مستشار مواقف سيارات يحمل لوحة كتابة يمسح 250 موقفاً في الساعة. طائرة بدون طيار مزودة بالذكاء الاصطناعي تغطي 6,000 في نفس الوقت، ولا تخطئ أبداً في عد صف واحد.
اعتمدت مسوحات مواقف السيارات والمرور على الأساليب اليدوية لعقود: متدربون يعدون السيارات بأوراق الإحصاء، وأنابيب هوائية عبر الطرق، وحلقات حثية مدفونة في الرصيف. هذه الأدوات بطيئة ومكلفة الصيانة، وتنتج بيانات تصبح قديمة قبل إنهاء التقرير. يستبدل العد بالذكاء الاصطناعي عبر الطائرات بدون طيار الدراسات اليدوية بصور جوية توفر دقة على مستوى كل موقف في جزء من الوقت.
مشكلة لوحة الكتابة
تتضمن مسوحات المواقف التقليدية عادةً عمال ميدانيين يسيرون بين صفوف السيارات المتوقفة ويسجلون الإشغال على الورق أو الأجهزة اللوحية. وفقاً لدليل مسوحات DataTerminal لعام 2025، تحقق الأساليب اليدوية دقة تتراوح بين 80 و85%. يفقد المسّاحون العد في المواقف الكبيرة، ويتخطون صفوفاً بالخطأ، ويجدون صعوبة في رصد بيانات معدل الدوران لأنهم لا يستطيعون التواجد إلا في مكان واحد في وقت واحد.
توفر الأنابيب الهوائية والحلقات الحثية أتمتة، لكنها تعد المركبات في نقاط ثابتة فقط وليس عبر المواقف بأكملها. لا يمكنها إخبارك بأي المواقف مشغولة، أو مدة بقاء كل مركبة، أو ما إذا كان الركن البعيد من موقف يتسع لـ 3,000 مركبة قد امتلأ. والنتيجة أن معظم دراسات المواقف تُجرى مرة أو مرتين سنوياً، مما ينتج لقطات ثابتة لنظام ديناميكي.
كيف يعمل عد المركبات الجوي
سير العمل واضح ومباشر: طِر، صوِّر، اكتشف، أبلِغ.
يُطلق مشغل الطائرة بدون طيار طائرة استهلاكية - مثل DJI Mini 3 أو طراز مماثل - ويحلق بنمط شبكي فوق المنطقة المستهدفة على ارتفاع 30 إلى 60 متراً. تلتقط الطائرة صوراً عالية الدقة على فترات منتظمة، مغطيةً كل صف وزاوية في الموقف.
تتم معالجة الصور بواسطة نموذج كشف بالذكاء الاصطناعي، يعتمد عادةً على بنية YOLO. استخدمت دراسة MDPI لعام 2026 نموذج YOLOv11 على صور DJI Mini 3 وحققت دقة واسترجاعاً قويين مع الحفاظ على معدلات إطارات مناسبة للنشر الفوري. يكتشف النموذج المركبات ويحدد كل واحدة ويخرج العدد الإجمالي مع خريطة بصرية للموقف.
تفيد شركة Parkalytics، وهي شركة تحليلات مواقف سيارات تعتمد على الطائرات بدون طيار، بأن مشغلاً واحداً يمسح ما يصل إلى 6,000 موقف في الساعة، أي أسرع بـ 23 مرة من المسح اليدوي. يحوّل خط الإنتاج القائم على التعلم الآلي اللقطات الخام إلى بيانات إشغال لكل موقف وتقديرات مدة الإقامة وتحليل معدل الدوران.
الدقة: ماذا تقول الأرقام
يتفوق عد المركبات بالذكاء الاصطناعي من الصور الجوية باستمرار على الأساليب اليدوية. تحقق الأنظمة الآلية دقة تتراوح بين 95 و99%، مقارنة بـ 80 إلى 85% للمسوحات اليدوية. تتسع الفجوة في المواقف الكبيرة والمعقدة حيث يفقد المسّاحون البشريون تتبع الصفوف أو يفوتون مركبات في المناطق المظللة.
تحتوي مجموعة بيانات CARPK المعيارية على ما يقرب من 90,000 مركبة مُعلّمة عبر أربعة مواقف سيارات صُوّرت بطائرات بدون طيار على ارتفاع 40 متراً تقريباً. تصل أحدث إصدارات YOLO إلى 92.4% متوسط دقة على مجموعات بيانات المرور، ويحقق YOLOv8 مع تتبع ByteTrack دقة عد تصل إلى 97.6% بمعدل يتجاوز 20 إطاراً في الثانية.
