نگاهی کلی
اثرات هوش مصنوعی بر حمل و نقل بینالملل
نویسنده: زهرا صدرا، پژوهشگر حوزۀ حمل و نقل بینالملل و کریدورها، آسیای مرکزی و قفقاز
دیپلماسی ایرانی: هوش مصنوعی در حال تغییر بخش حمل و نقل بینالملل و حتی عمومی است. از کمک به ماشینها، قطارها، کشتیها و هواپیماها برای عملکرد مستقل، تا روانتر کردن جریان ترافیک باری در گمرکات و بنادر میتواند مورد استفاده قرار گیرد. علاوه بر آسانتر کردن زندگی، میتواند به ایمنتر، تمیزتر، هوشمندتر و کارآمدتر کردن همه حالتهای حملونقل کمک کند. به عنوان مثال، حمل و نقل خودکار مبتنی بر هوش مصنوعی، میتواند به کاهش خطاهای انسانی که در بسیاری از حوادث ترافیکی دخیل هستند کمک کند و یا در مواقع حمل و جابجایی بار در گمرکها، سرعت عبور را بالا برده و میزان معطلی را به حداقل برساند. با این حال با این فرصتها، چالشهای واقعی از جمله پیامدهای ناخواسته و سوء استفادههایی مانند حملات سایبری و تصمیمگیریهای مغرضانه در مورد حمل و نقل به وجود میآید. در این مطلب اثرات هوش مصنوعی را بر انواع حمل و نقل (ریلی، جادهای، هوایی و دریایی) بررسی کلی خواهیم کرد و نیز به کشورهای پیشرو در زمینه استفاده از هوش مصنوعی در کریدورها و حمل و نقل بینالملل اشارهای خواهیم داشت.
هوش مصنوعی در حال حاضر شروع به تغییر چشمگیر اقتصاد جهان کرده است پیشرفتهای هوش مصنوعی میتواند تا سال 2030 حدود 13 تریلیون دلار به تولید اقتصاد جهانی اضافه کند. این شامل بخش حمل و نقل نیز میشود، بر اساس برآوردهای شرکتهای تحقیقاتی جهانی، در سال 2017، بازار جهانی فناوریهای هوش مصنوعی مرتبط با حمل و نقل، به 1.2 تا 1.4 میلیارد دلار رسید. این مسئله تا سال 2023 به 3.1 تا 3.5 میلیارد دلار افزایش یافته است. به شکل زیر توجه کنید:
هوش مصنوعی جهانی، در بازار حمل و نقل بر اساس فناوری 2013-2023 (میلیون دلار آمریکا)
حمل و نقل ریلی
هوش مصنوعی میتواند نقش مهمی در حمل و نقل ریلی بینالمللی ایفا کند و مزایا و پیشرفتهای مختلفی را برای این صنعت به ارمغان بیاورد. به برخی از نقشهای خاصی که هوش مصنوعی میتواند ایفا کند اشاره میشود:
1. تعمیر و نگهداری پیشبینیکننده: هوش مصنوعی میتواند با تجزیه و تحلیل دادههای حسگر و تشخیص الگوهای غیرعادی، به نظارت بر داراییهای راهآهن، مانند لوکوموتیو، ریل و سیستمهای سیگنالینگ کمک کند. با الگوریتمهای تعمیر و نگهداری پیشبینیکننده، خرابیهای احتمالی را میتوان از قبل شناسایی کرد، و به خدمه تعمیر و نگهداری اجازه میدهد تا مسائل را به طور پیشگیرانه حل کنند و اختلالات پرهزینه را به حداقل برسانند.
2. بهینه سازی عملیات قطار: هوش مصنوعی میتواند عملیات قطار را از طریق الگوریتمهای برنامهریزی و مسیریابی هوشمند بهینه کند. با در نظر گرفتن عواملی مانند ظرفیت مسیر، سرعت قطار، تقاضای مسافر و اختلالات احتمالی، میشود حرکت قطار، افزایش کارایی، کاهش تاخیر و بهبود استفاده از ظرفیت را بهینه کند.
3. ایمنی و امنیت: سیستمهای بینایی رایانهای میتوانند مسیرها و زیرساختها را برای خطرات یا نفوذ احتمالی نظارت کنند، در حالی که تجزیه و تحلیلهای مبتنی بر هوش مصنوعی میتوانند ناهنجاریها را در دادههای ویدیویی برای مداخله اولیه تشخیص دهند. هوش مصنوعی همچنین میتواند به نظارت تصویری بلادرنگ کمک کند و فرآیند شناسایی و هشدار دادن به پرسنل را در مورد تهدیدات امنیتی بالقوه خودکار کند.
