Двигатель прогресса. Какое применение ИИ находит в сфере транспорта и логистики

"Цифровой океан" провел инвентаризацию передовых технологий в области транспорта

Транспорт — ​витрина передовых технологий. В России реализованы десятки успешных кейсов внедрения искусственного интеллекта в пассажирских и грузовых перевозках. Применению ИИ в сфере транспорта и логистики посвящен отчет АНО «Цифровая экономика», на основе которого подготовлен этот материал.

ПАССАЖИРСКИЙ ТРАНСПОРТ

Автомобили относятся к средствам повышенной опасности. Распределение ответственности в случае транспортных инцидентов — ​правовой вопрос, сдерживающий развитие технологий.

Чтобы технический прогресс шел максимальными темпами, в России применяют экспериментальные правовые режимы (ЭПР): для участников ­экспериментов на ограниченных территориях устанавливают особые, мягкие условия регулирования, позволяющие испытать беспилотные ­технологии в деле.

ВЫЯВЛЕНИЕ ПОВРЕЖДЕНИЙ ПО ФОТО

Разработчик: «Ситидрайв»

Оператор каршеринга «Ситидрайв» внедрил систему компьютерного зрения, анализирующую повреждения автомобилей по фотографиям, которые присылают клиенты, начиная или завершая аренду. Благодаря системе средний срок передачи автомобилей в ремонт сократился с двух недель до одного дня. Нейросеть рассматривает 100 % фотографий, оценивает степень ущерба, а также выявляет дефекты, о которых не сообщили клиенты.

БЕСПИЛОТНАЯ ПЛАТФОРМА «ШАТЛ»

Разработчик: НАМИ

По прогнозу НАМИ, внедрение беспилотных автомобилей начнется с закрытых территорий — ​в бизнес-парках и развлекательных центрах, на промышленных предприятиях. Пассажирский челнок «ШАТЛ» (Широко Адаптивная Транспортная Логистика) — ​первый в России беспилотник, не созданный на базе серийного автомобиля, а спроектированный с нуля. Поэтому у машины нет руля, педалей и рабочего места водителя.

ПОДКЛЮЧЕННЫЙ АВТОМОБИЛЬ V2X

Разработчик: «Телематика»

На Санкт-Петербургской ЦКАД прошли испытания системы V2X. Аббревиатура расшифровывается как Vehicle to Everything: предполагается, что на автомобиль передается вся информация о дорожных событиях, собранная с помощью камер и датчиков дорожной сети. Инженеры отработали 14 сценариев, в том числе появление людей на трассе, заторы, дорожные работы, ухудшение видимости и аварии с последующим автоматическим вызовом аварийного комиссара.

ПРЕДРЕЙСОВЫЙ КОНТРОЛЬ АВТОБУСОВ

Разработчик: Центр развития цифровых технологий

Программа «Контроль выпуска автобусов (Проверки Подмосковья)» проверяет 12,5 тыс. автобусов Московской области на предмет готовности к выходу на линию. Искусственный интеллект анализирует фотографии и выявляет царапины и трещины на лобовом стекле, вмятины и сколы на кузове и бамперах, мусор и грязь в салоне. Благодаря системе неисправности устраняются в кратчайшие сроки.

СИСТЕМА ОПТИМИЗАЦИИ ТРАФИКА

Разработчик: «ТраффикДэйта»

Система компьютерного зрения собирает информацию о фазах работы светофоров и загрузке перекрестков. При этом используется уже имеющаяся сеть дорожных камер. Полученные большие данные анализируются с применением ИИ, после чего режим работы светофоров адаптивно регулируется в реальном времени. Внедрение системы втрое снижает задержку движения на перекрестках в часы пик.

ГРУЗО­ПЕРЕВОЗКИ

Основной тренд в современной ­грузовой логистике — ​переход на беспилотный транспорт. Ключевой фактор, подталкивающий развитие автономных технологий, — ​дефицит на рынке труда.

Внедрение грузовых беспилотников происходит быстрее, чем пассажирских, — ​сказывается меньшее число участников движения на загородных трассах и меньший риск для жизни и здоровья ­людей. Но есть и своя специфика: необходимость учета габаритов и грузоподъемности, совместимость с системами безопасности и контроля грузов.

