ИИ для пассажирских перевозок — больше рейсов по графику, меньше срывов и авралов у диспетчеров

Что за компания:
Transport for London (TfL) — оператор транспортной системы Лондона: метро, автобусы, наземный транспорт и светофорные сети.

Что было сделано:
TfL совместно с Yunex Traffic перевела управление сигналами на cloud-платформу Real Time Optimiser (RTO), внедрив «интеллектуальную адаптивную систему» светофоров. Она использует данные в реальном времени о трафике, пешеходах, велосипедах, автобусах и других участниках движения и с помощью ИИ алгоритмов оптимизирует распределение «зелёного» времени. Параллельно AI-инструменты используются и для анализа пассажиропотоков в метро и на наземном транспорте.

Система анализирует множество источников: камеры, датчики, данные биллинга и проездных, что позволяет предсказывать перегрузки и автоматически менять режимы работы светофоров и интенсивность движения. Например, можно уменьшить задержки автобусов на ключевых коридорах или улучшить условия для пешеходов в определённые часы. Для метро ИИ-решения помогают прогнозировать загрузку станций и корректировать интервалы.

Результаты внедрения:

• Улучшение времени поездок
• Оптимизация транспортного трафика
• Повышение устойчивости транспортной сети
• Обеспечение более подробных данных о поведении пользователей

01/03

Что за компания:
Deutsche Bahn (DB) — крупнейший железнодорожный оператор Германии, в том числе в сегменте дальних и пригородных пассажирских перевозок.

Что было сделано:
DB внедряет ИИ для предиктивного обслуживания поездов (проект E-Check и другие), анализируя данные с камер, сенсоров и подвижного состава, чтобы автоматически выявлять отклонения от нормы — от состояния крыши до подвески и тормозов. Дополнительно ИИ используется для прогнозирования задержек, оптимизации загрузки и управления долгосрочным планированием.

Системы сканируют поезда с помощью мобильных устройств и камер, а затем ИИ анализирует изображения, выявляя дефекты, требующие внимания. Одновременно алгоритмы прогнозируют, какие элементы инфраструктуры и подвижного состава потребуют обслуживания и когда это лучше всего сделать, чтобы минимизировать простой. Модели по задержкам помогают диспетчерам более точно оценивать риски и управлять расписанием.

Результаты внедрения:

• Сокращение времени осмотров до минут
• Снижение эксплуатационных издержек
• Повышение надёжности оборудования
• Увеличение пунктуальности маршрутных перевозок
• Повышение эффективности использования подвижного состава

02/03

Что за компания:
LTA — орган, отвечающий за транспортную систему Сингапура, один из мировых лидеров по внедрению «умных» транспортных решений.

Что было сделано:
LTA развивает AI-поддерживаемые системы для управления железнодорожной сетью и дорожным движением, используя множество сенсоров, камер и аналитических платформ. Один из свежих примеров — тестирование системы, анализирующей видео с бортовых камер автобусов и автоматически выявляющей автомобили, нарушающие правила использования автобусных полос. Параллельно применяются ИИ-подходы к управлению трафиком и планированию расписаний.

Система по bus-lane enforcement в автоматическом режиме анализирует поток видео, распознаёт нарушения и формирует доказательную базу, разгружая инспекторов и повышая вероятность неотвратимости наказания. Другие ИИ-компоненты помогают операторам центра управления видеть состояние сети в реальном времени, прогнозировать перегруженность и на основе этого корректировать работу транспорта или информирование пассажиров.

Результаты внедрения:

• Поддержание надёжности и предсказуемости транспортной системы при высокой плотности населения
• Повышение надёжности и координации транспортной сети
• Увеличение удовлетворённости пассажиров

03/03

А давайте мы расскажем вам за пару минут как Команда поможет вам заработать больше? С текущими сотрудниками?

Оставьте нам ваши контактные данные, пожалуйста.