ИИ в транспорте: переосмысление систем метро

Системы метро — это сердце общественного транспорта города, перевозящие миллионы пассажиров каждый день. Такие города, как New York и Tokyo, ежедневно обслуживают более 3 и 6 миллионов пассажиров метро. По мере роста городов становится жизненно важным делать системы метро более эффективными, безопасными и удобными для пассажиров.

Именно здесь на помощь приходит искусственный интеллект (ИИ), трансформируя все: от покупки билетов до обслуживания поездов. В этой статье мы совершим поездку по системе метро, узнаем, как ИИ улучшает каждый этап путешествия, и познакомимся со скрытыми технологиями ИИ, которые обеспечивают бесперебойную работу.

ИИ в общественном транспорте начинается со сбора оплаты за проезд#

Обычно поездка в метро начинается с очереди, покупки билета и прохода через турникеты. ИИ активно оптимизирует этот процесс, делая его быстрее и удобнее для пассажиров. Например, технология распознавания лиц может использоваться в билетных системах метро. В оживленных городах пассажиры могут получать доступ к услугам без физических билетов или смарт-карт. Вместо этого их лица сканируются в точках входа, обеспечивая беспрепятственный проход. В 2019 году Beijing внедрил систему распознавания лиц для борьбы с переполненностью и сокращения длинных очередей в часы пик.

Fig 1. Система распознавания лиц в метро Шэньчжэня, Китай.

Бесшовная интеграция ИИ упрощает ежедневные поездки и приносит пользу миллионам пассажиров каждый день. Системы оплаты проезда на базе ИИ не только улучшают качество обслуживания пассажиров, но и повышают уровень безопасности. Анализируя данные о лицах, система гарантирует, что на станцию попадут только авторизованные пассажиры. ИИ может быстро проверять личность, пресекать несанкционированный доступ и выявлять потенциальные угрозы. Это позволяет ускорить процесс входа, повысить безопасность и снизить количество случаев неоплаты проезда.

Навигация по линиям метро с помощью ИИ#

После входа в подземку ориентироваться на станции может быть непросто, особенно в часы пик. Навигационные системы на базе ИИ могут упростить передвижение по метро, предлагая пассажирам подсказки в реальном времени. Эти системы используют алгоритмы ИИ для анализа данных из таких источников, как GPS, датчики и камеры, чтобы находить лучшие маршруты и предоставлять точные, актуальные указания. Пассажиры могут использовать мобильные приложения, похожие на Google Maps, чтобы получать пошаговые инструкции внутри станции для быстрого поиска платформ, выходов и удобств. Навигация на базе ИИ помогает сэкономить время и снизить уровень стресса.

Помимо навигации, данные с камер и computer vision в метро можно использовать для мониторинга плотности толпы в реальном времени. Камеры по всей станции могут подсчитывать пассажиров в определенных зонах для выявления потенциальных узких мест и переполненных участков. Эта аналитика помогает транспортным ведомствам принимать упреждающие меры, такие как корректировка частоты движения поездов или отправка сотрудников для управления толпой. Фактически, ИИ экспериментально использовался в Дубае для снижения заторов на 40-60% и сокращения времени ожидания до 30 минут в часы пик и во время массовых мероприятий.

Fig 2. Подсчет людей в метро с использованием обнаружения объектов.

Посадка и поездка в метро с поддержкой ИИ#

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

• Поддержка accessibility: Методы компьютерного зрения, такие как object detection, могут идентифицировать пользователей инвалидных колясок и направлять их к наиболее доступной части поезда. Процесс закрытия дверей также может быть изменен, чтобы дать таким пассажирам дополнительное время для безопасной посадки.
• Персонализированные объявления и реклама: ИИ можно использовать для настройки объявлений и рекламы для пассажиров в зависимости от того, кто находится в поезде и в какое время.
• Проверка на отсутствие пассажиров: на конечной станции метро компьютерное зрение можно использовать для «проверки состава», чтобы убедиться, что в вагонах не осталось пассажиров.
• Управление забытым багажом: если кто-то забыл багаж, компьютерное зрение может обнаружить его и вывести изображение предмета на экраны платформы. Пассажиры смогут легко забрать свои вещи.

Поезда метро также могут работать на базе ИИ. Полностью автономные поезда могут безопасно курсировать без членов экипажа. Эти поезда с поддержкой ИИ используют передовые алгоритмы для принятия решений в реальном времени и датчики для обнаружения препятствий и безопасной работы. Метропоезда с управлением от ИИ снижают затраты на персонал, предлагают большую гибкость для перевозки большего числа пассажиров с лучшим качеством обслуживания, могут более стабильно ходить по расписанию и оптимизируют разгон и торможение для снижения энергопотребления. Например, Honolulu Rail Transit Project — первая полностью автономная система в США. Ожидается, что эта система сократит транспортные заторы и выбросы за счет устранения около 40 000 поездок на автомобилях в день.

Fig 3. Беспилотное метро в Милане, Италия.

