A inteligência artificial (IA) está a mudar o setor dos transportes públicos tal como o conhecemos. Ao contrário de outros setores, os transportes públicos estão sujeitos à legislação governamental (ex:objetivos de emissões-zero), a pressões económicas tais como o aumento dos preços dos combustíveis e perturbações na cadeia de abastecimento, e aos elevados investimentos associados à transição para veículos elétricos (VE).
Ao utilizar a IA, a automação e a análise de dados, os operadores registaram melhorias tangíveis que resultaram num melhor serviço aos passageiros, numa melhoria da reputação das marcas, e na redução de custos. Há também vontade dentro da indústria para adotar novas soluções – a UITP reporta que 86% das partes interessadas nos transportes públicos estão envolvidas em parcerias para desenvolver e adotar a IA. Algumas dessas aplicações vão desde a manutenção preditiva, à analítica de clientes, e à conceção de itinerários.
Eis algumas das formas em que a IA pode ajudar os operadores de transportes públicos a atingir os seus objetivos:
1. Manutenção preditiva com base em IA
Com a sua capacidade de recolher e analisar dados de veículos para prever falhas nos componentes antes de causarem avarias, a manutenção preditiva com base em IA é uma solução que deverá generalizar-se nas frotas de transportes públicos nos próximos anos.
Um inquérito realizado pela UITP, que recolheu respostas de organizações relacionadas com os transportes públicos, quantificou que, no futuro, uma em cada três organizações está a considerar a integração da IA num conjunto de aplicações, incluindo a manutenção preditiva.
A manutenção preditiva com base em IA, aproveita os sensores incorporados nos veículos para recolher dados e transformá-los em informações que permitem às equipas de manutenção aumentar a fiabilidade das frotas de autocarros e reduzir os custos operacionais e de manutenção. Com esta abordagem de manutenção, é menos provável que os autocarros avariem durante o serviço, e a assistência pode ser programada para horas menos movimentadas para minimizar as interrupções do serviço.
A Arriva República Checa é um dos operadores de transportes que já está a quantificar os resultados da manutenção preditiva com base em IA. Depois de aproveitar a solução de Manutenção Preditiva da Stratio, a Arriva CZ registou um aumento de 13,5% no tempo médio entre falhas, uma redução de 66% na rebocagem devido a menos avarias nos veículos, e uma poupança total de custos de 2% por km por ano.
Este “printscreen” da Plataforma Stratio demonstra como os operadores podem acompanhar o estado de saúde dos componentes e sistemas dos seus veículos:
A vantagem de utilizar a manutenção preditiva é que quanto maior for a quantidade de dados recolhidos, maior será a precisão das previsões, uma vez que os algoritmos são aperfeiçoados para reconhecer uma gama mais vasta de padrões de erros/falhas.
Isto é particularmente importante quando se trata de tecnologias novas e dispendiosas, como os veículos elétricos. As informações sobre a manutenção preditiva são fundamentais para ajudar os operadores a manter os veículos na estrada durante mais tempo, servindo mais passageiros e gerando mais receitas, acelerando assim a obtenção da neutralidade dos custos.
2. Conformidade com os termos de nível de serviço
A IA oferece mais do que apenas benefícios a curto prazo. Por exemplo, ao melhorar os processos de manutenção para garantir um serviço fiável que funcione ao mais baixo custo por quilómetro, os operadores de transportes conseguem cumprir com maior facilidade as exigências dos termos de nível de serviço com as autoridades de transportes públicos e, em última análise, ganhar mais contratos.
A redução dos quilómetros perdidos devido a falhas mecânicas, em particular, pode ajudar os operadores a manterem-se abaixo do limiar estabelecido pelos seus termos de serviço e a evitarem multas regulamentares. Além disso, ao criarem um ecossistema integrado e centrado nos dados, os operadores podem tirar partido das capacidades das soluções de manutenção, operações e gestão de oficinas para otimizarem as rotas, os horários e os recursos, conduzindo a operações mais eficientes e rentáveis.
3. Transição para autocarros elétricos
A importância e a necessidade de eletrificar as redes de autocarros já não é uma questão de debate. O grande desafio que os operadores de transportes públicos enfrentam agora é fazer esta transição de forma eficaz, e garantir que a mudança não tem um impacto negativo nos seus resultados.
A rentabilização está certamente entre as maiores preocupações dos operadores, uma vez que os custos iniciais dos autocarros elétricos são elevados. Por isso, é fundamental garantir o menor custo possível por quilómetro, e um retorno positivo do investimento.
