L'IA nei trasporti: ridefinire i sistemi metropolitani

I sistemi metropolitani sono il cuore del trasporto pubblico di una città e trasportano milioni di passeggeri ogni giorno. Città come New York e Tokyo registrano rispettivamente oltre 3 milioni e 6 milioni di passeggeri al giorno. Con la crescita delle città, rendere i sistemi metropolitani più efficienti, sicuri e piacevoli per i passeggeri diventa fondamentale.

È qui che entra in gioco l'Intelligenza Artificiale (IA), trasformando ogni aspetto, dall'acquisto dei biglietti alla manutenzione dei treni. In questo articolo, faremo un viaggio attraverso un sistema metropolitano, scoprendo come l'IA migliori ogni fase del percorso e quali siano le tecnologie IA invisibili che mantengono tutto in funzione senza problemi.

L'IA nel trasporto pubblico inizia dalla tariffazione#

Di solito, un viaggio in metropolitana inizia con il fare la fila, comprare un biglietto e passare attraverso i tornelli. L'IA semplifica attivamente questo processo, rendendolo più veloce e conveniente per i passeggeri. Ad esempio, la tecnologia di riconoscimento facciale può essere utilizzata nei sistemi di biglietteria della metropolitana. Nelle città affollate, i passeggeri possono accedere ai servizi senza biglietti cartacei o smart card. Invece, i loro volti vengono scansionati ai punti di ingresso, consentendo un accesso agevole. Nel 2019, Pechino ha introdotto un sistema di riconoscimento facciale per gestire il sovraffollamento e ridurre le lunghe code durante le ore di punta.

Fig 1. Sistema di riconoscimento facciale presso la metropolitana di Shenzhen, Cina.

Un'integrazione fluida dell'IA rende gli spostamenti quotidiani più semplici e avvantaggia milioni di passeggeri ogni giorno. I sistemi di biglietteria basati sull'IA non solo migliorano l'esperienza del passeggero, ma aumentano anche la sicurezza. Analizzando i dati facciali, il sistema garantisce che solo i passeggeri autorizzati accedano alla stazione. L'IA può verificare rapidamente le identità, bloccare l'accesso non autorizzato e individuare potenziali minacce. Può accelerare il processo di ingresso, migliorare la sicurezza e ridurre l'evasione tariffaria.

Navigare tra le linee della metropolitana con l'aiuto dell'IA#

Dopo essere entrati in metropolitana, orientarsi nella stazione può essere difficile, soprattutto durante le ore di punta. I sistemi di navigazione basati sull'IA possono facilitare gli spostamenti nella metropolitana offrendo ai passeggeri indicazioni in tempo reale. Questi sistemi utilizzano algoritmi di IA per analizzare dati provenienti da fonti come GPS, sensori e telecamere per trovare i percorsi migliori e fornire indicazioni accurate e aggiornate. I passeggeri possono utilizzare app mobili, simili a Google Maps, per ricevere indicazioni dettagliate all'interno della stazione per individuare rapidamente banchine, uscite e servizi. La navigazione basata sull'IA può far risparmiare tempo e ridurre lo stress.

Oltre alla navigazione, i dati delle telecamere e la computer vision in una metropolitana possono essere utilizzati per monitorare la densità della folla in tempo reale. Le telecamere in tutta la stazione possono contare i passeggeri in aree specifiche per individuare potenziali colli di bottiglia e punti sovraffollati. Queste informazioni aiutano le autorità di trasporto a prendere provvedimenti proattivi, come regolare la frequenza dei treni o inviare personale per gestire la folla. Infatti, l'IA è stata utilizzata sperimentalmente a Dubai per ridurre la congestione dal 40% al 60% e tagliare i tempi di attesa a 30 minuti durante i periodi di punta e gli eventi pubblici.

Fig 2. Conteggio delle persone in una metropolitana tramite il rilevamento degli oggetti.

