Узнай, как ИИ используется для улучшения поездки пассажиров метро от входа до выхода, повышая эффективность и безопасность городских транспортных систем.
Системы метро - это сердце городского общественного транспорта, которое ежедневно перевозит миллионы пассажиров. В таких городах, как Нью-Йорк и Токио, ежедневно в метро ездят более 3 и 6 миллионов человек. По мере роста городов становится жизненно важным сделать системы метро более эффективными, безопасными и приятными для пассажиров.
Вот тут-то и приходит на помощь искусственный интеллект (ИИ), который преобразует все - от покупки билетов до обслуживания поездов. В этой статье мы прокатимся по системе метро, посмотрим, как ИИ улучшает каждый этап поездки, и узнаем о скрытых технологиях ИИ, которые обеспечивают бесперебойную работу.
Обычно поездка в метро начинается со стояния в очереди, покупки билета и прохождения через турникеты. ИИ активно оптимизирует этот процесс, делая его более быстрым и удобным для пассажиров. Например, технология распознавания лиц может быть использована в системах продажи билетов в метро. В оживленных городах пассажиры могут получать доступ к услугам без физических билетов или смарт-карт. Вместо этого их лица сканируются в точках входа, что обеспечивает беспрепятственный доступ. В 2019 году Пекин ввел систему распознавания лиц, чтобы справиться с переполненностью метро и сократить длинные очереди в часы пик.
Бесшовная интеграция ИИ делает ежедневные поездки проще и приносит пользу миллионам пассажиров каждый день. Системы продажи билетов на базе ИИ не только улучшают впечатления пассажиров, но и повышают уровень безопасности. Анализируя данные лица, система гарантирует, что на станцию войдут только авторизованные пассажиры. ИИ может быстро проверить личность, остановить несанкционированный доступ и заметить потенциальные угрозы. Он может ускорить процесс входа, повысить безопасность и уменьшить количество случаев безбилетного проезда.
Войдя в метро, поиск пути по станции может запутать, особенно в часы пик. Навигационные системы на основе ИИ могут облегчить перемещение по метро, предлагая пассажирам ориентиры в режиме реального времени. Эти системы используют алгоритмы ИИ для анализа данных из таких источников, как GPS, датчики и камеры, чтобы найти лучшие маршруты и предоставить точные, актуальные направления. Пассажиры могут использовать мобильные приложения, похожие на Google Maps, чтобы получить пошаговые инструкции в пределах станции, чтобы быстро найти платформы, выходы и удобства. Навигация на основе ИИ поможет сэкономить время и уменьшить стресс.
Помимо навигации, данные с камер и компьютерного зрения в метро можно использовать для мониторинга плотности толпы в режиме реального времени. Камеры по всей станции могут подсчитывать количество пассажиров в определенных зонах, чтобы выявить потенциальные узкие и переполненные места. Эти данные помогают транзитным властям принимать упреждающие меры, например, корректировать частоту движения поездов или отправлять персонал для управления толпой. На самом деле искусственный интеллект экспериментально использовался в Дубае, чтобы уменьшить заторы на 40-60 % и сократить время ожидания до 30 минут в пиковое время и во время массовых мероприятий.
Пока пассажиры садятся в поезд, искусственный интеллект может разными способами улучшить их впечатления от поездки. Давай разберемся в некоторых из этих применений:
Сами поезда метро также могут быть оснащены искусственным интеллектом. Полностью автономные поезда могут безопасно работать без людей в составе экипажа. Эти поезда с искусственным интеллектом используют продвинутые алгоритмы для принятия решений в реальном времени и датчики для обнаружения препятствий и безопасной работы. Поезда метро, управляемые ИИ, сокращают расходы на персонал, обеспечивают большую гибкость, позволяя перевозить больше пассажиров с лучшим качеством обслуживания, могут более стабильно приходить вовремя, а также оптимизировать разгон и торможение для снижения энергопотребления. Например, проект Honolulu Rail Transit - это первая полностью автономная система в США. Ожидается, что эта система позволит снизить загруженность дорог и уменьшить количество вредных выбросов, устранив около 40 000 автомобильных поездок в день.
