New York širi testiranja umjetne inteligencije u javnom prijevozu
NEW YORK ŠIRI TESTIRANJA UMJETNE INTELIGENCIJE U JAVNOM PRIJEVOZU: Nakon prvih pilot-projekata usmjerenih na održavanje pruga, sigurnost i protočnost autobusnog prometa, sada ispituju kako se AI može koristiti za brže otkrivanje kvarova, bolju reakciju na sigurnosne rizike i bolje korištenje kamera.
Newyorška Metropolitan Transportation Authority (MTA) sve snažnije uvodi umjetnu inteligenciju u svakodnevno upravljanje jednim od najvećih javnoprijevoznih sustava u Sjevernoj Americi.
Od vibracija tračnica do ranog upozorenja na kvarove
Jedan od najkonkretnijih primjera je TrackInspect, pilot-program koji MTA provodi s Google Public Sectorom. Sustav koristi pametne telefone Google Pixel, postavljene na vlakove podzemne željeznice, kako bi prikupljao podatke o vibracijama i zvukovima tijekom vožnje. Ti se podaci u stvarnom vremenu šalju u cloud, gdje ih analiziraju algoritmi strojnog učenja radi prepoznavanja mogućih oštećenja ili nepravilnosti na tračnicama.
Prema MTA-u, prototip je u početnoj fazi prikupio 335 milijuna očitanja senzora, milijun GPS lokacija i 1.200 sati zvuka te je identificirao 92 posto lokacija s nedostacima koje su naknadno potvrdili inspektori.
MTA naglašava da umjetna inteligencija ne zamjenjuje ljudske inspektore, nego im pomaže da brže dođu do potencijalno problematičnih mjesta. U sustavu ostaje model “čovjeka u petlji”: stručnjaci New York City Transita provjeravaju lokacije koje označi algoritam i svojim povratnim informacijama dodatno treniraju model. Usto se ispituje i primjena generativne umjetne inteligencije, primjerice za pretraživanje povijesti održavanja, protokola i standarda popravaka prirodnim jezikom.
Kamere, sigurnost i brži autobusi
Drugi smjer razvoja odnosi se na videoanalitiku. MTA je kroz službeni zahtjev za informacijama od dobavljača zatražio rješenja koja bi u stvarnom vremenu analizirala videozapise s kamera u vozilima javnog prijevoza, ponajprije u podzemnim vlakovima i autobusima.
Traže se tehnologije računalnog vida i AI-ja za prepoznavanje zabranjenih predmeta, ostavljenih torbi i paketa te neuobičajenih ili nesigurnih ponašanja, uključujući velike gužve i rizike od stampeda. Dokument pritom jasno navodi da RFI nije ugovor niti obveza nabave, nego ispitivanje tržišta i izvedivosti.
Razmjeri sustava objašnjavaju zašto se MTA okreće automatiziranoj analitici. Prema istom dokumentu, u približno 472 postaje podzemne željeznice raspoređeno je više od 15.000 kamera, a sadašnji nadzor opisan je kao uglavnom ručan, reaktivan i zahtjevan za resurse. MTA pritom navodi da bi razvoj takvih sustava trebao uključivati stručnjake za ponašanje i psihologiju kako bi se smanjili lažno pozitivni nalazi, pristranost i pogrešne interpretacije situacija u javnom prostoru.
MTA širi i automatiziranu provedbu prometnih pravila na autobusnim rutama
Paralelno s time, MTA širi i automatiziranu provedbu prometnih pravila na autobusnim rutama kroz program ACE. Riječ je o kamerama na autobusima koje bilježe nepropisno korištenje autobusnih traka, blokiranje stajališta i nepropisno dvostruko parkiranje.
Najnovije službene objave navode da je program proširen na 62 rute u svih pet njujorških četvrti, s više od 1.900 opremljenih autobusa i oko 810 ruta-milja, od čega koristi ima više od milijun putnika prosječnog radnog dana. Nakon 60-dnevnog razdoblja upozorenja, kazne počinju od 50 dolara i rastu do 250 dolara za ponovljene prekršaje.
Za MTA, zajednički nazivnik svih ovih projekata nije samo tehnološka modernizacija, nego prelazak s reaktivnog na prediktivno upravljanje prometom. U praksi to znači manje čekanja na kvarove, bržu reakciju na sigurnosne rizike i učinkovitije korištenje podataka koje sustav već svakodnevno prikuplja.
No upravo zbog osjetljivosti videonadzora i automatiziranog odlučivanja, daljnje širenje AI-ja u njujorškom prijevozu vjerojatno će ovisiti ne samo o tehničkim rezultatima, nego i o transparentnosti, nadzoru nad algoritmima i povjerenju javnosti.
