Liman drayaj kamyon güç aktarma ve yük sınıflandırması için alan bilgili görsel-dil modeli: sürdürülebilir yük taşımacılığı

Daha temiz limanlar, daha akıllı kamyonlar

Limanlar mağazalarımızı stoklayan malları taşır, ancak terminallerde konteynerleri içeri ve dışarı taşıyan kısa mesafe kamyonları aynı zamanda büyük kirlilik kaynaklarıdır. Bu çalışma, yeni bir yapay zekâ türünün yol kenarı kameralarıyla bu “drayaj” kamyonlarını izleyip hangilerinin hâlâ dizel yaktığını, hangilerinin daha temiz teknolojiler kullandığını—görüntülere elle etiket koymaya gerek kalmadan—otomatik olarak söyleyebildiğini gösteriyor. Bu tür otomatik içgörüler, düzenleyicilerin, planlamacıların ve yerel toplulukların dünyanın en yoğun limanları etrafındaki hava kalitesinin iyileşmesini takip etmelerine yardımcı olabilir.

Neden liman kamyonları iklim ve sağlık için önemli

Amerika Birleşik Devletleri’nde ulaşım, sera gazı emisyonlarının en büyük tek kaynağıdır ve ağır kamyonlar ağırlıklarının çok üzerinde etki yapar: araçların küçük bir yüzdesini oluştururlar ama emisyonların büyük bir kısmından sorumludurlar. Bu durum Los Angeles ve Long Beach Limanları çevresinde en açık biçimde görülür; birlikte ABD konteyner ithalatının yaklaşık %40’ını işlerler ve Güney Kaliforniya’nın en büyük sabit hava kirliliği kaynağıdırlar. Limanlar, demiryolu sahaları ve depolar arasında konteyner taşıyan drayaj kamyonları, nispeten kısa ve öngörülebilir rotalar izlemelerine rağmen kirliliğin büyük bir kısmını üretir. Bu nedenle California, 2035 yılına kadar tüm liman drayaj kamyonlarının dizel yerine batarya-elektrik, hidrojen yakıt hücresi veya daha temiz gaz teknolojilerine dayanan sıfır emisyonlu olmasını emretti.

Bir kamyonun neyle çalıştığını ve ne taşıdığını görmek

Bu politikaların işe yarayıp yaramadığını bilmek için yetkililerin liman kapılarına ve karayollarına hangi tür kamyonların gerçekten geldiğini ölçmesi gerekir: Dizel mi yoksa elektrikli mi? Tam bir konteyner mi, boş bir şasi mi yoksa hiç römorku olmayan bir bobtail kamyon mu taşıyorlar? Geleneksel olarak bu soruları yanıtlamak, büyük el etiketli görüntü koleksiyonları oluşturmayı ve görev-özel modeller eğitmeyi gerektirir. Yazarlar, sıfır ek eğitimle hem resimleri hem metni anlayabilen bir yapay zekâ sistemi olan görsel-dil modelini kullanan ZeroDray adında farklı bir yol öneriyor. Modele Los Angeles ve Long Beach limanlarına hizmet veren bir koridordaki yol kenarı kameralarından geçen kamyonların görüntüleri veriliyor ve hem güç aktarımı (dizel, elektrik, sıkıştırılmış doğal gaz - CNG veya hidrojen) hem de yük düzeni (tek 20 fit konteyner, daha uzun 40 fit eşdeğeri, boş şasi veya römorksuz bobtail) sınıflandırması isteniyor.

