کاربرد هوش مصنوعی در مدیریت هوشمند شبکه های پایگاه داده توزیع شده: رویکردی کاربردی در حمل ونقل هوشمند شهری

رشد شتابان حجم داده های تولیدشده در سامانه های شهری و به ویژه سامانه های حمل ونقل هوشمند، مدیریت کارآمد پایگاه های داده توزیع شده را به یکی از چالش های اساسی مهندسی نرم افزار و علوم داده تبدیل کرده است. در روش های سنتی، تنظیم پارامترها، توازن بار و بهینه سازی پرس وجوها عمدتا به صورت دستی و توسط مدیران پایگاه داده انجام می شود که با افزایش مقیاس شبکه و پویایی بار کاری، کارایی خود را از دست می دهد. در این پژوهش، معماری ای برای شبکه پایگاه داده هوشمند مبتنی بر هوش مصنوعی ارائه شده است که با بهره گیری از الگوریتم های یادگیری ماشین و یادگیری تقویتی، وظایفی چون پیش بینی بار کاری، توزیع پویای پرس وجوها میان گره های پایگاه داده و تشخیص ناهنجاری را به صورت خودکار انجام می دهد. معماری پیشنهادی از چهار لایه اصلی تشکیل شده است: لایه گردآوری داده، لایه ذخیره سازی توزیع شده، لایه موتور هوش مصنوعی و لایه تصمیم و اجرا. برای ارزیابی کارایی روش پیشنهادی، مطالعه موردی در حوزه سازمان حمل ونقل بار و مسافر شهرداری یزد انجام شد که در آن داده های مسیر، بار ترافیکی و رزرو ناوگان به صورت توزیع شده در چند گره پایگاه داده ذخیره می شوند. نتایج شبیه سازی نشان می دهد استفاده از موتور پیش بینی بار کاری مبتنی بر شبکه عصبی بازگشتی و الگوریتم توازن بار مبتنی بر یادگیری تقویتی، میانگین زمان پاسخ پرس وجوها را نسبت به روش های ایستا به میزان محسوسی کاهش داده و ضریب استفاده از منابع محاسباتی را افزایش می دهد. همچنین بررسی حساسیت روش نسبت به تغییرات ناگهانی بار کاری نشان داد رویکرد پیشنهادی توانایی بازیابی سریع تری نسبت به رویکردهای سنتی مبتنی بر آستانه ثابت دارد. یافته های این پژوهش می تواند به عنوان راهنمایی عملی برای سازمان های شهری در طراحی زیرساخت داده هوشمند و مقیاس پذیر مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، شبکه پایگاه داده توزیع شده ، یادگیری تقویتی ، توازن بار ، حمل ونقل هوشمند شهری