Salire a bordo e viaggiare sulla metro potenziata dall'IA#

Mentre i passeggeri salgono sul treno, l'IA può migliorare la loro esperienza di viaggio in vari modi. Vediamo alcune di queste applicazioni:

• Supporto all'accessibilità: Le tecniche di computer vision, come il rilevamento degli oggetti, possono identificare gli utenti su sedia a rotelle e indirizzarli verso la sezione più accessibile del treno. Il processo di chiusura delle porte può anche essere modificato per consentire a questi passeggeri di salire a bordo in sicurezza e con più tempo.
• Annunci e pubblicità personalizzati: L'IA può essere utilizzata per personalizzare gli annunci ai passeggeri e le pubblicità in base a chi si trova sul treno e all'orario.
• Controllo treno vuoto: All'ultima stazione della rete metropolitana, la computer vision può essere impiegata per eseguire un “controllo treno vuoto” per assicurarsi che nessun passeggero sia rimasto a bordo.
• Gestione bagagli abbandonati: Se un bagaglio viene abbandonato, la computer vision può rilevarlo e visualizzare gli oggetti sugli schermi della banchina. I passeggeri possono quindi recuperare facilmente i propri articoli.

Anche i treni della metropolitana possono essere alimentati dall'IA. I treni completamente autonomi possono operare in sicurezza senza membri dell'equipaggio umano. Questi treni alimentati dall'IA utilizzano algoritmi avanzati per il processo decisionale in tempo reale e sensori per rilevare gli ostacoli e operare in sicurezza. I treni metropolitani guidati dall'IA riducono i costi del personale, offrono maggiore flessibilità per trasportare più passeggeri con una migliore qualità del servizio, possono essere più costantemente in orario e ottimizzano l'accelerazione e la frenata per ridurre il consumo energetico. Ad esempio, il Honolulu Rail Transit Project è il primo sistema completamente autonomo negli Stati Uniti. Si prevede che il sistema ridurrà la congestione del traffico e le emissioni eliminando circa 40.000 viaggi in auto al giorno.

Fig 3. Una metropolitana senza conducente a Milano, Italia.

Utilizzare l'IA per monitorare i passeggeri che escono dalla stazione della metropolitana#

Monitorare quante persone escono attraverso le diverse stazioni è essenziale anche per gestire in modo efficiente il flusso della metropolitana. I modelli di IA, come Ultralytics YOLOv8, giocano un ruolo chiave in questo processo. YOLOv8 supporta anche il tracciamento degli oggetti e può essere utilizzato per identificare e seguire più oggetti in tempo reale, rendendolo perfetto per i sistemi metropolitani trafficati. Analizzando i flussi video delle telecamere posizionate in tutte le stazioni, YOLOv8 può contare i passeggeri in uscita, tracciare i loro movimenti e individuare modelli di congestione.

Oltre ai tornelli di uscita, l'IA può essere integrata in soluzioni di connettività dell'ultimo miglio. Stazioni di bike-sharing, servizi di ride-hailing e servizi navetta basati sull'IA possono facilitare la partenza dei passeggeri dalla stazione. Analizzando i dati in tempo reale, l'IA può prevedere la domanda e la disponibilità di questi servizi. Questa tecnologia può anche suggerire i percorsi e le modalità di trasporto migliori in base alle condizioni del traffico attuali e alle preferenze individuali. Di conseguenza, i passeggeri possono accedere rapidamente alle opzioni di trasporto più adatte all'uscita dalla stazione, riducendo i tempi di attesa e rendendo il loro viaggio più comodo.

L'IA dietro le quinte: Manutenzione dei binari della metropolitana#

Come passeggeri, spesso trascuriamo i processi complessi che avvengono dietro le quinte dei nostri viaggi in metropolitana. L'IA è fondamentale dietro le quinte, in particolare nell'ispezione e nella manutenzione dei binari. Sistemi come il Duos Technologies Railcar Inspection Portal (RIP) mostrano questo approccio basato sull'IA. Utilizzando algoritmi di IA, il RIP cattura e analizza immagini a 360 gradi di ogni vagone ferroviario in pochi secondi, anche a velocità superiori a 125 mph. Questi sistemi di IA basati su edge rilevano i problemi e avvisano il personale ferroviario dei problemi di manutenzione entro 60 secondi. Il monitoraggio costante consente di identificare e risolvere rapidamente i potenziali problemi.

