Искусственный интеллект на транспорте сегодня

В последние годы искусственный интеллект (ИИ) получил сильнейший импульс к развитию благодаря технологическим прорывам, увеличению объема данных и совершенствованию подходов по работе с ними, росту скорости интернета и покрытия сети, развитию электронной коммерции, внедрению регулирования ИИ на законодательном уровне и ужесточению экологических требований. Технологические лидеры среди стран и компаний активно разрабатывают собственные подходы к формированию умной городской мобильности и выстраиванию интеллектуальных транспортных цепочек. Они, в свою очередь, позволяют обеспечить не только рост эффективности и результативности различных процессов, но и устойчивость к различным рискам и шокам, пройти турбулентный период с наименьшими потерями.

Это является важным фактором особенно в текущих условиях сильного влияния политических изменений на деятельность бизнеса. На глобальном уровне технологии искусственного интеллекта находят применение в ключевых процессах транспортировки пассажиров и грузов, управления транспортными потоками и дорожной инфраструктурой, взаимодействия с клиентами и др. Развитие ИИ в отрасли, тем временем, соответствует глобальной динамике, а в некоторых областях, таких как компьютерное зрение входит в число лидеров. Сегодня в фокусе как российского, так и мирового технологического развития отрасли, как отмечают ведущие консалтинговые компании (Gartner, McKinsey & Co и др.), – технологии автономного передвижения, способные полностью изменить весь облик как персональной мобильности, так и пассажирских и грузовых перевозок во всех видах транспорта. Помимо этого, вектор развития транспортно-логистической отрасли направлен на формирование «умной» транспортной инфраструктуры (морских портов, воздушных гаваней, железнодорожной системы и др.), которая представляют собой полностью автоматизированные объекты на базе технологий ИИ, интернета вещей, больших данных, блокчейна и др.

По результатам 2023 года, 28,8% компаний транспортной отрасли использовали технологии на базе ИИ (10 место среди всех отраслей по направлению «Использование ИИ»), при этом 51,2% из них используют исключительно отечественные решения на основе ИИ. Помимо этого, 29,7% компаний отрасли планировали внедрить ИИ в течение 3 лет, а 21,5% от использующих и планирующих внедрение определили стратегию или дорожную карту развития ИИ. По результатам 2023 года 20,8% компаний, внедривших ИИ, оценивают экономический эффект от внедрения ИИ как существенный или многократный, а 86% организаций имеют финансирование плана действий по развитию ИИ [4].

Рассмотрим, как используется искусственный интеллект в сфере транспорта в настоящее время. Среди наиболее ярких примеров использования робототехники и технологий ИИ можно назвать беспилотный логистический коридор на трассе М-11 «Нева», по которому курсирует грузовой беспилотный транспорт, запуск автономного судовождения, эксперимент по управлению беспилотными скоростными поездами «Ласточка», проекты «свободный поток» и анализ психофизического состояния водителя с помощью системы видеоконтроля [3].

Беспилотное движение по М-11 функционирует с применением цифрового двойника трассы ‒ разработки концерна «Телематика». Это высокоточная цифровая карта дороги и ее инфраструктуры, которая взаимодействует с беспилотным автотранспортом и передает ему информацию о трафике, погоде и происшествиях на трассе в режиме реального времени, что повышает безопасность и скорость передвижения.

В 2021 г. первый беспилотный грузовик проехал по ЦКАД, а уже в сентябре этого года вице-премьер Виталий Савельев открыл движение для подобного транспорта по всей трассе М-11 «Нева», которая соединяет Москву и Санкт-Петербург. По его словам, к концу этого года автопарк на маршруте составит 43 автомобиля, а в 2025 г. он увеличится до 93 машин.

В единую сеть беспилотных логистических коридоров, помимо М-11, по которой уже ездят беспилотные грузовики, уже включены ЦКАД и автомагистраль М-12 «Восток». Всего планируется 20 000 км беспилотных дорог: в том числе транспортный маршрут Европа ‒ Западный Китай, автодороги М-1 «Беларусь», М-4 «Дон». Ожидается, что беспилотные коридоры на «умных» дорогах позволят на 15% снизить себестоимость перевозки, а средняя скорость движения машин при этом вырастет на 25% [1].

В АО «РЖД» технологии ИИ на разной стадии апробации и внедрения применяются во многих бизнес-процессах холдинга. Это управление персоналом, организация труда, охрана труда, содержание инфраструктуры, административно-организационные процессы и транспортно-логистическая деятельность. При этом технологии становятся составляющей частью систем поддержки принятия решений, рекомендательных сервисов и систем, беспилотного подвижного состава, а также всевозможных помощников и ассистентов для сотрудников и пользователей услуг.

