Skulle AI kunna trafikplanera bättre?

[ADDE]

I dagens tidsålder så finns det en massa teknik som skulle passa i tunnelbanan för att räkna på resandemönster väldigt exakt! Problemet är att SL förlitar sig bara på blipp med inpassage och ATR-räkning, vilket kan ge ungefärliga resultat. Dessutom vet man ju inte riktigt hur många som faktiskt stiger av någonstans...

Stockholmståg hade de sista åren lanserat en tjänst där man kunde kolla pendeltågens position samt hur trängseln såg ut ombord. De använde en sorts kamerateknik som kunde identifiera hur trångt det var. Detta presenterades sedan i en app man kunde ladda ner samt på 2st. skärmar i Älvsjö Pendeltågsstation (kan någon hjälpa mig länka till tråden i forumet där detta diskuterades?)

Detta är en smart teknik som skulle kunna användas i större skala, t.ex. i ett helt tunnelbanesystem. Man kan räkna hur många som går in eller lämnar en station, hur många som kliver på eller av en specifik tågavgång, hur trångt det är ombord och på stationerna samt vilka av dem som byter mellan tåglinjer i knytpunkter och på grenstationer.

Med denna information skulle man få exakt resandestatistik man kan ta vara på för effektivare trafikplanering, både kortsiktigt såväl som långtsiktigt (med tågombyggnationer och beställning av nya tåg, trimmning av signalsystem osv.) och det skulle på ett enkelt sätt presenteras på skärmar i stationer vart i tåget det är trångt eller om man skulle kunna vänta på nästa tåg. (Jag vet att Tekniska Högskolan & Stockholm Östra testar LCD-displayer).

Säg, om man sedan sätter in en AI, t.ex. IBM Wattson, så skulle den kunna få fram en precist resandemönster utifrån statistiken som kamrorna/sensorerna får fram. Det tillsammans med tillgången utav vagnar, banors kapacitet och begränsningar och andra faktorer så skulle man kunna skapa ett väldigt effektiv tidtabell, t.ex. att varje avgång kl. 07.00 från Norsborg till Ropsten ska alltid köras med 2st C30-vagnar då den är som mest belastad mellan T-centralen och Karlaplan t.ex. Det finns enorma potential att använda data från smarta system som kan räkna på resenärsflöden, inte bara hur många som stiger på eller av en viss station...

Jag vet inte om denna teknik används i något kollektivtrafiksystem. Det närmsta jag kan komma till är nog KONEs "Intelligent flow"-lösning som räknar ut hur mycket folk som går in och ut i ett viss kontorshus och vilken våning de ska till, när på dygnet det sker. och skickar därefter hissarna till lämpliga våningar för att förbereda sig för en tillströmning av folk som ska käka lunch kl 11 t.ex. På tal om KONE så har de och SL börjat införa 24/7 connected services, där man ständigt kollar måendet på hissar och rulltrapport, vilket passar utmärkt i SLs system!

[Odd]

Det korta svaret: Nej.

Det långa svaret:
Det är en skillnad på ML och AI, två begrepp som ofta flyter ihop. ML, Machine Learning, innebär att man tränar upp ett program och/eller en särskild hårdvara genom att mata den med en massa känd data och utfallet samt specificera vilket utfall man letar efter. På så sätt kan systemet lära sig att förutspå förändringar genom att identifiera avvikelser och samband. Exempelvis, övervakning av en bussmotor där en mängd parametrar om temperaturer, väglag, miljövariabler, varvtal, respons, bränsleförbrukning mm matas in i ML-enheten, gör att den kan börja hitta avvikelser som kommer leda till haverier med kostsamma reparationer.

AI, artificiell intelligens, som egentligen inte har något med naturlig intelligens att göra, innebär att ett datorprogram och/eller hårdvara tränas och försöker hitta nya mönster och lösningar som den ännu inte stött på. På så sätt kan den finna nya infallsvinklar på problem och hitta nya vägar, exempelvis genom att försöka förutspå hur molekyler kommer att reagera eller hur mediciner påverkas av olika faktorer. Man skulle kunna säga att ML är en viktig del i artificiell intelligens. IBM Watson är till allra största delen egentligen ML.

KONEs är i stort sett enbart ML.

Detta gör att man kommer kunna finna nya mönster och mikrojustera tidtabeller så de sannolikt blir optimala så länge som omvärlden inte förändras. Men det gör den och då är troligen effekten att trafikplaneringen varken blir bättre eller sämre, det blir vara annorlunda. Och hur skulle det se ut med en tidtabell som var så komplicerad att man är tvungen att ha en katalog för att förstå när och hur man kan åka...

[Sio]

Det jag tänker varje gång det är en trafikstörning på pendeln är att man borde använda ML för att ge prognoser till nästa-tåg skyltarna. Då skulle ML-programmet snabbt kunna se att trafiken kört ihop sig och sluta rabbla avgångstider från tidtabellen som skyltarna gör idag i störda lägen.

[bjorn.lovdahl]

I dagens tidsålder så finns det en massa teknik som skulle passa i tunnelbanan för att räkna på resandemönster väldigt exakt! Problemet är att SL förlitar sig bara på blipp med inpassage och ATR-räkning, vilket kan ge ungefärliga resultat. Dessutom vet man ju inte riktigt hur många som faktiskt stiger av någonstans...

