Kusubiri kwa muda mrefu kwenye vituo vya mabasi kunawakatisha tamaa abiria na kupunguza mvuto wa usafiri wa umma. Katika miji mingi, ucheleweshaji wa kusubiri na kubadilisha mabasi unachukua sehemu kubwa ya muda wa safari – utafiti mmoja ulionyesha kuwa kusubiri nje ya basi kunaweza kuchukua takriban 17–40% ya muda wote wa safari. Hata ucheleweshaji mdogo hupunguza idadi ya abiria: huko London ongezeko la 1% la muda wa safari lilipelekea kupungua kwa matumizi ya usafiri wa umma kwa takriban 0.61%.
Ili kushughulikia hili, zana za kisasa za kupanga ratiba zinazotumia AI huchambua data za wakati halisi na za kihistoria (mifumo ya usafiri, trafiki, hali ya hewa, n.k.) ili kuunda ratiba na njia za mabasi zenye busara zaidi. Mifumo hii imeundwa ili “kuunda ratiba sahihi na za kuaminika zaidi” na kuahidi “kupunguza muda wa kusubiri na kuboresha utekelezaji wa ratiba kwa wakati” kwa abiria.
Suluhisho za AI kwa Ratiba na Njia za Mabasi ya Umma
AI husaidia wapangaji usafiri kwa njia kadhaa kupunguza muda wa kusubiri na ucheleweshaji:
-
Utabiri wa Mahitaji: Algoriti za AI huchambua data za usafiri wa zamani, hali ya hewa, matukio na muda wa siku kutabiri lini na wapi mabasi yatahitajika.
Kwa kuendana na mahitaji, waendeshaji wanaweza kuepuka msongamano au matumizi duni ya mabasi. Kwa mfano, mashirika ya usafiri sasa yanatumia utabiri unaotegemea AI kuboresha usambazaji wa magari na kuzuia msongamano wakati wa nyakati za msongamano. -
Ratiba na Udhibiti wa Kutabiri: Mashine za kujifunza zinaweza kujifunza ni mambo gani (trafiki, ucheleweshaji wa kupanda abiria, n.k.) huathiri utekelezaji wa ratiba kwa wakati, na kurekebisha ratiba au maagizo ya kusambaza mabasi ipasavyo.
Kwa mfano, zana kama FlowOS hufanikisha kuiga maendeleo ya magari na kupendekeza hatua za wakati halisi (kushikilia au kuruka vituo, kurekebisha kasi) ili mabasi yafikie kwa wakati.
Kivitendo, hii inamaanisha ratiba huboreshwa kila wakati ili kupunguza ucheleweshaji na kuungana kwa mabasi kabla hayajatokea. -
Upendeleo wa Ishara za Usafiri na Uelekezaji: AI inaweza kuunganishwa na usimamizi wa trafiki kutoa upendeleo kwa mabasi kwenye taa za trafiki au kupendekeza njia mbadala.
Majaribio moja huko Portland, OR, kutumia mfumo wa AI wa upendeleo wa trafiki ulipunguza muda wa kusubiri taa nyekundu kwa mabasi kwa takriban 80% kwa umbali wa maili 15, na kuharakisha safari kwa kiasi kikubwa.
Vivyo hivyo, algoriti za hali ya juu zinaweza kurekebisha njia au ratiba za mabasi ili kuzuia “kuungana pamoja” na kusawazisha muda wa kuwasili. -
Taarifa za Wakati Halisi kwa Abiria: Mifumo yenye akili hutoa maonyesho ya kidijitali na programu za abiria zinazotabiri muda wa kuwasili kwa basi.
Kwa kusambaza ratiba sahihi na za wakati halisi, mifumo hii hufanya kusubiri kuonekana kwa muda mfupi.
Mashirika yanaripoti kuwa taarifa za kuwasili kwa wakati halisi na mipango ya kubadilisha mabasi yenye ucheleweshaji mdogo – mara nyingi zinazotokana na AI – huboresha sana uzoefu wa mteja.
Teknolojia hizi hufanya kazi pamoja kuhakikisha mabasi yanaendelea kusafiri na abiria wanapata taarifa.
Kwa mfano, vituo vya mabasi vyenye akili na programu sasa vinaonyesha utabiri wa kuwasili ulioimarishwa na AI ili wasafiri wajue muda halisi wa kusubiri.
Mifano Halisi ya AI katika Usafiri wa Umma
Mifano hii inaonyesha athari za AI: kupanga ratiba kwa busara zaidi, kuimarisha kuaminika, na kupunguza muda wa kusubiri.
Mashirika ya usafiri katika nchi nyingi (kutoka Marekani hadi Ulaya na Asia) yanachukua zana hizi. Kwa mfano, mashirika ya Marekani hutumia AI kutabiri idadi ya abiria na kuratibu mabadilishano, na miji kama Boston na Seattle inajaribu upendeleo wa ishara za trafiki unaotegemea AI kupunguza kusimama kwa mabasi.
Juhudi hizi zote zina lengo moja: kupunguza muda wa kusubiri na ucheleweshaji kwa abiria.
Faida na Mtazamo wa Baadaye
Usafiri ulioboreshwa na AI unatoa faida nyingi. Kwa kudumisha muda wa kuwasili wa mabasi kuwa thabiti na kupunguza kuungana pamoja, mifumo ya AI huhakikisha mabasi yanawasili kwa vipindi vya kawaida, hivyo abiria hawakumbwi na mapengo marefu yasiyotabirika. Utafiti wa usafiri unaonyesha kuwa aina hii ya “upangaji wa ratiba unaobadilika” husababisha muda mfupi wa safari na faraja kubwa kwa abiria.
Waendeshaji pia huokoa pesa: mabasi machache yasiyotumika na huduma laini hupunguza gharama za mafuta na wafanyakazi, na hivyo kuachilia rasilimali kwa huduma zilizopanuliwa.
Kwa kweli, uchambuzi unaonyesha kuwa kupungua kwa 10% kwa matumizi ya mafuta (kutokana na kupanga ratiba bora) kunaleta faida kubwa za kifedha na kimazingira.
Kuangalia mbele, AI katika usafiri itaendelea kukua. Mifano ya hali ya juu inaweza kujifunza kila wakati kutoka kwa data za moja kwa moja (GPS, hesabu za abiria, n.k.) ili kuendana na mabadiliko ya trafiki na mahitaji.
Mifumo ya baadaye ya “miji smart” inaweza kuunganisha AI na sensa za IoT na mitandao ya 5G ili njia za mabasi na ishara ziweze kuboreshwa kila wakati kwa wakati halisi.
Miradi ya awali inaripoti kuwa teknolojia hizi za kidijitali hufanya usafiri wa umma “kuwa endelevu zaidi na kuvutia,” hasa katika mitandao yenye mahitaji madogo au changamoto nyingi.
Kwa kukumbatia AI, miji inalenga kutoa huduma ya basi yenye kasi zaidi, kuaminika zaidi, na yenye uwezo mkubwa zaidi, hatimaye kupunguza kwa kiasi kikubwa muda wa kusubiri unaotisha.
