کاربرد هوش مصنوعی در بهینه سازی ترافیک و ایمنی خودروهای خودران متصل

خودروهای خودران به عنوان یکی از کلیدی ترین فناوری های تحول آفرین در صنعت حمل و نقل شناخته می شوند، اما عملکرد مستقل آنها در مواجهه با پیچیدگی های پویای ترافیک شهری با چالش های کارایی و ایمنی مواجه است. این پژوهش با هدف غلبه بر این محدودیت ها به معرفی یک چارچوب یکپارچه مبتنی بر یادگیری جمعی غیرمتمرکز می پردازد. در معماری پیشنهادی خودروهای متصل با آموزش مدل های محلی هوش مصنوعی بدون اشتراک گذاری داده های خام حسگری در ایجاد یک مدل سراسر بهینه مشارکت می کنند. این سیستم از طریق هماهنگی در تصمیم گیری های کلیدی مانند بهینه سازی مسیر، تنظیم فاصله و پیش بینی رفتار دیگر کاربران راه به بهبود جریان ترافیک منجر می شود. ارزیابی ها با شبیه سازی های رایانه ای و مقایسه با سیستم های مستقل غیرمتصل انجام پذیرفت. نتایج نشان داد که رویکرد ارائه شده به طور قابل توجهی میانگین زمان سفر را کاهش، داده مصرف سوخت را بهینه می کند و با پیش بینی و جلوگیری از موقعیت های حادثه خیز سطح ایمنی را ارتقا می بخشد. به طور مشخص بهبود ۴۰ درصدی در شاخص روان سازی ترافیک و کاهش ۳۵ درصدی در شاخص ریسک تصادف مشاهده گردید. این پژوهش افق جدیدی را در راستای شکل دهی به ناوگان های هوشمند و همکار برای حل معضل ترافیک شهری ایجاد می کند.

کلیدواژه ها:

خودروهای خودران ، بهینه سازی ، ایمنی ، هوش مصنوعی