Узнайте, как ИИ используется для улучшения поездок пассажиров метро от входа до выхода за счет повышения эффективности и безопасности в городских транспортных системах.
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.
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.
После входа в метро ориентироваться на станции может быть сложно, особенно в часы пик. Системы навигации на основе искусственного интеллекта могут облегчить передвижение по метро, предлагая пассажирам руководство в режиме реального времени. Эти системы используют алгоритмы ИИ для анализа данных из таких источников, как GPS, датчики и камеры, чтобы находить лучшие маршруты и предоставлять точные и актуальные указания. Пассажиры могут использовать мобильные приложения, аналогичные Google Maps, чтобы получать пошаговые инструкции внутри станции и быстро находить платформы, выходы и удобства. Навигация на основе ИИ может сэкономить время и снизить уровень стресса.
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.
Когда пассажиры садятся в поезд, ИИ может улучшить их впечатления от поездки различными способами. Рассмотрим некоторые из этих применений:
Сами поезда метро также могут быть оснащены искусственным интеллектом. Полностью автономные поезда могут безопасно работать без экипажа. В этих поездах с искусственным интеллектом используются передовые алгоритмы для принятия решений в режиме реального времени и датчики для обнаружения препятствий и безопасной работы. Поезда метро с искусственным интеллектом сокращают расходы на персонал, обеспечивают большую гибкость для перевозки большего количества пассажиров с более высоким качеством обслуживания, могут быть более пунктуальными, а также оптимизируют ускорение и торможение для снижения энергопотребления. Например, Проект Honolulu Rail Transit — первая полностью автономная система в США. Ожидается, что система снизит загруженность дорог и выбросы за счет сокращения примерно 40 000 автомобильных поездок в день.
Мониторинг количества людей, выходящих через разные станции, также необходим для эффективного управления потоком пассажиров в метро. Модели ИИ, такие как Ultralytics YOLOv8, играют ключевую роль в этом процессе. YOLOv8 также поддерживает отслеживание объектов и может использоваться для идентификации и отслеживания нескольких объектов в режиме реального 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 закономерности скопления людей.
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.
Как пассажиры, мы часто не замечаем сложные процессы, происходящие за кулисами наших поездок в метро. ИИ играет решающую роль за кадром, особенно в инспекции и обслуживании путей. Такие системы, как портал инспекции вагонов Duos Technologies (RIP), демонстрируют этот подход, основанный на ИИ. Используя алгоритмы ИИ, RIP захватывает и анализирует 360-градусные изображения каждого вагона за секунды, даже на скорости более 200 км/ч. Эти периферийные системы ИИ обнаруживают проблемы и предупреждают железнодорожный персонал о проблемах с техническим обслуживанием в течение 60 секунд. Постоянный мониторинг позволяет быстро выявлять и решать 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.
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:
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.
От входа на станцию до навигации, поездки и выхода из метро, ИИ преобразует всю поездку. Он оптимизирует операции, повышает безопасность и обеспечивает удобство для пассажиров. Благодаря улучшению обслуживания путей и управления энергопотреблением, ИИ гарантирует эффективные и экономичные системы метро. Несмотря на такие проблемы, как затраты на внедрение и проблемы конфиденциальности данных, преимущества ИИ в городских транспортных системах, таких как метро, неоспоримы. Поскольку города продолжают расти, ИИ будет играть все более важную роль в том, чтобы сделать поездки в метро более умными, безопасными и эффективными.
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. 🚀
.webp)