L'AI 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 utenti della metropolitana 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 (AI), trasformando tutto, dall'acquisto dei biglietti alla manutenzione dei treni. In questo articolo, faremo un giro in un sistema metropolitano, vedendo come l'IA migliora ogni fase del viaggio e le tecnologie AI nascoste che mantengono tutto in funzione senza intoppi. 

L'IA nel trasporto pubblico inizia dalla riscossione delle tariffe

Di solito, un viaggio in metropolitana inizia con la fila, l'acquisto di un biglietto e il passaggio attraverso i tornelli. L'AI 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 trafficate, i passeggeri possono accedere ai servizi senza biglietti fisici 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.

‍

Un'integrazione perfetta dell'AI semplifica gli spostamenti quotidiani e avvantaggia milioni di passeggeri ogni giorno. I sistemi di biglietteria basati sull'AI non solo migliorano l'esperienza dei passeggeri, ma aumentano anche la sicurezza. Analizzando i dati facciali, il sistema garantisce che solo i passeggeri autorizzati entrino nella stazione. L'AI 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.

Muoversi tra le linee della metropolitana con l'aiuto dell'AI

Dopo essere entrati nella metropolitana, orientarsi nella stazione può essere fonte di confusione, soprattutto durante le ore di punta. I sistemi di navigazione basati sull'AI possono rendere più facile spostarsi nella metropolitana offrendo ai passeggeri una guida in tempo reale. Questi sistemi utilizzano algoritmi di AI per analizzare i 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 piattaforme, uscite e servizi. La navigazione basata sull'AI può far risparmiare tempo e ridurre lo stress.

Oltre alla navigazione, i dati provenienti dalle telecamere e dalla 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 transito ad adottare misure proattive, come la regolazione della frequenza dei treni o l'invio di personale per gestire la folla. Infatti, l'AI è stata utilizzata sperimentalmente a Dubai per ridurre la congestione del 40% al 60% e ridurre i tempi di attesa a 30 minuti durante le ore di punta e gli eventi pubblici.

‍

Salire a bordo e viaggiare sulla metropolitana abilitata all'AI

Quando i passeggeri salgono a bordo del treno, l'AI può migliorare la loro esperienza di viaggio in vari modi. Analizziamo alcune di queste applicazioni:

• Supporto per l'accessibilità: Le tecniche di computer vision, come il rilevamento di 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 concedere a questi passeggeri più tempo per salire a bordo in sicurezza.
  ‍
• Annunci e pubblicità personalizzati: L'AI può essere utilizzata per personalizzare gli annunci e la pubblicità per i passeggeri in base a chi è presente sul treno e all'ora.
  ‍
• Verifica treno vuoto: All'ultima stazione della rete metropolitana, la computer vision può essere utilizzata per eseguire una “verifica treno vuoto” per assicurarsi che nessun passeggero sia rimasto a bordo.
  ‍
• Gestione dei bagagli abbandonati: Se un bagaglio viene abbandonato, la computer vision può rilevarlo e visualizzare gli oggetti sugli schermi della piattaforma. I passeggeri possono quindi recuperare facilmente i loro oggetti. 

Anche i treni della metropolitana stessi possono essere alimentati dall'AI. I treni completamente autonomi possono operare in sicurezza senza membri dell'equipaggio umano. Questi treni alimentati dall'AI utilizzano algoritmi avanzati per il processo decisionale in tempo reale e sensori per rilevare gli ostacoli e operare in sicurezza. I treni della metropolitana guidati dall'AI riducono i costi del personale, offrono una maggiore flessibilità per trasportare più passeggeri con una migliore qualità del servizio, possono essere più puntuali e ottimizzare l'accelerazione e la frenata per ridurre il consumo di energia. Ad esempio, l'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. 

