Использование искусственного интеллекта для уменьшения пробок на дорогах

Что вы думаете о движении на дорогах вашего города? Жители города Новой Англии провели в среднем 164 часа, сидя в своих машинах, медленно двигаясь в пробках в прошлом году, потеряв до 2291 доллара в качестве оплаты за эту «привилегию».

И это ничто по сравнению с городом с самым худшим транспортным сообщением на планете. Известно, что в прошлом году московские водители теряли в пробках в среднем 210 часов в год из-за пробок.

Данные предоставлены компанией подключенных автосервисов INRIX в Киркленде, штат Вашингтон, и ее ежегодной карте глобального трафика. Он основан на изучении тенденций пробок и мобильности среди более, чем 200 городов в 38 странах. В Америке, опрос показал, что в прошлом году водители по всей стране тратили в среднем 97 часов, застряв в пробке, при средней стоимости «стоянки» в 1348 долларов на одного автомобилиста. Это приводит к ошеломляющим 87 миллиардам долларов, потерянным по всей стране из-за транспортных пробок.

В ответ планировщики теперь используют искусственный интеллект (ИИ) и машинное обучение (МО), чтобы уменьшить заторы на дорогах.

Пока не существует единого решения, способного решить проблемы с дорожным движением в мире. В каждом городе есть огромный и уникальный набор проблем, которые создают пробки и замедляют движение автомобилей в городе. Улучшение траффика с помощью искусственного интеллекта и машинного обучения требует целенаправленных решений.

Сегодня города исследуют платформы на основе ИИ и МО, представляющие собой облачные решения, которые беспрепятственно связывают поставщиков мобильных услуг, транспортные средства, водителей и путешественников с целью оптимизации производительности автопарка.

Думайте об этих платформах как о маяке для кораблей.

Эти платформы позволяют поставщикам мобильных услуг предоставлять транспортные услуги, предоставляя большой набор функций планирования, контроля, инструментовки, предвидения и бизнес-аналитики для гибридных автомобилей.

Данные усилия потребуют контроля со стороны самих городов и муниципалитетов, которые будут использовать сторонние платформы для управления всей системой, а не контролировать ее со стороны частных поставщиков, таких как современные сервисные бренды.

Другие решения сосредоточены на конкретных задачах, но все же имеют потенциал для немедленного воздействия. Взять, к примеру, непредсказуемые разводные мосты Майами. По оценкам специалистов, водители тратят от 10 до 20 минут на остановку, если им не повезло застрять в ожидании разведения мостов.

По всему миру решения некоторых из самых серьезных проблем на дорогах приходят из простых жизненных ситуаций. И хотя многие люди сосредоточились на технологиях самостоятельного вождения, именно платформа на базе искусственного интеллекта и машинного обучения вдохновляет революцию в автомобилестроении.

Эти платформы призваны управлять автономными, управляемыми человеком, общественными и частными транспортными средствами в связанной системе. Гениальность системы заключается в способности не только программировать определенные транспортные средства на определенных маршрутах, но и обеспечивать координацию транспортных средств, чтобы они могли работать вместе как согласованный парк автомобилей. Эти платформы служат проводником или диспетчерской вышкой для каждого авто.

В этой связи платформа на основе искусственного интеллекта и машинного обучения позволяет операторам транспортных средств планировать, развертывать и управлять услугами с использованием любого типа или марки автомобиля. Такое управление парком транспортных средств позволяет поставщикам услуг мобильной связи предлагать услуги, которые необходимы путешественникам, такие как: проезд, роботакси, микротранзит и автономные шаттлы, — чтобы люди могли добраться из пункта А в пункт В наиболее эффективным способом.

Данный способ перевозки выгоден всем перевозчикам. Например, общественные транспортные компании будут использовать платформу вместе с парками автономных и управляемых человеком транспортных средств, чтобы предоставлять услуги «первой и последней мили» для поездов и автобусных станций, делая повседневный общественный транспорт более удобным. Частные провайдеры также будут использовать платформу для предоставления своих услуг, а автономные пригородные перевозки будут перемещать людей вокруг больших городов.

В дополнение к использованию технологий искусственного интеллекта и машинного обучения для управления платформой, чтобы она постоянно улучшала свой интеллект и точность, необходимо сделать транспортное средство платформы независимым, чтобы оно поддерживало как управляемые человеком транспортные средства, так и автономные транспортные средства, что будет все больше и больше использоваться в будущем.

Когда все эти технологии объединятся под одной платформой, города и прилегающие к ним городские районы будут пользоваться общими услугами по требованию в условиях, которые не только более удобны, чем личное вождение, но также уменьшат заторы на дорогах в этих областях.

Пример системы умного управления трафиком на базе умного светофора: