ИИ в транспорте: преобразование систем метро

Системы метрополитена — это сердце общественного транспорта города, ежедневно перевозящие миллионы пассажиров. Такие города, как Нью-Йорк и Токио, ежедневно принимают более 3 и 6 миллионов пассажиров метро соответственно. По мере роста городов становится жизненно важным сделать системы метро более эффективными, безопасными и приятными для пассажиров. 

Именно здесь на помощь приходит искусственный интеллект (AI), преобразуя все, от покупки билетов до обслуживания поездов. В этой статье мы совершим поездку по системе метро, чтобы увидеть, как AI улучшает каждый этап путешествия, и скрытые AI-технологии, которые обеспечивают бесперебойную работу всего. 

Применение ИИ в общественном транспорте начинается со сбора платы за проезд

Обычно поездка в метро начинается с того, что нужно постоять в очереди, купить билет и пройти через турникеты. ИИ активно оптимизирует этот процесс, делая его быстрее и удобнее для пассажиров. Например, технология распознавания лиц может использоваться в системах продажи билетов в метро. В оживленных городах пассажиры могут получать доступ к услугам без физических билетов или смарт-карт. Вместо этого их лица сканируются на входах, обеспечивая беспрепятственный доступ. В 2019 году Пекин внедрил систему распознавания лиц для борьбы с переполненностью и сокращения длинных очередей в часы пик.

‍

Полная интеграция ИИ облегчает ежедневные поездки на работу и приносит пользу миллионам пассажиров каждый день. Системы продажи билетов на основе ИИ не только улучшают качество обслуживания пассажиров, но и повышают безопасность. Анализируя данные о лицах, система гарантирует, что на станцию ​​войдут только авторизованные пассажиры. ИИ может быстро проверять личности, пресекать несанкционированный доступ и выявлять потенциальные угрозы. Это может ускорить процесс входа, повысить безопасность и сократить количество случаев уклонения от оплаты проезда.

Навигация по линиям метро с помощью ИИ

Войдя в метро, можно запутаться, особенно в часы пик. Навигационные системы на основе искусственного интеллекта могут облегчить передвижение по метро, предлагая пассажирам рекомендации в режиме реального времени. Эти системы используют алгоритмы искусственного интеллекта для анализа данных из таких источников, как GPS, датчики и камеры, чтобы найти оптимальные маршруты и предоставить точные и актуальные указания. Пассажиры могут использовать мобильные приложения, подобные Google Maps, для получения пошаговых инструкций в пределах станции, чтобы быстро найти платформы, выходы и удобства. Навигация на основе искусственного интеллекта позволяет сэкономить время и снизить стресс.

Помимо навигации, данные с камер и компьютерное зрение в метро можно использовать для мониторинга плотности толпы в режиме реального времени. Камеры по всей станции могут подсчитывать пассажиров в определенных зонах, чтобы выявлять потенциальные узкие места и переполненные участки. Эти данные помогают транспортным властям принимать превентивные меры, такие как корректировка частоты движения поездов или отправка персонала для управления толпой. Фактически, в Дубае ИИ экспериментально использовался для снижения загруженности на 40–60 % и сокращения времени ожидания до 30 минут в часы пик и во время общественных мероприятий.

‍

Посадка и поездка в метро с поддержкой AI

Когда пассажиры садятся в поезд, ИИ может улучшить их впечатления от поездки различными способами. Рассмотрим некоторые из этих применений:

• Поддержка специальных возможностей: Методы компьютерного зрения, такие как object detection, могут идентифицировать пользователей инвалидных колясок и направлять их в наиболее доступную часть поезда. Процесс закрытия дверей также может быть изменен, чтобы предоставить этим пассажирам дополнительное время для безопасной посадки.
  ‍
• Персонализированные объявления и реклама: ИИ можно использовать для персонализации объявлений и рекламы для пассажиров в зависимости от того, кто находится в поезде и в какое время.
  ‍
• Проверка на пустой поезд: На последней станции сети метро компьютерное зрение можно использовать для выполнения «проверки на пустой поезд», чтобы убедиться, что на борту не осталось пассажиров.
  ‍
• Управление брошенным багажом: Если багаж оставлен, компьютерное зрение может detect это и отобразить предметы на экранах платформы. Пассажиры могут легко забрать свои вещи. 

Сами поезда метро также могут быть оснащены искусственным интеллектом. Полностью автономные поезда могут безопасно работать без людей. Эти поезда с искусственным интеллектом используют передовые алгоритмы для принятия решений в режиме реального времени и датчики для detect препятствий и безопасного движения. Поезда метро, управляемые искусственным интеллектом, сокращают расходы на персонал, обеспечивают большую гибкость, позволяя перевозить больше пассажиров с более высоким качеством обслуживания, могут более стабильно приходить вовремя, а также оптимизируют разгон и торможение для снижения энергопотребления. Например, проект Honolulu Rail Transit - это первая полностью автономная система в США. Ожидается, что эта система позволит сократить количество пробок и выбросов в атмосферу, устранив около 40 000 автомобильных поездок в день. 