4. تجربه مسافر: سیستمهای فروش بلیت مبتنی بر هوش مصنوعی میتوانند گزینههای کرایه، توصیهها و خدمات انعطافپذیر بلیط را ارائه دهند. دستیارهای مجازی و رباتهای گفتگو میتوانند با ارائه اطلاعات بیدرنگ درباره ورود، خروج، تاخیر و خدمات اتصال به مسافران کمک کنند.
هوش مصنوعی در صنعت هوانوردی
قدرت محاسباتی، با استفاده از فناوریهای مرتبط با هوش مصنوعی و تجزیه و تحلیل دادهها، برای بهبود مدیریت حجم ترافیک هوایی استفاده میشود. گزارش «یاتا» (انجمن بینالمللی حمل و نقل هوایی )اشاره میکند که توسعه سیستمهای هواپیماییِ بدون سرنشین و سیستمهای مدیریت ترافیک، با استفاده از قابلیتهای محاسباتی پیشرفته، فرصتهای جدیدی را برای بهبود سیستمهای مدیریت ترافیک، استانداردهای جداسازی و طراحی برنامهریزی فضای هوایی ایجاد میکند. این چیزی است که به عنوان هوش تجاری پیشرفته شناخته میشود که میتواند به طور قابل ملاحظهای نحوۀ اداره شرکتهای هواپیمایی را در زمینه بازاریابی و فروش، توزیع، قیمت گذاری و مدیریت ناوگان تغییر دهد. هوش مصنوعی در بخشهای مختلف صنعت هوانوردی و ترانزیت هوایی تغییراتی را ایجاد میکند که در زیر به آنها میپردازیم:
1. عملیات پرواز: هوش مصنوعی میتواند عملیات پرواز را با تجزیه و تحلیل مقادیر زیادی از دادهها، از جمله شرایط آب و هوایی، ترافیک هوایی، عملکرد هواپیما و مصرف سوخت بهینه کند. الگوریتمهای هوش مصنوعی میتواند با پیشنهاد مسیرهای پروازی بهینه، مسیرهایی با مصرف سوخت کمتر و تنظیم برنامهها برای بهبود عملکرد به موقع و کاهش هزینههای عملیاتی، به تصمیمگیری در زمان واقعی کمک کند.
2. مدیریت ترافیک هوایی: این فناوری میتواند سیستمهای مدیریت ترافیک هوایی را با بهینهسازی جریان ترافیک و کاهش ازدحام افزایش دهد. الگوریتمهای مبتنی بر هوش مصنوعی میتوانند دادهها را تجزیه و تحلیل کنند، الگوهای ترافیکی را پیشبینی کنند، و توصیههایی برای استفاده کارآمد از فضای هوایی، مسیریابی و هماهنگی حرکات هواپیما ارائه دهند. این منجر به بهبود ایمنی، کاهش تاخیرها و افزایش ظرفیت فضای هوایی میشود.
3. تعمیر و نگهداری پیشبینیکننده: هوش مصنوعی میتواند تعمیر و نگهداری پیشبینی سیستمها و موتورهای هواپیما را فعال کند. با تجزیه و تحلیل دادههای حسگر، گزارشهای عملکرد و سوابق تعمیر و نگهداری، الگوریتمهای هوش مصنوعی میتوانند ناهنجاریها و خرابیهای احتمالی را شناسایی و پیشبینی کنند و اقدامات تعمیر و نگهداری را از قبل توصیه کنند. این رویکرد پیشگیرانه زمان توقف برنامه ریزی نشده را کاهش میدهد، در دسترس بودن هواپیما را به حداکثر میرساند و کارایی عملیاتی را بهبود میبخشد.
4. تجربه مشتری: چت رباتهای مجهز به هوش مصنوعی، دستیاران مجازی و سیستمهای تشخیص صدا میتوانند اطلاعات شخصی و بهموقع را به مسافران ارائه دهند، به رزرو سفر کمک کنند، توصیهها را ارائه دهند و به سوالات و شکایات مشتریان رسیدگی کنند و در نتیجه رضایت و کیفیت خدمات را بهبود ببخشند.
5. مدیریت چمدان و بار: الگوریتمهای هوش مصنوعی همراه با فناوری بینایی رایانه، میتوانند چمدانها را ردیابی و شناسایی کنند، زمان رسیدن چمدانها را پیشبینی کنند، و مرتبسازی و مسیریابی را بهطور خودکار انجام دهند. هوش مصنوعی همچنین میتواند ردیابی کارآمد محموله را تسهیل کند، برنامههای بارگیری را بهینه کند و عملیات لجستیکی کلی را بهبود بخشد.
6. ایمنی و امنیت: نظارت تصویری مبتنی بر هوش مصنوعی میتواند فرودگاهها، ترمینالها و هواپیماها را از نظر تهدیدها یا نقضهای احتمالی تا حد بسیاری مصون نگهدارد. الگوریتمهای هوش مصنوعی میتواند خطرات امنیتی را شناسایی کند و به تحلیل تهدیدات بلادرنگ کمک کند.
حمل و نقل جادهای
محیط کارآمد برای کاربردهای هوش مصنوعی در حملونقل جادهای به سه عامل کلیدی نیاز دارد: زیرساختها (زیرساختهای جادهای، اتصال و فناوری)، حمایت مالی (سرمایهگذاری بخش دولتی و خصوصی و همچنین قوانین کمک دولتی و رقابت). و یک محیط نظارتی با عملکرد خوب (چارچوب اخلاقی برای هوش مصنوعی، مسئولیت و بیمه و همچنین سیاستهای تحقیق، توسعه و نوآوری).
هوش مصنوعی نقش مهمی در جنبههای مختلف حمل و نقل جادهای ایفا میکند و مزایا و پیشرفتهای متعددی را برای این صنعت به ارمغان می آورد. در این بخش به برخی از آنها اشاره میشود:
1. وسایل نقلیه خودمختار: هوش مصنوعی به توسعه و بهره برداری از وسایل نقلیه خودران میپردازد و ماشینهای خودران، کامیونها و اتوبوسها را توانمند میسازد. الگوریتمهای هوش مصنوعی دادههای حسگر را برای درک محیط، پیمایش جادهها و تصمیمگیری در زمان واقعی تجزیه و تحلیل میکنند. وسایل نقلیه خودران پتانسیل بهبود ایمنی جادهها، کاهش ازدحام و افزایش کارایی کلی در حمل و نقل جادهای را دارند.
2. مدیریت ترافیک: هوش مصنوعی میتواند سیستمهای مدیریت ترافیک را با تجزیه و تحلیل حجم وسیعی از دادهها، از جمله شرایط ترافیک، آب و هوا و تصادفات، بهینه کند. الگوریتمهای هوش مصنوعی میتوانند تراکم ترافیک را پیشبینی کنند، مسیرهای جایگزین را توصیه کنند و بهطور پویا سیگنالهای ترافیکی را برای بهبود جریان ترافیک تنظیم کنند. سیستم های مجهز به هوش مصنوعی به کاهش تراکم ترافیک، افزایش قابلیت پیشبینی زمان سفر و بهبود کارایی کلی شبکه جاده کمک میکنند.
3. سیستم های حمل و نقل هوشمند: هوش مصنوعی سیستمهای حمل و نقل هوشمندی را هدایت میکند که دادهها را با توجه به منابع مختلف مانند حسگرهای خودرو، حسگرهای جاده و دوربینهای ترافیک یکپارچه میکند. الگوریتمهای هوش مصنوعی این دادهها را پردازش میکنند تا اطلاعات لحظهای در مورد شرایط جاده، حوادث و ازدحام ارائه کنند.
4. ناوبری شخصی و کمک: هوش مصنوعی با ارائه ناوبری و کمک شخصی، تجربه رانندگی را افزایش میدهد. سیستمهای ناوبری مبتنی بر هوش مصنوعی عواملی مانند رفتار راننده، شرایط ترافیکی و ترجیحات را برای ارائه مسیرها و پیشنهادات شخصیسازی شده در زمان واقعی در نظر میگیرند. دستیارهای مجازی ادغام شده در وسایل نقلیه میتوانند کمک صوتی ارائه دهند، به سوالات پاسخ دهند و عملکردهای مختلف را کنترل کنند و تجربه کلی کاربر را بهبود بخشند.
حمل و نقل دریایی
هوش مصنوعی نقش مهمی در جنبه های مختلف حمل و نقل دریایی ایفا می کند. در اینجا برخی از زمینه های کلیدی وجود دارد که هوش مصنوعی می تواند بر آنها تأثیر بگذارد:
1. کشتیهای خودمختار: هوش مصنوعی میتواند توسعه و عملیات کشتیهای خودمختار یا نیمه خودمختار را امکان پذیر کند. الگوریتمهای هوش مصنوعی میتوانند دادههای حسگر، شرایط آب و هوایی و خطرات برخورد را برای هدایت ایمن کشتیها، بهینهسازی مسیرها و کاهش خطاهای انسانی تجزیه و تحلیل کنند که به طور بالقوه منجر به بهبود ایمنی و کارایی عملیاتی میشود.
2. بهینه سازی مسیر: هوش مصنوعی میتواند مسیرهای دریایی را با تجزیه و تحلیل دادههای تاریخی و بلادرنگ، از جمله شرایط آب و هوایی، جریانهای اقیانوسی، قیمت سوخت و ویژگیهای کشتی، بهینه کند. این امر برنامهریزی سفر کارآمدتر، کاهش مصرف سوخت و پیش بینی به موقع رسیدن را امکان پذیر میکند و در نهایت باعث مقرون به صرفه بودن و پایداری زیست محیطی میشود.
3. تعمیر و نگهداری پیشبینیکننده: با تجزیه و تحلیل دادههای حسگر از موتورها، سیستمهای ناوبری و سایر ماشینآلات، الگوریتمهای هوش مصنوعی میتوانند ناهنجاریها را شناسایی کنند، زمانبندی نگهداری و خرابی را به حداقل برسانند که در نتیجه قابلیت اطمینان بهبود یافته و هزینههای عملیاتی کاهش مییابد.
4. عملیات بندری: هوش مصنوعی میتواند عملیات بندر را با خودکارسازی فرآیندهای مختلف بهینه کند. به عنوان مثال، سیستمهای مجهز به هوش مصنوعی میتوانند به طور موثر عملیات پایانه کانتینر، از جمله انباشتن کانتینر، حرکت و ردیابی را مدیریت کنند. همچنین به خودکارسازی جابجایی محموله، بهینهسازی اسکلهها و مدیریت ترافیک کشتی کمک میشود که منجر به کاهش زمان چرخش و افزایش بهرهوری میشود.
این موارد نشان دهنده اهمیت هوش مصنوعی و اثرات عمیق آن بر حمل و نقل بین الملل و کریدورها است؛ برخی کشورها توانستهاند به خوبی قدم در این عرصه نهاده و از فناوریهای جدید در جهت ارتقای وضعیت ترانزیت کشور خود استفاده کنند.
1. ایالات متحده: ایالات متحده پیشگام در هوش مصنوعی است که در وسایل نقلیه خودران در راهروهایی مانند سانفرانسیسکو و پیتسبورگ آزمایش شدهاند.
2. چین: چین سرمایه گذاری هنگفتی روی هوش مصنوعی کرده و آن را در کریدورهای حمل و نقل پیادهسازی کرده است. این کشور سیستمهای حمل و نقل هوشمند را در شهرهایی مانند پکن، شانگهای و گوانگژو ایجاد کرده است که از هوش مصنوعی برای مدیریت ترافیک، ایمنی جادهها و حمل و نقل عمومی استفاده میکند.
3. سنگاپور: به دلیل داشتن چنین ابتکاراتی، شهر هوشمند شناخته شدهاست که توانسته هوش مصنوعی را در کریدورهای حمل و نقل ادغام کند.
4. آلمان: در حال بررسی هوش مصنوعی برای راهروهای حمل و نقل، به ویژه در زمینه وسایل نقلیه خودران است. ابتکاراتی مانند تخت تست دیجیتال بزرگراه با هدف آزمایش خودروهای خودران و بهبود مدیریت کلی ترافیک است.
5. ژاپن: این کشور از هوش مصنوعی در کریدورهای حمل و نقل برای افزایش کارایی و ایمنی استفاده کرده است. برای مثال، آنها هوش مصنوعی را در سیستمهای ترافیک ادغام کردهاند تا زمانبندی سیگنالها را بهینه کرده و ازدحام را کاهش دهند.
نکته مهم این که تعیین اینکه کدام کشور پیشرو است ذهنی است و بسته به جنبههای مختلف میتواند متفاوت باشد. برخی از کشورها ممکن است در زمینههای خاصی از اجرای هوش مصنوعی برتر باشند، در حالی که برخی دیگر ممکن است در زمینههای مختلف پیشرو باشند. توجه به این نکته مهم است که توسعه هوش مصنوعی یک فرآیند مستمر است و کشورها به طور مداوم با یکدیگر همکاری می کنند و از پیشرفت های یکدیگر یاد می گیرند. در سایر مطالب مورد نگارش، به موارد دقیقتری از اثرات فناوری هوش مصنوعی بر روی کریدورها و حمل و نقل بین الملل خواهیم پرداخت.
نظر شما :