(Kiemelt kép: Unsplash)
A közlekedési ágazat az elmúlt néhány száz évben többszörös változáson és forradalmon ment keresztül és most ott tartunk, hogy a mesterséges intelligencia a közlekedésben jelentős áttörést hozhat. Legyen szó önvezető autókról a megbízhatóság érdekében, az utak állapotának megfigyeléséről a nagyobb biztonság érdekében, vagy a forgalomáramlás elemzéséről a hatékonyság érdekében, a mesterséges intelligencia világszerte felkeltette a közlekedési szakemberek és korifeusok figyelmét. A közlekedési ágazatban már sokan felismerték az MI-ban rejlő fantasztikus lehetőségeket: az előrejelzések szerint a globális piac 2026-ra eléri a 3.870.000 000 dollárt. Ezek a kiadások segíthetnek a vállalatoknak abban, hogy a fejlett technológiákat, például a számítógépes látást és a gépi tanulást kihasználva alakítsák a közlekedés jövőjét, hogy az utasok biztonsága növekedjen, a közúti balesetek és a forgalmi torlódások száma csökkenjen. A mélytanulás és a gépi tanulás a közlekedésben segíthet az „intelligens városok” létrehozásában is, mint például Glasgow-ban, ahol a technológia figyelemmel kíséri a járművek tartózkodási idejét, a parkolási szabálysértéseket és a forgalomsűrűség alakulását.
Önvezető járművek
Az önvezető járművek koncepciója nem újdonság. A General Motors már 1939-ben bevezette. De csak a mesterséges intelligencia korszakában képesek a vállalatok olyan számítógépes látási technikákat használni, mint például a tárgyak felismerése, hogy olyan intelligens rendszereket hozzanak létre, melyek dekódolják és értelmezik a vizuális adatokat, és így lényegében lehetővé teszik, hogy a jármű önmagát vezesse. És bár az önvezető autó bonyolultnak tűnhet, a mögötte álló mesterséges intelligencia megalkotásának ötlete valójában egyszerű: az algoritmust hatalmas mennyiségű releváns adathalmazzal táplálják, majd betanítják arra, hogy felismerje az adott tárgyakat, majd megtegye a megfelelő lépéseket, például fékezzen, kanyarodjon, gyorsítson, lassítson és így tovább. Milyen objektumokat kell a modellnek azonosítania? Az úton közlekedő más járműveket, közúti jelzőtáblákat, közlekedési lámpákat, sávjelzéseket, gyalogosokat és még sok mást.
Az adatok gyűjtéséhez és felhasználásához az autonóm járművek kamerákat és érzékelőket használnak. Ahhoz, hogy a modellt betanítsák és megbízhatóvá tegyék, folyamatosan adatok tömkelegével kell ellátni. Természetesen még mindig vannak kihívások. Az algoritmusnak hozzáférést kell kapnia ezekhez a hatalmas mennyiségű releváns adathoz, miközben az olyan szituációs körülmények, mint a rossz időjárás és az egyenetlen terep szintén problémát jelenthetnek. További problémák közé tartozik a rossz megvilágítás és az a lehetőség, hogy az önvezető autó útközben egy „azonosítatlan” tárgyba ütközik. Természetesen, amikor sokunknak az önvezető autók jutnak eszébe, automatikusan a Tesla rémlik fel. A Tesla, az Uber, a Waymo és a Motional mellett már évek óta dolgozik az automatizált járműveken, és mindig egy lépéssel a fejlődés előtt jár. A közlekedési ágazatban a mesterséges intelligencia néhány más szereplőjével ellentétben a tisztán látásalapú megközelítést alkalmazza, és kamerával felszerelt autóit videók és képek gyűjtésére használja anélkül, hogy HD-térképeket és lidarokat használna az autonóm vezetés során. Technikai szempontból ez valójában egy összetettebb megközelítés, főként azért, mivel a neurális hálózatokat kizárólag a videóadatokon képzik ki, a lehető legnagyobb pontosság elérésének szükségessége alapvető fontosságúvá válik. Ha egyszer ténylegesen működésre bírjuk, akkor ez egy általános látórendszer lesz, mely elvileg bárhol a Földön bevethető majd. A Tesla önvezető csapata is rengeteg adatot halmoz fel kb. 1,5 petabájtnyi adatot, mely 1.000.000 tíz másodperces videóból és 6.000.000.000 objektumból áll, melyek mindegyike sebességgel, mélységgel és határoló dobozokkal van annotálva. Ez nem azt jelenti, hogy a Tesla kizárólag a kézi adatjegyzetelésre támaszkodik. Inkább az emberi felülvizsgálat és az automatikus jegyzetelési eszközök kombinálásával javítja magát a jegyzetelési folyamatot. A mesterséges intelligencia rendszerek nem korlátozódnak az önvezető autókra, a teherautókban, buszokban és a repülőtéri adókban is használják őket, az innovációnak pedig óriási hatása van a logisztikában és általában az ellátási láncban alkalmazott mesterséges intelligenciára. Az McKinsey ugyanis azt jósolta, hogy az önvezető teherautók mintegy 45%-kal fogják csökkenteni az üzemeltetési költségeket.
