Intelligent public transport systems for smart cities

Uczynić miasto inteligentnym

Ponieważ gospodarki na całym świecie rozwijają się w niespotykanym dotąd tempie, wzrost ten idzie w parze z urbanizacją. Według Organizacji Narodów Zjednoczonych, do 2050 roku około 70% ludności świata będzie mieszkać na obszarach miejskich - to dodatkowe 2,5 miliarda mieszkańców miast. W przyszłości będzie to stanowiło kolejne wyzwanie dla transportu publicznego: przewiduje się, że liczba pasażerów podróżujących w miastach potroi się w tym samym okresie. Aby sprostać tym wyzwaniom, zarówno obecnie, jak i w przyszłości, obszary miejskie potrzebują inteligentnych systemów transportu publicznego (ISTP).

ISTP dostarczają zarządzającemu transportem i pasażerom aktualnych informacji o warunkach podróży, pojazdów oraz całej sieci transportowej. W tym celu ISTP opierają się na nowoczesnych technologiach zbierania danych z różnych części sieci transportowej, takich jak lokalizacja pojazdów, komunikaty, alarmy i filmy, oraz na wymianie tych danych pomiędzy różnymi połączonymi komponentami.

ISTP nie tylko odgrywa bezpośrednią rolę w kontekście miejskim poprzez usprawnianie operacji, ale w połączeniu ze sztuczną inteligencją (AI) pomaga kształtować przyszłość inteligentnych miast. Ciągła analiza zebranych danych, takich jak liczba pasażerów, pozwala na wirtualne modelowanie sieci transportu publicznego w nadchodzących latach. Co więcej, dodanie tych danych w czasie rzeczywistym do innych informacji zebranych z Internetu rzeczy (IoT), zwłaszcza w sieciach opartych na chmurze, prowadzi m.in. do takich odkryć, jak na przykład przewidywane przeglądów drzwi wejściowych do pojazdów w związku z ich zużyciem, co skutkuje ich większą dostępnością.

Rozwój i wdrażanie ISTP poprawia zatem jakość usług świadczonych przez operatorów transportu publicznego, czyniąc korzystanie z transportu zbiorowego w miastach bardziej atrakcyjnym. Oprócz zmniejszenia zatłoczenia i zanieczyszczenia, zwiększona liczba pasażerów oznacza większe przychody dla przewoźników.

Jakie są główne elementy inteligentnego systemu transportowego?

IPTS składa się z kilku najbardziej innowacyjnych technologicznie systemów, z których każdy odpowiada za określone zadanie w sieci transportowej. Ogólnie rzecz biorąc, są to:

Systemy automatycznej lokalizacji pojazdu (AVL)
Systemy automatycznego zliczania pasażerów (APC)
Systemy wspomagania decyzji (DSS)
Systemy informacji pasażerskiej (PIS)
Systemy informacji geograficznej (GIS)

Każdy system dostarcza operatorowi różne dane o stanie sieci, które mogą być automatycznie wysyłane jako ostrzeżenie dla pasażerów lub wykorzystywane później na przykład do projektowania tras.

[Translate to Polski:] What are the main components of an intelligent system?

Po pierwsze, systemy AVL dostarczają operatorom informacji w czasie rzeczywistym o ich pojazdach, takich jak prędkość i kierunek jazdy, a także o opóźnieniach spowodowanych zakłóceniami, takimi jak zatory drogowe, zła pogoda lub budowa drogi. Dane dostarczane przez AVL nie tylko umożliwiają aktualizację rozkładów jazdy w czasie rzeczywistym, ale mogą być również wykorzystywane do przewidywania informacji dotyczących stanu pojazdów.

