DI viešajame transporte: kaip prognozavimo sistemos padeda keliauti sklandžiau ir mažinti spūstis miestuose

Didžiųjų miestų gyventojai vis dažniau susiduria su vėluojančiais autobusais, perpildytais troleibusais ir nenuspėjamais maršrutais. Klasikiniai tvarkaraščiai vis sunkiau atlaiko realaus eismo sąlygas, todėl savivaldybės ieško naujų sprendimų.

Viena ryškiausių pastarųjų metų krypčių yra prognozavimo sistemos, veikiančios naudojant dirbtinį intelektą. Jos ne tik skaičiuoja kelionės laiką, bet ir nuolat „mąsto“, kaip paskirstyti transporto priemones, kad kelionės mieste būtų sklandesnės.

Kas yra DI pagrindu veikiančios prognozavimo sistemos transporte

Viešajame transporte taikomos prognozavimo sistemos remiasi realiuoju laiku renkamais duomenimis: transporto priemonių vieta, greitis, keleivių srautai, kelių apkrovimas, oro sąlygos ir net didesni renginiai mieste. Dirbtinis intelektas šiuos duomenis apdoroja ir nuolat atnaujina prognozes.

Skirtingai nuo statinių tvarkaraščių, tokios sistemos geba reaguoti į staigius pokyčius. Pavyzdžiui, įvykus avarijai ar netikėtai susidarius dideliam keleivių srautui, jos gali pasiūlyti koreguoti maršrutus, pridėti papildomų reisų ar dalį transporto nukreipti kitu keliu.

Kaip tokios sistemos padeda paprastam keleiviui

Keleiviui prognozavimo sistemos labiausiai matomos per programėles ir informacinius ekranus stotelėse. Vietoj abstraktaus „autobusas netrukus atvyks“ pateikiami gana tikslūs atvykimo laikai ir alternatyvūs maršrutai, jei laukiamas reisas vėluoja.

Tokios informacijos nauda ypač juntama keičiant maršrutus: sistema gali įspėti, kad pasirinktas autobusas nespės atvykti laiku, todėl verta rinktis kitą derinį. Taip sutaupoma laiko ir sumažėja streso, ypač ryte, kai svarbu suspėti į darbą ar paskaitas.

Kaip DI prognozės mažina spūstis ir nebereikalingas tuščias keliones

Dirbtinis intelektas transporto organizatoriams leidžia matyti ne tik dabartinę, bet ir artimiausių valandų situaciją. Jei prognozuojamas keleivių šuolis tam tikrame maršrute, galima iš anksto suplanuoti papildomus autobusus arba paskirstyti esamus kitaip.

Kita kryptis yra tuščių kelionių mažinimas. Vakarinėmis valandomis ar savaitgaliais dažnai važiuoja beveik tušti autobusai. Analizuodamos istorinius ir realaus laiko duomenis, sistemos padeda priderinti reisų skaičių prie realaus poreikio, nebloginant pasiekiamumo.

Duomenys, kurių reikia protingam prognozavimui

Tikslesnės prognozės priklauso nuo duomenų kokybės ir įvairovės. Šiuolaikinės sistemos paprastai naudoja transporto priemonių GPS sekimą, komposterių ar kortelių tikrinimo statistiką, šviesoforų valdymo informaciją ir kelių tarnybų duomenis apie planuojamus darbus.

Prie to dažnai prisideda ir anonimizuoti išmaniųjų telefonų vietos duomenys, jei naudotojai sutinka jais dalytis. Tai leidžia suprasti realius judėjimo srautus, pavyzdžiui, kiek žmonių rytais juda iš konkrečių mikrorajonų į miesto centrą ar pramonės zonas.

Nauda savivaldybėms ir vežėjams

Viešojo transporto valdytojams prognozavimo sistemos tampa kasdieniu planavimo įrankiu. Vietoj spėjimų, kiek ir kur reikėtų transporto priemonių, sprendimai grindžiami duomenimis ir modelių skaičiavimais, kurie nuolat tikrinami pagal realius rezultatus.

