L'IA nei trasporti: ridefinire i sistemi metropolitani

I sistemi metropolitani sono il cuore del trasporto pubblico cittadino e trasportano milioni di passeggeri ogni giorno. Città come New York e Tokyo contano rispettivamente oltre 3 e 6 milioni di utenti al giorno. Con la crescita delle città, rendere i sistemi metropolitani più efficienti, sicuri e confortevoli 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.

Link to this sectionL'IA nel trasporto pubblico inizia dalla tariffazione#

Di solito, un viaggio in metropolitana inizia con le file, l'acquisto del biglietto e il passaggio attraverso i tornelli. L'IA ottimizza attivamente questo processo, rendendolo più veloce e comodo per i passeggeri. Ad esempio, la tecnologia di riconoscimento facciale può essere utilizzata nei sistemi di biglietteria della metro. Nelle città più trafficate, i passeggeri possono accedere ai servizi senza bisogno di biglietti cartacei o tessere magnetiche. Al contrario, il loro volto viene scansionato ai punti di ingresso, consentendo un accesso fluido. 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 alla 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.

Link to this sectionNavigare tra le linee della metropolitana con l'aiuto dell'IA#

Una volta entrati nella metropolitana, orientarsi all'interno della stazione può essere confusionario, specialmente durante le ore di punta. I sistemi di navigazione basati sull'IA possono facilitare lo spostamento offrendo ai passeggeri una guida 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 precise e aggiornate. I passeggeri possono utilizzare app mobili, simili a Google Maps, per ricevere indicazioni dettagliate all'interno della stazione per localizzare rapidamente binari, uscite e servizi. La navigazione basata sull'IA può far risparmiare tempo e ridurre lo stress.

Oltre alla navigazione, i dati provenienti dalle telecamere e dalla computer vision in metropolitana possono essere usati per monitorare la densità della folla in tempo reale. Le telecamere dislocate 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 transito ad adottare misure proattive, come regolare la frequenza dei treni o inviare personale per gestire la folla. Di fatto, l'IA è stata utilizzata in via sperimentale a Dubai per ridurre la congestione dal 40% al 60% e ridurre i tempi di attesa a 30 minuti durante le ore di punta e gli eventi pubblici.

Fig 2. Conteggio delle persone in una metropolitana tramite object detection.

Link to this sectionSalire 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 l'object detection, possono identificare gli utenti su sedia a rotelle e indirizzarli verso la sezione del treno più accessibile. Il processo di chiusura delle porte può anche essere modificato per consentire a questi passeggeri ulteriore tempo per salire in sicurezza.
• 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.

I treni della metropolitana stessi possono essere alimentati dall'IA. Treni completamente autonomi possono operare in sicurezza senza personale umano a bordo. Questi treni basati sull'IA utilizzano algoritmi avanzati per il processo decisionale in tempo reale e sensori per rilevare ostacoli e operare in sicurezza. I treni metropolitani guidati dall'IA riducono i costi del personale, offrono una maggiore flessibilità per trasportare più passeggeri con una migliore qualità del servizio, possono essere più puntuali e ottimizzano l'accelerazione e la frenata per ridurre il consumo energetico. Ad esempio, il progetto Honolulu Rail Transit 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.

Link to this sectionUtilizzare l'IA per monitorare i passeggeri che escono dalla stazione della metropolitana#

Monitorare quante persone escono dalle diverse stazioni è essenziale per gestire il flusso della metropolitana in modo efficiente. I modelli di IA, come Ultralytics YOLOv8, svolgono un ruolo chiave in questo processo. YOLOv8 supporta anche l'object tracking e può essere utilizzato per identificare e seguire molteplici oggetti in tempo reale, rendendolo perfetto per sistemi metropolitani affollati. Analizzando i feed video dalle telecamere posizionate in tutta la stazione, YOLOv8 può contare i passeggeri in uscita, tracciare i loro movimenti e individuare schemi 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.

Link to this sectionL'IA dietro le quinte: Manutenzione dei binari della metropolitana#

Come passeggeri, spesso trascuriamo i processi complessi che avvengono dietro i nostri viaggi in metropolitana. L'IA è cruciale dietro le quinte, specialmente nell'ispezione e nella manutenzione dei binari. Sistemi come il Duos Technologies Railcar Inspection Portal (RIP) mostrano questo approccio guidato dall'IA. Utilizzando algoritmi di IA, il RIP acquisisce e analizza immagini a 360 gradi di ogni carrozza ferroviaria in pochi secondi, anche a velocità superiori a 200 km/h. Questi sistemi IA basati su edge rilevano problemi e avvisano il personale ferroviario di questioni di manutenzione entro 60 secondi. Il monitoraggio costante rende possibile identificare e affrontare tempestivamente i potenziali problemi.

La gestione dell'energia e l'ottimizzazione sono altre applicazioni dell'IA in metropolitana non comunemente note. Ad esempio, Metro de Madrid utilizza un sistema basato su IA per ridurre i costi energetici per la ventilazione del 25% e tagliare le emissioni di CO2 di 1.800 tonnellate all'anno. Facendo funzionare 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 temperatura dell'aria, architettura della stazione, frequenza dei treni, carico dei passeggeri e prezzi dell'elettricità. Utilizza dati sia storici che simulati per prevedere e raggiungere il miglior equilibrio per ogni stazione, migliorando nel tempo attraverso il machine learning.

Fig 4. Il sistema di ventilazione basato su IA di Metro de Madrid.

Link to this sectionPro 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 relative alla privacy dei dati: La raccolta e l'utilizzo dei dati dei passeggeri sollevano significative preoccupazioni per la privacy che devono essere gestite con attenzione per proteggere i diritti alla privacy individuale.
• 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 l'implementazione della tecnologia IA possono essere elevati, il che può rappresentare una barriera 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.

Link to this sectionIl 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.

Resta 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. 🚀