Ulaşımda yapay zeka: Metro sistemlerini yeniden tanımlama

Metro sistemleri bir şehrin toplu taşımasının kalbidir ve her gün milyonlarca yolcu taşır. New York ve Tokyo gibi şehirlerde her gün 3 milyondan ve 6 milyondan fazla metro yolcusu bulunur. Şehirler büyüdükçe metro sistemlerini yolcular için daha verimli, güvenli ve konforlu hâle getirmek hayati önem kazanır.

İşte burada Yapay Zekâ (AI) devreye girerek bilet satın almaktan trenlerin bakımına kadar her şeyi dönüştürür. Bu makalede bir metro sisteminde yolculuğa çıkacak ve AI'ın yolculuğun her adımını nasıl iyileştirdiğini, ayrıca her şeyin sorunsuz çalışmasını sağlayan görünmez AI teknolojilerini inceleyeceğiz.

Toplu taşımada AI, ücret tahsilatıyla başlar#

Metro yolculuğu genellikle sırada beklemek, bilet almak ve turnikelerden geçmekle başlar. AI bunu etkin bir şekilde kolaylaştırarak yolcular için süreci daha hızlı ve kullanışlı hâle getirir. Örneğin metro bilet sistemlerinde yüz tanıma teknolojisi kullanılabilir. Yoğun şehirlerde yolcular fiziksel bilet veya akıllı kart olmadan hizmetlere erişebilir. Bunun yerine giriş noktalarında yüzleri taranarak sorunsuz erişim sağlanır. 2019'da Beijing, yoğunluğu yönetmek ve yoğun saatlerdeki uzun kuyrukları azaltmak için bir yüz tanıma sistemi kullanıma sundu.

Şekil 1. Çin, Shenzhen Metrosu'nda yüz tanıma sistemi.

AI'ın kesintisiz entegrasyonu günlük ulaşımı kolaylaştırır ve her gün milyonlarca yolcuya fayda sağlar. AI destekli bilet sistemleri yalnızca yolcu deneyimini iyileştirmekle kalmaz, güvenliği de artırır. Sistem, yüz verilerini analiz ederek istasyona yalnızca yetkili yolcuların girmesini sağlar. AI kimlikleri hızla doğrulayabilir, yetkisiz erişimi durdurabilir ve olası tehditleri tespit edebilir. Giriş sürecini hızlandırabilir, güvenliği artırabilir ve ücret kaçaklarını azaltabilir.

AI yardımıyla metro hatlarında yolunu bulmak#

Metroya girdikten sonra istasyonda yolunu bulmak, özellikle yoğun saatlerde kafa karıştırıcı olabilir. AI tabanlı navigasyon sistemleri yolculara gerçek zamanlı rehberlik sunarak metro içinde hareket etmeyi kolaylaştırabilir. Bu sistemler en iyi rotaları bulmak ve doğru, güncel yönlendirmeler sağlamak için GPS, sensörler ve kameralar gibi kaynaklardan gelen verileri analiz eden AI algoritmalarını kullanır. Yolcular, Google Maps'e benzer mobil uygulamalarla istasyon içinde adım adım yol tarifi alarak peronları, çıkışları ve olanakları hızla bulabilir. AI tabanlı navigasyon zamandan tasarruf sağlayabilir ve stresi azaltabilir.

Navigasyonun yanı sıra metroda bulunan kamera verileri ve bilgisayarlı görü, kalabalık yoğunluğunu gerçek zamanlı izlemek için kullanılabilir. İstasyonun çeşitli noktalarındaki kameralar, olası darboğazları ve aşırı kalabalık alanları tespit etmek üzere belirli bölgelerdeki yolcuları sayabilir. Bu içgörüler, ulaşım yetkililerinin tren sefer sıklığını ayarlamak veya kalabalığı yönetmeleri için personel göndermek gibi proaktif önlemler almasına yardımcı olur. Nitekim AI, Dubai'de deneysel olarak yoğunluğu %40 ila %60 oranında azaltmak ve yoğun saatlerde ve halka açık etkinliklerde bekleme sürelerini 30 dakikaya indirmek için kullanılmıştır.

Şekil 2. Nesne Algılama Kullanarak Metroda İnsanları Sayma.

