IBM создает интеллектуальную дорожную аналитическую систему

IBM анонсировала новую исследовательскую инициативу, которая направлена на разработку персонализированных маршрутных систем для жителей пригородных зон с целью избежать перегруженности транспортных магистралей.

Исследователи IBM используют аналитические средства для создания адаптивных транспортных систем, которые смогут интуитивно изучать типовые схемы поведения участников движения, чтобы предоставлять им более оперативные данные о безопасных поездках и более точную маршрутную информацию, чем это возможно в настоящее время.

Исследователи IBM разрабатывают новые модели, которые будут прогнозировать результаты выбора различных альтернативных маршрутов движения и предлагать персонализованные рекомендации людям, живущим в пригородных зонах и ежедневно пользующихся транспортом (этих людей называют «регулярными пассажирами» или «маятниковыми мигрантами»), с указанием, какими маршрутами и видами транспорта им следует воспользоваться, чтобы максимально быстро и безопасно добраться до работы или дома. Эти системы, как планируется, будут предоставлять информацию, которая выходит далеко за рамки традиционных сообщений о ситуации на дорогах, выдаваемых существующими устройствами постфактум – т.е. уже после того, как вы попали в дорожную пробку – или существующими Web-ориентированными приложениями, которые указывают лишь очень приблизительное время в пути на данном маршруте.

Применяя новые математические модели и технологии IBM для прогнозного анализа, исследователи анализируют и комбинируют многочисленные вероятные сценарии, которые могут повлиять на выбор оптимальных маршрутов ежедневного движения для загородных жителей, регулярно совершающих поездки в город и обратно. Эти сценарии учитывают множество факторов, таких как дорожно-транспортное происшествия; местонахождение человека; текущие и планируемые дорожные работы; наиболее загруженные (с точки зрения объема поездок) дни недели; предполагаемое время начала рабочего дня; местные события, которые могут повлиять на дорожную ситуацию; наличие на маршрутах железнодорожных переездов и паромных переправ; наличие и расположение парковочных зон; погодные условия и т.д.

Корпорация планирует запустить пилотные проекты для выборочных сообществ жителей пригородных зон с целью проанализировать, протестировать и усовершенствовать новые системы. IBM будет персонализованно информировать участников проекта об условиях регулярных пригородных поездок (в рамках маятниковой миграции), предоставляя информацию через Web, посредством мобильной голосовой связи в сочетании с приложениями, отображающими картографические данные на мобильных устройствах.

Так, комбинируя прогнозную аналитику с поступающей от датчиков оперативной информацией о текущих дорожных условиях, а также с другими данными, система сможет рекомендовать оптимальные пути и способы добраться до нужного пункта назначения – сообщая, в частности, как добраться до ближайшего транспортно-пересадочного узла, ожидается ли прибытие поезда по расписанию или с опозданием, есть ли свободные места на автомобильной парковке рядом с железнодорожным вокзалом и т.д. Новые системы смогут изучать типовые примеры регулярных поездок и традиционно предпочтительные схемы передвижения, и, затем, интегрировать все доступные данные и прогностические модели для определения наиболее оптимального маршрута.

Новые знания, полученные в ходе анализа и реализации пилотных программ, позволят транспортным службам глубже понять специфику и лучше управлять движением транспорта, повысить безопасность на дорогах и содействовать развитию и использованию эффективной системы пригородного общественного транспорта, которая поможет уменьшить «углеродный след» маятниковой миграции.

«Данные, которые укажут населению пригородов и транспортным службам оптимальные маршруты и способы управления движением, имеются в распоряжении, однако сегодня они не согласованы и не взаимосвязаны, — подчеркнул Джерри Муни, генеральный менеджер IBM по решениям для государственного сектора. — IBM обладает способностью увязывать всю эту информацию для более точного прогнозирования потребностей, оптимизации мощностей, повышения безопасности движения на дорогах, а также уменьшения негативного воздействия на окружающую среду».

По данным Техасского института транспорта, объемы топлива, ежегодно сжигаемого в транспортных пробках на дорогах США, способны заполнить емкости 58 супертанкеров, а времени, теряемого в этих пробках, достаточно для проведения 105 млн. недель отпусков. Каждый из американцев теряет около недели своего ценного времени и 26 галлонов (почти 98,5 литров) дорогого как никогда топлива.

cybersecurity.ru

Редакция
Оцените автора
BYBANNER.COM