БЕСПИЛОТНЫЙ ЛОГИСТИЧЕСКИЙ КОРИДОР

Разработчики: «Автодор», «КАМАЗ», «Сберавтотех»

Беспилотные грузовики, со­зданные на базе магистрального тягача КАМАЗ‑54901, начали курсировать по трассе М‑11 между складскими хабами Москвы и Санкт-Петербурга. Автомобиль взаимодействует с дорожной инфраструктурой через программно-аппаратный комплекс АСУДД М‑11 «Нева», который насчитывает почти 2 тыс. единиц оборудования. Расчетный трафик высокоавтоматизированных транспортных средств на трассе М‑11 превышает 11 тыс. проездов в год.

АНАЛИЗ СИТУАЦИИ ДТП

Разработчик: «Лаборатория умного вождения»

Комплекс «Элемент» в сочетании с телематической охранной платформой Connected Car предоставляет оператору транспорта полную информацию о местонахождении и характере эксплуатации автомобиля. Система позволяет точно восстанавливать обстоятельства ДТП: динамику разгона и торможения перед столкновением, координаты и скорость автомобиля. Также ПО защищает от угона и других противоправных действий третьих лиц.

ЦИФРОВАЯ ДИСПЕТЧЕРСКАЯ ПЛАТФОРМА

Разработчик: «Цифровая платформа Камаз»

Челнок — ​это грузовой или пассажирский транспорт, который адаптируется под спрос в реальном времени. Заказы поступают через приложение. Искусственный интеллект агрегирует схожие грузы и пассажиров, выбирает наиболее подходящее транспортное средство и сообщает водителю кратчайший маршрут, чтобы развезти все заказы за оптимальное время. При этом заказчики получают точный прогноз времени подачи машины и окончания поездки с учетом дорожной обстановки.

АВТОНОМНАЯ ГРУЗОВАЯ ПЛАТФОРМА

Разработчик: «Эвокарго»

Полностью автономные грузовые электромобили работают на закрытых территориях складов и промышленных предприятий. Грузоподъемность платформы составляет 2 тонны — ​на такие перевозки приходится более 50 % межскладского трафика. Внедрение беспилотников не требует изменения инфраструктуры. Компания предоставляет сервис под ключ, включая настройку, испытания и последующее обслуживание машин.

КОНТРОЛЬ СОСТОЯНИЯ ВОДИТЕЛЯ

Разработчик: SKAI

Система машинного зрения определяет опасные состояния водителя (сон, опьянение) с помощью двух или более видеокамер. В случае срабатывания предупреждающий сигнал получает сам водитель, а также заказчик и диспетчер сервиса SKAI. Запись с камер сохраняется на локальную карту памяти, а также в облако, чтобы при необходимости восстановить все обстоятельства ДТП или противоправных действий.

ЖЕЛЕЗНАЯ ДОРОГА

По данным Росстата, доля железнодорожного транспорта в российских грузоперевозках колеблется между 45 и 49 %. Среди пассажиров примерно 12 % предпочитают путешествовать на поездах.

Концепция умной железной дороги и железнодорожной станции предполагает внедрение автоматизации, искусственного интеллекта, интернета вещей, сбора и аналитики больших данных. В железнодорожном хозяйстве крайне важны мониторинг технического состояния путей и подвижного состава, своевременное выявление или предотвращение неисправностей.

ПОМОЩНИК МАШИНИСТА ЛОКОМОТИВА

Разработчик: Cognitive Pilot

Комплекс Cognitive Rail Pilot использует искусственный интеллект, чтобы обнаруживать возможные препятствия на железной дороге: другие составы, людей, светофоры и прочие объекты. При опасности столкновения или проезда на запрещающий сигнал система выдает машинисту предупреждение. Если же он не реагирует, комплекс принимает необходимые решения самостоятельно. Машинное зрение работает в любых условиях, включая дождь, туман, снегопад и темное время суток.

