Оптимизация общественного транспорта: пассажиропоток, расписания, маршруты
Модели на данных валидаторов, GPS и камер прогнозируют пассажиропоток и предлагают расписания и маршруты под реальный спрос.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
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.
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
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.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Государство и «умный город»»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

