می‌تواند به کارآمدتر، ایمن‌تر و پایدارتر کردن تحرک کمک کند.

برای اطلاعات بیشتر و ایده هایی در مورد شهرهای هوشمند، به سایت مراجعه کنید دل به نقل از دیجیتال از آینده.

توسط Dell Technologies ارائه شده است.

تمبر زمان:

بیشتر از ثبت نام