ВИДЕОКОНТРОЛЬ ПРИ ДВИЖЕНИИ назад

Разработчик: «ТМХ Интеллектуальные Системы»

Когда состав движется вагонами вперед, машинист находится в десятках метров от потенциальной опасной зоны. Работы могут вестись круглосуточно, в том числе ночью, а вокруг присутствует производственный персонал — ​так, к примеру, происходит на горно-обогатительных предприятиях. Комплекс камер с радиоканалом и машинным зрением помогает в 2,5 раза уменьшить фонд оплаты труда, освободив помощников машиниста, и значительно сократить травматизм.

ТЕХНИЧЕСКИЙ ОСМОТР ПОДВИЖНОГО СОСТАВА

Разработчик: AURAi

Фотографии и видео, снятые при проезде поезда, анализируются искусственным интеллектом. Система обнаруживает разнообразные неисправности: дефекты блока пружин, повреждения стояночного тормоза, износ (малая толщина) тормозных колодок. Информация о выявленных отклонениях от существующего регламента передается на пульт оператора. Разработчики постоянно пополняют библиотеку неисправностей.

ПЛАНИРОВАНИЕ РАСПИСАНИЯ

Разработчик: ВНИИЖТ

Основная доля расходов на железной дороге приходится на тягу поездов. Прогнозная модель выявляет высокозагруженные участки и формирует график движения транспорта с учетом веса каждого состава, его мощности, профиля пути и требований безопасности. Программа рассчитывает расход электроэнергии и помогает снизить энергозатраты на 22 ГВт∙ч (млрд Вт∙ч) на 1 тыс. км пути в год.

ОБРАБОТКА ОБРАЩЕНИЙ ПАССАЖИРОВ

Разработчик: NAUMEN

Обратная связь от пассажиров поступает из разных источников. Все обращения попадают в единую систему. Искусственный интеллект определяет тему обращения и, соответственно, какому исполнителю или отделу его нужно передать. К каждому сообщению автоматически добавляется информация о билете пассажира, составе поездной бригады. Внедрение системы сокращает время передачи обращения исполнителю с трех-пяти дней до двух минут.

АВИАЦИЯ

Авиационная отрасль — ​одна из самых консервативных. Высокие требования к безопасности полетов требуют, чтобы даже небольшие изменения в конструкции самолета подлежали многоступенчатой проверке и сертификации.

Значительно улучшить авиационный транспорт можно, совершенствуя наземные сервисы. Нередко пассажиры проводят в аэропорту больше времени, чем в полете, то же самое касается и грузов. Умные технологии в аэропортах, логистических хабах, а также сервисных зонах позволяют сократить общее время транспортировки.

ЦИФРОВОЙ ДВОЙНИК АЭРОПОРТА

Разработчик: Международный аэропорт Шереметьево

Точная цифровая модель аэропорта моделирует все ключевые процессы в аэропорту с горизонтом планирования год и более. Прогнозируются пассажиропоток и движение грузов, график обслуживания самолетов, а также сооружений и инженерных систем аэропорта. Пятикратное увеличение точности планирования уже экономит компании более миллиарда рублей в год. Пропускная способность терминалов выросла на 20 %.

ТЕХНИЧЕСКОЕ ОБСЛУЖИВАНИЕ САМОЛЕТОВ

Разработчик: «Аэрофлот»

Чем больше времени самолеты проводят в небе, тем дешевле для компании и пассажиров их летный час. Простои в ремонтной зоне обходятся дорого. Искусственный интеллект прогнозирует выход из строя определенных запчастей в зависимости от того, в какие города и страны летает самолет, а также опираясь на показания датчиков, непрерывно передающиеся на Землю по спутниковой связи. Детали, которые понадобятся в будущем, заказывают заранее и хранят на складе.

ЧАТ-БОТ ДЛЯ ПОДДЕРЖКИ ПАССАЖИРОВ

Разработчик: S7 TechLab

Единая платформа для разработки текстовых и голосовых ботов позволяет быстро адаптировать электронных помощников под разные задачи: покупка, обмен и возврат билетов, уточнение расписания и статуса рейсов, заявки на провоз животных, внесение исправлений в данные клиентов. Чат-бот не только экономит авиакомпании 120 млн рублей в год на кол-центре, но еще и зарабатывает дополнительные 60 млн, продавая билеты и дополнительные услуги.