Использование ИИ для контроля пассажиров, выходящих из метро#

Мониторинг количества людей, выходящих через разные станции, также важен для эффективного управления потоками в метро. Модели ИИ, такие как Ultralytics YOLOv8, играют ключевую роль в этом процессе. YOLOv8 также поддерживает object tracking и может использоваться для идентификации и отслеживания нескольких объектов в реальном времени, что делает ее идеальной для загруженных систем метро. Анализируя видеопотоки с камер, размещенных по станциям, YOLOv8 может подсчитывать выходящих пассажиров, отслеживать их перемещения и выявлять паттерны образования заторов.

За пределами выходов из метро ИИ можно интегрировать в решения для транспорта «последней мили». Станции велопроката, сервисы заказа поездок и шаттлы с поддержкой ИИ могут облегчить пассажирам путь от станции. Анализируя данные в реальном времени, ИИ может прогнозировать спрос и доступность этих услуг. Эта технология также может предлагать лучшие маршруты и виды транспорта с учетом текущей дорожной ситуации и индивидуальных предпочтений. В результате пассажиры могут быстро находить наиболее подходящие варианты транспорта при выходе со станции, сокращая время ожидания и делая поездку более комфортной.

ИИ за кулисами: обслуживание путей метро#

Будучи пассажирами, мы часто упускаем из виду сложные процессы, происходящие за кулисами наших поездок в метро. ИИ играет важнейшую роль за кулисами, особенно в инспекции и обслуживании путей. Такие системы, как Duos Technologies Railcar Inspection Portal (RIP), демонстрируют этот подход на базе ИИ. Используя алгоритмы ИИ, RIP захватывает и анализирует 360-градусные изображения каждого вагонного состава за секунды, даже на скоростях более 125 миль/ч. Эти периферийные системы ИИ обнаруживают проблемы и предупреждают железнодорожный персонал о неполадках при обслуживании в течение 60 секунд. Постоянный мониторинг позволяет оперативно выявлять и устранять потенциальные проблемы.

Управление энергопотреблением и оптимизация — это другие не столь известные применения ИИ в метро. Например, Metro de Madrid использует систему на базе ИИ для снижения затрат на вентиляцию на 25% и сокращения выбросов CO2 на 1 800 тонн ежегодно. Эксплуатируя 891 вентилятор, потребляющий до 80 гигаватт-часов энергии в год, система использует алгоритм оптимизации, вдохновленный поведением пчелиных колоний при поиске пищи. Этот алгоритм анализирует огромные объемы данных, учитывая такие факторы, как температура воздуха, архитектура станций, частота поездов, пассажиропоток и цены на электроэнергию. Он использует как исторические, так и смоделированные данные для прогнозирования и достижения наилучшего баланса для каждой станции, со временем совершенствуясь благодаря machine learning.

Fig 4. Система вентиляции на базе ИИ в Metro de Madrid.

Плюсы и минусы ИИ в общественном транспорте#

Интеграция ИИ в системы метро принесла множество преимуществ. Например, она повышает эффективность, помогая метрополитену соблюдать расписание, сокращать задержки и оптимизировать операции для более плавного обслуживания. Безопасность также повышается за счет постоянного мониторинга, а предиктивное обслуживание помогает предотвращать аварии и неисправности.

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

• Проблемы конфиденциальности данных: Сбор и использование пассажирских данных вызывают серьезные опасения по поводу конфиденциальности, которыми необходимо тщательно управлять для защиты прав на частную жизнь.
• Интеграция с существующей инфраструктурой: внедрение ИИ-систем в действующую инфраструктуру метро может быть сложной задачей и требовать модификаций.
• Высокие затраты на внедрение: Первоначальные расходы на внедрение технологий ИИ могут быть высокими, что может стать препятствием для некоторых систем метро.
• Потребность в квалифицированных специалистах: успешная реализация и поддержка систем ИИ требует наличия высококвалифицированных профессионалов, что может стать вызовом с точки зрения ресурсов.

Несмотря на эти трудности, преимущества делают ИИ мощной трансформирующей силой в современных городских транспортных системах, таких как метро. Потенциал для повышения эффективности, безопасности и улучшения пассажирского опыта объясняет, почему сообщество ИИ активно работает над преодолением этих препятствий для полного использования возможностей ИИ. Так что в следующий раз, когда поедешь на метро, обрати внимание на ИИ-инновации, которые являются частью твоего пути.

Будущее ИИ в транспорте#

От входа на станцию до навигации, поездки и выхода из метро — ИИ преображает весь маршрут. Он оптимизирует операции, повышает безопасность и обеспечивает бесперебойный пассажирский опыт. Улучшая обслуживание путей и управление энергией, ИИ гарантирует эффективные и экономически выгодные системы метро. Несмотря на такие проблемы, как затраты на внедрение и конфиденциальность данных, преимущества ИИ в городских транспортных системах неоспоримы. По мере того как города продолжают расти, ИИ будет играть все более важную роль в том, чтобы сделать поездки в метро умнее, безопаснее и эффективнее.

Оставайся на связи с нашим сообществом, чтобы продолжать изучать ИИ! Загляни в наш репозиторий GitHub, чтобы узнать, как мы можем использовать ИИ для создания инновационных решений в различных отраслях, таких как сельское хозяйство и промышленность. 🚀