Наблюдение за тем, сколько людей выходит через разные станции, также необходимо для эффективного управления потоками в метро. Модели искусственного интеллекта, такие как Ultralytics YOLOv8YOLOv8 также поддерживает отслеживание объектов и может быть использована для идентификации и слежения за несколькими объектами в режиме реального времени, что делает ее идеальной для загруженных систем метро. Анализируя видеозаписи с камер, расставленных по станциям, YOLOv8 может подсчитывать выходящих пассажиров, отслеживать их перемещения и выявлять закономерности перегруженности.
За пределами выходных ворот метро ИИ может быть интегрирован в решения по обеспечению связи на последней миле. Станции совместного использования велосипедов, сервисы ride-hailing и шаттлы с поддержкой ИИ могут облегчить пассажирам выход со станции. Анализируя данные в реальном времени, ИИ может предсказать спрос и время, когда эти сервисы будут доступны. Также эта технология может предлагать оптимальные маршруты и виды транспорта, основываясь на текущих дорожных условиях и индивидуальных предпочтениях. В результате пассажиры смогут быстро получить доступ к наиболее подходящим вариантам транспорта при выходе со станции, что сократит время ожидания и сделает их поездку более удобной.
Будучи пассажирами, мы часто не замечаем сложных процессов, происходящих за нашими поездками в метро. ИИ играет решающую роль за кулисами, особенно при осмотре и обслуживании путей. Такие системы, как Duos Technologies Railcar Inspection Portal (RIP), демонстрируют этот подход, основанный на ИИ. Используя алгоритмы ИИ, RIP за считанные секунды захватывает и анализирует 360-градусные изображения каждого вагона поезда, даже на скорости более 125 миль в час. Эти системы ИИ, основанные на краевых алгоритмах, обнаруживают проблемы и предупреждают железнодорожный персонал о проблемах с техническим обслуживанием в течение 60 секунд. Постоянный мониторинг позволяет оперативно выявлять и устранять потенциальные проблемы.
Управление энергопотреблением и оптимизация - другие варианты применения ИИ в метро, которые не так часто известны. Например, метрополитен Мадрида использует систему на основе ИИ, чтобы снизить затраты энергии на вентиляцию на 25% и сократить выбросы CO2 на 1800 тонн в год. Управляя 891 вентилятором, которые потребляют до 80 гигаватт-часов энергии в год, система использует алгоритм оптимизации, вдохновленный кормовым поведением пчелиных колоний. Этот алгоритм анализирует огромное количество данных, учитывая такие факторы, как температура воздуха, архитектура станции, частота движения поездов, пассажиропоток и цены на электроэнергию. Он использует как исторические, так и смоделированные данные, чтобы предсказать и достичь наилучшего баланса для каждой станции, совершенствуясь со временем благодаря машинному обучению.
Интеграция искусственного интеллекта в системы метрополитена принесла множество преимуществ. Например, он повышает эффективность, помогая метрополитенам придерживаться расписания, сокращать задержки и оптимизировать работу для более плавного обслуживания. Безопасность также повышается благодаря постоянному мониторингу, а предиктивное обслуживание помогает предотвратить аварии и неисправности.
Однако внедрение ИИ в системы метрополитена сопряжено с определенными трудностями, такими как:
Несмотря на эти трудности, преимущества делают ИИ преобразующей силой в современных городских транспортных системах, таких как метрополитены. Потенциал повышения эффективности, усиления безопасности и улучшения опыта пассажиров объясняет, почему ИИ-сообщество активно работает над преодолением этих препятствий, чтобы в полной мере реализовать преимущества, которые предлагает ИИ. Так что, когда в следующий раз поедешь в метро, следи за инновациями ИИ, которые станут частью твоего путешествия.
Начиная с входа на станцию и заканчивая навигацией, поездкой и выходом из метро, искусственный интеллект преобразует всю поездку. Он оптимизирует работу, повышает безопасность и обеспечивает бесперебойную работу с пассажирами. Улучшая обслуживание путей и управление энергопотреблением, ИИ гарантирует эффективность и экономичность систем метро. Несмотря на такие сложности, как затраты на внедрение и проблемы с конфиденциальностью данных, преимущества ИИ в городских транспортных системах, таких как метрополитен, неоспоримы. По мере роста городов 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 узнавать об ИИ! Загляни в наш репозиторий на GitHub, чтобы узнать, как мы можем использовать ИИ для создания инновационных решений в различных отраслях, таких как сельское хозяйство и производство. 🚀
Начни свое путешествие с будущим машинного обучения
