L'intelligenza artificiale nei trasporti: Ridefinire i sistemi metropolitani

Le metropolitane sono il cuore del trasporto pubblico di una città e trasportano milioni di passeggeri ogni giorno. Città come New York e Tokyo contano più di 3 milioni e 6 milioni di passeggeri al giorno. Con la crescita delle città, rendere le metropolitane più efficienti, sicure e piacevoli per i passeggeri diventa fondamentale. 

È qui che entra in gioco l'Intelligenza Artificiale (AI), che trasforma tutto, dall'acquisto dei biglietti alla manutenzione dei treni. In questo articolo faremo un giro all'interno di un sistema di metropolitana, per vedere come l'AI migliora ogni fase del viaggio e le tecnologie AI nascoste che fanno funzionare tutto senza intoppi. 

L'intelligenza artificiale nel trasporto pubblico parte dalla riscossione delle tariffe

Di solito, un viaggio in metropolitana inizia con la fila, l'acquisto del biglietto e l'attraversamento dei tornelli. L'intelligenza artificiale semplifica attivamente tutto questo, rendendolo più veloce e comodo per i passeggeri. Ad esempio, la tecnologia di riconoscimento facciale può essere utilizzata nei sistemi di biglietteria della metropolitana. Nelle città più trafficate, i passeggeri possono accedere ai servizi senza biglietti fisici o smart card. Al contrario, i loro volti vengono scansionati ai punti di ingresso, consentendo un accesso senza problemi. Nel 2019, Pechino ha introdotto un sistema di riconoscimento facciale per gestire il sovraffollamento e ridurre le lunghe code nelle ore di punta.

‍

Un'integrazione perfetta dell'intelligenza artificiale facilita gli spostamenti quotidiani e porta benefici a milioni di passeggeri ogni giorno. I sistemi di biglietteria alimentati dall'intelligenza artificiale non solo migliorano l'esperienza dei passeggeri, ma aumentano anche la sicurezza. Analizzando i dati facciali, il sistema garantisce che solo i passeggeri autorizzati entrino in stazione. L'intelligenza artificiale può verificare rapidamente le identità, bloccare gli accessi non autorizzati e individuare potenziali minacce. Può velocizzare il processo di ingresso, migliorare la sicurezza e ridurre l'evasione tariffaria.

Navigare nelle linee della metropolitana con l'aiuto dell'intelligenza artificiale

Dopo essere entrati in metropolitana, orientarsi nella stazione può essere fonte di confusione, soprattutto nelle ore di punta. I sistemi di navigazione basati sull'intelligenza artificiale possono facilitare gli spostamenti in metropolitana offrendo ai passeggeri una guida in tempo reale. Questi sistemi utilizzano algoritmi di intelligenza artificiale per analizzare i dati provenienti da fonti come GPS, sensori e telecamere per trovare i percorsi migliori e fornire indicazioni precise e aggiornate. I passeggeri possono utilizzare applicazioni mobili, simili a Google Maps, per ricevere indicazioni passo-passo all'interno della stazione e individuare rapidamente i binari, le uscite e i servizi. La navigazione basata sull'intelligenza artificiale può far risparmiare tempo e ridurre lo stress.

Oltre alla navigazione, i dati delle telecamere e della computer vision in una metropolitana possono essere utilizzati per monitorare la densità della folla in tempo reale. Le telecamere presenti in tutta la stazione possono contare i passeggeri in aree specifiche per individuare potenziali colli di bottiglia e punti di sovraffollamento. Queste informazioni aiutano le autorità di transito a prendere misure proattive, come la regolazione della frequenza dei treni o l'invio di personale per gestire la folla. In effetti, l'intelligenza artificiale è stata utilizzata in via sperimentale a Dubai per ridurre la congestione dal 40% al 60% e per ridurre i tempi di attesa a 30 minuti durante le ore di punta e gli eventi pubblici.

‍

Salire a bordo e guidare la metropolitana abilitata all'AI

Quando i passeggeri salgono sul treno, l'intelligenza artificiale può migliorare la loro esperienza di viaggio in vari modi. Vediamo alcune di queste applicazioni:

• Accessibilità supporto: Le tecniche di visione computerizzata, come il rilevamento degli oggetti, possono identificare le persone in sedia a rotelle e indirizzarle verso la sezione più accessibile del treno. Anche il processo di chiusura delle porte può essere modificato per consentire a questi passeggeri di salire a bordo in modo sicuro.
• Annunci e pubblicità personalizzati: L'intelligenza artificiale può essere utilizzata per personalizzare gli annunci e le pubblicità dei passeggeri in base a chi si trova sul treno e a che ora.
• Controllo dei treni vuoti: All'ultima stazione della rete metropolitana, la computer vision può essere utilizzata per effettuare un "controllo dei treni vuoti" per assicurarsi che non ci siano passeggeri a bordo.
• Gestione dei bagagli abbandonati: Se un bagaglio viene abbandonato, la computer vision è in grado di rilevarlo e di visualizzarlo sugli schermi della piattaforma. I passeggeri possono quindi recuperare facilmente i loro oggetti. 

Anche i treni della metropolitana possono essere alimentati dall'intelligenza artificiale. I treni completamente autonomi possono operare in sicurezza senza personale umano. Questi treni dotati di intelligenza artificiale utilizzano algoritmi avanzati per prendere decisioni in tempo reale e sensori per rilevare gli ostacoli e operare in sicurezza. I treni della metropolitana guidati dall'intelligenza artificiale riducono i costi del personale, offrono una maggiore flessibilità per trasportare un maggior numero di passeggeri con una migliore qualità del servizio, possono essere più puntuali e ottimizzano l'accelerazione e la frenata per ridurre il consumo energetico. Ad esempio, il progetto Honolulu Rail Transit è il primo sistema completamente autonomo degli Stati Uniti. Si prevede che il sistema ridurrà la congestione del traffico e le emissioni eliminando circa 40.000 viaggi in auto al giorno. 

‍

Utilizzo dell'intelligenza artificiale per monitorare i passeggeri in uscita dalla stazione della metropolitana

Anche il monitoraggio del numero di persone che escono dalle diverse stazioni è essenziale per gestire in modo efficiente il flusso della metropolitana. I modelli di intelligenza artificiale, come Ultralytics YOLOv8YOLOv8 supporta anche il tracciamento degli oggetti e può essere utilizzato per identificare e seguire più oggetti in tempo reale, il che lo rende perfetto per le metropolitane più trafficate. Analizzando i feed video delle telecamere posizionate nelle stazioni, YOLOv8 è in grado di contare i passeggeri in uscita, di seguire i loro movimenti e di individuare i modelli di congestione.

Oltre ai cancelli di uscita della metropolitana, l'intelligenza artificiale può essere integrata nelle soluzioni di connettività dell'ultimo miglio. Le stazioni di bike-sharing, i servizi di ride-hailing e i servizi di navetta abilitati dall'intelligenza artificiale possono facilitare l'uscita dei passeggeri dalla stazione. Analizzando i dati in tempo reale, l'intelligenza artificiale può prevedere la domanda e quando questi servizi sono disponibili. Questa tecnologia può anche suggerire i percorsi e le modalità di trasporto migliori in base alle condizioni attuali del traffico e alle preferenze individuali. Di conseguenza, i passeggeri possono accedere rapidamente alle opzioni di trasporto più adatte all'uscita dalla stazione, riducendo i tempi di attesa e rendendo il viaggio più comodo.

AI dietro le quinte: Manutenzione dei binari della metropolitana

Come passeggeri, spesso trascuriamo i complessi processi che avvengono dietro i nostri viaggi in metropolitana. L'intelligenza artificiale è fondamentale dietro le quinte, soprattutto nell'ispezione e nella manutenzione dei binari. Sistemi come il Railcar Inspection Portal (RIP) di Duos Technologies dimostrano questo approccio basato sull'intelligenza artificiale. Utilizzando algoritmi di intelligenza artificiale, il RIP acquisisce e analizza immagini a 360 gradi di ogni vagone ferroviario in pochi secondi, anche a velocità superiori alle 125 miglia orarie. Questi sistemi di intelligenza artificiale basati sui bordi rilevano i problemi e avvisano il personale ferroviario dei problemi di manutenzione entro 60 secondi. Il monitoraggio costante consente di identificare e affrontare rapidamente i potenziali problemi.

