Yapay zeka destekli toplu taşıma sistemleri ile akıllı kentsel hareketlilik

Gecikmeler, aşırı kalabalık ve yetersiz güzergahlar; yolcular her gün bunlarla ve toplu taşımayı tercih etmekte tereddüt etmelerine neden olan daha birçok zorlukla karşılaşıyor. Buna karşı koymak için, toplu taşıma sistemleri artık rota planlamasını optimize etmek, aksaklıkları tahmin etmek ve zamanında bilgi vermek için etkili bir çözüm olarak yapay zekayı (AI) kullanıyor. Bu blog, yapay zeka, gelişmiş analitik ve kitle kaynaklı verileri birleştirmenin toplu taşımayı nasıl daha güvenilir ve kullanıcı dostu bir ağa dönüştürebileceğini ve nihayetinde kentsel hareketliliğe olan güveni nasıl yeniden sağlayabileceğini araştırıyor.

Yapay zeka teknolojisinin dönüştürücü gücü

Yapay zekanın büyük veri kümelerini analiz etme ve kullanıcı davranışını tahmin etme yeteneği ulaşımı yeniden şekillendiriyor. Yapay zeka, yolcu uygulamaları ve yolculuk planlama sistemlerinden gelen verileri entegre ederek rota planlama ve trafik yönetimini kolaylaştırmaya yardımcı olur, işe gidip gelme sürelerini azaltır ve hizmet güvenilirliğini artırır.

1. Kesintileri yönetmek için kitle kaynaklı veriler

Kitle kaynaklı veriler, ulaşım sağlayıcılarının gecikmeleri, iptalleri ve yeniden yönlendirmeleri derhal ele almasına yardımcı olan gerçek zamanlı, zemin düzeyinde bilgiler sağlayarak beklenmedik aksaklıkların yönetilmesine yardımcı olur. Bu şeffaf yöntem yalnızca yolculara canlı bildirimler ve proaktif öneriler sunmakla kalmaz, aynı zamanda operatörlerin kullanıcıları ödüllendirmesine olanak tanıyarak toplu taşıma hizmetlerine olan güveni güçlendirir.

Artık birçok çözüm, gerçek zamanlı olarak aksaklıklar hakkında bilgi sağlamak için kitle kaynaklı verileri kullanan yapay zekanın yardımıyla geliştiriliyor. Örneğin, yapay zeka odaklı platformumuz Journey Watch, sağlayıcıların kesintileri geniş ölçekte yönetmesine olanak tanıyor.

Nagarro's Journey Watch: Aksaklık yönetimi için kitle kaynaklı bir veri platformu

Nagarro'nun Journey Watch 'u, gecikmeler, iptaller veya yeniden yönlendirmeler hakkında gerçek zamanlı bildirimler sunmak için yolcuların paylaştığı verilerden ve operatör içgörülerinden yararlanır. Ayrıca, gerektiğinde güvenilir yolcu gruplarına yetki devri de dahil olmak üzere yolcular ve operatörler arasındaki iletişimi kolaylaştırır.

Şekil 1: Journey Watch Gösterge Paneli

Bu çözüm, kullanıcıların sahada olup bitenlere ilişkin içgörülerini paylaştıkları ve karşılıklı fayda sağladıkları Waze uygulamasına benzer şekilde oluşturulmuştur. Bu bilgiler toplu taşıma operatörleri için de geçerlidir.

2. Gelişmiş kullanıcı deneyimi için kişiselleştirme

Modern mobilite uygulamaları artık temel seyahat planlamasının ötesine geçiyor. Yapay zeka destekli çözümlerle bu uygulamalar kullanıcı davranışları hakkında her şeyi öğrenebiliyor ve kişiselleştirilmiş öneriler sunabiliyor, kesintiler sırasında alternatif rotalar önerebiliyor ve bilet alımları için zamanında hatırlatıcılar sağlayabiliyor. Avrupa'nın önde gelen yolcu taşıma operatörlerinden Arriva, seyahat deneyimlerini bireysel ihtiyaçlara göre kişiselleştiren yapay zeka destekli seyahat asistanı ViTA'yı (Very Intelligent Travel Assistant) geliştirmek için Nagarro ile ortaklık kurdu.

