چگونه هوش های مصنوعی به کمک نظام شهری می آیند؟

خودروهایی که با داشتن رادار ،لیدار ،جی پی اس ،پردازش تصویر ،الگوریتم های کنترل گر در واقع در لیست نخستین هوش های مصنوعی انبوه هستند که در خدمت شهرها قرار می گیرند.

اما استفاده از این خودروهای نوین چه زمانی می تواند در میان خودروسازهای غول پیکر جا باز کرده و به تولید انبوه برسی سوالی است که پاسخ به سالهای بعد از 2040 موکول شده است.

 خودروهای خودران نه تنها انقلابی در شیوه حمل و نقل بشر ایجاد خواهند کرد، بلکه بسیار اعتقاد دارند آن ها همچنین تغییرات زیادی در نحوه ساخت و ساز خانه ها و شهرهای ما نیز موجب خواهند شد.

در یک گزارش منتشر شده توسط مرکز مسکن و املاک دانشگاه MIT، گفته شده که سرویس های اشتراک سواری خودران می تواند به قدری همه گیر شود که دیگر نیازی به پارک خودرو در خیابان نباشد و طراحان شهری بتواند پیاده روهایی عریض تر و خطوط ویژه دوچرخه سواری بیشتری بسازند.

طراحان و مهندسان ساختمانی ممکن است دیگر برای خانه ها گاراژ نسازند و این چنین، فضای بیشتری برای طراحی خانه ها در سراسر جهان ایجاد شود. خودروهای خودران همچنین ممکن است به ساختمان سازها اجازه دهند تا خانه ها را دورتر از شهرهای بزرگ بسازند، زیرا وقتی کل رانندگی بر عهده ی خودروی خودران باشد، مردم مشکلی با طی مسافت های بیشتر بین محل زندگی در اطراف شهرها و محل کار در مرکز شهر نخواهند داشت.

طبق ادعای آلبرت سایز، نویسنده کتاب Paper، خودروهای خودران به طراحان و مهندسان اجازه می دهند تا پمپ بنزین ها، نمایندگی های خودروها و مراکز پارکینگ را با ساختاری جدید بازطراحی کنند.

جایگاه سیستم خودرو خودران در سطح پنج خودکار‌سازی و رانندگی کامل خودرو وجود دارد که با توجه به این برنامه پیش‌بردی، پیش‌بینی شده است که بعد از سال ۲۰۳۰ به صورت کامل پیاده‌سازی شود. 

خودرو خودران با استفاده از تجهیزات مختلفی از جمله رادار، لیدار، جی‌پی‌اس و بینایی ماشین و با استفاده از تکنیک‌های همچون پردازش تصویر، شبکه‌های عصبی مصنوعی، الگوریتم‌های فرا ابتکاری و داده‌کاوی این داده‌های مختلف با جهان بیرون ارتباط برقرار می‌کند. بینایی ماشین شامل روش‌های مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آن است. این سیستم بر تصاویر دنیای بیرون را به عنوان ورودی دریافت و داده‌های عددی یا سمبلیک را به عنوان خروجی تولید می‌نماید. این سیستم‌ها با الگو برداری از سیستم بینایی انسان در رایانه شبیه‌سازی شده است.

دیگر تجهیزات مورد استفاده در این بخش سامانه موقعیت یاب جهانی یا جی‌پی اس است که متشکل از ۲۴ ماهواره است که زمین را دور می‌زند و در هر مدار ۴ ماهواره قرار دارد. راکت‌های کوچکی نیز ماهواره‌ها را در مسیر صحیح نگاه می‌دارد. این ماهواره‌ها از محاسبات ریاضی ساده‌ای برای پخش اطلاعات استفاده می‌کنند که به عنوان طول و عرض و ارتفاع جغرافیایی، توسط گیرنده‌های زمین ترجمه شده‌اند. 

دیگر سیستم مورد استفاده شامل لیدار است. لیدار یکی از فناوری‌های سنجش از راه دور است که از طریق روشن کردن هدف با لیزر و تجزیه و تحلیل نور منعکس‌شده، فاصله‌ها را اندازه‌گیری می‌کند. دیگر تجهیزات مورد استفاده در این بخش شامل رادار است که رادار، یک دستگاه رادیویی است که برای مشاهده جسم‌ها و اندازه‌گیری برخی ویژگی‌های آنها بوسیله موج‌های رادیویی بکار می‌رود. مهمترین بخش سیستم ادراک محیط در خودرو خودران شامل داده کاوی داده‌های بدست آمده توسط تجهیزات مختلف است. سیستم داده‌کاوی با ادغام تصاویر پرداز شده، فواصل اندازه‌گیری شده توسط لیدار و همچنین استفاده از جی‌پی‌اس و رادار، ورودی مورد نیاز سیستم تصمیم‌گیری را به صورت داده‌های عددی و سمبلیک فراهم می‌آورد.

