Роб Сарно работает в New York City's Metropolitan Transit Authority (MTA) уже 14 лет. В качестве помощника главного офицера пути он помогает в обслуживании и реагировании на чрезвычайные ситуации — что также означало обучение систем искусственного интеллекта тому, как звучал поврежденный рельс в прошлом году.
В течение нескольких месяцев, начиная с сентября, он помогал пилотной программе между MTA и Google Public Sector, подразделением поискового гиганта, которое работает с государственными учреждениями и образовательными учреждениями. Проект включает в себя модернизацию смартфонов Pixel от Google в определенных вагонах метро для сбора звуков и других данных и передачи их в облако Google. Затем данные анализируются для выявления закономерностей, которые могут указывать на дефекты пути до того, как они станут проблемой.
«Возможность раннего обнаружения дефектов рельсов экономит не только деньги, но и время — как для членов бригады, так и для пассажиров», — заявил Деметриус Кричлоу, президент New York City Transit, в заявлении, опубликованном 27 февраля.
Нью-Йорк — всего лишь один из крупных городов, внедривших ИИ в надежде улучшить транзитные системы. В 2023 году консалтинговая фирма по инфраструктуре Aecom завершила пилотную программу для транзитной системы Нью-Джерси, которая использовала эту технологию для анализа потока клиентов и управления толпой, а в 2024 году Управление транзита Чикаго (CTA) использует ИИ для повышения безопасности путем обнаружения оружия. Также в 2024 году Пекин представил систему распознавания лиц, которая будет использоваться вместо транзитных билетов и карт для сокращения очередей в часы пик.
Пилотная программа MTA и Google под названием TrackInspect — это лишь последний признак того, что компании изучают, может ли эта технология сделать общественный транспорт более эффективным, хотя пока неизвестно, получит ли такая инициатива широкое распространение.
Задержки являются проблемой для MTA
TrackInspect, о котором было объявлено на прошлой неделе, начался как экспериментальная концепция, разработанная Google Public Sector в партнерстве с Rapid Innovation Team для MTA на безвозмездной основе, согласно транспортному агентству. Однако неизвестно, расширится ли проект до постоянной программы, поскольку неясно, сколько это будет стоить MTA, которому уже нужны миллиарды долларов для завершения существующих проектов.
Google уже сотрудничал с другими транспортными агентствами в прошлом. Технологический гигант разработал чат-бокс для CTA Чикаго, запустил прямую интеграцию данных для времени отправления и прибытия поездов Amtrak и сотрудничал с поставщиками технологий Passport и ParkMobile для подключения уличных паркоматов к Google Maps.
Но охват MTA огромен; это крупнейшая в стране система общественного транспорта с 472 станциями метро и 237 местными автобусными маршрутами, согласно данным MTA. В 2024 году агентство заявило, что было совершено более 1 миллиарда поездок на метро.
Однако перебои в обслуживании продолжают оставаться проблемой для стареющей 120-летней транспортной системы. Согласно данным MTA, в сентябре было зафиксировано в общей сложности 38 858 задержек, в октябре — 39 492, в ноябре — 36 971, а в декабре — 42 862 задержки. Для сравнения, транспортная система Чикаго испытывала всего около 200 задержек в месяц со временем ожидания 10 минут и более. в сентябре, ноябре и декабре. Но только две линии метрополитена Чикаго работают круглосуточно, в отличие от Нью-Йорка, где большинство линий поездов работают круглосуточно каждый день или другие линии поездов заполняют пробелы.
Цель такой программы, как TrackInspect, — выяснить, как сократить перебои в обслуживании.
Как телефоны Google использовались для обнаружения проблем с треками
В период с сентября 2024 года по январь 2025 года шесть смартфонов Google Pixel со «стандартными, готовыми пластиковыми корпусами» были установлены в четырех вагонах метро R46 — более известных как вагоны с оранжевыми и желтыми сиденьями. По данным MTA, смартфоны собрали 335 миллионов показаний датчиков, 1 миллион местоположений GPS и 1200 часов аудио.
Смартфоны, которые находились внутри и под вагонами метро, улавливали слабые звуки и вибрации с помощью датчиков и микрофонов. У смартфонов, расположенных внутри вагонов, были отключены собственные микрофоны, и они не улавливали аудио или разговоры клиентов, а только вибрации, в то время как смартфоны снаружи вагонов имели дополнительные прикрепленные микрофоны, согласно MTA. Инспекторы New York City Transit будут проверять области, выделенные системой ИИ, вручную проверять наличие проблем, а затем вводить эти результаты в модель для ее обучения, заявили в MTA.
По словам Сарно, система выделяла «области, которые превышали определенный порог децибел», что могло указывать на дефект. Его роль заключалась в прослушивании клипов продолжительностью от пяти до 30 минут и отметке фрагментов, которые могли сигнализировать о проблеме.
«Может быть, болтается шарик, может быть, ослабло соединение, может быть, сломался поручень», — сказал он.
На вопрос, почему устройства были установлены на старых моделях, а не на новых, Сарно ответил, что MTA обычно использует старые модели автомобилей при внесении изменений на случай возникновения нежелательных эффектов.
MTA выбрала линию A, потому что ее вагоны ходят и над землей, и под землей. По словам Сарно, на ней также есть районы с новым строительством, которые стали основой для MTA. И на линии A нет недостатка в сбоях: данные New York Open Data — онлайн-портала, где городские агентства предоставляют необработанные данные для обеспечения прозрачности — показывают, что в сентябре было 2252 задержки, в октябре — 2368, в ноябре — 2643 и в декабре — 2572. Но не все задержки были вызваны механическими или путевыми проблемами; такие факторы, как доступность бригады, люди на путях и строительство сыграли гораздо большую роль в неудачах.
После того как инспекторы NYCT лично осмотрели пути, они сравнили свои выводы с результатами Сарно и открытиями системы.
«Именно так мы обучали модель», — сказал Сарно. Если его оценка, основанная на аудио, записанном телефонами Google, совпадала с выводами инспектора, это считалось положительным прогнозом, и модель ИИ обучалась соответствующим образом. Сарно сказал, что его собственный показатель успешности положительного прогноза составлял около 80 процентов.
По данным MTA, помимо сбора и анализа данных на предмет потенциальных проблем, программа TrackInspect включала в себя систему искусственного интеллекта на основе модели Gemini от Google, которую инспекторы могли использовать «для того, чтобы задавать вопросы об истории технического обслуживания, протоколах и стандартах ремонта, получая понятные, содержательные ответы».
Представитель государственного сектора Google сообщил CNN, что система TrackInspect выявила 92 процента дефектов, обнаруженных инспекторами MTA, и считается успешной, добавив, что другие транспортные системы уже выразили заинтересованность в подобных программах.
New York Open Data показал, что определенные типы задержек, например, связанные с проблемами торможения, проблемами с рельсами и дорожным полотном, а также с предоставлением услуг, сократились на линии A с сентября по декабрь. Но пока еще слишком рано говорить о том, способствовал ли пилот этому изменению без дальнейшего анализа, заявило MTA.
Судебный процесс с Google, возможно, уже закончен, но MTA еще не закончился. Теперь он пытается привлечь другие компании с технологиями, которые могли бы помочь в разработке программного обеспечения для улучшения путей.
