Išmanus viešasis transportas: tarpiniai projekto rezultatai
Įsibėgėja projektas “5G ir dirbtiniu intelektu pagrįsta viešojo transporto optimizavimo sistema”, kurį AAI Labs įgyvendina Projektas finansuojamas pagal Europos Sąjungos ekonomikos atgaivinimo ir atsparumo priemonę NextGenerationEU.
Vilniaus mieste įrengiami jutikliai ir dirbtinio intelekto prognozės leis realiu laiku stebėti keleivių srautus, numatyti apkrovas artimiausioms valandoms ir prireikus iš anksto pasiųsti papildomas transporto priemones.
Aistis Raudys, įmonės AAI Labs vadovas, teigė, kad šis projektas ir pilotiniai bandymai Vilniuje yra iš esmės naujas žingsnis ties tuo, kaip miestas gali valdyti viešąjį transportą pasitelkdamas dirbtinį intelektą ir realaus laiko duomenis, o kartu ir puikus įrodymas, kad tokio lygio sprendimai gali būti kuriami čia, Lietuvoje.
Šiame projekto etape jau atlikti pagrindiniai techniniai parengiamieji darbai ir išbandyti pirmieji sprendimai realiomis miesto sąlygomis kartu su Vilniaus miesto savivaldybe ir JUDU. Pradėtas nuoseklus duomenų rinkimas dirbtinio intelekto modeliams mokyti. Renkama informacija apie eismą, spūstis, kelių būklę, viešojo transporto judėjimą ir keleivių srautus, kuri bus naudojama tam, kad apmokyti dirbtiniam intelektui.
Projekte jau išbandyti du pagrindiniai technologiniai sprendimai:
Stacionari 5G kamera, tvirtinama konkrečioje vietoje (pvz., sankryžoje). Ji gali stebėti eismą, apskaičiuoti transporto srautus, padėti nustatyti spūstis ir fiksuoti pavojingas situacijas.
Mobilioji 5G kamera, montuojama į viešojo transporto priemonę, pvz., autobusą. Ji leidžia įvertinti kelio dangos būklę (duobes, nelygumus, kliūtis) ir stebėti eismo situaciją važiuojant per miestą.
Taip pat buvo išbandyti du papildomi sprendimai:
Keleivių srautų stebėjimas pagal belaidžio ryšio signalus, t. y. bandyta vertinti įlipimus ir išlipimus pagal aptiktus įrenginius. Praktiniai bandymai parodė, kad šis metodas kol kas nėra pakankamai tikslus dėl techninių apribojimų ir privatumo reikalavimų.
Transporto priemonių techninės būklės stebėjimas, kai per 5G ryšį perduodami tokie duomenys kaip variklio ar kitos įrangos parametrai. Čia susidurta su ribota prieiga prie šių duomenų, todėl šis sprendimas šiuo metu dar nėra pilnai išplėtotas.
Apibendrinant, šiame projekto etape jau pasiekta:
turime patikrintą 5G techninę bazę mieste, sukauptus duomenis dirbtinio intelekto modeliams,
turime veikiančius demonstratorius (stacionarią ir mobilią kameras),
turime aiškius pirmuosius naudojimo scenarijus (spūsčių stebėjimas, kelio dangos vertinimas) ir identifikuotas rizikas.
Toliau projekte planuojama sutelkti dėmesį į tas technologijas, kurias galima realiai taikyti mieste – pirmiausia į kelio dangos stebėseną ir eismo apkrovų bei spūsčių analizę naudojant stacionarias ir mobilias kameras – ir šiuos sprendimus užbaigti iki pilnai veikiančių demonstracinių versijų.