Revolucija u lokalnom prijevozu: AI poboljšava korištenje S-Bahn u Hamburgu!

Revolucija u lokalnom prijevozu: AI poboljšava korištenje S-Bahn u Hamburgu!

Hamburg, Deutschland - Deutsche Bahn najavio je da može koristiti umjetnu inteligenciju za poboljšanje prognoze o korištenju S-Bahna. Ova je inovacija predstavljena u poruci iz Hamburga S-Bahna, koja ima za cilj značajno poboljšati informacije o putnicima. U većini S-Bahn stanica u Hamburgu i na nekoliko stanica u Berlinu koriste se za to inovativne svjetlosne barijere.

Trenutna implementacija AI tehnologije u početku je testni projekt u Berlinu, dok u Hamburgu već postoji preko 140 senzora svjetla za snimanje brojeva putnika. Ovi inovativni podaci o mjerenju uspoređuju se s izračunavanjem umjetne inteligencije kako bi se postigla preciznost prognoze od preko 90 posto, kao Julia Kuhfuß, glava "DB Lightgate". Putnici će odmah biti obaviješteni o popunjenosti ulaznih vlakova.

Optimizacija informacija o putnicima

Posebno, S-Bahn Hamburg slijedi cilj prepoznavanja slobodnih mjesta sa sustavom DB Lightgate kroz prognoze u stvarnom vremenu za korištenje vlakova. Te se informacije prikazuju pet stanica prije ulaska u vlak u željezničku stanicu. Korištenje se komunicira kodom u boji: Zelena signalizira puno prostora, žuta prosječna popunjenost i crvena ukazuje na malo prostora. Ove mjere putnicima nude način da dinamički prilagode svoje planove putovanja.

Iako se umjetna inteligencija već koristi u Hamburgu, sustavi u Berlinu trenutno se testiraju i još nisu implementirani za poboljšanje baze podataka, izjavio je glasnogovornik S-Bahn Berlin. Na platformama u Berlinu, putnici će imati stopu zauzetosti, što znači da se mogu na vrijeme odlučiti hoće li se upustiti u vlak ili čekati sljedeći.

Umjetna inteligencija u javnom prijevozu

Primjena umjetne inteligencije u javnom prijevozu nadilazi S-Bahn. Sustavi poput mobilnih vodiča nude putnicima pouzdane informacije o utovara autobusa i vlakova u stvarnom vremenu. To omogućava korisnicima da odaberu manje umorne veze i na taj način izbjegavaju vrijeme čekanja i prenapučena vozila.

Tehnički izazov je stvoriti bazu podataka s dobrom dobrom za određivanje stope popunjenosti. MobileGuide koristi razne tehnologije, uključujući algoritme i alternativne izvore podataka kao što su WLAN i Bluetooth signale s pametnih telefona. Trenutna upotreba određuje se brojevima dolaznih i raspoređivanja putnika i povezanih s podacima o rasporedu, što jamči visoku razinu pouzdanosti u pružanju informacija.

Nova tehnologija ne samo da bi mogla poboljšati korisničko iskustvo u javnom prijevozu, već bi također pomogla da se uporaba ujednače poticanjem putnika da u skladu s tim prilagode svoje planove putovanja.

Slični napredak širom svijeta pokazuje sve veći interes i ulaganja u tehnološka rješenja kako bi javni prijevoz bio učinkovitiji i prijateljski.