Na trasie przejazdu systemy APC rejestrują liczbę pasażerów wsiadających i wysiadających na każdym przystanku. Ponieważ systemy APC stanowią podstawę dla danych o zajętości miejsc w czasie rzeczywistym, coraz więcej przedsiębiorstw transportowych udostępnia te informacje swoim pasażerom. Szczególnie w czasie obecnej pandemii dane te pozwalają pasażerom planować swoje podróże i odpowiednio zmieniać przyzwyczajenia. Podobnie, systemy APC umożliwiają organizatorom transportu dostosowanie rozkładów jazdy w odpowiedzi na drastyczne zmiany w liczbie pasażerów w wyniku pandemii. Obecnie do opracowania bardziej efektywnych systemów APC wykorzystuje się zaawansowane technologie czujników, w tym trójwymiarowe skanowanie laserowe oparte na inteligentnych sensorach w celu rozpoznawania i liczenia pasażerów wsiadających i wysiadających.

W przypadku wystąpienia nieprzewidzianych zdarzeń, DSS pomaga operatorom w kontrolowaniu sieci transportowej, proponując alternatywne strategie. DSS analizuje dane przychodzące z systemów AVL i APC, w celu wykrycia znacznych opóźnień. Następnie DSS przedstawia odpowiednie strategie, aby wypełnić lukę do czasu, aż normalny rozkład jazdy może zostać przywrócony.

Te dane w czasie rzeczywistym, przekazywane są do systemu PIS, który informuje pasażerów o aktualnych warunkach sieci transportowej, w szczególności o godzinach przyjazdu i odjazdu. Pierwsza generacja PIS wykorzystuje znaki zmiennej treści (VMS) na stacjach, przystankach, podczas gdy dzisiejsze zaawansowane systemy informacji dla podróżnych (TIS) przesyłają dane o warunkach na drogach, wskazówki dotyczące trasy oraz informacje o podróży bezpośrednio do telefonów komórkowych pasażerów.

Wreszcie, głównym zadaniem GIS jest przetwarzanie danych zebranych przez systemy śledzące, takie jak GPS lub Galileo. Pozwala to na mapowanie w czasie rzeczywistym pojazdów na ich trasach w celu analizy przepływu ruchu, a także lokalizowania zakłóceń w sieci transportowej. W ciągu ostatnich kilkudziesięciu lat badania koncentrowały się na wykorzystaniu technologii GIS do automatyzacji procesu planowania tras.

Wszystkie te systemy gromadzą, przetwarzają i wymieniają różne rodzaje danych dostarczanych przez różne urządzenia pomiarowe i zaawansowane technologie, takie jak satelity i inteligentne czujniki. ISTP łączy dane z tych różnych połączonych technologii, aby stworzyć całościowy obraz transportu publicznego.

Z ziemi, przez przestrzeń kosmiczną, do komórki – skąd Twój telefon wie, kiedy przyjedzie Twój autobus

Wymiana danych – w jaki sposób wszystkie te dane docierają do użytkownika?

Ogólnie rzecz biorąc, ISTP może być podzielony na trzy płaszczyzny zgodnie z podstawową koncepcją IoT: płaszczyzna odbiorcza, płaszczyzna sieciowa i płaszczyzna aplikacji.

Pierwsza z nich, płaszczyzna odbiorcza, jest źródłem informacji i zbiera dane z wielu urządzeń w systemie. Mogą to być:

Urządzenia pasażerskie (w tym telefony komórkowe i bilety okresowe)
Urządzenia pokładowe (takie jak AVL, APC i kamery wideo)
Urządzenia na przystankach (w tym automatyczna identyfikacja pojazdu i kamery wideo)
Urządzenia przydrożne (takie jak sygnalizacja i inteligentne latarnie)
Urządzenia dla obsługi pojazdów (w tym etykiety RFID i urządzenia biletowe)

Pośrednia płaszczyzna sieciowa jest odpowiedzialna za przekazywanie informacji z warstwy odbiorczej do płaszczyzny aplikacji. Wykorzystuje ona przewodową i bezprzewodową komunikację publiczną, taką jak GSM, GPRS, CDMA, 3G, 4G lub 5G, do przesyłania danych na stosunkowo duże odległości. Uzupełnieniem tej transmisji jest prywatna łączność bezprzewodowa, w tym RFID, Wi-Fi i Bluetooth, służąca do łączenia inteligentnych czujników z terminalami zainstalowanymi w pojazdach lub na przystankach.

