AI w miejskim transporcie: prognozowanie korków, konserwacja infrastruktury, autonomiczne pojazdy. Raport Arup
Firma doradcza Arup opublikowała raport „AI for Future Cities: Transport" o zastosowaniu AI w zarządzaniu miejską mobilnością. Eksperci wskazują jedno kluczowe ograniczenie: technologia jest tylko tak dobra, jak infrastruktura danych, na której działa.
Ponad połowa ludzkości mieszka dziś w miastach. Do 2050 roku odsetek ten ma wzrosnąć do 70 procent. Rosnąca liczba mieszkańców i presja na dekarbonizację transportu sprawiają, że zarządzanie miejską mobilnością staje się coraz trudniejsze — i coraz bardziej podatne na automatyzację. Arup, globalna firma doradczo-inżynieryjna, opublikowała raport opisujący, gdzie i jak AI może zmienić transport miejski.
Najważniejsze zastosowania dotyczą trzech obszarów. Po pierwsze — prognozowania zakłóceń: przeciążeń na głównych ulicach, opóźnień w komunikacji zbiorowej, problemów na skrzyżowaniach. Systemy oparte na AI mają reagować w czasie rzeczywistym, zamiast obsługiwać incydenty post factum. Po drugie — konserwacji infrastruktury. W raporcie opisano konkretny przykład: przy inspekcji linii kolejowej High Speed 1 i projektach dla UK Power Networks inżynierowie użyli narzędzia łączącego obrazowanie 360° z algorytmami rozpoznawania obrazu. Dane zbierały autonomiczne pojazdy i roboty, a uczenie maszynowe pozwoliło ograniczyć liczbę manualnych kontroli i zmniejszyć ryzyko prac w trudno dostępnych miejscach. Po trzecie — planowania. Cyfrowe bliźniaki miast mają umożliwiać symulowanie scenariuszy transportowych bez ingerowania w rzeczywistą przestrzeń.
Osobny wątek raportu dotyczy pojazdów autonomicznych. Masowe wdrożenie autonomicznego transportu zmieni nie tylko ruch — zmieni też układ miast. Spodziewany efekt to mniejsze zapotrzebowanie na miejsca parkingowe i większa rola stref krótkotrwałych postojów do wsiadania i wysiadania. Zwolnioną przestrzeń można byłoby przeznaczać na zieleń, chodniki czy zabudowę mieszkaniową.
Raport nie przemilcza przeszkód. Agnieszka Tatarczak, Digital Team Leader w Arup, wskazuje na podstawowy problem: „Sztuczna inteligencja potrzebuje spójnego, otwartego środowiska z dużą ilością wysokiej jakości danych. Wiele miast wciąż opiera swoje systemy na przestarzałych, fragmentarycznych bazach danych, zamkniętych platformach operatorów, niekompatybilnych standardach i niejednolitych kanałach komunikacji między instytucjami." Jej konkluzja jest prosta: zanim wdroży się AI, często trzeba najpierw zainwestować w infrastrukturę i standaryzację danych.
