Интегратор GPU-серверов и рабочих станций · Россия и СНГ
8 (800) 350-70-73 · бесплатно по России  |  Условия поставки
Государство и «умный город» · Прогнозная аналитика · ML на табличных данных

Оптимизация общественного транспорта: пассажиропоток, расписания, маршруты

Модели на данных валидаторов, GPS и камер прогнозируют пассажиропоток и предлагают расписания и маршруты под реальный спрос.

Точность прогноза пассажиропотокаMAPE 10–15 %
Время ожидания на остановках−10–20 % после оптимизации
Пробег без пассажиров−5–15 %

Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.

Задача

Что решаем

Маршрутная сеть большинства городов складывалась десятилетиями и не пересматривалась по данным: одни маршруты дублируют друг друга, другие идут полупустыми, а на востребованных направлениях в час пик автобусы переполнены. Перевозчики получают оплату по контрактам, а оценка качества строится на жалобах и редких обследованиях пассажиропотока.

Данные для решения уже накапливаются: валидаторы фиксируют оплату по остановкам, GPS-трекеры — положение подвижного состава, датчики и камеры в салоне — заполняемость. Но они лежат в разных системах и не превращаются в прогноз спроса и оптимальные расписания. Задача транспортного департамента — планировать сеть и выпуск по фактическому спросу и проверять эффект изменений до их внедрения.

Как работает

Что делает ИИ

PythonClickHouseXGBoostOR-ToolsSUMOPostGIS

Данные валидаторов, GPS и подсчёта пассажиров объединяются в матрицу корреспонденций по остановкам и интервалам времени. Модели прогнозируют спрос с учётом календаря, погоды, событий и изменений сети, а оптимизационные алгоритмы подбирают расписания, интервалы и выпуск подвижного состава под ограничения парка и водителей.

  • Восстановление матрицы корреспонденций и прогноз пассажиропотока по маршрутам.
  • Оптимизация расписаний и интервалов по прогнозу с учётом пересадок.
  • Оценка вариантов изменения маршрутной сети в симуляции до внедрения.
  • Контроль регулярности и заполняемости, KPI перевозчиков по контрактам.
  • Прогноз прибытия для табло и приложений пассажиров.

Какие данные нужны

  • Транзакции валидаторов по остановкам
  • GPS-треки подвижного состава
  • Данные подсчёта пассажиров, календарь, погода
Железо · Данные и табличный ML · Под столом или в лаборатории

Какая инфраструктура нужна

Профиль data, масштаб desk: миллионы транзакций в день, восстановление матриц корреспонденций и оптимизация расписаний — задачи для многоядерного CPU, 256 ГБ памяти и одной GPU для ускорения моделей прогноза и симуляций. Рабочая станция W7 ULTRA из раздела рабочие станции закрывает транспортный департамент крупного города; при подключении видеоподсчёта пассажиров в салонах и агломерации из нескольких городов решение переносится на сервер R7 PRO из GPU-серверов. Данные хранятся в колоночной базе на NVMe с многолетним архивом для сезонных моделей.

Сравнить конфигурации →  ·  Подобрать по ускорителю →

Внедрение

Как идёт проект

  1. 01

    Данные и цель

    Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.

  2. 02

    Пилот на нашей конфигурации

    Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.

  3. 03

    Инфраструктура

    Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.

  4. 04

    Сопровождение

    Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.

Смежные решения

Что ещё автоматизируют в отрасли «Государство и «умный город»»

Все решения для отрасли →

Запрос КП · ответ в течение рабочего дня

Опишите задачу и данные.

Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

Обсудить внедрение