ИНВЕНТАРИЗАЦИЯ ДРОНАМИ

Разработчик: UVL Robotics

Дроны тоже малая авиация. Они не способны перемещать большие грузы, зато несут на себе видео­камеры и могут за один полет ­отсканировать ­более 1000 складских палет. ­Дроны проводят инвентаризацию в пять раз быстрее людей, им не страшен производственный травматизм и не свойственен человеческий фактор (5 % ошибок при инвентаризации крупного склада влекут потери до 20 млн рублей).

АУТЕНТИФИКАЦИЯ ПАССАЖИРОВ БИЗНЕС-ЗАЛА

Разработчик: VisionLabs

Проходя в лаунж, пассажиру бизнес-класса не нужно каждый раз предъявлять посадочный талон — ​достаточно бросить взгляд в сторону камеры. Внутри зала установлены экраны с расписанием. Чтобы узнать статус своего рейса, нужно просто подойти к дисплею, и персонализированная информация появится автоматически. Биометрические данные собираются только с согласия пользователей.

СУДОХОДСТВО

В структуре российского грузооборота на морской транспорт приходится менее 1 %. Но он практически безальтернативен, когда речь идет о перевозках на большие расстояния. По дальности суда занимают третье место после самолетов и трубопроводов.

Морские порты тем эффективнее, чем они крупнее. Поэтому ключевой технологический тренд в развитии судоходства — ​умные транспортные хабы. Автоматизация рутинных операций и интеллектуальное планирование портовой логистики помогает повысить пропускную способность портов в несколько раз.

ОПТИМИЗАЦИЯ РАССТАНОВКИ КОНТЕЙНЕРОВ

Разработчик: «Сбер»

Модель искусственного интеллекта предназначена для работы на крупных портовых складах, где одновременно размещаются тысячи контейнеров. Система выявляет комплексные закономерности в передвижении контейнеров, прогнозирует срок их пребывания на складе и предлагает оптимальное размещение. Результат — ​20%-ное сокращение перемещений и увеличение оборачиваемости грузов в порту.

АВТОНОМНОЕ СУДОВОЖДЕНИЕ

Стратегический проект

Федеральный проект «Автономное судовождение» включен в дорожную карту реализации стратегического направления в области цифровой трансформации транспортной отрасли Российской Федерации до 2030 года. Первые суда, управляемые искусственным интеллектом, уже тестируются в российских акваториях. Также внедряется интеллектуальная береговая инфраструктура, в том числе портовая, с которой плавучие роботы смогут взаимодействовать.

ЦИФРОВОЙ ДВОЙНИК ПОРТА

Разработчик: «Интеллектика»

Программный продукт Smartеwin.Port подсказывает оптимальное размещение грузов, планирует логистические цепочки, определяет расстановку судов, выдавая результаты в форме подробной 3D-визуализации. Система постоянно собирает и обрабатывает визуальную информацию, из которой складываются большие данные. Поэтому со временем ее эффективность будет расти.

ИДЕНТИФИКАЦИЯ КОНТЕЙНЕРОВ И ПЛОМБ

Разработчик: «Вымпелком»

Вместо ручной проверки номеров контейнеров и пломб используется машинное зрение. Искусственный интеллект считывает данные с точностью 98 % (гораздо выше, чем у людей) и сверяет их с базой данных. Автоматизация на первый взгляд простого шага позволила сократить время пребывания судна в порту на 10 часов. Контейнерный терминал с повышенной пропускной способностью пользуется повышенным спросом со стороны заказчиков.

КОНТРОЛЬ БЕЗОПАСНОСТИ В ПОРТУ

Разработчик: «Нтехлаб»

Программный комплекс с искусственным интеллектом дополняет развернутую в порту систему видеонаблюдения. Машинное зрение распознает номера контейнеров и транспортных средств, лица сотрудников — ​и сопоставляет их между собой, сверяясь с базой данных. Комплекс различает силуэты людей и их положение (упал, лежит), проверяет, надеты ли каски и защитные жилеты, фиксирует пересечение границ закрытых зон.

ЛОГИСТИКА

Согласно исследованию McKinsey, компании логистической отрасли все больше ощущают потребность в продвинутых технологиях в управлении складом. Наиболее актуальные проблемы респондентов — ​в управлении трудовыми ресурсами и улучшении производительности.

