Транспортную отрасль изменит искусственный интеллект

- Алексей, несколько лет говорят о технологии, которая позволит вывести на улицы города автомобили, которыми будут управлять не люди, а искусственный интеллект. Это – хайп, или все таки работающая технология?

- Да, важно отделять действительно работающие технологии от хайпа. Самоуправляемый транспорт пока что из области фантастики. Однако есть технологии, на которые однозначно нужно обратить внимание прямо сейчас. На мой взгляд это все что построено вокруг сбора данных и их разумного использования. Все это должно быть сферой интересов, в том числе, и участников транспортного рынка.

- Почему?

- Технологии сокращают расходы, они, как минимум, автоматизируют процессы. И, как максимум, решают рутинные бизнес-проблемы. Например, расходы на топливо. Цены на топливо постоянно растут, у участников рынка в связи с этим увеличиваются операционные расходы, и снижают рентабельность.

Есть проблема порожнего пробега. Она остро стоит как в автоиндустрии, так и в авиации на железнодорожной сети. Проблема комплексная и связана неправильным прогнозированием спроса и предложения. Прозрачность местонахождения транспорта – тоже проблема.


Техническое обслуживание. Чем больше и разнообразнее парк и флот, тем сложнее его обслуживать. Авиакомпания low-cost решила эту проблему кардинально и первыми, здесь сократили флот до одного типа воздушного судна.


Еще один процесс способен решать искусственный интеллект – это продажи услуг и их последующий учет, а также необходимость оптимизации работы фронт и бэк-офиса.

Персонализация применима, в первую очередь, для пассажирских перевозок: авиакомпании намерены повторить опыт Amazon в ритейле, здесь до 35% продаж происходит благодаря сервису рекомендаций.

- Итак, Вы говорите про систему сбора и обработки больших данных…

- Big Data ML/AI – это стек технологий для обработки и анализа данных выявления закономерностей при помощи алгоритмов. ML алгоритмы используется для управления ценообразованием, прогнозированием трафика, определения оптимальных маршрутов и расписаний, анализа данных о пассажиропотоке и мониторинга безопасности.

Алгоритмы машинного обучения могут использоваться для анализа больших объемов данных о движении транспорта, чтобы прогнозировать трафик, спрос, оптимизировать маршруты. Это может помочь уменьшить задержки и повысить эффективность транспортной системы в целом.

Машинное обучение возможно использовано для мониторинга безопасности. Например, алгоритмы, анализируя данные о скорости, о техническом состоянии и поведении водителей, чтобы выявлять опасные ситуации и предотвращать аварии, и прогнозировать техническое обслуживание.

Но в первую очередь я бы выделил - Cloud Computing. Без этой системы невозможно построить современную цифровую экосистему на транспорте. Проще говоря это тот фундамент, на котором будут строиться все последующая цифровая трансформация, а различные технологии такие как искусственный интеллект и машинное обучение. Компаниям транспортной сферы чтобы по-настоящему оцифроваться необходимо задуматься о переводе всей своей инфраструктуры в облако и далее выстраивать каждый элемент бизнес-процесса задействуя следующие технологии.

- Но нет ли здесь хайпа в идее о переводе транспортную отрасль на искусственный интеллект?

- Потенциал ИИ на транспорте огромен и поражает воображение. Искусственный интеллект позволяет транспортным компаниям анализировать огромные массивы данных в считанные секунды, строить прогностические модели. В части продажи услуг, в том числе по перевозке грузов, – это сверхэффективный инструмент по продаже услуг. Когда, в какой день и по какой цене какой вагон или фуру продать грузовладельцу.

Уже есть Delta Air Lines. Это решение использует AI для прогнозирования задержек рейсов самолетов и автоматического перебронирования на альтернативные рейсы. Также их платформа способна анализировать огромные массивы операционных данных - от положения самолета, ограничений для экипажей и условий в аэропортах - для создания гипотетических результатов, которые помогают компании принимать важные решения до, во время и после масштабных сбоев, таких как ураганы, извержение вулкана.

- Такое же решение, возможно и для авто и железнодорожной отрасли?

- Внедрение интернета вещей (IoT) – ключевой компонент и это, в первую очередь, источник данных, с помощью которых можно перестроить весь бизнес. IoT – это простыми словами набор датчиков которые в режиме реального времени передают в облако массивы данных и информацию и позволяют алгоритмам и ИИ анализировать и строить прогнозы которые в свою очередь дают колоссальные преимущества.

Здесь и пресловутый платунинг в автомобильных грузоперевозка, то есть внедрение систем управления транспортным потоком, которые используют технологии искусственного интеллекта и аналитики данных, собираемых с различных датчиков. Система может улучшить планирование маршрутов, регулирование скорости, уменьшение пробок на дорогах, уменьшение расхода топлива за счёт снижения аэродинамического сопротивления и улучшение безопасности дорожного движения.

Да и на железнодорожной сети позволит более эффективно планировать циклы технического обслуживания, а также оптимизировать графики обслуживания. Да, искусственный интеллект минимизирует число поломок и отказов.

Беседовала Алена Алешина

Автор: Алена Алешина