Yapay zekâyı bir kamyon uzmanı gibi düşünmeye öğretmek

Kutudan çıktığı haliyle görsel-dil modelleri genel amaçlıdır: internetten aldıklarıyla her konuda biraz bilirler ancak drayaj kamyonculuğu gibi niş konularda derin bilgiye sahip değildirler. ZeroDray, modele uzman ipuçlarını kodlayan dikkatle hazırlanmış istemler vererek bu boşluğu kapatıyor. Güç aktarma için istemler, dizel kamyonlar için egzoz boruları ve büyük yakıt tankları, CNG için silindir tankları, yakıt hücreli kamyonlar için hidrojen tankları veya elektrikli araçlar için egzoz donanımı eksikliği ve EV rozeti gibi görsel ipuçlarını tanımlıyor. Yük için istemler, sahnenin geometrisi hakkında akıl yürütmesini söylüyor: Konteynerin uzunluğu, 40 fitlik uzun bir yükte olduğu gibi yüksekliğini ve kabin uzunluğunu belirgin şekilde aşıyor mu, yoksa daha kısa 20 fitlik bir konteynere daha mı yakın? Yapay zekâdan bu ipuçlarını adım adım işlemesi ve mantığını açık bir dille açıklaması istenerek, çerçeve kararları daha şeffaf ve kontrol edilebilir kılıyor.

Sistemi gerçek liman trafiğinde teste sokmak

Araştırmacılar, ZeroDray’i limanlara yakın sabit bir yol kenarı kamerası tarafından Şubat 2025’te iki gün boyunca yakalanan 443 kamyon görüntüsü üzerinde değerlendirdiler. İnsan gözlemciler her kamyonun güç aktarımı ve yük konfigürasyonu için yer-gerçekli etiketler sağladı. Ardından ZeroDray’i aynı temel modele yalnızca sınıf isimleri veren daha basit bir kurulumla karşılaştırdılar. Asgari rehberlikle temel sistem, römorksuz dizel kamyonlar gibi bazı basit durumları zaten tanıyordu. Ancak küçük görsel farklara veya mekânsal düzenlemelere bağlı ayrımlar gerektiğinde ciddi biçimde zorlandı; sık sık dizel ve elektrikli çekicileri karıştırdı veya kısa ve uzun konteynerleri ayırt edemedi. Uzman bilgili görsel ipuçları ve mekânsal kurallar eklendiğinde doğruluk dramatik biçimde arttı. Güç aktarımı sınıflandırması dizel, elektrik, hidrojen ve CNG için yaklaşık %100’e ulaştı. Özellikle tek ve çift eşdeğer konteyner uzunlukları arasındaki zorlu ayrımda yük tanıma, yaklaşık yarı-doğruluktan yaklaşık %98’e yükseldi. Genel olarak, 11 birleşik güç aktarma-yük kategorisinin tamamında geliştirilmiş ZeroDray çerçevesi ortalama %99 F1 skoru elde ederek temel yaklaşımdan çok daha iyi performans gösterdi.

Bu temiz yük koridorları için ne anlama geliyor

Uzman olmayanlar için ana çıkarım şu: Doğru uzman ipuçlarıyla yönlendirilen genel amaçlı bir yapay zekâ, otoyol videolarına güvenilir biçimde “bakarak” sadece kamyonların nasıl yüklendiğini değil neyle çalıştıklarını da söyleyebilir—hiçbir pahalı özel eğitim gerektirmeden. Bu yetenek, liman yetkililerine ve düzenleyicilere dizelden sıfır emisyonlu drayaj kamyonlarına geçişi izlemek, yeni şarj veya hidrojen istasyonlarının en çok nerede gerektiğini belirlemek ve boş seyahatleri azaltmak için güçlü bir araç sağlayabilir. Mevcut çalışma tek bir kameradan, ideal koşullarda elde edilmiş sınırlı bir veri seti kullansa da, yazarlar aynı stratejinin diğer yük merkezlerine ve daha çeşitli ortamlara genişletilebileceğini savunuyor. Sorumlu bir şekilde ölçeklendirilirse, ZeroDray gibi sistemler yük taşımacılığı faaliyetlerinin görünmez ayrıntılarını görünür kılabilir ve toplulukların ile politika yapıcıların yük koridorlarını daha temiz ve verimli çalışmaya yönlendirmesine yardımcı olabilir.

Atıf: Feng, G., Li, Y., Tok, A.Y.C. et al. Domain informed vision language model for sustainable freight with drayage truck powertrain and cargo classification. npj. Sustain. Mobil. Transp. 3, 15 (2026). https://doi.org/10.1038/s44333-026-00086-4

Anahtar kelimeler: sıfır emisyonlu kamyonlar, görsel-dil modelleri, liman drayajı, yük emisyonları, sürdürülebilir ulaşım