La gestione e l'ottimizzazione dell'energia sono altre applicazioni dell'IA in una metropolitana che non sono comunemente conosciute. Ad esempio, la Metro de Madrid utilizza un sistema basato sull'intelligenza artificiale per ridurre i costi energetici della ventilazione del 25% e tagliare le emissioni di CO2 di 1.800 tonnellate all'anno. Gestendo 891 ventole di ventilazione che consumano fino a 80 gigawattora di energia all'anno, il sistema utilizza un algoritmo di ottimizzazione ispirato al comportamento di foraggiamento delle colonie di api. Questo algoritmo analizza una grande quantità di dati, prendendo in considerazione fattori come la temperatura dell'aria, l'architettura della stazione, la frequenza dei treni, il carico dei passeggeri e i prezzi dell'elettricità. Utilizza dati storici e simulati per prevedere e raggiungere il miglior equilibrio per ogni stazione, migliorando nel tempo grazie all'apprendimento automatico.

‍

Pro e contro dell'intelligenza artificiale nel trasporto pubblico

L'integrazione dell'intelligenza artificiale nei sistemi di metropolitana ha portato numerosi vantaggi. Ad esempio, migliora l'efficienza aiutando le metropolitane a rispettare gli orari, a ridurre i ritardi e a ottimizzare le operazioni per un servizio più fluido. Anche la sicurezza aumenta grazie al monitoraggio continuo e la manutenzione predittiva aiuta a prevenire incidenti e malfunzionamenti.

Tuttavia, l'implementazione dell'intelligenza artificiale nei sistemi metropolitani comporta delle sfide, come ad esempio:

• Problemi di privacy dei dati: La raccolta e l'utilizzo dei dati dei passeggeri solleva notevoli problemi di privacy che devono essere gestiti con attenzione per proteggere i diritti individuali alla privacy.
• Integrazione con l'infrastruttura esistente: L'integrazione dei sistemi di intelligenza artificiale nell'infrastruttura metropolitana esistente può essere complessa e richiedere modifiche.
• Costi di implementazione elevati: I costi iniziali per l'implementazione della tecnologia AI possono essere elevati e questo può rappresentare un ostacolo per alcune metropolitane.
• Necessità di professionisti qualificati: Per implementare e mantenere con successo i sistemi di intelligenza artificiale sono necessari professionisti altamente qualificati, il che può rappresentare una sfida in termini di risorse.

Nonostante queste sfide, i benefici rendono l'IA una forza trasformativa nei moderni sistemi di trasporto urbano come le metropolitane. Il potenziale di aumento dell'efficienza, della sicurezza e dell'esperienza dei passeggeri spiega perché la comunità dell'IA sta lavorando attivamente per superare questi ostacoli e realizzare appieno i vantaggi che l'IA offre. Quindi, la prossima volta che prenderai la metropolitana, tieni d'occhio le innovazioni dell'IA che faranno parte del tuo viaggio.

Il futuro dell'intelligenza artificiale nei trasporti

Dall'ingresso in stazione alla navigazione, al viaggio e all'uscita dalla metropolitana, l'intelligenza artificiale sta trasformando l'intero viaggio. Ottimizza le operazioni, migliora la sicurezza e offre ai passeggeri un'esperienza senza soluzione di continuità. Migliorando la manutenzione dei binari e la gestione dell'energia, l'intelligenza artificiale garantisce sistemi di metropolitana efficienti ed economici. Nonostante le sfide, come i costi di implementazione e le preoccupazioni sulla privacy dei dati, i vantaggi dell'IA nei sistemi di trasporto urbano come le metropolitane sono innegabili. Con la continua crescita delle città, l'intelligenza artificiale svolgerà un ruolo sempre più importante nel rendere i viaggi in metropolitana più intelligenti, sicuri ed efficienti.

Resta in contatto con la nostra comunità per continuare a imparare sull'IA! Dai un'occhiata al nostro repository GitHub per scoprire come possiamo utilizzare l'IA per creare soluzioni innovative in vari settori come l'agricoltura e la produzione. 🚀