کاربرد هوش مصنوعی در مدیریت ترافیک فضایی

افزایش چشمگیر تعداد ماهواره ها، فضاپیماها و زباله های مداری در دهه های اخیر چالشی جدی در حوزه ایمنی فضایی ایجاد کرده است. مدیریت ترافیک فضایی با هدف تضمین ایمنی، پایداری و کارایی عملیات فضایی، نیازمند سامانه هایی است که توانایی تحلیل آنی حجم عظیمی از داده های مداری را داشته باشند. در این میان فناوری های هوش مصنوعی به ویژه یادگیری ماشین، یادگیری عمیق و عامل های هوشمند چندعاملی، نقش کلیدی در تحول مدیریت ترافیک فضایی ایفا می کنند. پژوهش حاضر با هدف بررسی رویکردهای مبتنی بر هوش مصنوعی در مدیریت ترافیک فضایی به تحلیل مدل های پیش بینی برخورد مداری، بهینه سازی مسیر ماهواره ها، شناسایی زباله های فضایی و تصمیم گیری خودکار در کنترل ناوگان های ماهواره ای می پردازد. در روش تحقیق از مرور نظام مند منابع، تحلیل الگوریتم های یادگیری استفاده شده است. نتایج نشان می دهد به کارگیری هوش مصنوعی باعث افزایش دقت پیش بینی برخورد، کاهش تاخیر در واکنش عملیاتی و بهبود مدیریت همزمان چندین شیء فضایی می شود. ترکیب داده های چندمنبعی با یادگیری ترکیبی می تواند بنیانی برای نسل آینده سامانه های مدیریت ترافیک فضایی هوشمند باشد.

Keywords:

مدیریت ترافیک فضایی , ایمنی فضا , هوش مصنوعی , STM: Space Traffic Management , Machine Learning , Multi-Agent Systems