AI özellikli metroya binmek ve yolculuk yapmak#

Yolcular trene binerken AI, seyahat deneyimlerini çeşitli şekillerde iyileştirebilir. Bu uygulamalardan bazılarını inceleyelim:

• Erişilebilirlik desteği: Nesne algılama gibi bilgisayarlı görü teknikleri, tekerlekli sandalye kullanıcılarını tespit ederek onları trenin erişilebilirliği en yüksek bölümüne yönlendirebilir. Kapıların kapanma süreci de bu yolcuların güvenli bir şekilde binmesi için ek süre tanıyacak şekilde değiştirilebilir.
• Kişiselleştirilmiş anonslar ve reklamlar: AI, yolcuların kim olduğuna ve saate göre yolcu anonslarını ve reklamları kişiselleştirmek için kullanılabilir.
• Boş tren kontrolü: Metro ağının son istasyonunda, trende hiçbir yolcunun kalmadığından emin olmak için bilgisayarlı görü kullanılarak “boş tren kontrolü” gerçekleştirilebilir.
• Terk edilmiş bagaj yönetimi: Herhangi bir bagaj terk edilirse bilgisayarlı görü bunu tespit edebilir ve eşyayı peron ekranlarında görüntüleyebilir. Yolcular daha sonra eşyalarını kolayca alabilir.

Metro trenlerinin kendileri de AI destekli olabilir. Tamamen otonom trenler, insan mürettebat olmadan güvenli bir şekilde çalışabilir. Bu AI destekli trenler gerçek zamanlı karar verme için gelişmiş algoritmalar, engelleri tespit etmek ve güvenli şekilde çalışmak için sensörler kullanır. AI destekli metro trenleri personel maliyetlerini azaltır, daha iyi hizmet kalitesiyle daha fazla yolcu taşıma konusunda daha fazla esneklik sunar, daha istikrarlı şekilde zamanında çalışabilir ve güç tüketimini azaltmak için hızlanma ile frenlemeyi optimize eder. Örneğin Honolulu Rail Transit Project, ABD'deki ilk tamamen otonom sistemdir. Sistemin her gün yaklaşık 40.000 araç yolculuğunu ortadan kaldırarak trafik sıkışıklığını ve emisyonları azaltması beklenmektedir.

Şekil 3. İtalya, Milano'da sürücüsüz metro.

Metro istasyonundan çıkan yolcuları izlemek için AI kullanımı#

Farklı istasyonlardan kaç kişinin çıktığını izlemek, metro akışını verimli bir şekilde yönetmek için de önemlidir. Ultralytics YOLOv8 gibi AI modelleri bu süreçte önemli bir rol oynar. YOLOv8 ayrıca nesne takibini destekler ve birden fazla nesneyi gerçek zamanlı olarak tanımlayıp takip etmek için kullanılabilir; bu da onu yoğun metro sistemleri için ideal hâle getirir. İstasyonların tamamına yerleştirilen kameralardan gelen video akışlarını analiz eden YOLOv8, çıkan yolcuları sayabilir, hareketlerini takip edebilir ve yoğunluk modellerini tespit edebilir.

Metro çıkış kapılarının ötesinde AI, son kilometre bağlantı çözümlerine entegre edilebilir. AI özellikli bisiklet paylaşım istasyonları, araç çağırma hizmetleri ve servis hizmetleri, yolcuların istasyondan ayrılmasını kolaylaştırabilir. AI, gerçek zamanlı verileri analiz ederek talebi ve bu hizmetlerin ne zaman kullanılabilir olduğunu tahmin edebilir. Bu teknoloji ayrıca mevcut trafik koşullarına ve bireysel tercihlere göre en iyi rotaları ve ulaşım türlerini önerebilir. Böylece yolcular istasyondan çıkarken kendilerine en uygun ulaşım seçeneklerine hızla erişebilir, bekleme sürelerini azaltabilir ve yolculuklarını daha konforlu hâle getirebilir.

Perde arkasında AI: Metro raylarının bakımı#

Yolcular olarak metro yolculuklarımızın arka planında gerçekleşen karmaşık süreçleri çoğu zaman gözden kaçırırız. AI, özellikle rayların denetlenmesi ve bakımı konusunda perde arkasında kritik bir rol oynar. Duos Technologies Railcar Inspection Portal (RIP) gibi sistemler bu AI destekli yaklaşımı ortaya koyar. RIP, AI algoritmalarını kullanarak her tren vagonunun 360 derecelik görüntülerini, saatte 125 milin üzerindeki hızlarda bile saniyeler içinde yakalar ve analiz eder. Uçta çalışan bu AI sistemleri sorunları tespit eder ve bakım problemleriyle ilgili demiryolu personelini 60 saniye içinde uyarır. Sürekli izleme, olası sorunların hızla belirlenip giderilmesini mümkün kılar.

