
Išmanusis mobilumas Vilniuje
Saugus ir efektyvesnis viešasis transportas / Projektas
Miestai kovoja su įvairiomis transporto problemomis, įskaitant eismo spūstis ir saugumą. Tradicinėms eismo valdymo sistemoms trūksta realaus laiko analitinių galimybių, reikalingų šioms problemoms veiksmingai spręsti.
Inovacijų poreikis
Miestų eismas susiduria su didelėmis kliūtimis, nes didėjant gyventojų skaičiui, esamai infrastruktūrai tenka vis didesnė našta. Nors viešasis transportas yra tvaresnis, jis dažnai yra neefektyvus, todėl jo patrauklumas, palyginti su privačiu transportu, mažėja. AAI Labs, bendradarbiaudami su viešojo transporto organizatoriumi JUDU ir Vilniaus miesto savivaldybe, siekia optimizuoti viešąjį transportą Vilniuje. Įdiegus realaus laiko duomenų analizę pasitelkiant 5G ir dirbtinį intelektą planuojame sumažinti esamas problemas ir padėti viešajam transportui tapti ne tik efektyvesniam, bet ir saugesniam keleiviams bei eismo dalyviams.
Projekto tikslai
Projektu siekiama pagerinti miesto eismą, realiuoju laiku nustatant pažeidimus stacionarių ir mobilių kamerų tinkluose, nustatant tokias problemas kaip netinkamas autobusų juostų naudojimas ir kiti pažeidimai. Taip pat, daugiausia dėmesio bus skiriama keleivių skaičiaus prognozavimui viešojo transporto maršrutuose, kad būtų galima geriau paskirstyti išteklius ir sumažinti vėlavimus. Projektas apima kelių būklės stebėseną, pavyzdžiui, duobių ir pavojų nustatymą naudojant transporto priemonėse esančius jutiklius ir dirbtiniu intelektu pagrįstus vaizdų atpažinimo modelius. Be to, analizuodama viešųjų autobusų duomenis, sistema prognozuos galimus transporto priemonių gedimus ar techninės priežiūros poreikius.
Pagrindinės funkcijos ir technologijos
Dirbtiniu intelektu pagrįsta duomenų analizė
Projekte naudojami AI modeliai yra skirti analizuoti viešojo transporto priemonėse ir infrastruktūroje įmontuotų jutiklių, kamerų ir GPS sistemų generuojamus duomenis. Nuolat mokydamiesi iš šių duomenų, dirbtinio intelekto modeliai gali prognozuoti eismo srautus, aptikti naudojimosi keliais dėsningumus ir nustatyti galimus pažeidimus realiuoju laiku. Pavyzdžiui, pagal eismo kamerų įrašus apmokyti AI modeliai yra naudojami automatiškai nustatyti autobusų juostos pažeidimus.
5G ryšys
Dėl greito ir patikimo 5G ryšio galimybių realiuoju laiku galima perduoti didelius duomenų rinkinius, pavyzdžiui, autobusų ir gatvių kamerų vaizdo įrašus. Taip užtikrinamas skubus eismo pažeidimų aptikimas ir tiesioginis kelio sąlygų bei keleivių srautų atnaujinimas. Skirtingai nei ankstesnės 4G sistemos, dėl mažo vėlavimo ir didelio 5G pralaidumo galima apdoroti didžiulius duomenų srautus efektyviau.
Eismo pažeidimų nustatymas
Dirbtiniu intelektu valdomos vaizdų atpažinimo sistemos naudoja stacionarių ir autobusuose sumontuotų kamerų vaizdo įrašus eismo pažeidimams nustatyti. Šios sistemos gali nustatyti neteisėtą automobilių statymą autobusų juostose, neleistinas transporto priemones draudžiamose vietose ir kitus eismo taisyklių pažeidimus, todėl valdžios institucijos gali nedelsdamos imtis veiksmų.
Keleivių srauto analizė
Viena svarbiausių projekto funkcijų - keleivių srautų prognozavimas. Analizuodama istorinius duomenis kartu su realaus laiko informacija, sistema optimizuoja autobusų tvarkaraščius, kad sumažėtų prastovų ir būtų išvengta perpildymo. Ši prognozavimo analizė labai svarbi piko valandomis, kai viešasis transportas yra itin paklausus.
Rezultatai
Tikimasi, kad vidutinė autobusų laukimo trukmė galiausiai sutrumpės iki 20%, naudojant maršrutų optimizavimą realiuoju laiku. Prognostinė analizė taip pat sumažins nepakankamai išnaudojamų autobusų skaičių, degalų sąnaudas ir išmetamųjų teršalų kiekį, nes bus autobusų tvarkaraščiai optimizuojami taip, kad tiksliau atitiktų keleivių poreikius.
Visiškai įdiegus eismo pažeidimų aptikimo sistemą, tikimasi, kad autobusų eismo juostos pažeidimų sumažės 15%. Šis patobulinimas tiesiogiai prisidės prie sklandesnio eismo ir didesnio keleivių bei kitų eismo dalyvių saugumo. Prognozuojamos techninės priežiūros sistema 10% sumažins gedimų skaičių, nes autobusai bus laiku suremontuoti remiantis dirbtinio intelekto valdoma diagnostika.
Taip pat, padidės keleivių pasitenkinimas dėl tikslesnių atvykimo prognozių ir mažesnio autobusų perpildymo. Sistemos gebėjimas numatyti, kada ir kur autobusų labiausiai reikia, užtikrins sklandesnį ir patikimesnį viešąjį transportą, o tai paskatins daugiau piliečių rinktis viešąjį transportą, o ne asmenines transporto priemones.
Pritaikomumas kitose srityse
Logistikos ir tiekimo grandinės valdymo srityje šios technologijos gali optimizuoti transporto priemonių valdymą ir maršrutų planavimą apdorodamos realaus laiko duomenis apie eismą ir paklausą, todėl galima efektyviau pristatyti krovinius ir sumažinti veiklos sąnaudas. Gamybos sektoriui gali būti naudinga prognozuojamoji techninė priežiūra, kai dirbtinio intelekto modeliai stebi pramoninę įrangą, kad būtų išvengta brangiai kainuojančių gedimų, o tai atitinka „Pramonės 4.0“ išmanesnės gamybos aplinkos tikslus. Energetikos ir komunalinių paslaugų sektoriuje prognozuojamoji analizė gali optimizuoti tinklo veikimą, subalansuoti energijos apkrovas ir planuoti techninę priežiūrą, taip užtikrinant patikimą paslaugų teikimą ir sumažinant gedimų skaičių.
Be to, sveikatos priežiūros srityje šios technologijos gali būti panaudotos siekiant greičiau reaguoti į skubios pagalbos atvejus ir geriau paskirstyti išteklius, naudojant realiuoju laiku gaunamus duomenis iš greitosios pagalbos automobilių su įdiegtu 5G ryšiu. Galiausiai, mažmeninės prekybos sektorius gali taikyti dirbtinį intelektą ir realaus laiko duomenis atsargų valdymui optimizuoti ir klientų patirčiai gerinti.
Partneriai
JUDU, Vilniaus miesto savivaldybė
Skaityti daugiau
