ModelGPT – просто жарт? Генеральний директор PTV Group, Крістіана У. Хаас дає пояснення на те в якій мірі PTV вже використовує штучний інтелект.

Для жарту PTV Group уявили, як виглядатиме MobilityGPT – свого роду chatGPT для мобільності: система на базі штучного інтелекту, яка генерує транспортну модель для будь-якого міста чи регіону світу, а також для будь-якого бажаного випадку використання в межах секунд – просто ввівши опис. У цій ідеї щось є чи це просто жарт? Генеральний директор PTV Group, Крістіана У. Хаас дає пояснення на те в якій мірі PTV вже використовує штучний інтелект.

Наскільки реалістичною є ModelGPT?

ModelGPT мав реалістичні аспекти. По-перше, революційна та надшвидка технологія для автоматизації побудови стандартизованих моделей транспорту вже існує: за допомогою Model2Go базові моделі транспорту можна налаштувати для будь-якого міста чи регіону в усьому світі лише за кілька днів – процес, який вимагає місяців роботи вручну, багато знань і ресурсів.

З літа 2022 року, коли PTV Group запустили цю автоматизовану технологію, численні клієнти звертаються, щоб спробувати попрацювати з нею. Суть полягає в тому, що ця технологія значно змінює їх роботу. Це значно скорочує час, зусилля та вартість створення моделі, роблячи рішення на основі моделі життєздатними навіть для невеликих проектів. Крім того, Model2Go підтримує машинне навчання (ML) і джерела великих даних. PTV Group постійно розвиває Model2Go на цьому шляху. Наприклад, структурні дані, робочі місця, населення також мають бути передбачені за допомогою штучного інтелекту, що покращить результати.

Чи є технологія AI також частиною інших продуктів PTV?

Штучний інтелект застосовується в багатьох сферах. PTV Group включили його, наприклад, у поле розпізнавання та реконструкції географічного розподілу попиту на подорожі. Він також відіграє важливу роль у розпізнаванні виду транспорту на основі даних GPS або траєкторій. Залежно від джерела даних може бути важко отримати детальну інформацію про спосіб подорожі. Для служб на основі визначення місцезнаходження мобільних пристроїв (LBS) ми можемо сказати, що люди перейшли з пункту А в пункт Б, але не можемо визначити, як саме. Однак ця інформація має вирішальне значення, наприклад, для моделювання зміни поведінки подорожей на стійких видах транспорту. Методи класифікації AI допомагають покращити ці цінні набори даних шляхом синтезу відсутніх і додаткових характеристик.

А як щодо інтелектуального керування трафіком?

Ще одна важлива сфера застосування. Рішення для керування трафіком у реальному часі PTV Optima поєднує методи машинного навчання з динамічним моделюванням трафіку. Алгоритми ML використовуються для прогнозних розрахунків і підвищення точності моделі. Сучасні системи мобільності стають дедалі складнішими з різними видами транспорту, новими технологіями та послугами. Щоб організувати взаємодію, необхідно не лише отримати цілісну та детальну картину поточної дорожньої ситуації, але й мати можливість діяти передбачливо. Наше програмне забезпечення не тільки надає оперативну інформацію про поточну ситуацію на дорогах, але й дозволяє детально прогнозувати трафік до 60 хвилин наперед. Це дозволяє менеджерам трафіку належним чином реагувати як на заплановані, так і на незаплановані події.

PTV Group постійно працює над подальшими розробками – наприклад, використання ML, щоб вказати транспортним операторам, що конкретна область може потребувати більше уваги. Машинне навчання також є частиною нового автоматизованого процесу, який генерує значущі сповіщення, спрямовані на запобігання небезпечним заторам, що підвищує безпеку та безперебійну роботу дорожніх мереж.

У мережах громадського транспорту PTV Group працює над методами ML, щоб запропонувати дії для пом’якшення наслідків, коли збої в обслуговуванні виникають через поломки транспортних засобів, несподівані затори та подібні ситуації.

Проєкти, які базуються на штучному інтелекті

PTV Group є частиною Mobility Data Space – спільноти обміну даними, створеної федеральним урядом Німеччини. Для них PTV Group розробили варіант використання, щоб дозволити короткострокові прогнози обсягів трафіку на вибраних ділянках мережі автомобільних доріг, який базується на спеціально розробленій системі машинного навчання, яка аналізує історичні моделі руху та порівнює їх із поточними умовами руху. Часто обсяги трафіку все ще прогнозуються статично, без урахування поточних моделей трафіку. Для муніципалітетів, постачальників послуг з управління трафіком або інших постачальників мобільності цей варіант використання та можливість керувати трафіком і попитом у режимі реального часу можуть принести значну додаткову цінність.

Дуже захоплюючий проєкт — #transmove у Гамбурзі. У тісній співпраці з Вільним і Ганзейським містом Гамбурга (а саме Департаментом доріг, мостів і водних ресурсів), KIT Karlsruhe та промисловим партнером Workplace Solutions GmbH (WPS) PTV Group впроваджує програмне забезпечення з підтримкою штучного інтелекту, яке має на меті забезпечити інтелектуальні та стійкі прогнози мобільності (короткострокові та довгострокові) Гамбург прагне використовувати цілісний підхід не лише для покращення мобільності в усьому місті, але й для зменшення викидів. Захоплююча річ у цьому: планується зробити цю розумну систему доступною не лише для планувальників мобільності, таких як центри керування дорожнім рухом, і, отже, для планувальників міст/доріг/велосипедних доріжок, а й для громадян.

Джерело: https://blog.ptvgroup.com/en/city-and-mobility/modelgpt-more-than-just-an-april-fools-joke/

Переклад та адаптація: Анастасія Верешко