Пример использования ИИ в АО «РЖД»: проект по нормированию труда с помощью технологий компьютерного зрения. Цель – автоматизация ручного труда при анализе и обработке видеозаписей производственных работ. По экспертным оценкам, специалисты по нормированию труда тратят до 40% рабочего времени на обработку видеозаписей. Задача специалиста – определить время выполнения операций с каждым видом инструмента, применяемым в работе. Эта информация собирается по всем подразделениям и по сети для последующего анализа и выработки норм времени на выполнение операций. Сейчас эта задача решается с помощью компьютерного зрения, которое автоматизирует процесс. Технология распознает каждого участника бригады и его ключевые точки (нам нужны руки). Система также определяет, какие инструменты используют работники, и с помощью моделей машинного обучения «привязывает» их к рукам сотрудника. И тем самым при обработке последовательности кадров в видео обеспечивается возможность вычисления времени выполнения операций с инструментами [2].

В качестве примера можно привести один из проектов АО «РЖД», связанный с автоматической расшифровкой дефектограмм. В РЖД регулярно оценивают состояние железнодорожных путей, включая проведение неразрушающего контроля рельсов путем дефектоскопии. Результаты контроля сотрудники анализируют вручную. На этом этапе занято около полутысячи человек, и каждый из них должен проверить участок длиной 25 км. При выявлении дефекта сотрудники сообщают о необходимости повторной проверки. Обработка дефектограммы требует внимания, концентрации и высокой квалификации специалиста. В силу человеческого фактора опасный сигнал, соответствующий дефектной области рельса, может быть пропущен. Это вопрос безопасности, и риск пропуска очень высок – вплоть до схода подвижного состава. Технологии машинного обучения позволяют автоматизировать процесс. Сейчас ИИ видит до 97% дефектов: технология не заменяет человека, а помогает ему, подсвечивая проблемные участки рельса, требующие внимания [2].

Незаменимыми помощниками для пассажиров становятся всевозможные чат-боты и виртуальные ассистенты. Эти инструменты позволяют получать консультации по различным вопросам, связанным с предлагаемыми услугами, без звонков в службу поддержки. Например, подобные сервисы могут быть полезными для клиентов на портале Travel.RZD.

Перспективным направлением становится развитие рекомендательных сервисов, когда чат-бот не просто дает ответы на конкретные вопросы, но и «помогает советом». Зная потребительские предпочтения, при покупке билета из точки А в точку Б технология может предложить пассажиру сопутствующие товары, посетить то или иное мероприятие и даже заехать по пути в какое-нибудь известное место [2].

В АО «МОСТРАНАВТО» внедрена система подсчета пассажиропотока на базе интеллектуальной аналитики. Аппаратно-программный комплекс Tracktice.Flow использует интеллектуальную систему видеонаблюдения на основе нейросетевой аналитики, обеспечивая точность подсчета до 99%:

• в любых погодных условиях; 
• при любом освещении; 
• при большом потоке пассажиров и нестандартных сценариях прохода.

Детекция и подсчет вошедших и вышедших пассажиров происходит непосредственно на борту транспортного средства в режиме реального времени. Система работает с любыми ip-видеокамерами, что позволяет интегрироваться в уже существующую инфраструктуру транспортного средства. Обработка данных на борту снижает затраты на связь при передаче данных. Значение внедрения данной системы на сегодняшний день заключается в решении проблемы «безбилетников».

Компания каршеринга «Ситидрайв» внедрила программу определения повреждений на автомобиле с помощью ML-моделей. При попадании фотографии от пользователей в систему она анализируется ML-моделями, по результатам такого анализа происходит интерпретация того, что находится в кадре:

1. Находится ли в кадре автомобиль?
2. Зафиксированы ли на автомобиле повреждения?
3. Зафиксированы ли на автомобиле повреждения, носящие критичный характер по внутреннему регламенту компании?
4. Какая сторона автомобиля представлена в кадре?

Если на 3 первых пункта система отвечает «да», данная фотография привязывается автоматически к конкретному автомобилю через гос. номер и/или id автомобиля, при аренде или обслуживании которого она была сделана. Также, если на автомобиле ранее были зарегистрированы не исправленные повреждения, система добавит это в карточку. Вся информация по данному прецеденту собирается в карточку через веб-интерпретатор и передается в работу для ремонта и взыскания. Данное внедрение решает задачу необходимости на большом потоке входящих фотографий определять без ручного труда повреждения на автомобиле и автоматически распределять информацию о них по категориям [4].