Forgalomérzékelés
Csak az Egyesült Államokban több ezer közlekedési lámpa van. És bár azt gondolhatnánk, hogy megállni, amikor a lámpa pirosra vált, egyszerű folyamat, az a tény, hogy az USA-ban évente mintegy 1000 ember hal meg feleslegesen a piros lámpán áthaladó járművek miatt, azt jelenti, hogy az egész egy nagyon kockázatos, veszélyes, sőt összetett folyamat. Ez tragikus következményekkel is jár, mivel a halálesetek több mint 50%-át olyan utasok vagy sofőrök okozzák, akik nem mentek át a piros lámpán. A probléma az, hogy maga a közlekedési lámparendszer lehet, hogy tökéletes, de a volán mögött ülő emberek nem mindig azok. Előfordulnak hibák, néha a sofőrök áthajtanak a piroson és balesetek történnek. A megoldást erre a szörnyű problémára az autonóm járművek jelenthetik, melyek az intelligens városokkal együtt megakadályozhatják ezeket a haláleseteket. Az autógyártók valóban a közlekedési jelzések kérdését helyezik az önvezető autók képességeinek középpontjába már manapság. Egy mesterséges intelligencia-alapú rendszer betanítható a lámpák, a zöld, sárga és piros felismerésére olyan számítógépes látásmodellek segítségével, melyeket számos forgatókönyvre, például rossz fényviszonyokra, kedvezőtlen időjárási körülményekre és „elfedésekre” tanítanak be. Így az önvezető autó kamerái először észreveszik a közlekedési jelzőtáblát, majd a képet elemzik, feldolgozzák és ha kiderül, hogy a lámpa piros, az autó azonnal fékez. Természetesen itt is vannak problémák. Amikor egy kamera azt pásztázza, ami előtte van, kiszúrhat más fényeket, például egy hirdetőtáblát vagy egy utcai lámpát. Igen, a közlekedési lámpa annyiban különbözik az utcai lámpától, hogy három fénye van, de a képelemző képességnek még mindig olyan jónak kell lennie, hogy azonnal felismerje a közlekedési jelzést, és ne tévessze meg a többi fény. Ha megtévesztik, az eredmény borzalmas lehet. A forgalom észleléséhez szükséges adatok megjegyzésekkel való ellátása során tehát kétféle megközelítésre van szükség. A fény és a héj külön-külön címkézése (a leggyakoribb). Az aktív lámpák színének használata az egyes közlekedési lámpa objektumosztályok meghatározásához. Az oszlopot és a fényt egyenként is címkézhetjük. Amikor egy intelligens város közelségérzékelést kínál egy autonóm autónak, a tartószerkezet megértése az egyetlen módja annak, hogy megismerjük a szabadon lebegő objektum helyzetét. A megjegyzéseknek ez a módja használható a több sávban megjelenő közlekedési lámpák egymástól való meghatározására is, ahol minden egyes lámpakészlet korrelál és csoportosítható az alatta lévő sávhoz. A térképadatok és egy pár külön fókusztávolságú kamera segítségével a különböző távolságban lévő közlekedési lámpák észlelésére a kutatók egy egyedülálló algoritmust dolgoztak ki a fényfelismerésre, mely a képosztályozást objektumfelismeréssel kombinálta a közlekedési lámpák fényállapot-osztályainak azonosítására.
