Długie oczekiwanie na przystankach zniechęca pasażerów i obniża atrakcyjność transportu publicznego. W wielu miastach czas oczekiwania i przesiadek stanowi znaczną część całkowitego czasu podróży – jedno z badań wykazało, że czas oczekiwania poza pojazdem może stanowić około 17–40% całkowitego czasu podróży. Nawet niewielkie opóźnienia wpływają na spadek liczby pasażerów: w Londynie 1% wydłużenia czasu podróży powodował około 0,61% spadek korzystania z transportu publicznego.
Aby temu przeciwdziałać, nowoczesne narzędzia planowania oparte na sztucznej inteligencji analizują dane w czasie rzeczywistym oraz historyczne (wzorce pasażerskie, ruch drogowy, warunki pogodowe itp.), aby tworzyć bardziej inteligentne rozkłady jazdy i trasy autobusów. Systemy te mają na celu „tworzenie dokładniejszych i bardziej niezawodnych rozkładów” oraz obiecują „skracać czas oczekiwania i poprawiać punktualność” dla pasażerów.
Rozwiązania AI dla planowania i trasowania autobusów miejskich
Sztuczna inteligencja wspiera planistów transportu na kilka sposobów, aby skrócić czas oczekiwania i opóźnienia:
-
Prognozowanie zapotrzebowania: Algorytmy AI analizują dane historyczne dotyczące liczby pasażerów, warunki pogodowe, wydarzenia oraz porę dnia, aby przewidzieć, kiedy i gdzie potrzebne będą autobusy.
Dopasowując liczbę pojazdów do zapotrzebowania, operatorzy mogą uniknąć przepełnienia lub niewykorzystania taboru. Na przykład agencje transportowe korzystają obecnie z prognoz opartych na AI, aby optymalizować rozmieszczenie pojazdów i zapobiegać przepełnieniu w godzinach szczytu. -
Predykcyjne planowanie i kontrola: Uczenie maszynowe identyfikuje czynniki wpływające na punktualność (ruch drogowy, opóźnienia przy wsiadaniu pasażerów itp.) i odpowiednio dostosowuje rozkłady lub instrukcje dyspozytorów.
Na przykład narzędzia takie jak FlowOS symulują postęp pojazdów i rekomendują interwencje w czasie rzeczywistym (zatrzymanie lub pominięcie przystanków, regulacja prędkości), aby utrzymać autobusy na czas.
W praktyce oznacza to ciągłe dopracowywanie rozkładów, by minimalizować opóźnienia i zlewanie się autobusów, zanim się pojawią. -
Priorytet sygnalizacji i trasowanie: AI może integrować się z systemami zarządzania ruchem, aby przyznawać autobusom priorytet na światłach lub sugerować alternatywne trasy.
W jednym z testów w Portland (Oregon) system priorytetu sygnalizacji oparty na AI skrócił czas oczekiwania na czerwonym świetle o około 80% na odcinku 15 mil, znacznie przyspieszając przejazdy.
Podobnie zaawansowane algorytmy optymalizacji mogą zmieniać trasy lub czasy kursów, aby zapobiegać „zlewaniu się” autobusów i wyrównywać odstępy między nimi. -
Informacje pasażerskie w czasie rzeczywistym: Inteligentne systemy zasilają cyfrowe wyświetlacze i aplikacje dla pasażerów, które przewidują czas przyjazdu autobusów.
Dzięki udostępnianiu dokładnych, aktualnych rozkładów, systemy te sprawiają, że czas oczekiwania wydaje się krótszy.
Agencje raportują, że szybkie i wiarygodne informacje o przyjazdach w czasie rzeczywistym oraz planowanie przesiadek – często generowane przez AI – znacznie poprawiają doświadczenia pasażerów.
Te technologie współdziałają, aby utrzymać autobusy w ruchu i informować pasażerów.
Na przykład inteligentne przystanki i aplikacje wyświetlają teraz prognozy przyjazdów wspomagane AI, dzięki czemu podróżni dokładnie wiedzą, ile będą czekać.
Przykłady zastosowań AI w transporcie publicznym
Te przykłady pokazują wpływ AI: inteligentniejsze planowanie, większa niezawodność i krótszy czas oczekiwania.
Agencje transportowe w wielu krajach (od USA po Europę i Azję) wdrażają te narzędzia. Na przykład w USA AI służy do prognozowania liczby pasażerów i koordynacji przesiadek, a miasta takie jak Boston i Seattle eksperymentują z priorytetem sygnalizacji opartym na AI, aby ograniczyć postoje.
Wszystkie te działania mają jeden cel: minimalizować czas oczekiwania i opóźnienia pasażerów.
Korzyści i perspektywy na przyszłość
Transport zoptymalizowany przez AI przynosi wiele korzyści. Dzięki utrzymywaniu bardziej równomiernych odstępów i redukcji zlewania się autobusów, systemy AI zapewniają regularne przyjazdy, dzięki czemu pasażerowie nie muszą mierzyć się z długimi, nieprzewidywalnymi przerwami. Badania transportowe pokazują, że takie „dynamiczne planowanie” prowadzi do krótszych czasów podróży i większego komfortu pasażerów.
Operatorzy oszczędzają również pieniądze: mniej bezczynnych autobusów i płynniejsza obsługa oznaczają niższe koszty paliwa i pracy, co pozwala przeznaczyć środki na rozszerzenie usług.
Analizy wskazują, że 10% spadek zużycia paliwa (dzięki lepszemu planowaniu) przynosi znaczące korzyści finansowe i środowiskowe.
Patrząc w przyszłość, rola AI w transporcie będzie rosła. Zaawansowane modele mogą na bieżąco uczyć się na podstawie danych na żywo (GPS, liczniki pasażerów itp.) i dostosowywać się do zmieniającego się ruchu i zapotrzebowania.
Przyszłe systemy „inteligentnych miast” mogą integrować AI z czujnikami IoT i sieciami 5G, tak aby trasy autobusów i sygnalizacja świetlna były stale optymalizowane w czasie rzeczywistym.
Wczesne projekty pokazują, że te cyfrowe technologie czynią transport publiczny „bardziej zrównoważonym i atrakcyjnym”, zwłaszcza w sieciach o niskim zapotrzebowaniu lub o skomplikowanej strukturze.
Dzięki wdrożeniu AI miasta dążą do zapewnienia szybszej, bardziej niezawodnej i o większej przepustowości obsługi autobusowej, wreszcie skracając te niechciane czasy oczekiwania.
