ИИ в транспорте: переосмысление систем метро

Системы метро — это сердце городского общественного транспорта, перевозящее миллионы пассажиров каждый день. Города, такие как Нью-Йорк и Токио, ежедневно обслуживают более 3 и 6 миллионов пассажиров метро соответственно. 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.

Link to this sectionИИ 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, в системах оплаты проезда в метро можно использовать технологию распознавания лиц. В оживленных городах пассажиры могут пользоваться услугами без физических билетов или смарт-карт. Вместо этого их лица сканируются при входе, что обеспечивает беспрепятственный доступ. В 2019 году Пекин внедрил систему распознавания лиц для борьбы с переполненностью и сокращения длинных очередей в часы пик.

Рис. 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.

Link to this sectionНавигация по линиям метро с помощью ИИ#

После входа в метро ориентироваться на станции может быть непросто, особенно в часы пик. Навигационные системы на базе ИИ могут упростить передвижение по метро, предлагая пассажирам навигацию в реальном времени. Эти системы используют алгоритмы ИИ для анализа данных из таких источников, как GPS, датчики и камеры, чтобы находить оптимальные маршруты и предоставлять точные, актуальные указания. Пассажиры могут использовать мобильные приложения, аналогичные Google Maps, для получения пошаговых инструкций внутри станции, чтобы быстро находить платформы, выходы и необходимые удобства. ИИ-навигация помогает сэкономить время и снизить стресс.

Помимо навигации, данные с камер и компьютерное зрение в метро можно использовать для мониторинга плотности толпы в реальном времени. Камеры по всей станции могут подсчитывать количество пассажиров в определенных зонах, чтобы выявлять потенциальные «узкие места» и места скопления людей. Эта информация помогает транспортным службам принимать упреждающие меры, например, регулировать частоту движения поездов или направлять персонал для управления потоками людей. В Дубае ИИ уже экспериментально используется для сокращения заторов на 40–60% и уменьшения времени ожидания до 30 минут в часы пик и во время массовых мероприятий.

Рис. 2. Подсчет людей в метро с помощью детекции объектов.

Link to this sectionПосадка 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 доступности: методы компьютерного зрения, такие как детекция объектов, позволяют распознавать пользователей на инвалидных колясках и направлять их в наиболее доступную часть 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.

Сами поезда метро также могут работать на базе ИИ. Полностью автономные поезда могут безопасно передвигаться без машинистов. Эти поезда с ИИ используют передовые алгоритмы для принятия решений в реальном времени, а также датчики для обнаружения препятствий и безопасной эксплуатации. Поезда метро под управлением ИИ сокращают расходы на персонал, обеспечивают гибкость для перевозки большего числа пассажиров с улучшенным качеством обслуживания, могут более стабильно придерживаться расписания, а также оптимизируют ускорение и торможение для снижения энергопотребления. Например, Honolulu Rail Transit Project — первая полностью автономная система в США. Ожидается, что эта система снизит пробки и выбросы за счет устранения около 40 000 поездок на автомобилях в день.

Рис. 3. Беспилотное метро в Милане, Италия.

Link to this sectionИспользование ИИ для контроля пассажиров, выходящих из метро#

Мониторинг количества людей, выходящих на разных станциях, также важен для эффективного управления потоками в метро. Модели ИИ, такие как Ultralytics YOLOv8, играют ключевую роль в этом процессе. YOLOv8 также поддерживает трекинг объектов и может использоваться для идентификации и отслеживания нескольких объектов в реальном времени, что идеально подходит для оживленных систем метро. Анализируя видеопотоки с камер, расположенных на станциях, YOLOv8 может подсчитывать выходящих пассажиров, отслеживать их перемещения и выявлять схемы 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.

Link to this sectionИИ за кулисами: обслуживание путей метро#

Как пассажиры, мы часто не замечаем сложных процессов, происходящих во время наших поездок. ИИ крайне важен за кулисами, особенно в осмотре и техническом обслуживании путей. Системы, такие как Duos Technologies Railcar Inspection Portal (RIP), демонстрируют этот подход на основе ИИ. Используя алгоритмы ИИ, RIP захватывает и анализирует 360-градусные изображения каждого вагона поезда за считанные секунды, даже на скорости более 125 миль в час. Эти периферийные ИИ-системы обнаруживают проблемы и предупреждают персонал железной дороги о необходимости обслуживания в течение 60 секунд. Постоянный мониторинг позволяет оперативно выявлять и устранять потенциальные неисправности.

Энергоменеджмент и оптимизация — другие области применения ИИ в метро, которые не столь известны. Например, Metro de Madrid использует систему на основе ИИ для сокращения энергозатрат на вентиляцию на 25% и снижения выбросов CO2 на 1800 тонн в год. Управляя 891 вентилятором, потребляющими до 89 гигаватт-часов энергии в год, система использует алгоритм оптимизации, вдохновленный поведением пчелиных роев при поиске пищи. Этот алгоритм анализирует огромные объемы данных, учитывая такие факторы, как температура воздуха, архитектура станции, частота движения поездов, пассажиропоток и цены на электроэнергию. Он использует как исторические, так и симулированные данные для прогнозирования и достижения наилучшего баланса для каждой станции, совершенствуясь с течением времени с помощью машинного обучения.

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

Link to this sectionПлюсы 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 данных пассажиров порождают серьезные вопросы конфиденциальности, которые необходимо тщательно прорабатывать для защиты прав граждан 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 барьером 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.

Link to this sectionБудущее 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 на GitHub, чтобы узнать, как мы используем ИИ для создания инновационных решений в различных отраслях, таких как сельское хозяйство и производство. 🚀