خب بچه‌ها، اگه تا حالا با بحثای مهندسی ترافیک یا برنامه‌ریزی حمل و نقل سر و کار داشتین، حتماً اسم پیش‌بینی حجم ترافیک جاده‌ها رو شنیدین. یعنی این که بفهمی هر روز چه تعداد ماشین از یک قسمت جاده رد میشن. این موضوع خیلی مهمه، چون اگه بخوای یه جاده جدید بسازی، یا بهینه سازی انجام بدی، باید بدونی دقیقاً چقدر استفاده میشه، نه؟
معمولاً مهندسای ترافیک از نرم‌افزارهای خاص و حرفه‌ای برای این کار استفاده می‌کنن که بهشون “نرم‌افزار برنامه‌ریزی حمل و نقل” میگن. اما یه مشکل اینجا هست: این نرم‌افزارها واقعاً گرونه! علاوه بر اون، نگهداری و یادگیریش هم سخت و پرهزینه‌ست. مخصوصاً برای کشورهایی که منابع مالی‌شون محدوده یا اونقدری بودجه ندارن، واقعاً دسترسی به این نرم‌افزارها آسون نیست.
حالا چند تا پژوهشگر باحال به نام‌های Jin Ki Eom، Kwang-Sub Lee، Jin Hong Min و Ho-Chan Kwak اومدن یه راه‌حل خیلی خفن و کم‌هزینه‌تر پیدا کردن؛ گفتن چرا از هوش مصنوعی کمک نگیریم؟ اونم از نوع deep neural network، یعنی شبکه عصبی عمیق — یه مدل از هوش مصنوعیه که خیلی قوی و پیچیده‌ست و می‌تونه الگوهای خیلی سخت و ناشناخته‌ای که توی داده‌ها هست رو پیدا کنه.
ایده اصلی‌شون اینه که برای پیش‌بینی این حجم ترافیکی، میشه چنتا ویژگی مهم رو استفاده کرد. مثلاً:
– خصوصیات خود شبکه ترافیکی: مثل تعداد لاین‌های جاده (منظورم همون خط‌ها کنار هم توی هرجاده‌ست)، سرعت حرکت توی اون جاده، ظرفیت هر لاین (یعنی یه لاین چقدر ماشین توی اوج ترافیک می‌تونه رد کنه)، و حتی نوع جاده (مثلاً بزرگراه یا خیابون شهری و غیره).
– ویژگی‌های جریان شبكه: مثل تعداد کوتاه‌ترین مسیرها که از اون جاده عبور می‌کنن (یعنی چندتا مسیر بهینه تو شبکه وجود داره که از اون قسمت رد میشه)؛ و البته تقاضای سفر مبدا-مقصد، که یعنی مردم و ماشینا از کجا به کجا میرن و چقدرشون چنین می‌کنن.
پژوهشگرا برای این که رابطه بین همه این فاکتورا با مقدار ترافیک روزانه رو پیدا کنن، یه مدل deep neural network ساختن. جالبه بدونین به این مدل به طور خاص multi-layer perceptron میگن؛ یعنی یه شبکه عصبی که چند لایه مخفی داره و خیلی بهتر از مدلای ساده‌تر می‌تونه پیچیدگی‌ها رو در بیاره.
بعد اومدن این مدلشونو تست کردن، یعنی رو داده‌های واقعی امتحانش کردن. براش یه پروژه مطالعاتی (case study) گذاشتن و نتیجه جالبی گرفتن: این مدل شبکه عصبی تقریباً به همون خوبی و دقت نرم‌افزارهای گرون پیشرفته می‌تونه مقدار ترافیک روزانه رو پیش‌بینی کنه! پس اگه یه مجموعه یا شهری منابع مالی زیادی نداره یا نمی‌خواد کلی هزینه نرم‌افزاری کنه، می‌تونه به راحتی با این روش کارشو راه بندازه.
البته نویسنده‌ها خودشونم گفتن که هنوز باید بیشتر مدل رو تست و بررسی کنن تا نقاط ضعف و قوتش معلوم بشه و شاید یه سری بهبود هم نیاز داشته باشه. اما فعلاً که حسابی امیدوارکننده‌ست و نشون می‌ده میشه با هوش مصنوعی و داده‌محوری، جای روش‌های گرون قیمت و نرم‌افزارای تجاری رو گرفت.
پس اگه روزی قرار بود پیش‌بینی ترافیک انجام بدین، حالا دیگه می‌دونین حتی بدون نرم‌افزارای گرون هم شدنیه! فقط کافیه کمی هوش مصنوعی بلد باشین و بتونین با داده‌ها کار کنین. 😎
منبع: +
