Искусcтвенный интеллект усиленно внедряется в нашу повседневную жизнь. Сегодня мы рассмотрим как он влияет на одну из важнейших сфер городского проектирования – транспортную систему.
Пользу общественного транспорта сложно переоценить. Множество исследований показывают, что он более полезен для экологии, снижает количество трафика, и положительно влияет на качество жизни людей у которых есть к нему доступ. Он может быть быстрее личного транспорта, если городской дизайн отдаёт ему предпочтение (метро, автобусные дорожные полосы и т.д.).
Можно задаться вопросом, почему больше людей не пользуются общественным транспортом? Ответом на данный вопрос будет надёжность. Общественный транспорт очень сложная система с многими переменными, которые ухудшают пользовательский опыт. Он может быть сложен в освоении, маршрут может требовать пересадки, автобусы зачастую не следуют расписанию и т.д. Именно с подобными проблемами нам может помочь искусственный интеллект.
Самое важное, с чем может помочь ИИ – это обработка данных. ИИ может эффективно анализировать сложные наборы данных, чтобы выявить неочевидные тенденции, закономерности и взаимосвязи.
Если разделять на основной тип помощи, который предоставляет ИИ – это будет операционный менеджмент и профилактическое обслуживание.
С операционным менедментом ИИ даёт:
- Автоматический сбор данных и составление отчётов
- Прогнозируемое расписание, основанное на данных трафика
- Прогнозируемые количество транспорта на количество пользователей
- Прогнозное моделирование для улучшения будущих маршрутов
Одним из примеров того, как ИИ оптимизирует передвижение является город Хаген в Германии. При помощи анализа данных с камер, стоящих на перекрёстках, ИИ улучшает работу светофоров. Данные показывают, что время ожидания в среднем снижается на 47%.
Также примером может послужить португальский Лиссабон, в котором используется машинное обучение для обслуживания электрических велосипедов. Используя различные данные по типу погодных условий, ИИ предсказывает будущую потребность в велосипедах, что позволяет заранее позаботиться об их доступности.
На основе собранных при помощи ИИ данных профилактическое обслуживание даёт:
- Снижение времени на починку транспорта
- Увеличение срока службы транспорта
- Более быстрый и точный контроль оборудования
- Снижение количества инцидентов
Отличным примером положительного влияния является метро Сент-Луиса в США. Здесь отказались от ремонта по факту поломки в пользу прогнозируемого профилактического обслуживания. Благодаря такому подходу средняя эксплуатация увеличилась с 12 лет до 15 лет. Снизилось количество поломок во время работы, что в свою очередь улучшило надёжность расписания транспортной системы. Более долгая эксплуатация в целом ведёт к снижению стоимости содержания общественного транспорта. ИИ в данном случае помогает создавать более точный прогноз необходимости починки и профилактики.
Начиная регулированием трафика и заканчивая беспилотными автомобилями, искусственный интеллект продолжает свою революцию в транспортном секторе. При этом мы добиваемся не только эффективности, но и большей безопасности и экологичности.
