Klacci 凱樂奇交通運輸業解決方案
Nomad Digital 的產品管理主管 John Wright 和產品經理 Jan Haegeman，分享了該公司如何不斷創新並與行業合作，利用最新的人工智慧和機器學習技術，不僅提高公共交通的營運效率，而且提高旅客的乘客體驗。
Nomad Digital 的產品管理主管 John Wright 和產品經理 Jan Haegeman，分享了該公司如何不斷創新並與行業合作，利用最新的人工智慧和機器學習技術，不僅提高公共交通的營運效率，而且提高旅客的乘客體驗。
人工智慧和機器學習，如何被整合到鐵路和公共交通系統中，以提高營運效率，並為維護和資產管理做出貢獻？
影像分析正在這些領域，帶來切實的好處。 透過合作，Nomad Digital 正在參與使用面向外部的車載攝影機和監控系統，來監控鐵路基礎設施的工作，並結合 Cordel 提供的增強 GPS 分析。 這正被用於使用增量解決方案 OLErt 系統、受電弓裝置和軌道鐵路裝置，來監控架空懸垂線的狀態，或檢測基礎設施上懸垂的植被或塗鴉等外部情況。
透過即時持續監控資產的執行狀況，操作員可以預測問題，在故障發生前維修裝置，並避免由此導致的營運中斷。 我們還可以大大減少對「鎮流器上的靴子」的需求，提高軌道工人的安全，並減少在營運時間之外在現場花費的檢查時間。
Nomad Digital 正在與幾個組織合作，這些組織使用現有和客製化的攝影機安裝，開發了影像分析解決方案，以支援營運商進行資產管理。 生成的影像資料透過 Nomad 的火車傳輸到雲端，在那裡利用人工智慧（AI）/機器學習（ML）技術來測量、檢測缺陷或標記影像，並生成可操作的報告。
另一個例子是乘客計數領域。 我們正在與一名操作員合作，根據對連線到無線無線電接入點的裝置，進行被動掃描來訓練模型，透過列車重量、門感測器或車載閉路電視攝影機等，第二個來源進行校準。 透過將歷史乘客數量與天氣資料或節日或特殊事件資訊相關，我們可以衡量此類外部影響對乘客量的影響，並相應調整服務。
當資料可能與個人（儘管是匿名）乘客相關時，可以獲得對乘客人數的更廣泛的見解。 當我們可以推斷火車和上船或下船的移動情況時，營運商可以量化，例如，餐飲車的使用，或開發一個出發地/目的地矩陣，顯示兩個特定車站之間的乘客數量。 它還可以幫助告知乘客和車站工作人員，站在車站站臺上的最佳位置，以避免擁堵和排程延誤。
最後，人工智慧可用於衡量時間表中斷的連鎖反應，並透過恢復等待乘客的定期間隔來幫助維修服務。
乘客體驗如何？
我們的主要重點是提高乘客，在整個旅程中的舒適性和安全性。
由於眾多感測器提供了乘客環境的詳細即時模型，包括溫度、溼度和空氣品質，營運商可以在影響乘客體驗之前主動解決問題。
關於乘客數量和車廂裝載的資料，可以透過火車上的外部看板、站臺基礎設施，甚至直接傳遞給乘客的智慧手機。 以這種方式被告知意味著，乘客可以直接在有空間的車廂上車，或者在火車上移動到可以找到更舒適體驗的車廂。 使用像 ChatGPT 這樣的技術，將越來越多地陪伴乘客在整個旅程中，為他們的需求提供量身訂製的幫助。
當使用者向營運商提供有關其乘客體驗任何部分的回饋時，從廁所的清潔或工作人員的友好性，到訓練準時或公告的可聽性，人工智慧技術可用於進行情緒分析和基準營運績效。
影像分析可以檢測和追蹤火車上的行李，幫助辨識無人看管或丟失的物品。 乘客可以透過公告或推送到智慧手機的通知，即時瞭解可用儲存空間，並在不帶行李下船時收到警告。 解決被遺棄或丟失的行李問題，不僅可以改善乘客安全和客戶信任，還可以減少延誤的營運影響。
