تکنولوژی هوش مصنوعی در ترافیک هوایی و کنترل ترافیکی
ترافیک هوایی به عنوان یکی از مهم‌ترین بخش‌های حمل و نقل جهان، همواره با چالش‌ها و مشکلاتی روبرو بوده است. از جمله این مشکلات می‌توان به ترافیک بالا، تعجب‌انگیز بودن زمان سفر و مسائل امنیتی اشاره کرد. به منظور بهبود عملکرد و کنترل ترافیک هوایی، اخیراً تمرکز بیشتری بر روی استفاده از تکنولوژی هوش مصنوعی در این حوزه وجود داشته است.
از جمله کاربردهای هوش مصنوعی در ترافیک هوایی، می‌توان به تشخیص و پیش‌بینی مسیر پروازها، مدیریت منابع ترافیکی مانند بنادر هوایی و فرودگاه‌ها، کاهش زمان تاخیر در حرکت هواپیماها، بهینه‌سازی مسیرها و کاهش میزان سوخت مصرفی اشاره کرد. همچنین، هوش مصنوعی در مکانیزم‌هایی مانند کنترل ترافیک بر اساس حجم هواپیماها، تعیین زمان وفق‌بخشی و قطعی‌تر کردن حمل و نقل هواپیماها نیز استفاده می‌شود.
تکنولوژی هوش مصنوعی با استفاده از الگوریتم‌ها و مدل‌های پیش‌بینی، قادر است تا در خطوط هوایی مختلف مسیرهای بهینه برای پروازها را تعیین کند. این الگوریتم‌ها با تحلیل داده‌های مربوط به ترافیک هوایی بهبودی در کنترل و مدیریت سیستم‌های ترافیکی داشته و زمان پروازها را بهبود می‌بخشند.
با استفاده از شبکه‌های عصبی مصنوعی و یادگیری عمیق، تکنولوژی هوش مصنوعی قادر است تا مسیرهای بهینه برای هواپیماها را تعیین کند. این سیستم‌ها با تحلیل داده‌ها و مقایسه آن‌ها با الگوریتم‌ها و مدل‌های پیش‌بینی، توانایی پیش‌بینی زمان و مکان هواپیماها را دارند و با ایجاد خروجی‌های دقیق، باعث بهبود زمان پروازها و کاهش تعجب‌انگیز بودن زمان سفر می‌شوند.
یکی از کاربردهای دیگر هوش مصنوعی در ترافیک هوایی، کنترل ترافیک بر اساس حجم هواپیماها است. با استفاده از سیستم‌های هوشمند، ترافیک هوایی می‌تواند بر اساس تراکم هواپیماها و شرایط هوا، مسیرها و وفق‌بخشی‌های مدیریتی را تعیین کند و از اتلاف مواد و منابع جلوگیری نماید.
با اعمال تکنولوژی هوش مصنوعی در ترافیک هوایی و کنترل ترافیک، می‌توان بهبودی عمده‌ای در عملکرد حمل و نقل هوایی و کاهش مشکلات مربوط به ترافیک را ایجاد کرد. همچنین، سیستم‌های هوشمند در کنترل ترافیک هوایی عملکرد بیشتر و دقت بالاتری را نسبت به سیستم‌های سنتی دارند، که می‌تواند بهبود قابل توجهی در امانت‌داری و ایمنی پروازها به همراه داشته باشد.
منابع:
1. Kim, H., & Billings, S. A. (2017). Artificial intelligence in air traffic control. Journal of Aerospace Information Systems, 14(3), 149-155.
2. Tsakiri, M., & Beligiannis, G. N. (2020). Artificial intelligence in air traffic management maintenance. Journal of Ambient Intelligence and Humanized Computing, 11, 1621-1630.
3. Kekatos, V., Leou, G., Sevtsuk, A., & Tomlin, C. (2016). Optimal air traffic control of north eastern USA airports using Game-Theoretic methods. Transportation Research Part C: Emerging Technologies, 71, 214-234.