ViTA: Kişiselleştirilmiş seyahat önerileri için

Arriva UK Trains'in bir çözümü olan ViTA, seyahat verilerini birleştirerek yolculuk planlamasını kolaylaştırıyor, bilet satışlarını artırıyor ve operasyonel verimliliği geliştiriyor; tüm bunları yaparken de seyahat deneyimini bireysel ihtiyaçlara göre uyarlıyor.

Şekil 2: Arriva'nın Seyahat Asistanı ViTA ile etkileşime giren bir müşteri

ViTA, günlük seyahatleri kişiselleştirilmiş bir hizmete dönüştürmek için yapay zeka ile geliştirilmiş seyahat planlayıcıları kullanır. ViTA yolculuk planlamasını kolaylaştırmaya yardımcı olur ve ayrıca
- gerçek zamanlı yolculuk ve ücret bilgileri sunar,
- sadece bir tıklama ile ihtiyaca göre rezervasyon hizmetleri için bağlantılar sağlar,
- seyahat seçeneklerini kullanıcı tercihlerine göre özelleştirir ve,
- seyahat noktalarının yakınında konaklama önerileri görüntüler.

3. Tahmine dayalı analiz yoluyla operasyonların iyileştirilmesi

Günümüzde mobilite çözümleri büyük ölçüde veriye dayanmaktadır. Mobility-as-a-Service (MaaS) platformları tarafından (tarifeler ve gerçek zamanlı araç konumları gibi) büyük miktarda veri üretilmekte ve bu veriler yapay zeka tarafından eyleme dönüştürülebilir içgörülere dönüştürülmektedir.

YZ içgörülerinin hayati bir yönü, hizmet programlarını ve yolcu akışlarını öngörmeye ve optimize etmeye, maliyetleri azaltmaya ve operasyonel planlamayı geliştirmeye yardımcı olan tahmine dayalı analizdir. Buna karşılık, şehirler bu yüksek kaliteli, neredeyse gerçek zamanlı kitle kaynaklı verilerden faydalanarak transit operasyonlarını geliştirmelerine ve iyileştirmelerine yardımcı oluyor.

4. Çalışanları sohbet robotları ile güçlendirmek

YZ'nin rolü yolcu hizmetlerinin ötesine uzanıyor. Yapay zeka araçları, geçmiş ve gerçek zamanlı verileri analiz ederek operatörlerin kazalar veya bakım sorunları gibi anormallikleri tespit etmelerini ve hizmetleri hızlı bir şekilde ayarlamalarını sağlar. Bilgisayarla görme ve uç bilişim ile potansiyel olarak geliştirilmiş bu analizler, konuşma arayüzleri aracılığıyla dahili sistemlerle etkileşime girebilen personel de dahil olmak üzere, yönetim kurulu genelinde daha bilinçli karar vermeyi destekler. Böyle bir çözüm Nagarro'nun Staff Companion'ıdır.

Nagarro'danPersonel Arkadaşı: Yapay zeka destekli konuşma asistanı

Staff Companion çözümü, çeşitli sistemlere erişmek için bir konuşma arayüzü sağlayarak istasyon görevlileri ve tren kondüktörleri için dahili iletişimi basitleştirir. Gecikmelerin, olayların veya ekipman sorunlarının bildirilmesi gibi görevleri kolaylaştırırken, hatırlatma ayarı ve doğal konuşma girişi gibi özellikler operasyonel verimliliği ve personel erişilebilirliğini artırır.

Şekil 3: Personel Companion'ın arayüzleri

Verilerinizde kalite neden en önemli unsurdur?

Yüksek kaliteli, kitle kaynaklı veriler, etkili yapay zeka uygulamalarının temelini oluşturur. Doğru yolcu bilgilerinin verimli öğrenme döngülerinde yapılandırılması, YZ'nin aksaklıkları yönetmesini, rotaları optimize etmesini ve hizmetleri kişiselleştirmesini sağlar. Ek olarak, performansı sürdürülebilirlikle dengeleyen YZ sistemleri tasarlamak hayati önem taşır - gereksiz veri işlemeyi azaltarak çevresel etkiyi en aza indirir. Mevcut API'lerden ve veri tabanlarından güvenilir bilgilerin entegre edilmesi, hesaplama kaynaklarına aşırı yük bindirmeden güvenilir çıktılar elde edilmesini sağlar.

