ترافیک کالیفرنیا سالهاست که به بدنامی شهرت دارد، اما حالا این ایالت پیشگام در حل این معضل شده است. در شهرهایی مانند لسآنجلس (Los Angeles)، سانفرانسیسکو (San Francisco) و سنخوزه (San Jose)، سازمانها از فناوریهای پیشرفته برای کاهش ازدحام ترافیکی (Congestion)، افزایش ایمنی (Safety) و پیشبینیپذیرتر کردن رفتوآمدها استفاده میکنند.
این سیستمها با بهرهگیری از دادههای بلادرنگ (Real-Time Data) از حسگرها، دوربینها و خودروهای متصل (Connected Vehicles)، خیابانها را به شبکههای هوشمند و پاسخگو تبدیل کردهاند. این تحول فقط به یک ایالت محدود نیست؛ آنچه در کالیفرنیا در جریان است، نگاهی به آینده تحرک شهری (Urban Mobility) برای شهرهای سراسر جهان ارائه میدهد.
بیایید نگاهی به ابتکارات کلیدی که از اینترنت اشیا (IoT) و هوش مصنوعی (AI) بهره میبرند و آینده کنترل ترافیک (Traffic Control) را شکل میدهند، بیندازیم.
ابتکارات ایالتی و چندشهری
با بیش از 52,000 مایل خطوط جادهای در سیستم بزرگراههای کالیفرنیا، این ایالت جادههای زیادی برای مدیریت دارد. در ادامه، چند ابتکار پیشرفته برای بهبود کنترل ترافیک را بررسی میکنیم.
Caltrans یکی از بدترین کریدورهای ترافیکی کشور را مهار میکند
ترافیک لسآنجلس افسانهای است—اما به دلایل اشتباه. برای مقابله با گرههای ترافیکی (Gridlock)، Caltrans و برنامه PATH دانشگاه برکلی پروژه آزمایشی مدیریت یکپارچه کریدور (Integrated Corridor Management یا ICM) را در بخشی شلوغ از آی-210 در پاسادینا راهاندازی کردند. این پروژه که در سال 2020 آغاز شد، از حسگرهای IoT و یادگیری ماشینی (Machine Learning) برای نظارت بلادرنگ بر ترافیک و واکنش فوری به حوادث استفاده میکند.
این سیستم با شبیهسازیهای پرسرعت (High-Speed Simulations) و مدلسازی پیشبینانه (Predictive Modeling)، سیگنالهای ترافیکی را تنظیم میکند، جریان ورود خودروها به آزادراه را از طریق سامانههای ورودی رمپ (Ramp Meters) کنترل میکند و در صورت تصادف یا ازدحام، استراتژیهای تغییر مسیر فوری (Instant Rerouting) ارائه میدهد. گرچه نتایج کامل این آزمایش هنوز منتشر نشده، مدلسازی اولیه بهبود چشمگیر عملکرد را در هنگام حوادث ترافیکی نشان داد—نشانهای از پتانسیل بزرگ برای رفتوآمدهای هوشمندتر، سریعتر و پاکتر.
پلیسهای ترافیکی AI به خیابانهای کالیفرنیا میآیند
در تغییری بزرگ، کالیفرنیا در سال 2023 اولین برنامه دوربینهای سرعت خودکار (Automated Speed Camera) خود را با قانون AB 645 تأیید کرد. حالا شش شهر—از جمله لسآنجلس، سانفرانسیسکو و سنخوزه—میتوانند در مناطق پرخطر مانند مناطق اطراف مدارس (School Zones) از اجرای سرعت با کمک AI (AI-Powered Speed Enforcement) استفاده کنند.
این دوربینهای هوشمند (Smart Cameras) با بینایی ماشینی (Machine Vision) رانندگان متخلف را شناسایی و جریمه صادر میکنند. سانفرانسیسکو قصد دارد 33 دوربین را در خطرناکترین کریدورهای خود در راستای ابتکار Vision Zero نصب کند. گرچه نتایج ایالتی هنوز در دسترس نیست، شهرهایی مانند نیویورک پس از اجرای مشابه، کاهش بیش از 70٪ در سرعت غیرمجاز در مناطق اطراف مدارس را گزارش کردهاند.
این پروژه آزمایشی پنجساله که تا سال 2032 ادامه دارد، به کالیفرنیا کمک میکند تا بررسی کند چگونه AI میتواند خیابانهایی ایمنتر و هوشمندتر ایجاد کند.
