Οι μεταφορές είναι ένας κλάδος στον οποίο υλοποιούνται τους τελευταίους αιώνες σημαντικές καινοτομίες, δοκιμές και βελτιώσεις, καθώς επηρεάζει και επηρεάζεται από βασικά γεγονότα της καθημερινότητας, όπως η πανδημία που απομάκρυνε τους ανθρώπους από τα Μ.Μ.Μ. και η ενεργειακή κρίση, η οποία τους στρέφει σιγά σιγά προς τα Μ.Μ.Μ. και την μικροκινητικότητα. Συνεπώς, χρειάστηκε να πραγματοποιηθεί μια αναθεώρηση των μεταφορών κατά την τεχνολογική επανάσταση του 21ου αιώνα, δημιουργώντας έτσι τα ευφυή συστήματα μεταφορών. Στο πλαίσιο αυτών, τα τελευταία χρόνια, επιχειρείται να αξιοποιηθούν οι αρχές της τεχνητής νοημοσύνης στην υφιστάμενη συγκοινωνιακή υποδομή αλλά και στον συγκοινωνιακό σχεδιασμό, με στόχο την πραγματοποίηση πιο οικονομικά, περιβαλλοντικά και κοινωνικά βιώσιμων μεταφορών.
Σύμφωνα με την Ευρωπαϊκή Επιτροπή, σαν τεχνητή νοημοσύνη (Artificial Intelligence – AI) ορίζεται ως «το σύστημα που επιδεικνύει ευφυή συμπεριφορά, αναλύοντας το περιβάλλον γύρω του και αναλαμβάνοντας ενέργειες – με κάποιο βαθμό αυτονομίας – για την επίτευξη συγκεκριμένων στόχων». Όπως γίνεται αντιληπτό, τα συστήματα AI αναμένεται όχι μόνο να μπορούν να αναλάβουν επαναλαμβανόμενες αυτοματοποιημένες διαδικασίες που κοστίζουν χρόνο και χρήμα, αλλά και εργασίες που χρειάζονται κριτική σκέψη, καθώς εκπαιδεύονται με την πάροδο του χρόνου.
Η αξιοποίηση των συστημάτων AI έχει αρχίσει ήδη να πραγματοποιείται, κυρίως σε πειραματικό στάδιο, σε προηγμένες τεχνολογικά χώρες, δημιουργώντας πιθανές εφαρμογές οι οποίες στοχεύουν στη βιώσιμη μετακίνηση. Μάλιστα, αναμένεται πως μέχρι το 2023, η παγκόσμια αγορά που θα αφορά την τεχνητή νοημοσύνη στις μεταφορές θα φτάσει τα 2.3 δισ. δολάρια παγκοσμίως, σύμφωνα με σχετική μελέτη της P&S (https://www.psmarketresearch.com/). Ακολούθως, παρατίθενται ορισμένες πρακτικές εφαρμογές της AI στα συστήματα μεταφορών.
Η πιο γνωστή ίσως εφαρμογή της τεχνητής νοημοσύνης στα μεταφορικά συστήματα είναι τα αυτο-οδηγούμενα οχήματα. Ουσιαστικά, ένα όχημα είναι ικανό να μεταφέρει τους επιβάτες του χωρίς να υπάρχει κάποιος οδηγός, αλλά αξιοποιώντας τις αρχές της “Μηχανικής Όρασης”, δηλαδή τεχνικές όπως εντοπισμός αντικειμένων και αναγνώριση μοτίβων, ώστε να είναι ικανό να υπακούει στους νόμους του Κ.Ο.Κ. και παράλληλα να είναι ικανό να ανταποκρίνεται σε παράδοξα γεγονότα που συμβαίνουν στο δρόμο. Βέβαια, κάτι τέτοιο προϋποθέτει να κατέχουν σύστημα ανίχνευσης πεζών, δηλαδή ένα σύστημα που όχι μόνο θα είναι ικανό να εντοπίζει και να ξεχωρίζει τους πεζούς από τα υπόλοιπα αντικείμενα, αλλά και να μπορεί να προβλέψει, όσο το δυνατόν γίνεται, την επόμενη κίνησή τους. Τα αυτόνομα οχήματα έχουν ήδη αρχίσει να χρησιμοποιούνται στην Ιαπωνία με τη μορφή αυτόνομων ταξί, στα οποία βέβαια υπάρχει προς το παρόν οδηγός, στην περίπτωση που προκύψει κάποιο έκτακτο γεγονός. Ωστόσο, σχεδιάζεται στο κοντινό μέλλον να αντικατασταθούν τα οχήματα που πραγματοποιούν προκαθορισμένα δρομολόγια, όπως είναι τα Μ.Μ.Μ. και τα τουριστικά οχήματα.