同樣，最佳化整個火車的行李分配，可以透過促進車站的乘客交換，來減少停留時間。 使用此類分析來追蹤輪椅，和機動滑板車的空置車廂空間，也可以改善可連接性，並使網路向所有人開放。
歡迎來到最新版本的智慧運輸光明視野報告系列，我們探索資料在公共交通行業中的變革作用。 瞭解資料如何提高服務可靠性、效率和乘客滿意度。
裡面有什麼：
- 即時分析：即時資料如何使公車和火車更加準時和反應處理。
- 資料完整性：確保運輸網路內可靠和準確的資訊。
- 知情決策：利用資料進行策略規劃和實時調整。
來自行業專家的特色見解：
- Jon Czerwinski 和 Angela Ng，芝加哥交通管理局
- Jon Nouchi，檀香山交通服務部
- Jorge Maroto，塞維利亞大都會
- Carlos Acha Ledesma，EMT 馬德里
- 還有更多！
資料不僅僅是關於交通；它是關於增強乘客體驗和塑造城市交通的未來。 不要錯過深入瞭解這個獨家內容的機會！
你能舉例說明人工智慧和機器學習，如何對行業安全、保全和可靠性產生重大影響嗎？
正如在資產管理方面所提到的，透過對列車載和軌道系統進行預測性維護，分析資料以避免在役裝置故障，並減少停機時間，Nomad 與增量解決方案、Cordel 和 One Big Circle 合作，可以提高營運可靠性。
這可以基於透過車載感測器收集的資料，以及能夠估計故障時間的訓練有素的模型，也可以透過影像分析，使用放置在進入倉庫的攝影機來辨識，例如，關鍵機車車輛部件的惡化。
乘客安全也可以從高階影像分析中受益。 我們與動態人群測量（DCM）一起，與客戶一起進行了試驗，使用現有的閉路電視基礎設施進行影像分析，以監控電臺的人群流動，測量平台上的密度，並透過臉部表情和行為辨識技術進行情緒分析。
這可以使營運商能夠主動辨識乘客，表現出遇險跡象的情況，無論是由於過度擁擠或需要員工干預的情況發展，以提高客戶安全或他們的幸福感。 執行的追蹤不依賴於辨識個人，來解決任何資料保護問題，而是可以為營運商提供即時資訊，以預測事件並採取預防措施。 這些包括過濾對過度擁擠地區的訪問，或增加服務規律以吸收需求的增加。
你如何看待人工智慧和機器學習在未來的作用，以及乘客在未來幾年可以期待看到哪些創新或發展？
雖然並非所有進展都會立即對乘客可見，但隨著人工智慧技術的採用人工智慧技術，乘客的旅行體驗將得到加強。
這包括幫助在車站內導航和規劃多式聯運旅行，並提前提供連線旅行的資訊，無論是鐵路、公共汽車、計程車，還是滑板車。 整合來自多個系統的資料，將使越來越知情的乘客，能夠更全面地瞭解他們的旅行需求，並更全面、更高效地規劃他們的旅程。
隨著越來越多的車載感測器和裝置被啟用，越來越多的資料可用於聚合、分析和與車輛和遠端系統通訊。 其中許多感測器提供有關車輛機械和電氣系統的資訊 —— 例如剎車磨損、發動機溫度或流體水準 —— 但如上所述，越來越多的感測器還監測乘客環境，包括乘客計數裝置、環境感測器、座椅佔用感測器等。
使用來自許多來源的資料為 AI 和 ML 演算法提供資訊，以建立警報和預測，以動態進行更改，從而改善營運和乘客體驗。
未來的一個發展將是使用此類資料，無論是來自感測器還是閉路電視影像。 先進的演算法將允許對觸發特定情況的事件進行表徵和追蹤，例如裝置故障或乘客過度擁擠，而不是簡單地記錄資料以供後續審查或屍檢分析。
在影像分析領域，人工智慧將越來越多地嵌入到相機裝置中，以便在錄製期間進行處理。
有了如此多的資料可用和強大的處理能力，營運商將越來越能夠根據個人乘客的具體情況客製化這些資訊，為他們提供滿足其特定需求的個性化體驗。
商機探索 —— 工地管理要管什麼？
沒有留言:
張貼留言