Επανάσταση στις τοπικές μεταφορές: Η AI βελτιώνει τη χρήση του S-Bahn στο Αμβούργο!

Η Deutsche Bahn χρησιμοποιεί τεχνητή νοημοσύνη για να προβλέψει την αξιοποίηση του S-Bahn στο Αμβούργο και το Βερολίνο ακριβώς.
Η Deutsche Bahn χρησιμοποιεί τεχνητή νοημοσύνη για να προβλέψει την αξιοποίηση του S-Bahn στο Αμβούργο και το Βερολίνο ακριβώς. (Symbolbild/NAG)

Επανάσταση στις τοπικές μεταφορές: Η AI βελτιώνει τη χρήση του S-Bahn στο Αμβούργο!

Hamburg, Deutschland - Η Deutsche Bahn ανακοίνωσε ότι μπορεί να χρησιμοποιήσει την τεχνητή νοημοσύνη για να βελτιώσει τις προβλέψεις σχετικά με τη χρήση του S-Bahn. Αυτή η καινοτομία παρουσιάστηκε σε ένα μήνυμα από το Αμβούργο S-Bahn, το οποίο στοχεύει να βελτιώσει σημαντικά τις πληροφορίες των επιβατών. Στους περισσότερους σταθμούς S-Bahn στο Αμβούργο και σε αρκετούς σταθμούς στο Βερολίνο, χρησιμοποιούνται καινοτόμα φραγμοί φωτός για αυτό.

Η τρέχουσα εφαρμογή της τεχνολογίας AI είναι αρχικά ένα έργο δοκιμής στο Βερολίνο, ενώ στο Αμβούργο υπάρχουν ήδη πάνω από 140 αισθητήρες φωτός για να καταγράψουν τους αριθμούς των επιβατών. Αυτά τα καινοτόμα δεδομένα μέτρησης συγκρίνονται με τους υπολογισμούς της τεχνητής νοημοσύνης προκειμένου να επιτευχθεί μια ακρίβεια πρόβλεψης πάνω από 90 %, όπως η Julia Kuhfuß, επικεφαλής του "DB Lightgate". Οι επιβάτες θα ενημερωθούν αμέσως για την κατοχή των αμαξοστοιχιών εισόδου.

Βελτιστοποίηση πληροφοριών επιβατών

Ειδικότερα, το S-Bahn Hamburg επιδιώκει το στόχο της αναγνώρισης των ελεύθερων θέσεων με το σύστημα Lightgate DB μέσω προβλέψεων σε πραγματικό χρόνο για τη χρήση των τρένων. Αυτές οι πληροφορίες εμφανίζονται πέντε σταθμοί πριν εισέλθουν στο τρένο στο σιδηροδρομικό σταθμό. Η αξιοποίηση μεταδίδεται από έναν κώδικα χρώματος: το πράσινο σηματοδοτεί πολύ χώρο, κίτρινο μια μέση κατοχή και κόκκινο δείχνει λίγο χώρο. Αυτά τα μέτρα προσφέρουν στους επιβάτες έναν τρόπο να προσαρμόσουν δυναμικά τα ταξιδιωτικά τους σχέδια.

Ενώ η τεχνητή νοημοσύνη χρησιμοποιείται ήδη στο Αμβούργο, τα συστήματα στο Βερολίνο δοκιμάζονται επί του παρόντος και δεν έχουν ακόμη εφαρμοστεί για τη βελτίωση της βάσης δεδομένων, σύμφωνα με εκπρόσωπο του S-Bahn Berlin. Στις πλατφόρμες στο Βερολίνο, οι επιβάτες θα έχουν το ποσοστό πληρότητας, πράγμα που σημαίνει ότι μπορούν να αποφασίσουν εγκαίρως αν θέλουν να πάρουν ένα τρένο ή να περιμένουν το επόμενο.

Τεχνητή νοημοσύνη στις δημόσιες συγκοινωνίες

Η εφαρμογή της τεχνητής νοημοσύνης στις δημόσιες συγκοινωνίες ξεπερνά το S-Bahn. Συστήματα όπως οι οδηγοί για κινητά προσφέρουν επιβάτες αξιόπιστες πληροφορίες σχετικά με τη φόρτωση λεωφορείων και τρένων σε πραγματικό χρόνο. Αυτό επιτρέπει στους χρήστες να επιλέξουν λιγότερο κουρασμένες συνδέσεις και έτσι να αποφεύγουν τους χρόνους αναμονής και τα υπερπληθυσμένα οχήματα.

Η τεχνική πρόκληση είναι να δημιουργηθεί μια βάσης δεδομένων για τον προσδιορισμό του ποσοστού πληρότητας. Το MobileGuide χρησιμοποιεί μια ποικιλία τεχνολογιών, συμπεριλαμβανομένων των αλγορίθμων και εναλλακτικών πηγών δεδομένων όπως τα σήματα WLAN και Bluetooth από smartphones. Η τρέχουσα αξιοποίηση καθορίζεται με μετρήσεις των εισερχόμενων και αναπτυσσόμενων επιβατών και συνδέεται με δεδομένα χρονοδιαγράμματος, τα οποία εγγυώνται υψηλό επίπεδο αξιοπιστίας στην παροχή πληροφοριών.

Η νέα τεχνολογία δεν θα μπορούσε να βελτιώσει μόνο την εμπειρία των χρηστών στις δημόσιες συγκοινωνίες, αλλά και να βοηθήσει στην αξιοποίηση της χρήσης πιο ομοιόμορφα, ενθαρρύνοντας τους επιβάτες να προσαρμόσουν τα ταξιδιωτικά τους σχέδια ανάλογα.

Συνοπτικά, μπορεί να ειπωθεί ότι το S-Bahn Hamburg και η Deutsche Bahn εργάζονται ενεργά για τη βελτίωση των προβλέψεων για τη χρήση του S-Bahn μέσω της χρήσης της τεχνητής νοημοσύνης και της προσφοράς στους επιβάτες μια πιο ευχάριστη εμπειρία ταξιδιού. Αυτές οι εξελίξεις αποτελούν μέρος μιας μεγαλύτερης τάσης που υποτίθεται ότι εκσυγχρονίζει τις τοπικές δημόσιες συγκοινωνίες.

Παρόμοια πρόοδο παγκοσμίως δείχνει το αυξανόμενο ενδιαφέρον και τις επενδύσεις σε τεχνολογικές λύσεις, προκειμένου να καταστούν οι δημόσιες συγκοινωνίες πιο αποτελεσματικές και φιλικές προς το χρήστη.

Details
OrtHamburg, Deutschland
Quellen