Stockholmståg hade de sista åren lanserat en tjänst där man kunde kolla pendeltågens position samt hur trängseln såg ut ombord. De använde en sorts kamerateknik som kunde identifiera hur trångt det var. Detta presenterades sedan i en app man kunde ladda ner samt på 2st. skärmar i Älvsjö Pendeltågsstation (kan någon hjälpa mig länka till tråden i forumet där detta diskuterades?)

Detta är en smart teknik som skulle kunna användas i större skala, t.ex. i ett helt tunnelbanesystem. Man kan räkna hur många som går in eller lämnar en station, hur många som kliver på eller av en specifik tågavgång, hur trångt det är ombord och på stationerna samt vilka av dem som byter mellan tåglinjer i knytpunkter och på grenstationer.

Med denna information skulle man få exakt resandestatistik man kan ta vara på för effektivare trafikplanering, både kortsiktigt såväl som långtsiktigt (med tågombyggnationer och beställning av nya tåg, trimmning av signalsystem osv.) och det skulle på ett enkelt sätt presenteras på skärmar i stationer vart i tåget det är trångt eller om man skulle kunna vänta på nästa tåg. (Jag vet att Tekniska Högskolan & Stockholm Östra testar LCD-displayer).

Säg, om man sedan sätter in en AI, t.ex. IBM Wattson, så skulle den kunna få fram en precist resandemönster utifrån statistiken som kamrorna/sensorerna får fram. Det tillsammans med tillgången utav vagnar, banors kapacitet och begränsningar och andra faktorer så skulle man kunna skapa ett väldigt effektiv tidtabell, t.ex. att varje avgång kl. 07.00 från Norsborg till Ropsten ska alltid köras med 2st C30-vagnar då den är som mest belastad mellan T-centralen och Karlaplan t.ex. Det finns enorma potential att använda data från smarta system som kan räkna på resenärsflöden, inte bara hur många som stiger på eller av en viss station...

Jag vet inte om denna teknik används i något kollektivtrafiksystem. Det närmsta jag kan komma till är nog KONEs "Intelligent flow"-lösning som räknar ut hur mycket folk som går in och ut i ett viss kontorshus och vilken våning de ska till, när på dygnet det sker. och skickar därefter hissarna till lämpliga våningar för att förbereda sig för en tillströmning av folk som ska käka lunch kl 11 t.ex. På tal om KONE så har de och SL börjat införa 24/7 connected services, där man ständigt kollar måendet på hissar och rulltrapport, vilket passar utmärkt i SLs system!

Nej Stockholmståg mätte trängseln med hjälp av den s.k fläskvågen, alltså den som mäter tyngden på tåget för justering av luftfjädringen

[daniel_s]

Nej Stockholmståg mätte trängseln med hjälp av den s.k fläskvågen, alltså den som mäter tyngden på tåget för justering av luftfjädringen

Lite överkurs i sammanhanget, men är det nedtyngningen som mäts eller bälgtrycket? Fläskvågen är väl på äldre fordon oftast bara en ventil med tre lägen, men X60 kanske har nån elektronisk mackapär.

[HemuleN]

Nej Stockholmståg mätte trängseln med hjälp av den s.k fläskvågen, alltså den som mäter tyngden på tåget för justering av luftfjädringen

Lite överkurs i sammanhanget, men är det nedtyngningen som mäts eller bälgtrycket? Fläskvågen är väl på äldre fordon oftast bara en ventil med tre lägen, men X60 kanske har nån elektronisk mackapär.

Det är bälgtrycket som mäts.

[BSB101]

AI och ML kan användas till mycket och göra bra saker, frågan är till hur mycket vi vill använda det? I grunden handlar om om massövervakning på olika nivåer.

[daniel_s]

AI och ML kan användas till mycket och göra bra saker, frågan är till hur mycket vi vill använda det? I grunden handlar om om massövervakning på olika nivåer.

Massövervakning är ju egentligen just vad trafikplanering går ut på. I det långa loppet handlar den tekniska utvecklingen mest om vad man kan tjäna pengar på. Den dag besparingen överstiger kostnaden kommer programmet att användas.

[ADDE]

Train Brain I samarbete med SL och Microsoft testar en lösning där AI räknar fram resemönster och turtäthet I södertälje:

https://www.di.se/digital/svenska-start ... microsoft/

[kildor]

Det är lätt att lansera pilotprojekt. Det är svårare att få saker fungera bra i verkligheten. Samma person var ju involverad i en "smart" app för pendeltågen som skulle "förutse förseningar i kollektivtrafiken redan två timmar innan de händer". Prognoserna visade sig inte vara speciellt bra, och varken appen eller algoritmen används längre. Vi får hoppas att dom lyckas bättre den här gången!

[BSB101]

AI och ML kan användas till mycket och göra bra saker, frågan är till hur mycket vi vill använda det? I grunden handlar om om massövervakning på olika nivåer.

Massövervakning är ju egentligen just vad trafikplanering går ut på. I det långa loppet handlar den tekniska utvecklingen mest om vad man kan tjäna pengar på. Den dag besparingen överstiger kostnaden kommer programmet att användas.

Självklart är det så men det betyder inte att vi bara ska säga ja tack och tillåta massövervakning.