Kiedy myślimy o satelitach w transporcie, przed oczami staje nam zwykle nawigacja w telefonie. Europejski projekt SPATRA pokazuje, że z orbity da się zrobić znacznie więcej: dane z obserwacji Ziemi, wsparte sztuczną inteligencją, pomagają pilnować temperatury szyn kolejowych i rozładowywać zatory na przejściu granicznym w Serbii. Cel jest prosty — bezpieczniejszy, sprawniejszy i bardziej przyjazny dla środowiska transport lądowy — a na końcu możesz sprawdzić, jakim jesteś podróżnikiem w świecie danych.
Europejska sieć transportu lądowego ma coraz więcej problemów naraz. Ruch gęstnieje, cały system staje się coraz bardziej złożony, a do tego rośnie jego wpływ na środowisko. To poważne wyzwanie dla zarządców dróg i kolei. Finansowany ze środków UE projekt SPATRA proponuje odpowiedź, która przychodzi z orbity: dane satelitarne udoskonalone przez sztuczną inteligencję.
Założenie zespołu było ambitne, ale konkretne. Sieci transportu lądowego mają stać się bezpieczniejsze, wydajniejsze i bardziej przyjazne dla środowiska, a narzędziem, które ma to umożliwić, są dane, które już krążą nad naszymi głowami.
Dane z obserwacji Ziemi od dawna dostarczają cennych informacji takim sektorom jak rolnictwo czy zarządzanie klęskami żywiołowymi. Wciąż jednak istnieje wiele obszarów, w których pełny potencjał tej technologii pozostaje niewykorzystany. Twórcy SPATRA wskazali dwa takie sektory: transport drogowy i kolejowy. Ich zdaniem właśnie tam aplikacje satelitarne mogą przynieść jeszcze wiele korzyści.
Koordynatorka projektu, Danijela Ristic-Durrant z OHB Digital Services w Niemczech, zwraca uwagę na pewien nawyk myślenia. „Kiedy mówimy o wykorzystaniu danych satelitarnych w transporcie lądowym, zwykle myślimy o aplikacjach wykorzystujących globalne systemy nawigacji satelitarnej, takie jak EGNSS” — mówi badaczka.
Tymczasem inne źródło informacji z kosmosu pozostaje w cieniu. „Dane z obserwacji Ziemi, na przykład ogólnodostępne dane Copernicus Sentinel, nie są tak często wykorzystywane. W tym projekcie chcieliśmy zademonstrować sytuacje, w których takie dane mogą przynieść korzyści” — wyjaśnia Ristic-Durrant. Warto zauważyć słowo „ogólnodostępne”: mowa o zasobach, po które może sięgnąć każdy, kto ma pomysł na ich wykorzystanie.
Zespół zaproponował i opracował dwa przypadki użycia. Jeden dotyczył kolei, drugi dróg. Oba łączy ten sam schemat: dane z satelitów trafiają do modeli wspomaganych sztuczną inteligencją, a te dostarczają informacji, które pomagają ludziom podejmować lepsze decyzje.
Pierwszy przypadek użycia skupiał się na tym, jak temperatura wpływa na sieci kolejowe. Dziś zarządcy infrastruktury działają głównie na podstawie prognoz. „Zarządcy infrastruktury często korzystają z prognoz pogody, aby przewidzieć, czy tory mogą się zbytnio nagrzać” — wyjaśnia Ristic-Durrant.
Gdy ryzyko jest duże, maszyniści dostają polecenie jazdy z niską prędkością albo ruch zostaje całkowicie wstrzymany. Jak podkreśla koordynatorka, może to prowadzić do znacznych zakłóceń w działaniu kolei. Każdy, kto kiedyś utknął w opóźnionym pociągu, wie, jak szybko takie zakłócenia rozlewają się na cały rozkład.
Zespół SPATRA opracował system, który łączy satelitarne dane termiczne Copernicus z uczeniem maszynowym. Algorytmy służą tu do zwiększenia rozdzielczości danych, tak aby dało się monitorować temperaturę szyn i oszacować ryzyko ich wyboczenia, czyli odkształcenia torów.
Rozwiązanie przetestowano w Serbii. Testy pokazały, że system może umożliwić zarządcom infrastruktury ciągłe monitorowanie wahań temperatury szyn w całej sieci. Dzięki temu ryzyko odkształcenia torów da się wychwycić wcześniej, co przekłada się na bezpieczne i wydajne usługi kolejowe.
Drugi przypadek użycia przeniósł zespół na drogi, a konkretnie na przejście graniczne Batrovci w Serbii. Celem było zwalczanie zatorów i lepsze wykorzystanie parkingów. „Pomysł polegał na tym, że dane satelitarne mogłyby być wykorzystywane przez zarządców logistyki do monitorowania poziomów zatorów na granicach, a także do oceny zajętości miejsc parkingowych” — mówi Ristic-Durrant.
W tym zastosowaniu połączono kilka technologii. Projekt korzystał zarówno z Europejskiego Globalnego Systemu Nawigacji Satelitarnej, jak i z systemu satelitarnego Copernicus, a do tego z technik wizyjnych opartych na dronach i sztucznej inteligencji. Efekt? Zarządcy logistyki mogliby skuteczniej planować podróże i dokładniej szacować czas przybycia.
SPATRA pokazała, w jaki sposób dane z obserwacji Ziemi mogą zasilać modele wspomagane sztuczną inteligencją, które dbają o płynny i bezpieczny transport. Lepsze zarządzanie ruchem drogowym i dokładniejsze monitorowanie infrastruktury kolejowej mają też wymiar ekologiczny: bardziej wydajne sieci transportu lądowego są jednocześnie bardziej przyjazne dla środowiska.
Koordynatorka ocenia wyniki rzeczowo. „Udało nam się zwiększyć poziom gotowości technologicznej tych zastosowań” — zauważa Ristic-Durrant. Od razu dodaje jednak, że praca się nie kończy: „Podobnie jak w przypadku każdego systemu wykorzystującego modele sztucznej inteligencji, musimy teraz zebrać więcej danych, aby je wytrenować”. Dalsze ulepszenia i testy terenowe mają przybliżyć technologię do gotowości rynkowej i zachęcić do kolejnych inwestycji w satelitarne rozwiązania dla transportu lądowego.
Projekt SPATRA przypomina, że satelity to nie tylko nawigacja. Ogólnodostępne dane Copernicus Sentinel, połączone z uczeniem maszynowym, pozwoliły śledzić temperaturę szyn w całej sieci i wcześniej wykrywać ryzyko odkształcenia torów, a na granicy w Batrovci pomogły ocenić zatory i zajętość parkingów. Dla studentów informatyki, geoinformatyki czy logistyki to czytelny sygnał: dane z orbity czekają na pomysły, a sztuczna inteligencja potrzebuje ich coraz więcej, by działać lepiej.
5 pytań · minuta
poleca:
