بکار بردن هوش مصنوعی در صنعت حمل‌ونقل ریلی موجب کاهش تصادفات و ترافیک، افزایش امنیت، کاهش آلودگی هوا و به حداقل رساندن هزینه‌ها شده است.

 

 دیجیتالی سازی صنعت حمل و نقل علاوه بر کاربری های ساده مانند تسهیل ارتباط یا مدیریت منابع، «خلق مدل های کسب و کاری نوین»، «تولید فرآیند های پویا» و «ایجاد انواع جدید تراکنش‌ها و مکان هایی که تراکنش ها در آن شکل می گیرند» را نیز به همراه دارد. این تحول با استفاده از سکوها و فناوری‌های نوینی همچون اینترنت اشیاء، زنجیره بلوکی و هوش مصنوعی، دسترسی به بازارها و منابع درآمدی جدید و افزایش بهره‌وری این صنعت را نوید می‌دهد.  به کار بردن هوش مصنوعی در صنعت حمل‌ونقل موجب کاهش تصادفات و ترافیک، افزایش امنیت، کاهش آلودگی هوا و به حداقل رساندن هزینه‌ها شده است.

 

کاربرد هوش مصنوعی در صنعت حمل و نقل ریلی

 

ابزارهای هوش مصنوعی در صنعت حمل و نقل ریلی چند وجهی است. آنها از سیستم های کمکی مانند رانندگی و کنترل ترمز گرفته تا سیستم های ایمنی مانند حفاظت در برابر تصادف و رانندگی خودکار یا نیمه مستقل را شامل می شوند. علاوه بر این ، تعمیر و نگهداری پیش بینی کننده یا نظارت مبتنی بر شرایط را می توان با الگوریتم های هوش مصنوعی و سخت افزار مناسب کامل کرد. همچنین یک عامل کلیدی در اینجا سیستم های جاسازی شده با قابلیت هوش مصنوعی است. آنها قادرند به طور مستقل بر اساس حجم زیادی از داده های جمع آوری شده ، تصمیمات هوشمندانه ای اتخاذ کنند که فوراً با هم مقایسه و ارزیابی می شوند.

از جمله بارزترین کاربردهای هوش مصنوعی در صنعت حمل و نقل ریلی، کمک به خودکارسازی عملیات قطار یا ATO است. ATO مسئولیت مدیریت عملیات قطار را با درجات مختلفی از خودکار بودن، از راننده به سیستم کنترل واگذار می‌کند. کمسیون بین‌المللی الکتروتکنیکال چهار درجه‌ی استاندارد خودکار بودن قطار را مشخص کرده است که درجه‌ی سوم مربوط به عملیات بدون راننده ولی با حضور اعضای خدمه قطار در کابین و درجه‌ی چهارم مربوط به قطارهای کاملا مستقل و بدون مراقب است.

برای اپراتورهای ریلی و مدیران زیرساخت، آگاهی از خرابی‌های احتمالی قبل از وقوع، برای جلوگیری از هرگونه وقفه‌ در ارائه خدمات بسیار باارزش است. امروزه هوش مصنوعی می‌تواند از قدرت داده‌های ارائه شده توسط سنسورهای مستقر در قطارهای بحرانی یا مؤلفه‌های زیرساخت استفاده کند تا در زمان مناسب اطلاعات را استخراج و اقداماتی را برای نگهداری از قطار پیشنهاد دهد که مزایای زیادی به همراه دارد از جمله تعمیر سریع‌تر، کاهش هزینه‌های نگهداری و رضایت بهتر مشتریان. علاوه بر آن اپراتورهای قطار می‌توانند خدمه رزرو مورد نیاز برای مواقع خرابی را کاهش دهند و از هوش مصنوعی برای افزایش قابلیت اطمینان و اثربخشی استفاده کنند.

 

مثال‌های کاربردی کاربرد هوش مصنوعی در حمل و نقل ریلی

 

در سال 2018 حدود 1000 کیلومتر خط متروی خودکار در 41 شهر 19 کشور جهان وجود داشت و پیش‌بینی می‌شود در سال 2025 مقدار آن به بیش از 2300 کیلومتر خط خودکار با استفاده از فناوری هوش مصنوعی برسد. همچنین موسسه فناوری Railenium (فرانسوی، با حروف اختصاری SNCF) دو کنسرسیوم برای توسعه دو نمونه قطار بدون راننده راه‌اندازی کرده‌است: اولین کنسرسیوم وظیفه طراحی قطار باربری خودمختار و دومی وظیفه طراحی قطار مسافربری پرسرعت خودمختار را برعهده دارد. در حالت دوم، هدف طراحی ماژولی است که عملکرد مسافران در سکوهای راه‌آهن را درک کرده و امکان بسته‌شدن بی‌خطر درب واگن‌های‌ قطار را فراهم کند. SNCF تصمیم دارد قطارهای نیمه‌ خودمختار را تا پایان سال 2023 راه‌اندازی کند. نمونه دیگر موسسه SurferLab است؛ از جمله پروژه‌های هوش مصنوعی این موسسه امکان ارسال «وضعیت امنیت و سلامت» قطار به سرپرست ناوگان است تا بتواند از راه دور و از طریق نرم‌افزارهای تشخیص صدا، تعمیر و نگهداری قطار را ساماندهی کند. همچنین در برخی از شهرهای چین با استفاده از هوش مصنوعی در مترو، عبور از گیت مترو به آسانی صورت گرفته است.

 

نکته آخر اینکه تعلل در بهره‌گیری از این فناوری‌ها نه تنها موجب تسلط نمونه‌های مشابه خارجی بر این صنعت می‌شود، بلکه خطر از دست دادن بازارهای ترانزیتی موجود و امکان دسترسی و نفوذ شرکت های بزرگ فناوری بر داده های حمل و نقل به خصوص در بخشی ریلی در کشور و سوء استفاده از آن را به دنبال خواهد داشت.