IA nei trasporti: ridefinire i sistemi metropolitani

Le metropolitane sono il cuore del trasporto pubblico di una città e ogni giorno trasportano milioni di passeggeri. Città come New York e Tokyo registrano rispettivamente oltre 3 e 6 milioni di passeggeri al giorno. Con la crescita delle città, rendere le reti metropolitane più efficienti, sicure e gradevoli per i passeggeri diventa fondamentale.

È qui che entra in gioco l’intelligenza artificiale (AI), che trasforma tutto, dall’acquisto dei biglietti alla manutenzione dei treni. In questo articolo faremo un viaggio attraverso una rete metropolitana, scoprendo come l’AI migliori ogni fase del percorso e quali tecnologie di AI nascoste permettano al sistema di funzionare senza intoppi.

L'AI nel trasporto pubblico parte dalla riscossione delle tariffe#

Di solito, un viaggio in metropolitana inizia facendo la fila, acquistando un biglietto e passando dai tornelli. L'AI rende questo processo più rapido e pratico per i passeggeri. Per esempio, nei sistemi di biglietteria della metropolitana si può usare la tecnologia di riconoscimento facciale. Nelle città più affollate, i passeggeri possono accedere ai servizi senza biglietti cartacei o tessere contactless. Il loro volto viene invece scansionato 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 nelle ore di punta.

Fig 1. Sistema di riconoscimento facciale nella metropolitana di Shenzhen, Cina.

Un’AI ben integrata semplifica gli spostamenti quotidiani e offre vantaggi a milioni di passeggeri ogni giorno. I sistemi di biglietteria basati sull’AI migliorano l’esperienza dei passeggeri e aumentano la sicurezza. Analizzando i dati facciali, il sistema verifica che entrino in stazione solo i passeggeri autorizzati. L’AI può verificare rapidamente le identità, bloccare gli accessi non autorizzati e individuare potenziali minacce. Può velocizzare l’ingresso, aumentare la sicurezza e ridurre l’evasione tariffaria.

Orientarsi tra le linee della metropolitana con l'aiuto dell'AI#

Dopo essere entrati in metropolitana, orientarsi nella stazione può essere difficile, soprattutto nelle ore di punta. I sistemi di navigazione basati sull’AI possono facilitare gli spostamenti nella rete metropolitana offrendo ai passeggeri indicazioni in tempo reale. Questi sistemi usano algoritmi di AI per analizzare i dati provenienti da fonti come GPS, sensori e telecamere, individuare i percorsi migliori e fornire indicazioni precise e aggiornate. I passeggeri possono usare app per dispositivi mobili, come Google Maps, per ricevere indicazioni passo passo all’interno della stazione e trovare rapidamente binari, uscite e servizi. La navigazione basata sull’AI può far risparmiare tempo e ridurre lo stress.

Oltre che per la navigazione, i dati delle telecamere e la visione artificiale in metropolitana possono essere usati per monitorare in tempo reale la densità della folla. Le telecamere installate in tutta la stazione possono contare i passeggeri in aree specifiche per individuare potenziali colli di bottiglia e punti di sovraffollamento. Queste informazioni aiutano le autorità dei trasporti ad adottare misure preventive, per esempio modificando la frequenza dei treni o inviando personale a gestire la folla. A Dubai, per esempio, l’AI è stata usata in via sperimentale per ridurre la congestione dal 40% al 60% e portare i tempi di attesa a 30 minuti nelle ore di punta e durante gli eventi pubblici.

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

Salire e viaggiare su una metropolitana dotata di AI#

Quando i passeggeri salgono sul treno, l’AI può migliorare la loro esperienza di viaggio in vari modi. Ecco alcune di queste applicazioni:

• Supporto all’accessibilità: le tecniche di visione artificiale, come il rilevamento degli oggetti, possono individuare le persone in sedia a rotelle e indirizzarle verso la sezione più accessibile del treno. È possibile modificare anche la procedura di chiusura delle porte, così da concedere a questi passeggeri più tempo per salire in sicurezza.
• Annunci e pubblicità personalizzati: l'AI può essere utilizzata per personalizzare gli annunci ai passeggeri e le pubblicità in base a chi si trova sul treno e all'orario.
• Controllo del treno vuoto: alla stazione terminale della rete metropolitana, la visione artificiale può essere usata per eseguire un «controllo del treno vuoto» e assicurarsi che non siano rimasti passeggeri a bordo.
• Gestione dei bagagli abbandonati: se viene abbandonato un bagaglio, la visione artificiale può rilevarlo e mostrare gli oggetti sugli schermi delle banchine. I passeggeri possono quindi recuperare facilmente i propri effetti personali.

Anche i treni della metropolitana possono essere basati sull’AI. I treni completamente autonomi possono circolare in sicurezza senza personale a bordo. Questi treni basati sull’AI utilizzano algoritmi avanzati per prendere decisioni in tempo reale e sensori per rilevare gli ostacoli e circolare in sicurezza. I treni metropolitani controllati dall’AI riducono i costi del personale, offrono maggiore flessibilità per trasportare più passeggeri con una migliore qualità del servizio, possono rispettare gli orari con maggiore costanza e ottimizzano accelerazione e frenata per ridurre il consumo energetico. Per esempio, il progetto Honolulu Rail Transit è il primo sistema completamente autonomo degli Stati Uniti. Si prevede che il sistema ridurrà la congestione del traffico e le emissioni, eliminando circa 40.000 spostamenti in auto al giorno.