بازاندیشی چراغهای سبز با AI
دانشگاههای کالیفرنیا نهتنها ترافیک را مطالعه میکنند، بلکه آن را بازبرنامهریزی میکنند. محققان دانشگاه برکلی سیستمی به نام HumanLight توسعه دادهاند که با استفاده از یادگیری تقویتی (Reinforcement Learning)، سیگنالهای ترافیکی را بر اساس تعداد افراد—نه فقط خودروها—که از یک تقاطع عبور میکنند، بهینهسازی میکند.
این AI به وسایل نقلیه با ظرفیت بالا مانند اتوبوسها و شاتلها زمان سبز بیشتری اختصاص میدهد، زمان سفر آنها را کاهش میدهد و مسافران را به سمت استفاده از سفرهای اشتراکی (Shared Rides) سوق میدهد. این نگاهی است به آینده ترافیک، جایی که سیگنالها کارایی (Efficiency) و پایداری (Sustainability) را بر حجم خودروها ترجیح میدهند.
دولت ایالتی نیز پتانسیل AI را به رسمیت شناخته و در سال 2024 از شرکتهای فناوری خواست ابزارهای AI را برای کاهش ترافیک و ایمنتر کردن جادهها پیشنهاد دهند.
لسآنجلس: کنترل هوشمند ترافیک در سطح شهر
لسآنجلس سالهاست که در مدیریت هوشمند ترافیک (Smart Traffic Management) پیشگام بوده و دههها در زیرساختهای متصل سرمایهگذاری کرده است. بیایید چند ابتکار در این شهر را بررسی کنیم.
سیستم هوشمند ترافیک قدیمی لسآنجلس همچنان مؤثر است
خیلی پیش از آنکه شهرهای هوشمند (Smart Cities) مد شوند، لسآنجلس برای المپیک 1984 سیستم ATSAC (Automated Traffic Surveillance and Control) را راهاندازی کرد. این سیستم که با 118 سیگنال آغاز شد، حالا به شبکهای با بیش از 4,850 سیگنال ترافیکی تطبیقی (Adaptive Traffic Signals) در سراسر شهر تبدیل شده است.
ATSAC با پشتیبانی هزاران حسگر و دوربین (Cameras)، زمانبندی سیگنالها را بر اساس جریان ترافیک بلادرنگ تنظیم میکند. این یکی از اولین نمونههای گسترده کنترل ترافیک مبتنی بر IoT است—و کار میکند. این سیستم تأخیرهای تقاطعها را بیش از 32 درصد کاهش داده و انتشارات خودروها (Vehicle Emissions) را حدود 3 درصد در لسآنجلس کم کرده است.
سیگنالهای هوشمندتر، اتوبوسهای سریعتر
لسآنجلس سیگنالهای هوشمند را فقط برای خودروها استفاده نمیکند—وسایل نقلیه عمومی و اضطراری نیز待遇 ویژهای دارند. از طریق ATSAC، اتوبوسها و قطارهای مترو میتوانند در صورت نیاز چراغ سبز اضافی (Extra Green Lights) دریافت کنند و دقایق ارزشمندی از زمان رفتوآمد صرفهجویی کنند.
این شهر همچنین از دادههای خودروهای متصل و اپلیکیشنهای جمعسپاریشده مانند Waze برای نظارت بلادرنگ بر ترافیک استفاده میکند.
اجرای مبتنی بر داده برای خیابانهای ایمنتر
لسآنجلس مدتهاست از دوربینهای چراغ قرمز (Red-Light Cameras) برای افزایش ایمنی تقاطعها استفاده میکند. حالا سطح بازی را بالاتر برده است. بهعنوان بخشی از پروژه آزمایشی دوربینهای سرعت کالیفرنیا، لسآنجلس در مناطق پرخطر اجرای خودکار (Automated Enforcement) را برای مقابله با سرعتهای خطرناک پیادهسازی میکند.
با ترکیب دادههای تصادفات، سیگنالهای هوشمند و دوربینهای مجهز به AI، این شهر اهداف Vision Zero خود را به عمل تبدیل میکند و از فناوری نهتنها برای مدیریت ترافیک، بلکه برای پیشگیری از تصادفات (Collision Prevention) استفاده میکند.