Прикладное программное обеспечение «Контроль выпуска автобусов (Проверки Подмосковья)», разработанное по заказу Мингосуправления Московской области, позволяет своевременно предоставлять сведения и аналитические данные по изображениям в отчетах Государственной информационной системы мобильной диспетчерской платформы Московской области, автоматически сформировать результаты проверки по изображениям в отчетах Государственной информационной системы мобильной диспетчерской платформы Московской области и отобразить подробную информации о выявленных нарушениях. Искусственный интеллект обучен находить на изображениях силуэты царапин и трещин на лобовом стекле автобуса, силуэты вмятин или сколов на бампере и корпусе автобуса, силуэты мусора и грязи в салоне автобуса. Модель ИИ работает в качестве сервиса (AIaaS) и принимает в качестве вводных параметров ID отчета в системе ГИС МДП и неразмеченную фотографию. Сервис определяет нарушения и возвращает на выходе ID отчета в системе ГИС МДП, размеченную фотографию и категории нарушений. Пользователями практики являются сотрудники профильного ОГВ и сотрудники ЦУР МО, которые модерируют только отчеты, где Модель ИИ выявила нарушения [4].

Система «Антисон», используемая в автобусах Московского транспорта, состоит из следующих компонентов:

• направленная на водителя камера с элементами ИИ (она заранее обучена определять момент засыпания и обнаруживать «отвлекающие» предметы в кадре;
• системный блок (содержит необходимые модули для связи и передачи событий на сервер, карты для автономного хранения записей, телеметрии и геолокации);
• центр мониторинга (диспетчерский центр и информационная платформа).

С помощью алгоритмов и многослойных нейросетей система распознает потенциально опасные события, мгновенно оповещает о них водителя и предотвращает происшествия на дорогах. «Антисон» установлен на всех автобусах столицы России [4].

Технология V2X (Vehicle-to-Everything ‒ автомобиль, подключенный ко всему) позволяет «связать» любой автомобиль и систему управления дорожным движением. Например, благодаря использованию технологии V2X, водители могут заблаговременно узнавать о дорожных работах или происшествиях, о схемах работы светофоров, заранее получать информацию о приоритете проезда перекрёстков, о пешеходе на дороге и т. д.

В 2022‒2024 гг. инфраструктура для V2X была развернута на ЦКАД и протестирована в Москве, Санкт-Петербурге, Самаре, Перми, Волгограде, Курске и на автомагистрали Самара – Тольятти, узнали «Ведомости. Инновации и технологии» в Московском автомобильно-дорожном государственном техническом университете (МАДИ). Для массового использования технологии V2X на российских дорогах необходимо оснащать автомобили и дорожную инфраструктуру специальным оборудованием для связи, считает профессор и заведующий кафедрой «Организация и безопасность дорожного движения, интеллектуальные транспортные системы» МАДИ Султан Жанказиев. По его словам, для поэтапного перехода к повсеместному движению беспилотного транспорта важно уже сейчас внедрять технологии взаимодействия с интеллектуальной дорожной инфраструктурой не только беспилотных, но и подключенных авто, проводить систематические испытания и тестирование для оценки эффективности V2X в пилотных зонах, а также разрабатывать соответствующие стандарты и формировать законодательство [1].

Разработанные «Телематикой» системы управления автодорогами и системы безопасности делают российские автомагистрали одними из самых безопасных в мире. В состав решений для трасс входят автоматическое распознавание инцидентов на дороге, информационные табло и системы мониторинга транспортных потоков, весогабаритный контроль и технологии подключенного транспорта. Всю информацию сводит вместе и анализирует система на базе ИИ. Автоматические системы управления дорожным движением снижают аварийность до 40%, обнаруживая инциденты и предупреждая о них других водителей через информационные табло.

В рамках нацпроекта «Безопасные качественные дороги» интеллектуальные транспортные системы (ИТС) активно внедряют, в том числе и в городских агломерациях. К ним относятся крупные города с населением от 300 000 человек. К 2030 г. оснастить ИТС планируется 82 городских агломерации. С помощью технологии V2X интеллектуальные системы будут связаны с городскими системами транспорта, ЖКХ, безопасности и здравоохранения. В 2024 г. ИТС внедряли в 62 агломерациях.

По словам заместителя министра транспорта и дорожного хозяйства Татарстана Артема Чукина, сказанным на форуме Kazan Digital Week, внедрением элементов ИТС регион занимается более 15 лет. За это время на городских дорогах появились системы светофорного управления, метеомониторинга, весогабаритного контроля, информирования водителей с помощью динамических информационных табло и знаков переменной информации, системы фиксации нарушений и многое другое. В результате с 2008 г. в регионе улучшился показатель безопасности: число погибших в ДТП снизилось на 60%. Кроме того, интеллектуальные системы уже помогли снизить время в пути по магистральным автодорогам города на 16%, подчеркнул эксперт.