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

Usare l'AI per monitorare i passeggeri in uscita dalla stazione della metropolitana#

Monitorare quante persone escono dalle diverse stazioni è essenziale anche per gestire in modo efficiente i flussi della metropolitana. I modelli di AI, come Ultralytics YOLOv8, svolgono un ruolo fondamentale in questo processo. YOLOv8 supporta anche il tracciamento degli oggetti e può essere usato per individuare e seguire più oggetti in tempo reale, risultando quindi particolarmente adatto alle affollate reti metropolitane. Analizzando i flussi video delle telecamere installate nelle stazioni, YOLOv8 può contare i passeggeri in uscita, seguirne gli spostamenti e individuare i modelli di congestione.

Oltre i tornelli di uscita della metropolitana, l'AI può essere integrata nelle soluzioni per il trasporto dell'ultimo miglio. Le stazioni di bike sharing basate sull'AI, i servizi di trasporto su richiesta e le navette possono facilitare l'uscita dei passeggeri dalla stazione. 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 i mezzi 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 viaggio più comodo.

L'AI dietro le quinte: manutenzione dei binari della metropolitana#

Come passeggeri, spesso non ci accorgiamo dei complessi processi che si svolgono dietro le quinte durante i nostri viaggi in metropolitana. L’AI è fondamentale, soprattutto per l’ispezione e la manutenzione dei binari. Sistemi come il portale Duos Technologies per l’ispezione dei vagoni ferroviari (RIP) mostrano questo approccio basato sull’AI. Grazie ad algoritmi di AI, il RIP acquisisce e analizza in pochi secondi immagini a 360 gradi di ogni vagone, anche a velocità superiori a 125 mph. Questi sistemi di AI edge rilevano i problemi e avvisano il personale ferroviario delle necessità di manutenzione entro 60 secondi. Il monitoraggio costante permette di individuare e affrontare rapidamente i potenziali problemi.

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

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

Pro e contro dell'AI nel trasporto pubblico#

L'integrazione dell'AI nelle reti metropolitane ha portato numerosi vantaggi. Per esempio, migliora l'efficienza aiutando le metropolitane a rispettare gli orari, ridurre i ritardi e ottimizzare le operazioni per offrire un servizio più fluido. Anche la sicurezza aumenta grazie al monitoraggio continuo, mentre la manutenzione predittiva aiuta a prevenire incidenti e guasti.

Tuttavia, l'implementazione dell'AI nelle reti metropolitane comporta alcune sfide, tra cui:

• Problemi di privacy dei dati: la raccolta e l’uso dei dati dei passeggeri sollevano importanti problemi di privacy, che devono essere gestiti con attenzione per tutelare i diritti alla privacy delle singole persone.
• Integrazione con l'infrastruttura esistente: integrare sistemi di AI nell'infrastruttura metropolitana esistente può essere complesso e richiedere modifiche.
• Costi di implementazione elevati: i costi iniziali per implementare la tecnologia AI possono essere alti e rappresentare un ostacolo per alcune reti metropolitane.
• Necessità di professionisti qualificati: per implementare e mantenere con successo i sistemi di AI servono professionisti altamente qualificati, il che può rappresentare una sfida in termini di risorse.

Nonostante queste sfide, i vantaggi rendono l'AI una forza trasformativa nei moderni sistemi di trasporto urbano, come le metropolitane. Il potenziale di aumentare l'efficienza, migliorare la sicurezza e offrire ai passeggeri esperienze migliori spiega perché la comunità AI stia lavorando attivamente per superare questi ostacoli e sfruttare appieno i vantaggi dell'AI. Quindi, la prossima volta che viaggi in metropolitana, fai attenzione alle innovazioni basate sull'AI che accompagnano il tuo tragitto.

Il futuro dell'AI nei trasporti#

Dall’ingresso in stazione all’orientamento, al viaggio e all’uscita dalla metropolitana, l’AI sta trasformando l’intero percorso. Ottimizza le operazioni, aumenta la sicurezza e rende più fluida l’esperienza dei passeggeri. Migliorando la manutenzione dei binari e la gestione dell’energia, l’AI contribuisce a mantenere le reti metropolitane efficienti e convenienti. Nonostante sfide come i costi di implementazione e i problemi di privacy dei dati, i vantaggi dell’AI nei sistemi di trasporto urbano come la metropolitana sono evidenti. Con la continua crescita delle città, l’AI avrà un ruolo sempre più importante nel rendere gli spostamenti in metropolitana più intelligenti, sicuri ed efficienti.

Resta in contatto con la nostra community per continuare a imparare sull’AI! Visita il nostro repository GitHub per scoprire come possiamo usare l’AI per creare soluzioni innovative in settori come l’agricoltura e la produzione.