سانفرانسیسکو: کریدورهای هوشمند و اجرای خودکار
سانفرانسیسکو از IoT و AI هم برای مدیریت جریان ترافیک و هم برای اجرای قوانین استقبال کرده است، اغلب از طریق پروژههای آزمایشی شهر هوشمند با حمایت فدرال. بیایید چند مورد را بررسی کنیم.
آزمایش خیابان هوشمند در Mission Bay
در سال 2021، SFMTA سانفرانسیسکو یک پروژه ترافیکی پیشرفته را در Mission Bay آغاز کرد و حسگرهای IoT و لیدار (Lidar) را در 10 تقاطع در امتداد یک خیابان نصب کرد. این حسگرها خودروها، دوچرخهها و عابران پیاده را بهصورت بلادرنگ ردیابی میکنند و سرعت، اندازه و جهت را چندین بار در ثانیه ثبت میکنند.
این دادهها به الگوریتمهای سیگنال تطبیقی (Adaptive Signal Algorithms) وارد میشوند و به چراغها اجازه میدهند بهصورت پویا تنظیم شوند—مثلاً زمان سبز طولانیتر برای اتوبوسها یا زمان بیشتر برای عبور عابران کندتر—بدون اختلال در جریان کریدور. این پروژه که یک مسیر حملونقل شلوغ را پوشش میدهد، با هدف کاهش تأخیرها، افزایش ایمنی و روانتر کردن سفر چندوجهی (Multimodal Travel) بود. نتیجه؟ یک طرح امیدوارکننده برای گسترش تقاطعهای هوشمند در سراسر شهر.
دوربینها روی اتوبوسها، نه فقط گوشهها
سانفرانسیسکو در اجرای هوشمند ترافیک (Smart Traffic Enforcement) پیشگام بوده است. این شهر در سال 2008، علاوه بر دوربینهای چراغ قرمز، برنامهای نوآورانه را آغاز کرد که اتوبوسهای Muni را به دوربینهای مجهز به AI برای شناسایی رانندگانی که خطوط اختصاصی حملونقل را مسدود میکنند، مجهز کرد.
این سیستم از پلاک متخلفان عکس میگیرد و بهصورت خودکار جریمه صادر میکند—بدون نیاز به مأمور. نتیجه؟ تخلفات خطوط حملونقل در طول آزمایش نزدیک به 47 درصد کاهش یافت و اتوبوسها سریعتر و طبق برنامه حرکت کردند.
سنخوزه: AI برای خیابانهای ایمنتر و حملونقل روانتر
سنخوزه، بزرگترین شهر سیلیکون ولی، بهطور فعال AI و IoT را در سیستمهای حملونقل خود با تمرکز بر ایمنی و کارایی حملونقل ادغام کرده است. چند ابتکار کلیدی را بررسی میکنیم.
چشمان AI سنخوزه در خیابانها
در سال 2024، سنخوزه با کمک کمکهزینه 260,000 دلاری از Toyota Mobility Foundation، تلاشی برای ایمنی ترافیکی نسل بعدی را آغاز کرد. هدف؟ استفاده از AI و بینایی کامپیوتری (Computer Vision) برای شناسایی بلادرنگ خطرات جادهای—بهویژه آنهایی که عابران پیاده و دوچرخهسواران را تهدید میکنند.
این برنامه که هنوز در مراحل اولیه است، دوربینهای هوشمند را با تحلیلهای AI (AI Analytics) ترکیب میکند تا پاسخهای سریعتر و هدفمند به شرایط خطرناک را ممکن سازد. این یک حرکت مدرن Vision Zero است که ایمنی را با نوآوری پیوند میدهد و در عین حال به حفظ حریم خصوصی عمومی (Public Privacy) توجه دارد. اگر موفق شود، سنخوزه میتواند استانداردی برای تشخیص خطر با AI (AI-Powered Hazard Detection) در شهرهای سراسر کشور تعیین کند.
AI که به اتوبوسها چراغ سبز میدهد
سنخوزه سیاست اولویت حملونقل (Transit-First Policy) خود را با اولویت سیگنال مبتنی بر AI (AI-Powered Signal Priority) به عمل تبدیل کرده است. این شهر با همکاری شرکای فناوری، کریدورهای کلیدی را به سیستمی مجهز کرده که اتوبوسهای در حال نزدیک شدن را تشخیص میدهد و چراغهای ترافیکی را تنظیم میکند—چراغ سبز را نگه میدارد یا قرمز را کوتاه میکند تا جریان ادامه یابد.