Taşımacılıkta yapay zekanın geleceği

Küçük modellerle göreve özel optimizasyon

Önümüzdeki birkaç yıl içinde, ulaşım sağlayıcılarının biletleme platformları, navigasyon araçları ve bakım uygulamaları gibi sistemlerin içine yerleştirilmiş özelleşmiş, göreve özgü daha küçük modellere geçiş yapması beklenmektedir. Göreve özgü optimizasyona odaklanan bu küçük modeller, sınırlı bağlantıya sahip ortamlarda bile doğruluğu korurken hesaplama maliyetlerini daha da azaltacaktır.

Bu küçük modeller yerel sorunları çözmek için etkileşime girecek ve zaman içinde daha geniş ulaşım zorluklarını ele alacaktır. Bu modellerin hemen oluşturulması, gelecekteki ölçeklenebilirlik için gerekli bileşenlerin yerinde olmasını sağlar. Uzmanlaşmış modeller, bağlantı sınırlı olduğunda bile hızlı yanıtlar vererek güvenilirlik sorunlarının üstesinden gelir. Belirli, tekrarlayan görevleri yerine getirerek, büyük miktarda veriye dayanmadan etkili çözümler elde edilebileceğini gösterirler. Bu görevler şunları içerir:

• istasyon bilgilerini sağlar,
• yolcuları saymak, ya da,
• kusurları tespit etmek.

Agentic AI ile otonom karar verme

Dünya hızla Agentik YZ'ye doğru evrilmekte ve yeni bir akıllı, veri ve YZ odaklı verimlilik ve üretkenlik çağını başlatmaktadır. Agentic AI, herhangi bir insan müdahalesi olmadan (önceden tanımlanmış kuralları takip eden ve çok az özerkliğe sahip olan küçük modellere veya AI ajanlarına kıyasla) daha yüksek derecede özerklik ve kendini geliştirme yetenekleri sergiler. Emergen Research raporuna göre, Agentic AI pazarı 2024 yılında 30,9 milyar ABD doları değerindeydi ve 2033 yılında %31 gibi muazzam bir büyüme ile 367,68 milyar ABD dolarına ulaşması bekleniyor.

Agentic AI, etkili rota planlaması, daha güvenli yollar ve daha iyi yolcu deneyimleri ile toplu taşıma için de inovasyonu teşvik edecek ve manzarayı yeniden tanımlayacaktır. En önemlisi, Agentic AI, ulaşımın daha temiz ve sürdürülebilir hale getirilmesinde çok önemli bir rol oynayabilir. Bu faydaların yanı sıra, Agentic AI otonom araçlara güç sağlamak için hızla kullanılıyor ve bu çok yakında toplu taşıma için uygulanabilir.

Sonuç

Yapay zekânın toplu taşımacılığa entegrasyonu halen dünya genelinde çeşitli ulaşım sağlayıcıları tarafından gerçekleştiriliyor ve kentsel mobilitenin geleceğini şekillendirmeye hazırlanıyor. Yukarıda bahsedilenler gibi gerçek dünyada yapay zeka tarafından yönetilen birkaç örnekle, yolcular, ulaşım personeli ve karar vericiler toplu taşımayı kolaylaştırmak için güçlendiriliyor. Kişiselleştirilmiş seyahat deneyimlerinden gelişmiş operasyonel verimliliğe kadar, yapay zeka odaklı içgörüler toplu taşımada devrim yaratarak onu daha erişilebilir, esnek ve sürdürülebilir hale getiriyor. Ayrıca, gelecekte geleneksel YZ modellerinden Agentic YZ'ye öngörülebilir geçiş, daha akıllı, daha verimli ve daha güvenli transit sistemler sağlayacaktır.