Inteligentne rozwiązania dla systemu rowerów miejskich
Algorytmy sztucznej inteligencji coraz śmielej wkraczają w miejską logistykę – teraz pomagają też sterować rowerami publicznymi. Naukowcy z Wojskowej Akademii Technicznej w Warszawie opracowali innowacyjne rozwiązanie, które może całkowicie odmienić sposób zarządzania systemami rowerów publicznych.
Stworzony przez nich model oparty na grafowych sieciach neuronowych (GNN) pozwala z wyjątkową precyzją przewidywać zapotrzebowanie na rowery, optymalizować rozmieszczenie floty i wspierać planowanie nowych stacji. Wyniki badań specjalistów opublikowano w prestiżowym czasopiśmie „Sustainable Cities and Society”, co potwierdza ich międzynarodową rangę.
Rowery miejskie są dziś symbolem nowoczesnej mobilności, ale ich funkcjonowanie wymaga skomplikowanej logistyki. Brak rowerów w centrum w godzinach szczytu i przepełnione stacje na obrzeżach to problem, z którym zmagają się operatorzy na całym świecie. Zespół WAT postawił sobie ambitny cel – stworzyć system, który pozwoli przewidzieć, gdzie i kiedy rowery będą najbardziej potrzebne.
Badacze przeanalizowali aż 18,39 GB danych z warszawskiego systemu rowerowego z 2023 roku, obejmujących m.in. liczbę dostępnych pojazdów, lokalizacje stacji, typy rowerów i – w przypadku modeli elektrycznych – poziomy naładowania baterii. Odtworzyli blisko 3 miliony przejazdów mieszkańców i wykorzystali te dane do zbudowania zaawansowanego modelu opartego na grafowych sieciach neuronowych.
– GNN pozwala uchwycić złożone zależności między stacjami, analizując je jako elementy jednej, dynamicznej sieci – powiedział mjr dr inż. Igor Betkier z Wojskowej Akademii Technicznej.
Model uwzględnia nie tylko dane operacyjne, ale też czynniki pogodowe (temperatura, opady, wiatr), demograficzne i infrastrukturalne – m.in. gęstość zaludnienia, odległość od metra, szkół, parków czy centrów handlowych. Dzięki temu znacznie lepiej odzwierciedla realne zachowania użytkowników. Kluczową innowacją było zastosowanie tzw. agregacji przestrzennej: zamiast analizować każdą z około 300 stacji osobno, naukowcy podzielili Warszawę na siatkę kwadratów o bokach 3×3, 4×4 i 5×5 km, by uchwycić globalne wzorce przemieszczania się rowerów. Najlepsze rezultaty uzyskano przy siatce 5×5 km – model wyjaśniał aż 91procent zmienności danych, co stanowi wynik znacznie przewyższający skuteczność dotychczas stosowanych metod.
Tak wysoka dokładność prognoz oznacza realne korzyści – operatorzy mogą szybciej reagować na zmieniające się warunki, dostawiać rowery tam, gdzie będą potrzebne, i planować rozwój sieci z myślą o użytkownikach. Opracowany w WAT model to jedno z najdokładniejszych narzędzi predykcyjnych w tej dziedzinie, które może być z powodzeniem zastosowane w dowolnym mieście na świecie. Zespół naukowców wskazuje również na jego potencjał wykraczający poza mobilność miejską. W środowisku wojskowym podobny algorytm mógłby służyć do przewidywania zapotrzebowania na amunicję, żywność czy paliwo, wspierając dynamiczne planowanie operacyjne. W ten sposób rozwiązanie stworzone w Wojskowej Akademii Technicznej staje się przykładem, jak innowacje z zakresu sztucznej inteligencji mogą łączyć świat cywilny i wojskowy, otwierając nowe możliwości zastosowań w logistyce przyszłości.
Źródło: Wojskowa Akademia Techniczna w Warszawie
Czytaj też: Polscy naukowcy w akcji. Powstaje pierwszy w Polsce grawitacyjny magazyn energii
Grafika tytułowa: Declan Sun / Unsplash
