Όλοι γνωρίζουμε πως είναι να περιμένεις για ώρα το επόμενο λεωφορείο και τελικά να έρχονται δύο ή τρία το ένα πίσω από το άλλο. Ο βρετανικός μεταφορέας First Bus, που πραγματοποιεί δρομολόγια σε διάφορες πόλεις της χώρας, στράφηκε στην τεχνητή νοημοσύνη προκειμένου να βρει τη λύση στο πρόβλημα.
Όπως δήλωσε στο BBC Simon Pearson, στέλεχος της εταιρείας, η κατάρτιση των προγραμμάτων δρομολογίων είναι περίπλοκα καθώς η εταιρεία διαθέτει 4.000 οχήματα τα οποία παραμένουν στο δρόμο για 16 ώρες κάθε μέρα. Το να περνούν όλα στην ώρα του, αποτελεί μία μεγάλη πρόκληση.
Στο παρελθόν η εργασία αυτή γίνονταν με το χέρι και έπαιρνε πολύ χρόνο. Για το λόγο αυτό τα προγράμματα δεν άλλαζαν παραπάνω από 3 φορές το χρόνο. Πλέον, έχοντας στραφεί στην τεχνητή νοημοσύνη, η βελτίωση των δρομολογίων είναι δυνατή όσο συχνά χρειάζεται.
Ήδη από το Νοέμβριο του 2022, η κατάρτιση των δρομολογίων γίνεται με τη βοήθεια της τεχνητής νοημοσύνης σε 3 πόλεις. Το πρόγραμμα τεχνητής νοημοσύνης μπορεί να χρησιμοποιήσει δεδομένα για την κίνηση στους δρόμους και να προτείνει την αλλαγή δρομολογίων προκειμένου τα λεωφορεία να μην καταλήξουν το ένα πίσω από το άλλο.
Τα αποτελέσματα έχουν ήδη γίνει φανερά καθώς η ακρίβεια των δρομολογίων έχει βελτιωθεί κατά 20% κατά τις ώρες αιχμής. Αν και η βελτίωση αυτή δεν έχει ικανοποιήσει πλήρως τους επιβάτες, η εταιρεία επεκτείνει τώρα το νέο σύστημα σε όλες τις πόλεις στις οποίες έχει λεωφορεία.
Ο νέος τρόπος σχεδιασμού δρομολογίων έχει και οικονομικά οφέλη για τις τοπικές κυβερνήσεις, αφού γίνεται δυνατή η αποτελεσματικότερη χρήση των λεωφορείων απασχόλησης του προσωπικού.
Από τη μεριά τους, οργανώσεις που εκπροσωπούν τους επιβάτες των λεωφορείων, αναφέρει πως οποιαδήποτε μέθοδος και αν χρησιμοποιείται για την κατάρτιση των δρομολογίων είναι σημαντικό οι επιβάτες να ενημερώνονται εγκαίρως για τις όποιες αλλαγές αλλά και τα εκτελούμενα δρομολόγια πρέπει να ικανοποιούν τις ανάγκες των επιβατών.
Το λογισμικό της First Bus αναπτύχθηκε από την εταιρεία Prospective. Για την “εκπαίδευση” της τεχνητής νοημοσύνης χρησιμοποιήθηκαν δισεκατομμύρια δεδομένα, περιλαμβανομένων της τοποθεσίας κάθε στάσης και δεδομένων επικυρώσεων εισιτηρίων. Με τη χρήση της τεχνητής νοημοσύνης το λογισμικό «τρέχει» χιλιάδες σενάρια προσομοίωσης ανά λεπτό, επιλέγοντας τις βέλτιστες λύσεις.
Σύμφωνα με την εταιρεία, το λογισμικό μπορεί να λάβει υπόψη και τις νέες ανάγκες που προκύπτουν λόγω του αυξανόμενου αριθμού των ηλεκτρικών λεωφορείων και των αναγκών φόρτισής τους μέσω κατάρτισης προγραμμάτων φόρτισης για τα αμαξοστάσια. Επιπλέον, μπορεί να χρησιμοποιηθεί και για τον σχεδιασμό νέων διαδρομών, λαμβάνοντας υπόψη τις ανάγκες μετακίνησης του κοινού.
Αυτή η τελευταία δυνατότητα μπορεί να χρησιμοποιηθεί και για την περίπτωση των υπηρεσιών on-demand δρομολογίων, μία υπηρεσία που βλέπουμε όλο και πιο συχνά τα τελευταία χρόνια.
Στην Ιαπωνία λειτουργεί η υπηρεσία KnowRoute που εκτελεί τέτοιου είδους δρομολόγια με mini van σε 30 πόλεις της χώρας. Οι επιβάτες μπορούν να καλούν μέσω εφαρμογής ή τηλεφώνου το όχημα και το λογισμικό της τεχνητής νοημοσύνης αναλαμβάνει τον σχεδιασμό του δρομολογίου για τη βέλτιστη εξυπηρέτηση όλων των επιβατών που μεταφέρει.
Το λογισμικό, το οποίο δημιουργήθηκε από την Καναδική εταιρεία Spare, διαχειρίζεται τις κρατήσεις, τις «αναθέτει» ανά όχημα, στέλνει ειδοποιήσεις στους επιβάτες και δείχνει στους οδηγούς το δρομολόγιο που πρέπει να ακολουθήσουν.
Σύμφωνα με τον Eduardo Mascarenhas ειδικό τεχνητής νοημοσύνης στο Ευρωπαϊκό Ινστιτούτο Καινοτομίας και Τεχνολογίας, υπάρχουν ακόμα μεγάλα περιθώρια βελτίωσης των υπηρεσιών αστικών συγκοινωνιών μέσω της τεχνητής νοημοσύνης, καθώς πρόκειται για ένα τομέα με πολλά διαφορετικά δεδομένα που μπορεί να αξιοποιήσει η τεχνητή νοημοσύνη. Ακόμα και οι προτιμήσεις μετακίνησης διαφορετικών ομάδων επιβατών μπορούν να αξιοποιηθούν για την βελτιστοποίηση των δρομολογίων.
Πηγή: bbc.com, επιμέλεια: Αλέξανδρος Λιάρος
athenstransport.com
