ARTIFICIAL INTELLIGENCE
AI optymalizuje jakość i efektywność systemów metra
LINCOLN, firma należąca do grupy ALTEN, wdrożyła zaawansowane rozwiązania oparte na sztucznej inteligencji, aby wesprzeć wiodący europejski system metra w znaczącej poprawie bezpieczeństwa, efektywności i ochrony pasażerów. LINCOLN zastosował solidne metodologie do walidacji algorytmów oraz implementacji wysokoprecyzyjnych systemów monitorowania w czasie rzeczywistym.
W obliczu rosnących wyzwań transportowych w największych miastach świata, usprawnienie operacyjnej efektywności transportu publicznego staje się priorytetem. Systemy metra coraz częściej sięgają po sztuczną inteligencję, aby sprostać rosnącemu zapotrzebowaniu i jednocześnie oferować bezpieczne, efektywne i zrównoważone usługi. LINCOLN, specjalizujący się w analizie danych i AI w ramach Grupy ALTEN, podjął wyzwanie poprawy komfortu i bezpieczeństwa pasażerów jednego z głównych europejskich systemów metra.
Wyzwanie
Wykorzystanie sztucznej inteligencji do:
- precyzyjnego szacowania w czasie rzeczywistym liczby pasażerów,
- analizy trajektorii użytkowników,
- oceny reakcji pasażerów na oznakowanie w stacjach metra.
Rozwiązania
Zaawansowany system AI do analizy danych z wielu źródeł, umożliwiający prognozowanie obciążenia linii oraz śledzenie trajektorii ruchu pasażerów.
Korzyści
- Poprawa doświadczenia pasażerów
- Lepsza komunikacja
- Zwiększone bezpieczeństwo podróży
- Optymalizacja pracy linii metra
- Lepsza responsywność personelu
Prognozowanie i analiza – dwa kluczowe wyzwania
LINCOLN został poproszony o opracowanie rozwiązań wspierających system metra w jednym z najgęściej zaludnionych miast Europy. Główne cele projektu obejmowały prognozowanie liczby pasażerów w czasie rzeczywistym oraz analizę ich trajektorii i reakcji na oznakowanie w stacjach.
Dzięki prognozowaniu pasażerowie mogą być informowani o godzinach największego obciążenia, co pozwala im dostosować swoje plany i tym samym zapewnić sobie bardziej komfortową i bezpieczną podróż. Dodatkowo, operatorzy metra zyskują narzędzie umożliwiające szybszą reakcję na nieprzewidziane zdarzenia. Precyzyjne szacowanie w czasie rzeczywistym wymaga integracji danych z wielu źródeł, takich jak czujniki wagowe, walidacja biletów elektronicznych, crowdsourcing oraz analiza topologii sieci transportowej.
Równie istotnym elementem poprawy jakości podróży jest analiza interakcji pasażerów z przestrzenią stacji. Dane dotyczące trajektorii użytkowników, zbierane przy użyciu kamer monitoringu, pozwalają na optymalizację organizacji przestrzeni oraz podnoszenie poziomu bezpieczeństwa – oczywiście z zachowaniem pełnej zgodności z regulacjami dotyczącymi ochrony danych osobowych. Dodatkowo, ocena reakcji pasażerów na oznakowanie w stacjach umożliwia jego optymalizację, co zwiększa płynność ruchu i redukuje zatory.
Zaawansowane narzędzia
Aby sprostać tym wyzwaniom, LINCOLN opracował algorytmy głębokiego uczenia, wykorzystujące technologie rozpoznawania obrazu, takie jak YoLo i DeepSort, umożliwiające wykrywanie i śledzenie ruchu pasażerów w przestrzeni. Wyzwania, takie jak jakość obrazu z kamer, obecność przeszkód (np. słupów) oraz intensywny ruch w godzinach szczytu, utrudniały precyzyjne monitorowanie.
Zastosowane rozwiązanie pozwoliło operatorowi metra na optymalizację wykorzystania przestrzeni poprzez identyfikację najbardziej zatłoczonych i potencjalnie niebezpiecznych stref. Analiza porównawcza stacji z oznakowaniem i bez niego pozwoliła na ocenę skuteczności zastosowanych rozwiązań oraz wskazanie obszarów wymagających poprawy.
Korzyści dla pasażerów i operatorów
Doświadczenie zdobyte w ramach tego projektu pokazało ogromny potencjał danych i sztucznej inteligencji w poprawie funkcjonowania transportu szynowego. Wpływ AI obejmuje nie tylko optymalizację operacyjną i zwiększenie komfortu pasażerów, ale także umożliwia wdrożenie predykcyjnego utrzymania ruchu, optymalizacji taryf oraz usprawnienia zarządzania ruchem.
Wykorzystanie danych w połączeniu z technologiami AI stanowi kluczowy element transformacji miejskich systemów transportowych w inteligentne i responsywne sieci, dostosowane do potrzeb użytkowników. Dzięki zaawansowanemu monitorowaniu, precyzyjnemu prognozowaniu, automatycznym systemom wykrywania oraz wyrafinowanym modelom deep learning – wszystko to przy pełnym poszanowaniu regulacji dotyczących ochrony danych – nowoczesne metro może znacząco zwiększyć poziom bezpieczeństwa i efektywności, a także podnieść komfort podróży swoich pasażerów.