Enerji yönetimi ve optimizasyonu, metroda AI'ın yaygın olarak bilinmeyen diğer uygulamalarıdır. Örneğin Metro de Madrid, havalandırma enerji maliyetlerini %25, CO2 emisyonlarını ise yıllık 1.800 ton azaltmak için AI tabanlı bir sistem kullanır. Yılda 80 gigavat saate kadar enerji tüketen 891 havalandırma fanını çalıştıran sistem, arı kolonilerinin yiyecek arama davranışından ilham alan bir optimizasyon algoritması kullanır. Bu algoritma hava sıcaklığı, istasyon mimarisi, tren sıklığı, yolcu yükü ve elektrik fiyatları gibi faktörleri dikkate alarak büyük miktarda veriyi analiz eder. Her istasyon için en iyi dengeyi tahmin edip sağlamak üzere hem geçmiş hem de simüle edilmiş verileri kullanır ve makine öğrenimiyle zaman içinde kendini geliştirir.

Şekil 4. Metro de Madrid'in AI Tabanlı Havalandırma Sistemi.

Toplu taşımada AI'ın artıları ve eksileri#

AI'ın metro sistemlerine entegrasyonu çok sayıda fayda sağlamıştır. Örneğin metro sistemlerinin tarifelere uymasına, gecikmeleri azaltmasına ve daha sorunsuz hizmetler için operasyonları optimize etmesine yardımcı olarak verimliliği artırır. Sürekli izleme sayesinde güvenlik de artar; öngörülü bakım ise kazaları ve arızaları önlemeye yardımcı olur.

Ancak AI'ın metro sistemlerinde uygulanması şu gibi zorlukları beraberinde getirir:

• Veri gizliliği endişeleri: Yolcu verilerinin toplanması ve kullanılması, bireylerin gizlilik haklarını korumak için dikkatle yönetilmesi gereken önemli gizlilik endişelerine yol açar.
• Mevcut altyapıyla entegrasyon: AI sistemlerini mevcut metro altyapısına entegre etmek karmaşık olabilir ve değişiklikler gerektirebilir.
• Yüksek uygulama maliyetleri: AI teknolojisini uygulamanın başlangıç maliyetleri yüksek olabilir; bu da bazı metro sistemleri için engel teşkil edebilir.
• Nitelikli profesyonel ihtiyacı: AI sistemlerini başarılı bir şekilde uygulamak ve sürdürmek yüksek düzeyde beceriye sahip profesyoneller gerektirir; bu da kaynak açısından zorluk oluşturabilir.

Bu zorluklara rağmen faydalar, AI'ı metrolar gibi modern kentsel ulaşım sistemlerini dönüştüren bir güç hâline getirir. Artan verimlilik, gelişmiş güvenlik ve iyileştirilmiş yolcu deneyimleri potansiyeli, AI topluluğunun AI'ın sunduğu avantajları tam anlamıyla hayata geçirmek için bu engelleri aşmaya aktif olarak çalışmasını açıklar. Bu nedenle bir dahaki metro yolculuğunda yolculuğunun parçası olan AI yeniliklerine dikkat et.

Ulaşımda AI'ın geleceği#

İstasyona girişten metroda yön bulmaya, yolculuk yapmaya ve çıkışa kadar AI tüm yolculuğu dönüştürüyor. Operasyonları optimize ediyor, güvenliği artırıyor ve kesintisiz bir yolcu deneyimi sunuyor. Ray bakımını ve enerji yönetimini iyileştiren AI, verimli ve uygun maliyetli metro sistemleri sağlıyor. Uygulama maliyetleri ve veri gizliliği endişeleri gibi zorluklara rağmen metrolar gibi kentsel ulaşım sistemlerinde AI'ın faydaları inkâr edilemez. Şehirler büyümeye devam ettikçe AI, metro yolculuklarını daha akıllı, güvenli ve verimli hâle getirmede giderek daha önemli bir rol oynayacak.

AI hakkında öğrenmeye devam etmek için topluluğumuzla bağlantıda kal! AI'ı tarım ve üretim gibi çeşitli sektörlerde yenilikçi çözümler oluşturmak için nasıl kullanabileceğimizi keşfetmek üzere GitHub depomuza göz at. 🚀