نتایج چشمگیر بودهاند: در مسیرهایی با اولویت سیگنال، زمان سفر اتوبوسها بیش از 50 درصد بهبود یافت و تعداد مسافران اتوبوسهای VTA در اوایل 2024 15 درصد افزایش یافت. خدمات سریعتر و قابلاعتمادتر راهی هوشمند برای بازگرداندن مسافران به سیستم است.
تلاشهای قابلتوجه دیگر در شهرهای کالیفرنیا
چندین شهر و سازمان منطقهای دیگر در کالیفرنیا در مقیاس کوچکتر یا در مراحل آزمایشی از IoT و AI در مدیریت ترافیک استفاده میکنند:
اوکلند: پشتیبانی AI برای اتوبوسها
در اوت 2024، AC Transit دوربینهای اجرای قانون مجهز به AI را روی اتوبوسهای خود راهاندازی کرد تا خطوط حملونقل را آزاد نگه دارد. این سیستم، ساختهشده توسط استارتاپ منطقه خلیج، Hayden AI، بهصورت خودکار خودروهایی که ایستگاههای اتوبوس را مسدود میکنند یا در خطوط اختصاصی اتوبوس رانندگی میکنند، شناسایی میکند—بدون نیاز به ورودی دستی.
تأثیر فوری بود: در فقط شش هفته، AI بیش از 1,100 تخلف را شناسایی کرد که منجر به 787 جریمه شد—جهشی بزرگ از 22 جریمه صادرشده با فناوری قدیمی در دورهای مشابه. برای اوکلند و ایست بی (East Bay)، اجرای هوشمندتر اتوبوسها را در حرکت نگه میدارد و خطوط حملونقل را از متخلفان آزاد میکند.
لانگ بیچ: هوشمندتر و ایمنتر
لانگ بیچ فناوری ترافیکی خود را با سیگنالهای تطبیقی (Adaptive Signals) و اجرای سرعت خودکار ارتقا داده است. در مسیرهای کلیدی مانند بزرگراه ساحل اقیانوس آرام (Pacific Coast Highway)، این شهر سیستمهای سیگنال هوشمندی نصب کرده که چراغهای سبز را بر اساس ترافیک بلادرنگ تنظیم میکنند—کاهش ازدحام و روان نگه داشتن خودروها.
لانگ بیچ بهعنوان یکی از شش شهر در پروژه آزمایشی دوربینهای سرعت کالیفرنیا، قصد دارد مناطق پرتصادف را با اجرای مجهز به AI هدف قرار دهد و خیابانهای ایمنتر را با زیرساختهای هوشمندتر ترکیب کند.
گلندیل: مسیری به سوی خیابانهای ایمنتر
گلندیل برای مهار افزایش تصادفات به دادهها و فناوری اجرایی روی آورده است. این شهر در پروژه آزمایشی دوربینهای سرعت کالیفرنیا، قصد دارد دوربینهای خودکار را نزدیک مدارس و کریدورهای پرسرعت نصب کند.
گلندیل همچنین سیگنالهای ترافیکی خود را برای کنترل متمرکز (Centralized Control) ارتقا داده و دوربینهای تقاطع را برای نظارت بلادرنگ اضافه کرده است. گرچه سیستم آن به پیشرفتهای لسآنجلس نیست، مرکز مدیریت ترافیک (Traffic Management Center) این شهر از دادههای زنده IoT برای تنظیم دستی سیگنالها در هنگام رویدادها یا اختلالات استفاده میکند.
با درخواست کمکهزینه برای سیستمهای سیگنال مجهز به AI و مشارکت در شبکه اشتراک داده منطقهای لسآنجلس کانتی، گلندیل پایهای برای آیندهای هوشمندتر و ایمنتر در ترافیک میسازد.
مسیر پیش رو
از چراغهای ترافیکی متصل به ابر (Cloud-Connected Traffic Lights) تا اجرای مجهز به AI، کالیفرنیا ثابت میکند که خیابانهای هوشمند نهتنها ممکن هستند، بلکه همین حالا وجود دارند. گرچه این ممکن است برای رانندگان به معنای جریمههای سرعت بیشتر باشد، اما همچنین به معنای جادههای ایمنتر است. با آزمایش و گسترش این نوآوریها، درسهای آموختهشده میتواند نحوه بازاندیشی جوامع در سراسر جهان به ازدحام، ایمنی و تحرک را شکل دهد.
منبع: iotforall