Ακόμα, η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί και στη διαχείριση της κυκλοφορίας. Συγκεκριμένα, με την εγκατάσταση συστημάτων CCTV σε βασικές οδικές αρτηρίες μιας πόλης είναι δυνατή η μέτρηση της κυκλοφορίας με μεγάλη ακρίβεια, όπως επίσης η ανάλυση της πυκνότητας και της σύνθεσής της. Επιπλέον, μπορούν να εντοπίσουν τυχόν ανωμαλίες στην κυκλοφοριακή ροή, αλλά και επικίνδυνα σημεία του δρόμου, με βάση ορισμένες μεταβλητές ασφαλείας. Όλα τα παραπάνω δεδομένα μπορούν να αξιοποιηθούν από συγκοινωνιολόγους μηχανικούς για την μοντελοποίηση της ζήτησης και την απαλοιφή των προβλημάτων που παρατηρούνται. Τέλος, με βάση τα παραπάνω δεδομένα, τα συστήματα AI θα είναι ικανά να μεταποιούν τα προγράμματα των φαναριών για να αποτρέπουν, όσο είναι εφικτό, την κυκλοφοριακή συμφόρηση.
Ένα σημαντικό πρόβλημα των υποδομών του συγκοινωνιακού δικτύου που μπορεί να αντιμετωπιστεί με τη χρήση συστημάτων AI είναι η επιδιόρθωση των υφιστάμενων δρόμων. Οι φθορές που προκαλούνται στα οχήματα από λακκούβες, ρωγμές ή και αλλοίωση του οδοστρώματος των δρόμων υπολογίζονται σε δισεκατομμύρια ευρώ μόνο στην ΕΕ, συνεπώς χρειάζεται ένα σύστημα παρακολούθησης και αξιολόγησης της κατάστασης των δρόμων. Το πρόβλημα αυτό καλείται να αντιμετωπίσει η τεχνητή νοημοσύνη, με την αξιοποίηση μεθόδων μηχανικής όρασης, όπως είναι η μέθοδος ταξινόμησης και αυτόματου εντοπισμού ρωγμών με τη χρήση επεξεργασιών εικόνας, και την ενημέρωση των αρμόδιων φορέων σε πραγματικό χρόνο.
Βέβαια, υπάρχουν ακόμα ποικίλες εφαρμογές της τεχνητής νοημοσύνης που έχουν σχεδιαστεί για το μέλλον. Αρχικά, αναμένεται να εφαρμοστεί ένα σύστημα εκτίμησης της καθυστέρησης στις αερομεταφορές, καθώς υπολογίζονται σημαντικά οικονομικά πλήγματα που οφείλονται στις καθυστερήσεις αυτές. Χαρακτηριστικά, υπολογίστηκε πως το 2018 οι καθυστερήσεις στις αερομεταφορές κόστισαν περίπου 39 εκ. δολάρια μόνο στις Η.Π.Α., σύμφωνα με σχετική μελέτη του Πανεπιστημίου της Καλιφόρνια. Επιπλέον, αναμένεται η εγκατάσταση συστημάτων στα οχήματα που αξιολογούν την κατάσταση του οδηγού, ώστε να αποτρέπεται η οδήγηση υπό την επήρεια της κούρασης, του αλκοόλ ή άλλων ουσιών.
Συνοπτικά, η τεχνητή νοημοσύνη αναμένεται να φέρει μια ακόμα επανάσταση στον τομέα των μεταφορών με την εγκατάσταση ποικίλων εφαρμογών που θα αποσκοπούν σε ασφαλέστερες, οικονομικότερες και περιβαλλοντικά βιώσιμες μετακινήσεις. Ωστόσο, μαζί με τις ωφέλειες, διεγείρει και σημαντικά ηθικά, κοινωνικά και νομικά ερωτήματα που θα χρειαστεί να αντιμετωπιστούν, όπως είναι η προστασία των συστημάτων αυτών από κυβερνο-επιθέσεις, η εξασφάλιση της ασφάλειας και της διαφάνειας των δεδομένων και το νομικό πλαίσιο γύρω από τα ατυχήματα στο δρόμο, όταν εμπλέκεται ένα σύστημα AI.