La gestione e l'ottimizzazione dell'energia sono altre applicazioni dell'IA in una metropolitana che non sono comunemente note. Ad esempio, Metro de Madrid utilizza un sistema basato sull'IA per ridurre i costi energetici per la ventilazione del 25% e tagliare le emissioni di CO2 di 1.800 tonnellate all'anno. Gestendo 891 ventole di ventilazione che consumano fino a 80 gigawattora di energia all'anno, il sistema utilizza un algoritmo di ottimizzazione ispirato al comportamento di foraggiamento delle colonie di api. Questo algoritmo analizza enormi quantità di dati, considerando fattori come la temperatura dell'aria, l'architettura della stazione, la frequenza dei treni, il carico di passeggeri e i prezzi dell'elettricità. Utilizza sia dati storici che simulati per prevedere e raggiungere il miglior equilibrio per ogni stazione, migliorando nel tempo attraverso il machine learning.

Fig 4. Sistema di ventilazione basato sull'IA di Metro de Madrid.

Pro e contro dell'IA nel trasporto pubblico#

L'integrazione dell'IA nei sistemi metropolitani ha portato numerosi benefici. Ad esempio, migliora l'efficienza aiutando i sistemi metropolitani a rispettare gli orari, ridurre i ritardi e ottimizzare le operazioni per servizi più fluidi. Anche la sicurezza viene aumentata grazie al monitoraggio continuo, e la manutenzione predittiva aiuta a prevenire incidenti e malfunzionamenti.

Tuttavia, implementare l'IA nei sistemi metropolitani comporta delle sfide, come:

• Preoccupazioni sulla privacy dei dati: La raccolta e l'utilizzo dei dati dei passeggeri sollevano significative preoccupazioni sulla privacy che devono essere gestite con attenzione per proteggere i diritti alla privacy individuali.
• Integrazione con l'infrastruttura esistente: Integrare i sistemi di IA nell'infrastruttura metropolitana esistente può essere complesso e richiedere modifiche.
• Alti costi di implementazione: I costi iniziali per implementare la tecnologia di IA possono essere elevati, il che potrebbe rappresentare un ostacolo per alcuni sistemi metropolitani.
• Bisogno di professionisti qualificati: L'implementazione e la manutenzione con successo dei sistemi di IA richiedono professionisti altamente qualificati, e questa può essere una sfida in termini di risorse.

Nonostante queste sfide, i benefici rendono l'IA una forza trasformativa nei moderni sistemi di trasporto urbano come le metropolitane. Il potenziale per una maggiore efficienza, una sicurezza migliorata e un'esperienza del passeggero ottimizzata spiega perché la comunità dell'IA stia lavorando attivamente per superare questi ostacoli e realizzare appieno i vantaggi offerti dall'IA. Quindi, la prossima volta che prendi la metropolitana, tieni d'occhio le innovazioni dell'IA che fanno parte del tuo viaggio.

Il futuro dell'IA nei trasporti#

Dall'ingresso in stazione alla navigazione, al viaggio e all'uscita dalla metropolitana, l'IA sta trasformando l'intero percorso. Ottimizza le operazioni, migliora la sicurezza e offre un'esperienza fluida per i passeggeri. Migliorando la manutenzione dei binari e la gestione dell'energia, l'IA garantisce sistemi metropolitani efficienti ed economicamente vantaggiosi. Nonostante le sfide come i costi di implementazione e le preoccupazioni sulla privacy dei dati, i benefici dell'IA nei sistemi di trasporto urbano come le metropolitane sono innegabili. Mentre le città continuano a crescere, l'IA svolgerà un ruolo sempre più vitale nel rendere i viaggi in metropolitana più intelligenti, sicuri ed efficienti.

Rimani in contatto con la nostra community per continuare a imparare sull'IA! Dai un'occhiata al nostro repository GitHub per scoprire come possiamo usare l'IA per creare soluzioni innovative in vari settori come l'agricoltura e la produzione. 🚀