‍

Использование ИИ для мониторинга пассажиров, выходящих из станции метро

Мониторинг количества людей, выходящих через разные станции, также важен для эффективного управления потоками в метро. Модели искусственного интеллекта, такие как Ultralytics YOLOv8играют ключевую роль в этом процессе. YOLOv8 также поддерживает функцию отслеживания объектов и может использоваться для идентификации и слежения за несколькими объектами в режиме реального времени, что делает ее идеальной для загруженных систем метро. Анализируя видеозаписи с камер, расположенных на станциях, YOLOv8 может подсчитывать количество выходящих пассажиров, track их перемещения и выявлять закономерности заторов.

Помимо выходных ворот метро, ИИ может быть интегрирован в решения для связи «последней мили». Станции проката велосипедов с поддержкой ИИ, сервисы заказа поездок и маршрутные такси могут облегчить пассажирам выход со станции. Анализируя данные в режиме реального времени, ИИ может прогнозировать спрос и время доступности этих сервисов. Эта технология также может предлагать лучшие маршруты и виды транспорта на основе текущих условий дорожного движения и индивидуальных предпочтений. В результате пассажиры могут быстро получить доступ к наиболее подходящим вариантам транспорта при выходе со станции, сокращая время ожидания и делая их поездку более удобной.

ИИ за кулисами: обслуживание путей метро

Будучи пассажирами, мы часто не замечаем сложных процессов, происходящих за нашими поездками в метро. ИИ играет решающую роль за кулисами, особенно при осмотре и обслуживании track . Системы, подобные порталу Duos Technologies Railcar Inspection Portal (RIP), демонстрируют этот подход, основанный на искусственном интеллекте. Используя алгоритмы искусственного интеллекта, RIP за считанные секунды захватывает и анализирует 360-градусные изображения каждого вагона поезда, даже на скорости свыше 125 миль в час. Эти системы искусственного интеллекта на основе краевых технологий detect проблемы и предупреждают железнодорожный персонал о необходимости технического обслуживания в течение 60 секунд. Постоянный мониторинг позволяет оперативно выявлять и устранять потенциальные проблемы.

Управление энергопотреблением и оптимизация — еще одни малоизвестные примеры применения ИИ в метрополитене. Например, Metro de Madrid использует систему на основе ИИ для снижения затрат на электроэнергию для вентиляции на 25% и сокращения выбросов CO2 на 1800 тонн в год. Система, управляющая 891 вентилятором, потребляющим до 80 гигаватт-часов энергии в год, использует алгоритм оптимизации, вдохновленный поведением пчелиных колоний при сборе пищи. Этот алгоритм анализирует огромные объемы данных, учитывая такие факторы, как температура воздуха, архитектура станции, частота движения поездов, загруженность пассажирами и цены на электроэнергию. Он использует как исторические, так и смоделированные данные для прогнозирования и достижения наилучшего баланса для каждой станции, со временем улучшаясь за счет машинного обучения.

‍

Плюсы и минусы ИИ в общественном транспорте

Интеграция ИИ в системы метрополитена принесла множество преимуществ. Например, это повышает эффективность, помогая системам метрополитена придерживаться графиков, сокращать задержки и оптимизировать работу для обеспечения более плавного обслуживания. Безопасность также повышается за счет непрерывного мониторинга, а профилактическое обслуживание помогает предотвратить аварии и неисправности.

Однако, внедрение ИИ в системы метрополитена сопряжено с такими проблемами, как:

• Проблемы конфиденциальности данных: Сбор и использование данных о пассажирах вызывает серьезные опасения по поводу конфиденциальности, которые необходимо тщательно контролировать для защиты прав на неприкосновенность частной жизни.
  ‍
• Интеграция с существующей инфраструктурой: Интеграция систем ИИ в существующую инфраструктуру метро может быть сложной и потребовать модификаций.
  ‍
• Высокие затраты на внедрение: Первоначальные затраты на внедрение технологии ИИ могут быть высокими, что может стать препятствием для некоторых систем метро.
  ‍
• Потребность в квалифицированных специалистах: Успешное внедрение и обслуживание систем искусственного интеллекта требует высококвалифицированных специалистов, и это может быть проблемой с ресурсами.

Несмотря на эти проблемы, преимущества делают ИИ преобразующей силой в современных городских транспортных системах, таких как метро. Потенциал повышения эффективности, повышения безопасности и улучшения впечатлений пассажиров объясняет, почему сообщество ИИ активно работает над преодолением этих препятствий, чтобы в полной мере реализовать преимущества, которые предлагает ИИ. Итак, в следующий раз, когда вы поедете в метро, обратите внимание на инновации ИИ, которые являются частью вашего путешествия.

Будущее ИИ в транспорте

Начиная с входа на станцию и заканчивая навигацией, поездкой и выходом из метро, ИИ преобразует всю поездку. Он оптимизирует работу, повышает безопасность и обеспечивает бесперебойную работу с пассажирами. Улучшая обслуживание track и управление энергопотреблением, ИИ гарантирует эффективность и экономичность систем метро. Несмотря на такие сложности, как затраты на внедрение и проблемы с конфиденциальностью данных, преимущества ИИ в городских транспортных системах, таких как метрополитен, неоспоримы. По мере роста городов ИИ будет играть все более важную роль в обеспечении более разумного, безопасного и эффективного движения в метро.

Оставайтесь на связи с нашим сообществом, чтобы продолжать узнавать об ИИ! Посетите наш репозиторий GitHub, чтобы узнать, как мы можем использовать ИИ для создания инновационных решений в различных отраслях, таких как сельское хозяйство и производство. 🚀