Praktinė nauda matoma keliose srityse: mažesnės kuro ir darbo sąnaudos, aiškiau planuojami vairuotojų grafikai, tiksliau numatomi piko laikotarpiai ir lengviau pagrindžiami sprendimai politikams bei gyventojams, kai keičiami maršrutai ar retinami reisai.

Privatumas ir skaidrumas: į ką atkreipti dėmesį

Nors prognozavimo sistemos yra patogios, jos kelia ir klausimų dėl asmens duomenų. Svarbu, kad keleivių judėjimo informacija būtų naudojama tik apibendrintai, be galimybės atsekti konkretų žmogų ar jo kasdienius maršrutus.

Viešajame sektoriuje ypač svarbus skaidrumas. Gyventojai turėtų aiškiai žinoti, kokie duomenys renkami, kokiu tikslu jie naudojami ir kiek laiko saugomi. Tai gali stiprinti pasitikėjimą ir skatinti žmones naudotis programėlėmis, kurios teikia prognozes.

Su kokiais iššūkiais susiduria miestai

Technologiškai pažengusios sistemos reikalauja investicijų ne tik į programinę įrangą, bet ir į infrastruktūrą: patikimą ryšį, GPS įrangą, informacinius ekranus stotelėse. Taip pat reikia pasirūpinti, kad skirtingos duomenų sistemos tarpusavyje „susikalbėtų“.

Kitas iššūkis yra kompetencijos. Savivaldybėms tenka mokytis dirbti su naujais įrankiais, suprasti pagrindinius dirbtinio intelekto veikimo principus ir gebėti vertinti tiekėjų pasiūlymus. Be vidinių žinių rizikuojama įsigyti sprendimus, kurie realiai neatitinka miesto poreikių.

Kaip prognozavimo sistemomis gali pasinaudoti keleiviai jau dabar

Net jei miestas dar tik diegia išmanesnes sistemas, dažnai jau galima naudotis bent dalimi funkcijų. Pirmiausia verta išbandyti oficialias ar patikimų kūrėjų programėles, kuriose pateikiami realaus laiko tvarkaraščiai ir transporto priemonių vietos.

Kasdienybėje naudinga įprasti: kelionę planuoti ne žiūrint į spausdintą tvarkaraštį, o tikrinant prognozuojamą atvykimo laiką, stebėti pasiūlomas alternatyvas, jei numatytas reisas vėluoja, ir atkreipti dėmesį, kada sistemos dažniausiai „klysta“ dėl piko ar oro sąlygų.

Žvilgsnis į netolimą ateitį

Artimiausiais metais prognozavimo sistemos greičiausiai dar labiau susilies su kitomis miesto paslaugomis. Pavyzdžiui, kelionės planavimas galės vienu metu įvertinti ir dviračių dalijimosi punktų užimtumą, automobilių dalijimosi pasiūlą ar parkavimo vietų užimtumą.

Tokia jungtis gali padėti formuoti įpročius rinktis kelionę be nuosavo automobilio, jei programėlė aiškiai parodo, kad kombinuotas maršrutas su autobusu, dviračiu ir pėsčiomis ne tik greitesnis, bet ir stabilesnis spūsčių atžvilgiu.

Ką tai reiškia miestams ir gyventojams

DI pagrindu veikiančios prognozavimo sistemos nėra stebuklingas sprendimas, iš karto panaikinantis spūstis. Tačiau jos suteikia aiškesnį vaizdą, kur viešojo transporto sistema stringa, ir leidžia daryti labiau pagrįstus sprendimus.

Gyventojams tai galimybė keliauti labiau prognozuojamai, o savivaldybėms ir vežėjams tai papildomas įrankis planuoti infrastruktūros plėtrą, maršrutų pertvarkymą ir ilgalaikes investicijas. Svarbiausia, kad technologijos būtų diegiamos sąmoningai, su aiškiais tikslais ir atvira komunikacija.