Trzecia warstwa, płaszczyzna aplikacji, przetwarza dane otrzymane z płaszczyzny odbiorczej i dostarcza aplikacje zarówno dla operatora transportowego, jak i również dla pasażerów systemu transportu publicznego. W przypadku operatora może to być aplikacja służąca do przydzielania pracownikom różnych zadań lub do ogłaszania komunikatów związanych z zapewnieniem bezpieczeństwa w transporcie publicznym. Z punktu widzenia pasażera, aplikacje te mogą zawierać informacje o ruchu drogowym, rozkład jazdy lub wskazówki dla podróżnych.

IoT – w jaki sposób przetwarzanie w chmurze sprawia, że inteligentny system transportu publicznego jest jeszcze inteligentniejszy

Dzięki wsparciu chmury obliczeniowej algorytmy eksploracji danych mogą być na przykład wykorzystywane do znajdowania stałych danych o ruchu pasażerskim, a tym samym do optymalizacji ogólnej wydajności systemu transportowego.

Dane zbierane w czasie rzeczywistym przez ISTP z urządzeń IoT, w tym: czas oczekiwania na przystankach, liczba pasażerów, śledzenie pojazdów itp. są łączone z informacjami pobieranymi z Internetu, takimi jak wydarzenia sportowe, prognozy pogody czy komunikaty publiczne. Informacje te są następnie przesyłane do centralnego centrum monitorowania i sterowania pojazdami w celu ich przechowywania i przetwarzania.

Ponadto dane historyczne są dalej analizowane w celu wyodrębnienia użytecznych wzorców lub reguł, takich jak wieczorne szczyty na poszczególnych przystankach. Analiza ta pozwala na obliczenie przepływu pasażerów i czasów przyjazdu pojazdów w oparciu o prognozy wygenerowane na podstawie wcześniejszych wzorców i informacji w czasie rzeczywistym.

W rezultacie ISTP może pomóc zarządzającym transportem w optymalizacji środków transportu, poprawieniu planowania rozkładów jazdy i skróceniu czasu podróży pasażerów.

Gdzie działają te inteligentne rozwiązania?

Wiele instytucji zajmujących się transportem zbiorowym na całym świecie wdrożyło ISTP w celu zapewnienia wysokiej jakości usług dla swoich pasażerów. Na przykład ponad 120 operatorów w USA korzysta już z tych systemów, przy czym najczęściej stosowanymi technologiami są Systemy Informacji Geograficznej (GIS) i Wspomagania Decyzji (DSS).

Jednym z europejskich przykładów jest miasto Lahti w Finlandii, które zainicjowało projekt CitiCAP, który koncentruje się na umożliwieniu i promowaniu zrównoważonej mobilności miejskiej w celu zmniejszenia natężenia ruchu i emisji CO2. iris współpracuje z lokalną firmą Mattersoft, aby monitorować przepływ pasażerów za pomocą Automatycznego Zliczania Pasażerów i gromadzić kompleksowe dane na temat wyborów środków transportu dokonywanych przez ludzi. Indywidualny ślad węglowy jest obliczany w zależności od wybranego środka transportu, co jest rejestrowane przez aplikację mobilną. Dzięki programowi PCT mieszkańcy Lahti mogą otrzymać korzyści, takie jak zniżki na bilety autobusowe lub przeglądy rowerów, w zamian za swoje przemyślane wybory w zakresie mobilności. Jednocześnie, informacje te służą jako narzędzie dla miejskich planistów, a także jako źródło danych o mobilności dla twórców innowacyjnych rozwiązań.

Tak więc, w ostatecznym rozrachunku, wszyscy korzystają.