سیستم تصمیم‌گیری

سیستم پیشرفته تصمیم‌گیری با ارائه الگوریتمی بر اساس خروجی داده‌کاوی سیستم ادراک خودرو تعیین می‌کند که خودرو در کدام مانور، خط و ...، و با چه سرعتی حرکت کند. تصمیم‌گیری و الگوریتم تعیین مسیر مانور با استفاده از شبیه‌سازی بهینه کنترل سیگنال‌های طولی و عرضی خودرو امکان‌پذیر خواهد بود. سناریوی‌های مختلف تصمیم‌گیری دارای برخی قیود مختلف است که قیود مشترک این الگوریتم‌ها را می‌توان بدین صورت نوشت:

⦁ نگهداری خودروی اصلی در روی خط مرزی بین خطوط

⦁ نگهداشتن خودروی اصلی در سرعت مطلوب

⦁ جلوگیری کردن از تصادف با خودرو‌های اطراف

⦁ حفظ خودرو در مرز‌های جاده

⦁ احترام به طراحی فیزیکی و محدودیت‌های خودرو

 

در این بخش هدف پیدا کردن مسیری است که خودرو روی آن با توجه به قسمت تصمیمگیری مسیری را تعیین کند. در واقع الگوریتم تعیین مسیر باید قادر به طراحی دوباره مسیری جدید باشد به طوری که اگر شرایط محیط عوض شد و قسمت تصمیم گیری تصمیم جدیدی اتخاذ کرد قادر به تولید مسیری جدید بر اساس پارامترهای خودرو و جاده باشد. در واقع الگوریتم مناسب برای طراحی مسیر باید به گونهای باشد که نسبت به شرایط ترافیک جاده، نوع مسیر را دوباره طراحی و تعیین نماید.

 

 در تعیین این مسیر از روشهای مختلف استفاده میشود و همچنین مسیر شامل توابع چند جملهای، مثلثاتی و ..  است. روش‌های استفاده شده در این بخش در اکثر موارد شامل الگوریتم‌های بهینه‌سازی، زنجیره مارکوف، شبکه‌های عصبی مصنوعی، نقشه ریسک و همچنین استفاده از روش‌های مبتنی بر تقابل راننده یا مدل راننده و روش‌های دیگر از این قبیل است که بتواند بر اساس تابعی ریاضی مبنا، مسیر مورد نظر را طراحی نماید. این مسیر به عنوان ورودی کنترلر برای بخش هدایت فرمان  خودرو مورد استفاده قرار می‌گیرد. همچنین با استفاده از سیستم کروز کنترل پیشرفته که بر اساس میزان اصطکاک سطح و همچنین فواصل مختلف طولی و عرضی میزان سرعت را تعیین می‌نماید، سرعت خودرو متناسب با مسیر مانور تعیین می‌شود.

 

در این بخش مسیر و سرعت مطلوب وارد قانون کنترل توسعه داده می‌شود. خروجی قانون کنترلی ترمز، گاز و فرمان می‌باشد و در واقع این سیستم نقش عملی راننده را دارد. به عبارت دیگر بخش اول شامل چشم راننده است، بخش دوم و سوم شامل ذهن راننده است و بخش کنترلر تعقیب از مغز با اعمال ورودی‌های مورد نظر کنترلر است. به عبارت دیگر، چیزی که به چشم می‌آید همین بخش است و بخش‌های قبلی به عنوان سیستماتیک اعمال می‌شود و از دیدگاه افراد غیر متخصص پنهان است. کنترلر طراحی شده در این بخش باید قادر باشد در مسیر طراحی شده را در شرایط مختلف جاده و سرعت‌های متفاوت و شرایط نامعین دیگر کنترل نماید. در واقع شرایط مختلف جاده شامل جاده بارانی و یخ زده است. از این رو استفاده از قوانین کنترلی تطبیقی و مقاوم و یا استفاده از سیستم‌های هوش مصنوعی در طراحی این کنترلر ضروری است.