A közlekedés forradalmasítása Afrikában
Sokan a mesterséges intelligenciát csak a világ fejlettebb részének kiváltságának tartják, pedig ez nagyon nincs már így. Az afrikai városi központok, mint a világ számos gyorsan növekvő városai, jelentős közlekedési kihívásokkal néznek szembe. A zsúfolt utak, a hosszú ingázási idő és a korlátozott tömegközlekedési lehetőségek hozzájárulnak a frusztrációhoz és akadályozzák a gazdasági növekedést. Ezeket a kihívásokat kiküszöbölni olyan megoldást igyekeztek létrehozni, mely nemcsak az ingázást rövidíti, de a fenntartható fejlődést is elősegíti. Ez a vízió lett a TransAI: a mesterséges intelligenciával működő közlekedési szolgáltatás. A mintát a világszerte sikeres fuvarmegosztó platformokból merítették. A legmodernebb MI-technológiákra épülő TransAI forradalmasíthatja az afrikaiak közlekedését a városaikban. A TransAI egyik kiemelt projektje egy mesterséges intelligencia által vezérelt forgalomoptimalizáló rendszer. Az érzékelők, kamerák és GPS-eszközök valós idejű forgalmi adatainak elemzésével a rendszer előrejelzi a torlódási mintákat, azonosítja a szűk keresztmetszeteket, és dinamikusan módosítja a forgalomáramlást. Ez a proaktív megközelítés csökkenti az utazási időt, minimalizálja az üzemanyag-fogyasztást és mérsékli a környezeti hatásokat. A TransAI nemrég mutatta be a RideSmart nevű, mesterséges intelligenciával működő fuvarmegosztó platformot is. A RideSmart fejlett algoritmusok és gépi tanulás segítségével optimalizálja a sofőr-utas párosítást, az útvonaltervezést és az árképzést. A platform tanul a felhasználók preferenciáiból és viselkedéséből, személyre szabott szállítási élményt nyújt, miközben maximalizálja a járművek kihasználtságát és csökkenti a forgalmi torlódásokat. A TransAI megoldásainak hatása túlmutat a hatékonyságnövelésen. A biztonság kiemelkedő fontosságú az afrikai közlekedési tájképben, és a mesterséges intelligencia létfontosságú szerepet játszik ennek fokozásában. A TransAI kifejlesztett egy mesterséges intelligencia alapú vezetőtámogató rendszert, mely a számítógépes látás és az érzékelők fúziós technológiáit használja. A rendszer figyelmezteti a járművezetőket a potenciális veszélyekre, észleli a fáradtságot vagy a figyelemelterelést, és valós idejű visszajelzést ad a vezetési viselkedés javítása érdekében.
Az adatok és algoritmusok ereje
A mesterséges intelligencia továbbá elősegíti a közlekedés hozzáférhetőségét. Azokban a távoli régiókban, ahol a hagyományos infrastruktúra korlátozott, a TransAI olyan innovatív megoldásokat vezetett be, mint az autonóm drónok az orvosi ellátmányok szállítására. Az MI algoritmusok irányítják a drónokat, biztosítva a pontos navigációt optimalizálva a szállítási útvonalakat. Ez az áttörést jelentő technológia életeket menthet meg azáltal, hogy lehetővé teszi a kritikus egészségügyi erőforrásokhoz való időben történő hozzáférést. A TransAI sikere a mesterséges intelligencia által vezérelt szállítási innováció hullámát indította el Afrikában. Az útvonalakat és menetrendeket optimalizáló intelligens buszrendszerektől kezdve a valós idejű forgalmi frissítéseket biztosító, mesterséges intelligenciával működő navigációs alkalmazásokig a kontinens a mobilitási megoldások terén hamarosan ugrásszerű fejlődésnek lehetett tanúja. A mesterséges intelligencia integrálása a közlekedésben nemcsak a napi ingázást javítja, hanem a fenntartható, összekapcsolt városok útját is előkészíti. Emellett az MI által generált adatok felhasználása alakítja a várostervezést és az infrastruktúra fejlesztését is. A várostervezők az MI-analitikából származó meglátásokat felhasználva optimalizálhatják a tömegközlekedési hálózatokat, hatékonyan oszthatják el az erőforrásokat, és olyan befogadó tereket hozhatnak létre, melyek megfelelnek a lakosság különböző igényeinek. A mesterséges intelligencia átalakító ereje révén elősegítik a hatékonyságot, a biztonságot és a mindenki számára elérhetővé válást.
Együttműködések és irányelvek
A vízió túlmutat Lagoson és Nigérián, ahol a rendszer már működik. Felismerve az együttműködés és a politikai befolyás fontosságát, aktívan együttműködnek a közlekedési hatóságokkal és a politikai döntéshozókkal szerte a kontinensen. A szakértelmet és tudást megosztva segítenek olyan inkluzív és technológiaorientált közlekedési irányelvek kialakításában, melyek nemcsak Lagos, hanem a szomszédos városok és országok számára is előnyösek lehetnek. A mesterséges intelligencia hatása a közlekedésre egyre nyilvánvalóbbá válik az egész kontinensen. Nairobitól Accráig egyre több MI-alapú közlekedési szolgáltatás jelenik meg, melyek átalakítják az emberek ingázását és új gazdasági lehetőségeket teremtenek. Az afrikai városok összekapcsoltabbá, hatékonyabbá és környezettudatosabbá válnak, csökken a zsúfoltság és javul a mindenki számára elérhetővé válás. A TransAI története jól mutatja a technológia, az innováció és a látnok MI-mérnökök erejét, akik a kontinens fényesebb jövőjét alakíthatják. Miközben a mesterséges intelligencia továbbra is forradalmasítja a közlekedést Afrikában, az út még messze nem ért véget. A lehetőségek óriásiak, és a mesterséges intelligencia átalakító hatása a közlekedésre továbbra is a gazdasági növekedést, a társadalmi haladást és a fenntartható fejlődést fogja felszabadítani az elkövetkező generációk számára.