تقلص مسوحات المواقف الآلية المدعومة بالذكاء الاصطناعي وقت جمع البيانات بنسبة 90% مقارنة بالأساليب اليدوية، مع تحسين الدقة من نطاق 80-85% إلى 95-99%. تزيد المرافق التي تستخدم مراقبة الإشغال المنتظمة كفاءتها التشغيلية بنسبة 35% في المتوسط.
ما وراء العد: التصنيف ومعدل الدوران
عد المركبات ليس سوى نقطة البداية. نفس نماذج الذكاء الاصطناعي التي تكتشف السيارات يمكنها تصنيفها حسب النوع وتتبع تغيرات الموقف بمرور الوقت.
يميز الذكاء الاصطناعي بين السيارات والشاحنات والدراجات النارية والحافلات من الصور الجوية. تساعد هذه البيانات المخططين في تخصيص المواقف الكبيرة ومناطق الدراجات النارية ومناطق التحميل بناءً على الاستخدام الفعلي.
من خلال مقارنة اللقطات الملتقطة على فترات، يحسب الذكاء الاصطناعي مدة بقاء كل مركبة. يكشف هذا ما إذا كان الموقف يخدم المتسوقين لفترات قصيرة أو الركاب طوال اليوم.
معدل الدوران - كم مرة يتغير مستخدم كل موقف في اليوم - أمر بالغ الأهمية لمواقف التجزئة وعدادات وسط المدينة. تلتقط الطائرات بدون طيار هذه البيانات بشكل سلبي عبر الموقف بأكمله.
تبني المسوحات المتكررة بيانات سلاسل زمنية تكشف ساعات الذروة والأنماط الموسمية ونسبة الاستخدام الحقيقية للمواقف غير المستغلة بالكامل.
حالات الاستخدام: من البلديات إلى المطارات
في Breckenridge بولاية كولورادو، مسحت Parkalytics 3,000 موقف سيارات عبر المدينة باستخدام رحلات طائرات بدون طيار على مدى يومين. وفّرت البيانات التفصيلية لكل موقف معلومات لاستراتيجية المواقف في المدينة بمستوى تفصيل كان سيستغرق أسابيع من العمل اليدوي.
التخطيط البلدي هو التطبيق الأكثر شيوعاً، لكن حالات الاستخدام تمتد أبعد من ذلك. يراقب مشغلو المطارات مواقف الإقامة الطويلة والقصيرة لتحسين مسارات الحافلات المكوكية. يربط مطورو التجزئة بيانات إشغال المواقف ببيانات حركة المشاة. تستخدم أماكن الفعاليات العد الجوي قبل وبعد الحدث للتحقق من الحضور. تمسح وكالات النقل الممرات التي يصعب فيها استخدام العدادات التقليدية.
ميزة الخصوصية
إحدى أقوى الحجج لصالح المسوحات بالطائرات بدون طيار هي ما لا تلتقطه. على ارتفاع 30 إلى 60 متراً، تُظهر الصور أشكال المركبات ومواقعها لكنها لا تستطيع تمييز لوحات الترخيص أو الوجوه. تؤكد Parkalytics أن مسوحاتها لا تجمع أي بيانات قابلة للتعريف، متجنبةً التعقيدات القانونية لكاميرات المراقبة الأرضية وأنظمة ALPR وتتبع Bluetooth.
بالنسبة للبلديات المهتمة بالتصور العام، هذا أمر مهم. المسوحات بالطائرات بدون طيار تعد المركبات دون مراقبة الأشخاص.
الصورة الأكبر: بيانات المدن الذكية
من المتوقع أن ينمو سوق المواقف الذكية من 8.5 مليار دولار في 2023 إلى أكثر من 35 مليار دولار بحلول 2028. يُعد عد المركبات بالذكاء الاصطناعي تقنية تمكينية أساسية. تُظهر الأبحاث حول إدارة المرور القائمة على AIoT أن التحكم التكيفي بالإشارات عبر الذكاء الاصطناعي يتفوق على إشارات المرور الثابتة التقليدية بنسبة 34%، مما يقلل الازدحام في التقاطعات المزدحمة. تولّد المسوحات بالطائرات بدون طيار بيانات الإشغال الفعلية التي تغذي تطبيقات الإرشاد ولوحات المعلومات ونماذج الازدحام.
الخلاصة
لا يجب أن تكون مسوحات المواقف والمرور بطيئة أو مكلفة أو غير دقيقة. طائرة بدون طيار استهلاكية ونموذج ذكاء اصطناعي مدرّب ومشغل واحد يمكنهم مسح آلاف المواقف في أقل من ساعة بدقة تفوق أي مسح يدوي.
في المرة القادمة التي تحتاج فيها لمعرفة مدى امتلاء موقف، أو مدة بقاء السيارات، أو أي المواقف لا تُستخدم أبداً، أرسل طائرة بدون طيار. ستكون البيانات على شاشتك قبل أن ينهي المسّاح التقليدي صفه الأول.