Так, 61 % респондентов, ответивших на вопросы исследователей, уже применяют передовые подходы, а 16–17 % планируют их внедрение в ближайшие два года. Ключевые технологии — ​автоматизация, цифровые двойники, искусственный интеллект, аналитика больших данных и интернет вещей.

СКЛАДСКИЕ РОБОТЫ

Разработчик: RoboCV

Автопилотом RoboCV оснащаются самые разнообразные виды складской техники. Искусственным интеллектом можно осенить вилочный погрузчик, штабелер или ричтрак — ​специальный высотный погрузчик со сверхточным позиционированием платформы. Все роботы управляются с единого сервера RoboCV X–MOTION. В среднем каждая машина может работать 16 часов без подзарядки — ​это вдвое больше, чем рабочий день водителя.

ОПРЕДЕЛЕНИЕ ГАБАРИТОВ ПОСЫЛКИ

Разработчик: «Авито»

Алгоритм машинного обуче­ния определяет габариты товара по самым обычным фотографиям из объявлений, которые пользователи размещают на сервисе «Авито». Каждый день система анализирует более миллиона изображений и определяет, можно ли отправить предлагаемый предмет с помощью сервиса «Авито Доставка». По статистике, товары, которые можно переслать «доставкой», просматривают на 15 % чаще.

УПРАВЛЕНИЕ СКЛАДСКИМ ДВОРОМ

Разработчик: «Технологии Будущего»

Программный комплекс Yard Neuroniq собирает большие данные от многочисленных «рецепторов» — ​пультов, считывателей штрих-кодов, всевозможных датчиков, а также видеокамер, оснащенных машинным зрением. Система знает, где находятся все машины, грузы и сотрудники, какие ворота и терминалы открыты и работают. На основе обобщенного опыта ИИ выдает оптимальный алгоритм действий и рекомендует коррективы для складских процедур и норм.

РОБОТЫ-КУРЬЕРЫ

Разработчик: «Яндекс»

Колесные роботы-курьеры от «Яндекса» знакомы москвичам в качестве доставщиков еды. «Почта России» провела пилотный проект по роботизированной перевозке обычных посылок. Заказать доставку через приложение «Почты» смогли жители Москвы и Иннополиса (Татарстан). За время пилота роботы развезли больше 18 тыс. посылок и писем из 31 почтовых отделений. Одно из ключевых преимуществ роботов перед почтальонами-людьми — ​возможность доставки в нерабочее время.

ПОСТРОЕНИЕ МАРШРУТОВ

Разработчик: GTLogistics

Программа рассчитывает оптимальные маршруты для грузового транспорта, анализируя более 90 параметров. Алгоритм автоматически рассчитывает размер оплаты за аренду машины, помогая контролировать себестоимость доставки заказов на уровне компании. Софт абсолютно независим от зарубежного ПО и не содержит каких-либо компонентов, управляемых извне.

Комментарий эксперта
СЕРГЕЙ ­ПЛУГОТАРЕНКО, ГЕНЕРАЛЬНЫЙ ­ДИРЕКТОР АНО «ЦИФРОВАЯ ЭКОНОМИКА»: "ИИ проникает во все отрасли экономики, и мы с помощью исследований мониторим эти процессы для предоставления экспертизы всем участникам рынка. Наши кейсбуки способствуют прикладному внедрению передовых отечественных решений. Отрасль транспорта и логистики является особенной, она связана практически со всеми от­раслями экономики. Стоимость доставки готовых товаров и/или ресурсов и полуфабрикатов в текущих условиях становится одним из ключевых факторов ценообразования. Поэтому внедрение эффективных решений в логистике может дать мультипликативный эффект для всей экономики."

Материал опубликован в журнале «Цифровой океан» № 24 (июль-август), 2024, The7bab (cc by-sa), anouchka / iStock.com, Александр Мотин (cc by-sa), anouchka / iStock.com, Марина Ким, Wirestock / iStock.com, sankai / iStock.com, keithbwinn / iStock.com, Natalia Rusanova / iStock.com, andresr / iStock.com, dan_prat / iStock.com, Liudmila Kiermeier / iStock.com, Martin Barraud / iStock.com, YURI KADOBNOV / AFP via Getty Images