Neseniai paskelbtoje pramonės ataskaitoje (PDF) teigiama, kad iki 2030 m. vidurio Didžiosios Britanijos geležinkelių tinklas galėtų nuvažiuoti dar milijardą kelionių, remiantis 1,6 milijardo keleivių geležinkeliu, užregistruotu iki 2024 m. kovo pabaigos. Kitas dešimtmetis bus sudėtingas ir valdomas, nes daugiau skaitmeninių sistemų, duomenų ir tarpusavyje susijusių tiekėjų sukurs daugiau gedimo taškų.
Pagrindinė ataskaitos tema yra ta, kad dirbtinis intelektas taps šiuolaikinių geležinkelių operacine sistema, o ne kaip vienas centralizuotas modelių ir algoritmų rinkinys, o kaip numatymo, optimizavimo ir automatinio stebėjimo sluoksniai, esantys infrastruktūroje, riedmenyse, techninės priežiūros aikštelėse ir stotyse (p. 18–23). Ši technologija nukreips žmogaus dėmesį į kasdienius darbo grafikus, o ne visiškai pakeis žmogaus veiklą.
Priežiūra, kad taptų nuspėjamasis ir pagrįstas duomenimis
Tradicinė geležinkelių techninė priežiūra priklauso nuo fiksuotų grafikų ir rankinių patikrinimų, o tai yra reaktyvi ir daug darbo reikalaujanti praktika. Baltojoje knygoje cituojamas „Network Rail“ pasitikėjimas inžinieriais, vaikščiojančiais takeliu, kad nustatytų defektus (p. 18). AI perkels pramonę į nuspėjamą priežiūrą, analizuos jutiklių duomenis ir prognozuoja gedimus, kol jie nesukels didelių sutrikimų.
Tai apima jutiklių ir vaizdų derinį, įskaitant didelės raiškos kameras, LiDAR skaitytuvus ir vibracijos monitorius. Tai suteikia mašininio mokymosi sistemoms duomenis, kurie gali pažymėti bėgių kelio, signalizacijos ir elektros išteklių pablogėjimą prieš gedimą (p. 18–19).
Šios stebėjimo programos gali generuoti įspėjimus prieš kelis mėnesius ir sumažinti pagalbos iškvietimų skaičių. Turto gedimo numatymo laikotarpis skiriasi priklausomai nuo turto tipo. „Network Rail“ pažangios infrastruktūros pastangos turėtų pereiti nuo „rasti ir pataisyti“ prie „numatyti ir užkirsti kelią“.
„Network Rail“ pabrėžia duomenimis grindžiamą priežiūrą ir įrankius, skirtus informacijai apie turtą konsoliduoti, o Europos MTTP programos (pvz., „Europe’s Rail“ ir jos pirmtakas „Shift2Rail“) finansuoja tokius projektus kaip DAYDREAMS, kuriais taip pat siekiama įpareigojančio turto valdymo. Norint pasiekti masto prognozes, reikalingas bendras požiūris.
Eismo kontrolė ir energijos vartojimo efektyvumas
Veiklos optimizavimas, be nuspėjamos priežiūros, suteikia didelę grąžą. Dirbtinio intelekto sistemos naudoja tiesioginius ir istorinius veikimo duomenis – traukinių padėtis, greitį, orų prognozes – siekdamos numatyti sutrikimus ir koreguoti eismo srautą. Skaitmeniniai dvyniai ir dirbtiniu intelektu pagrįsti eismo valdymo bandymai Europoje, kartu su dirbtinio intelekto padedamo vairavimo ir padėties nustatymo tyrimais ir bandymais galėtų padidinti bendrą tinklo pajėgumą, nenustatant daugiau kelio (p. 20).
Algoritmai taip pat pataria vairuotojams dėl optimalaus greitėjimo ir stabdymo, taip galima sutaupyti 10–15 % energijos. Atsižvelgiant į maršruto skirtumus, sukibimą ir tvarkaraščio suvaržymus, dideliame tinkle greitai sutaupoma energijos.
Saugos stebėjimas ir CCTV
Matomos AI programos daugiausia dėmesio skiria saugai ir saugai. Kliūčių aptikimas naudoja šilumines kameras ir mašininį mokymąsi, kad nustatytų pavojus, kurių žmogus nematomas. AI taip pat stebi geležinkelio pervažas ir analizuoja CCTV filmuotą medžiagą, kad aptiktų neprižiūrimus daiktus ir įtartiną veiklą (p. 20–21). Pavyzdžiui, AI ir LiDAR naudojami minios stebėjimui Londono Vaterlo mieste kaip saugos priemonių rinkinio dalis.
Keleivių srautai ir kelionių optimizavimas
Ataskaitoje teigiama, kad dirbtinis intelektas gali prognozuoti paklausą naudodamas bilietų pardavimą, renginius ir mobiliojo ryšio signalus, todėl operatoriai gali reguliuoti vagonų skaičių ir sumažinti perpildymą. Keleivių skaičiavimas yra didelio poveikio, mažai dramos programa: geresni duomenys palaiko geresnius tvarkaraščius ir aiškesnę klientų informaciją.
Kibernetinio saugumo problemos
Operacinėms technologijoms susiliejus su IT, kibernetinis saugumas tampa svarbia veiklos problema. Senos sistemos, neturinčios pakeitimo planų, kelia pavojų, kaip ir šiuolaikinės analizės integravimas su senesne infrastruktūra. Tai sukuria patrauklias sąlygas puolėjams.
DI ateitis geležinkeliuose apima jutiklius, veikiančius ekstremalioje aplinkoje, modelius, kuriais pasitiki ir išbando operatoriai, ir valdymą, pagal kurį kibernetinis atsparumas yra neatsiejamas nuo fizinės saugos. Ataskaitoje teigiama, kad dirbtinis intelektas atvyks nepaisant to. Kyla klausimas, ar geležinkeliai jį aktyviai priima ir kontroliuoja, ar paveldi kaip nevaldomą sudėtingumą.
(Vaizdo šaltinis: jcgoble3 „Traukinių sankryža“ yra licencijuota pagal CC BY-SA 2.0.)
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
