III - Usprawnienie transportu regionalnego dzięki lepszej integracji
Nasze rozwiązanie oparte na sztucznej inteligencji otworzy dostęp do nowych możliwości transportowych dla mieszkańców bardziej peryferyjnych obszarów, poprawiając jakość życia i przynosząc korzyści lokalnym gospodarkom.
Lucía Menéndez-Pidal, koordynatorka techniczna projektu PRIAM
Obecne technologie innowacyjnej mobilności powietrznej (ang. innovative air mobility, IAM), w tym duże drony znane jako „elektryczne statki powietrzne pionowego startu i lądowania” (eVTOL), obiecują bardziej wydajny, zrównoważony i przystępny transport lotniczy. „Pojazdy eVTOL mogą pokonywać bariery geograficzne, zapewniając lepsze połączenia dla mieszkańców różnych regionów w przypadku, gdy transport kolejowy lub drogowy jest ograniczony”, mówi Lucía Menéndez-Pidal, koordynatorka techniczna projektu PRIAM(odnośnik otworzy się w nowym oknie), inżynier lotnictwa w będącej gospodarzem projektu firmie Nommon(odnośnik otworzy się w nowym oknie). Wyzwaniem są jednak kwestie takie jak szersza koordynacja z innymi środkami transportu czy zaspokojenie popytu i oczekiwań po stronie pasażerów. W związku z tym zespół projektu PRIAM, finansowanego przez Wspólne Przedsięwzięcie SESAR(odnośnik otworzy się w nowym oknie), pomaga stworzyć ambitniejszy, w większym stopniu skoncentrowany na pasażerach system transportowy, łączący europejskie obszary wiejskie i miejskie, wspierany zestawem narzędzi sztucznej inteligencji (AI). W ramach projektu PRIAM powstała cyfrowa replika aktualnej europejskiej sieci transportu regionalnego, zwana cyfrowym bliźniakiem, którą rozszerzono o analizę danych i modelowanie AI. Dzięki temu zespół może przeprowadzać symulacje scenariuszy przed wdrożeniem ich w świecie rzeczywistym. Wykonana przez zespół analiza danych z sieci komórkowych, do której wykorzystano uczenie maszynowe, pozwala lepiej zrozumieć wzorce mobilności pasażerów (trasy, środki transportu, częstotliwość itp.). W połączeniu z danymi pozyskanymi w drodze badań ankietowych analiza ta umożliwi uczonym z projektu PRIAM oszacowanie prawdopodobnych poziomów wdrożenia IAM. Techniki optymalizacji pozwolą na wybór najlepszych lokalizacji dla wertiportów, a także najlepszych sposobów integracji usług IAM z istniejącymi multimodalnymi sieciami transportowymi.
System transportowy skoncentrowany na pasażerach
Do walidacji opracowanych w ramach projektu PRIAM narzędzi i algorytmów zostaną wykorzystane dwa studia przypadków. Jeden z nich zostanie przeprowadzony w górzystym regionie La Gomera–Teneryfa na Wyspach Kanaryjskich w Hiszpanii, który jest uzależniony od przewozów promem, natomiast drugi zostanie zbadany w katalońskich Pirenejach – kolejnym górskim regionie, który jest słabo zaludniony, ale bardzo popularny wśród turystów. „Nasze rozwiązanie oparte na sztucznej inteligencji otworzy dostęp do nowych możliwości transportowych dla mieszkańców bardziej peryferyjnych obszarów, poprawiając jakość życia i przynosząc korzyści lokalnym gospodarkom”, dodaje Menéndez-Pidal. Bazując na pracach zrealizowanych w ramach siostrzanych inicjatyw SESAR, takich jak TRANSIT(odnośnik otworzy się w nowym oknie), MultiModX(odnośnik otworzy się w nowym oknie) i MUSE(odnośnik otworzy się w nowym oknie), oprócz ram oceny wpływu zespół projektu PRIAM opracuje zestaw narzędzi cyfrowych wspierających wdrażanie IAM, którym będą towarzyszyć zalecenia na temat procesu wdrażania.
