شناسایی مولفه‌های هوش مصنوعی در بهبود ایمنی، کاهش تصادفات رانندگی و هزینه‌ها با رویکرد تحلیل محتوایی

هدف: سامانه های هوش مصنوعی در حمل‌و‌نقل شهری می‌تواند از ابزارها و روش های مختلفی برای بهبود ایمنی استفاده کنند.. پژوهش حاضر با هدف بررسی نحوه استفاده از هوش مصنوعی در بهبود ایمنی حمل‌و‌نقل شهری، کاهش تصادفات رانندگی و کاهش هزینه‌ها با رویکرد کیفی و نظرات خبرگان حوزه حمل‌و‌نقل انجام شد. روش: نمونه جمع‌آوری شده هفت نفر از خبرگان امر حمل‌و‌نقل شهری در شهر تهران بودند. پاسخ مصاحبه‌ها که به صورت ساختار یافته و با طرح 10 سوال انجام شد با استفاده از نرم‌افزار (maxqda) و با روش تحلیل محتوایی مورد بررسی قرار گرفت. در این نوع تحلیل، محتوا برای شناخت الگوها، موضوعات، ایده‌ها و پیام‌های مخفی یا ضمنی بررسی می‌شود. یافته‌های پژوهش: نتایج نشان داد، چهار محتوای اصلی شامل سامانه‌های پشتیبانی از تصمیم‌گیری (با پنج محتوای فرعی)، سامانه‌های تحلیل داده (پنج محتوای فرعی)، سامانه‌های پیشگیری از تصادفات (با چهار محتوای فرعی) و سیستم‌های هشداردهنده (با چهار محتوای فرعی) هستند. نتیجه‌گیری: با توجه به تکنولوژی‌های روزافزون در حوزه هوش مصنوعی، سامانه‌های هوشمند در حمل‌و‌نقل شهری از اهمیت بیشتری برخوردار خواهند بود. این سامانه‌ها شامل پیش‌بینی و مدیریت ترافیک، تشخیص و هشدار‌دهی به رانندگان، سامانه‌های هوشمند خودرو و تحلیل داده‌ها می‌شوند. نقش این سامانه‌ها در بهبود ایمنی حمل‌و‌نقل شهری، کاهش تعداد تصادفات، کاهش هزینه‌ها و افزایش کارایی این سیستم بسیار حیاتی است. این سامانه‌ها قادر به تشخیص علائم خطر و ارائه راه حل‌های ایمنی هستند. از طریق استفاده از این سامانه‌ها، مدیران شهری می‌توانند مشکلات را شناسایی و راه حل‌های مناسب برای بهبود حمل‌و‌نقل شهری ارائه دهند و در نتیجه، بهبود شرایط زندگی شهروندان را فراهم کنند.

identifying the components of artificial intelligence in improving safety, reducing traffic crashes and costs with content analysis

objective: artificial intelligence systems in urban transportation can utilize various tools and methods to enhance safety. the current study was undertaken to investigate the utilization of artificial intelligence in improving urban transportation safety, reducing traffic crashes, and cutting costs, using a qualitative approach and expert opinions in the field of transportation.method: seven experts in the field of urban transportation in tehran were selected as the sample. the interview responses, structured around 10 questions, were collected and analyzed using maxqda software and content analysis methodology. in this type of analysis, the content is examined to identify patterns, themes, ideas, and implicit or underlying messages.results: from the conducted interviews, four main contents were extracted, including decision support systems (with five sub contents), data analysis systems (five sub contents), accident prevention systems (four sub contents), and alerting systems (four sub contents).conclusion: given the advanced technologies in the field of artificial intelligence, intelligent systems in urban transportation will be of greater importance. these systems include traffic prediction and management, driver detection and alerting, smart vehicle systems, and data analysis. the role of these systems in improving urban transportation safety, reducing crashes, cutting costs, and enhancing system efficiency is crucial. these systems are capable of identifying warning signs and providing safety solutions. through the use of these systems, city managers can identify problems and offer appropriate solutions to improve urban transportation, thereby enhancing the living conditions of citizens.