Другие участники рынка также активно внедряют элементы ИИ в транспортной сфере. К примеру, Sitronics Group. В 2022 г. специалисты компании разработали интеллектуальный комплекс управления дорожным движением. Такие системы в режиме реального времени позволяют анализировать дорожную ситуацию и адаптировать работу тех же светофоров с учетом трафика, минимизируя время ожидания и вероятность возникновения пробок. Это, в свою очередь, снижает риск возникновения аварий на дорогах.

Sitronics Group в 2023 г. построила основной и резервный ЦОД, создала центральный пункт управления, внедрила периферийное оборудование для сбора данных и управления светофорными объектами. Кроме того, в том же году компания реализовала проект по внедрению ИТС в Саранской агломерации. Там также заработали умные дорожные контроллеры, подсистема мониторинга параметров транспортного потока и подсистема метеомониторинга.

Интеллектуальные дорожные системы способны отслеживать автомобильные потоки в онлайн-режиме и на основе этих данных планировать развитие транспортной сети. То есть на основе полученной информации система может подсказать, стоит или нет на этом участке дороги строить, например, транспортную развязку. Таким образом, нейросети помогают на более качественном уровне проводить модернизацию дорожного каркаса страны [1].

C развитием ИИ на дорогах появились безбарьерные системы оплаты: на некоторых трассах уже работает безбарьерная форма оплаты проезда «Свободный поток». Водитель может не останавливаться у шлагбаума, а деньги за проезд спишутся в автоматическом режиме за счет работы алгоритмов ИИ. Инновационная платформа распознает все типы транспортных средств, более сотни марок и тысячи моделей автомобилей, а также регистрационные знаки 60 государств.

Такая система установлена на самой умной дороге России – ЦКАД в Московском регионе. «Телематика» внедрила на дороге «Свободный поток» в 2020 г. Тогда это была первая в стране интеллектуальная система взимания платы. Точность распознавания транспортных средств и номеров выше 99%, в том числе система считывает грязные и даже частично закрытые номера. Использование «Свободного потока» позволяет достичь до 40% экономии времени в пути, снижает расходы на грузоперевозки и улучшает экологическую обстановку за счет уменьшения пробок и заторов.

«Свободный поток» также внедрен на трассе М-12 ‒ это самая протяженная в мире трасса, использующая систему. В том числе благодаря ее внедрению время в пути из Казани в Москву сократилось вдвое. За все время применения безбарьерной системы на обеих дорогах она обработала более 345 млн транзакций, свидетельствуют данные «Телематики».

Внедрение новых технологий в транспортной сфере позволяет сделать проезд более комфортным для автолюбителей и снижает уровень аварийности.

В числе трендов развития транспорта в городах России и мира можно отметить увеличение на городских дорогах средств индивидуальной мобильности, автономного транспорта, появление платных скоростных дорог внутри городов, общественного электротранспорта, платных объездов городов. Продолжающийся рост населения крупных городов России уже ставит вопросы мобильности населения и экологии [1].

В России построена одна из самых разветвленных дорожных сетей в мире. Страну связывают 85 000 км железных дорог и 1,5 млн км автомобильных трасс. Все это создает предпосылки для быстрого и долгосрочного роста российского рынка. Согласно прогнозам «Телематики», размер рынка интеллектуальных решений для транспортной отрасли в РФ может превысить 320 млрд руб. к 2030 г. Выручка самого концерна за последние три года выросла в четыре раза, до 39,6 млрд руб., чистая прибыль ‒ в 45 раз, следует из его публичной отчетности.

Развитие инфраструктуры находится среди ключевых национальных приоритетов, реализация которых намечена на годы вперед. Объем заявленных инвестиций государства в железные и автомобильные дороги до 2030 г. составляет 10,8 трлн руб., протяженность скоростных автомагистралей в этот период должна удвоиться, анонсировано создание высокоскоростных магистралей и на железной дороге. Сегодня строительство и развитие современной транспортной инфраструктуры невозможно без широкомасштабного внедрения решений на основе ИИ, развития «умных» дорог и роботизации.

Существует значительный эффект от использования технологий на основе искусственного интеллекта на автомагистралях и на железной дороге. Их использование приводит к росту пропускной способности сети и сокращению издержек на перевозки, а также их сроков. Например, снижение аварийности на автодорогах может достигать 40%, а на железной дороге такие решения позволяют значительно уплотнить грузопотоки и увеличить пропускную способность. Это означает, что спрос на IT-решения для транспортной отрасли в ближайшие годы продолжит рост.