Revolution i lokal transport: AI förbättrar S-Bahn-utnyttjandet i Hamburg!

Revolution i lokal transport: AI förbättrar S-Bahn-utnyttjandet i Hamburg!

Hamburg, Deutschland - Deutsche Bahn har meddelat att den kan använda artificiell intelligens för att förbättra prognoserna om användningen av S-Bahn. Denna innovation presenterades i ett meddelande från Hamburg S-Bahn, som syftar till att förbättra passagerarinformationen avsevärt. På de flesta S-Bahn-stationer i Hamburg och på flera stationer i Berlin används innovativa ljusbarriärer för detta.

Den nuvarande implementeringen av AI -tekniken är initialt ett testprojekt i Berlin, medan det i Hamburg redan finns över 140 ljussensorer för att registrera passagerarnumren. Dessa innovativa mätdata jämförs med beräkningarna av konstgjord intelligens för att uppnå en prognosnoggrannhet på över 90 procent, som Julia Kuhfuß, chef för "DB Lightgate". Passagerare kommer att informeras snabbt om beläggningen av ingångstågen.

Optimering av passagerarinformation

Särskilt S-Bahn Hamburg strävar efter målet att erkänna fria platser med DB Lightgate-systemet genom realtidsprognoser för användning av tågen. Denna information visas fem stationer innan du går in i tåget till tågstationen. Användningen kommuniceras av en färgkod: Gröna signaler mycket utrymme, gul en genomsnittlig beläggning och rött indikerar lite utrymme. Dessa åtgärder erbjuder passagerare ett sätt att dynamiskt anpassa sina resplaner.

Medan artificiell intelligens redan används i Hamburg, testas för närvarande systemen i Berlin för närvarande och ännu inte implementeras för att förbättra databasen, enligt en talesman för S-Bahn Berlin. På plattformarna i Berlin kommer passagerare att ha beläggningsgraden, vilket innebär att de i god tid kan besluta om de vill komma på ett tåg eller vänta på nästa.

Artificiell intelligens i kollektivtrafik

Tillämpningen av konstgjord intelligens i kollektivtrafik går utöver S-Bahn. System som mobilguider erbjuder passagerare tillförlitlig information om lastning av bussar och tåg i realtid. Detta gör det möjligt för användare att välja mindre trötta anslutningar och därmed undvika väntetider och överfulla fordon.

Den tekniska utmaningen är att skapa en välbäddad databas för att bestämma beläggningsgraden. Mobileguide använder olika tekniker, inklusive algoritmer och alternativa datakällor som WLAN och Bluetooth -signaler från smartphones. Det nuvarande utnyttjandet bestäms av räkningar för inkommande och distribuera passagerare och kopplas till tidtabelldata, vilket garanterar en hög nivå av tillförlitlighet i informationstillstånd.

Den nya tekniken kunde inte bara förbättra användarupplevelsen inom kollektivtrafik, utan också hjälpa till att göra användningen jämnare genom att uppmuntra passagerare att anpassa sina resplaner i enlighet därmed.

Liknande framsteg över hela världen visar det ökande intresset och investeringarna i tekniska lösningar för att göra kollektivtrafik mer effektiva och användarvänliga.