‍

Utilizzo dell'AI per monitorare i passeggeri che escono dalla stazione della metropolitana

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

Oltre i tornelli della metropolitana, l'AI può essere integrata nelle soluzioni di connettività dell'ultimo miglio. Le stazioni di bike-sharing, i servizi di ride-hailing e i servizi navetta basati sull'AI possono rendere più facile l'uscita dalla stazione per i passeggeri. Analizzando i dati in tempo reale, l'AI 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 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'AI dietro le quinte: manutenzione dei binari della metropolitana

Come passeggeri, spesso trascuriamo i complessi processi che avvengono dietro i nostri viaggi in metropolitana. L'AI è fondamentale dietro le quinte, soprattutto nell'ispezione e nella manutenzione dei binari. Sistemi come il Railcar Inspection Portal (RIP) di Duos Technologies ne sono un esempio di questo approccio guidato dall'AI. Utilizzando algoritmi di AI, il RIP acquisisce e analizza immagini a 360 gradi di ogni vagone in pochi secondi, anche a velocità superiori a 200 km/h. Questi sistemi di AI basati sull'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'AI in una metropolitana che non sono comunemente note. Ad esempio, Metro de Madrid utilizza un sistema basato sull'AI per ridurre i costi energetici per la ventilazione del 25% e ridurre le emissioni di CO2 di 1.800 tonnellate all'anno. Gestendo 891 ventilatori che consumano fino a 80 gigawattora di energia all'anno, il sistema utilizza un algoritmo di ottimizzazione ispirato al comportamento di ricerca del cibo delle colonie di api. Questo algoritmo analizza grandi quantità di dati, considerando fattori come la temperatura dell'aria, l'architettura della stazione, la frequenza dei treni, il carico dei passeggeri e i prezzi dell'elettricità. Utilizza dati storici e simulati per prevedere e raggiungere il miglior equilibrio per ogni stazione, migliorando nel tempo attraverso il machine learning.

‍

Pro e contro dell'AI nel trasporto pubblico

L'integrazione dell'AI nei sistemi metropolitani ha portato numerosi vantaggi. Ad esempio, migliora l'efficienza aiutando i sistemi metropolitani a rispettare gli orari, a ridurre i ritardi e a ottimizzare le operazioni per servizi più fluidi. La sicurezza è inoltre aumentata attraverso il monitoraggio continuo e la manutenzione predittiva aiuta a prevenire incidenti e malfunzionamenti.

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

• Problemi di privacy dei dati: La raccolta e l'utilizzo dei dati dei passeggeri sollevano notevoli preoccupazioni sulla privacy che devono essere gestite con attenzione per proteggere i diritti alla privacy individuali.
  ‍
• Integrazione con l'infrastruttura esistente: L'integrazione dei sistemi di IA nell'infrastruttura metropolitana esistente può essere complessa e richiedere modifiche.
  ‍
• Elevati costi di implementazione: I costi iniziali di implementazione della tecnologia IA possono essere elevati, il che può rappresentare una barriera per alcuni sistemi metropolitani.
  ‍
• Necessità di professionisti qualificati: L'implementazione e la manutenzione di sistemi di IA richiedono professionisti altamente qualificati e questo può rappresentare una sfida in termini di risorse.

Nonostante queste sfide, i vantaggi rendono l'IA una forza trasformativa nei moderni sistemi di trasporto urbano come le metropolitane. Il potenziale per una maggiore efficienza, una maggiore sicurezza e una migliore esperienza dei passeggeri spiega perché la comunità dell'IA sta lavorando attivamente per superare questi ostacoli per realizzare appieno i vantaggi offerti dall'IA. Quindi, la prossima volta che prendete la metropolitana, tenete d'occhio le innovazioni dell'IA che fanno parte del vostro viaggio.

Il futuro dell'IA nei trasporti

Dall'ingresso in stazione alla navigazione, alla corsa e all'uscita dalla metropolitana, l'IA sta trasformando l'intero viaggio. Ottimizza le operazioni, migliora la sicurezza e offre un'esperienza passeggeri senza interruzioni. Migliorando la manutenzione dei binari e la gestione dell'energia, l'IA garantisce sistemi metropolitani efficienti ed economici. Nonostante le sfide come i costi di implementazione e i problemi di privacy dei dati, i vantaggi dell'IA nei sistemi di trasporto urbano come le metropolitane sono innegabili. Man mano che 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 connesso con la nostra community per continuare a imparare sull'IA! Dai un'occhiata al nostro repository GitHub per scoprire come possiamo utilizzare l'IA per creare soluzioni innovative in vari settori come l'agricoltura e la produzione. 🚀