É aqui que as vantagens reais da IA e do ML (machine learning) podem ser maximizadas – a análise em tempo real e os dados preditivos são a vantagem dos operadores de frotas, permitindo-lhes acompanhar o desempenho da bateria, identificar os pontos de carregamento ideais e prever a utilização de energia em diferentes condições meteorológicas e de tráfego.
Tudo isto pode ser feito em tempo real, uma vez que os dados são continuamente introduzidos nos algoritmos, apoiando o prolongamento da vida útil da bateria (que representa cerca de 40% do custo total do veículo), ao mesmo tempo que fornece serviços fiáveis aos clientes.
A análise preditiva de baterias, em particular, fornece uma visão precisa e abrangente da evolução do estado da bateria dos autocarros elétricos, permitindo um planeamento eficaz das rotas e dos requisitos de carregamento, bem como métricas de otimização da utilização para prolongar a vida útil dos veículos.
Indicadores do pack de baterias na Plataforma Stratio
Ao aproveitar os dados do estado de carga (SoC) e da profundidade de descarga (DoD), os operadores de frotas podem compreender se as operações podem ser ajustadas para maximizar a vida útil da bateria, reduzindo o custo total de propriedade dos autocarros eléctricos. Este tipo de análise é fundamental para uma implementação bem sucedida e rentável da frota de VEs.
4. Otimização do pessoal
As capacidades de automatização da IA permitem às equipas dos operadores de transportes automatizar tarefas manuais intensivas, repetitivas e dispendiosas.
Algumas das tarefas que podem ser automatizadas com a manutenção preditivasão as leituras do odómetro, as verificações do líquido de refrigeração, e o planeamento diário das tarefas de manutenção baseadas em quilometragem (ex: substituição dos travões). Confiar na tecnologia para realizar estas tarefas significa que o tempo dos técnicos pode ser reaproveitado para outras tarefas críticas.
As leituras do odómetro, por exemplo, podem exigir várias horas de trabalho por dia se forem efctuadas manualmente. Com a manutenção preditiva, os valores são recolhidos e registados em tempo real, proporcionando aos gestores de manutenção uma visão mais precisa e atualizada dos seus ativos.
5. Análise do comportamento dos motoristas
O comportamento dos motoristas tem um impacto crítico nas operações de transporte público. Influencia os custos de combustível e energia, algumas das maiores despesas recorrentes para os operadores de transportes públicos, e afeta o conforto, um fator-chave para a satisfação dos passageiros e a adesão aos transportes públicos.
Com a análise do comportamento dos motoristas proporcionada pela IA, é possível monitorizar parâmetros técnicos tais como o excesso de velocidade, a travagem brusca e o tempo de marcha lenta. Ao utilizar estes dados, os motoristas podem receber feedback para melhorar a eficiência do combustível, reduzir o desgaste do veículo e aumentar a satisfação dos passageiros.
Além disso, a IA utiliza algoritmos de machine learning para identificar padrões e anomalias nos dados de comportamento dos motoristas e pode detetar, por exemplo, eventos de aceleração brusca, travagem agressiva, excesso de velocidade ou ralenti prolongado.
Adicionalmente, a IA possibilita a pontuação dos condutores, atribuindo classificações a indivíduos ou grupos de condutores com base no seu comportamento. Estas classificações podem ser utilizadas para avaliar e comparar objetivamente o desempenho do condutor. As pontuações elevadas podem indicar uma condução segura e eficiente, enquanto as pontuações baixas podem sugerir áreas a melhorar.
Ao identificar e abordar os comportamentos de risco, a IA ajuda os operadores de transportes a melhorar a segurança na estrada. Isto não só reduz o risco de acidentes, como também pode levar a uma redução dos prémios de seguro e dos pedidos de indemnização.
Considerações finais
Descarregue o nosso caso de estudo com o Grupo Keolis e descubra como um dos líderes mundiais em mobilidade partilhada está a utilizar a solução de Manutenção Preditiva de IA da Stratio para manter os custos baixos e aumentar a eficiência operacional.
In 2019, Nuno joined the Product team at Stratio, where he is responsible for defining the Product vision and strategy, managing product innovations, and optimizing efficiency.
He leads a powerful team of Product Owners, who work to ensure that the Stratio Platform continues to respond to customers’ needs with state-of-the-art features and functionalities.
- 6 Vantagens da implementação de um software de manutenção para autocarros - Abril 17, 2024
- Como Pode a Inteligência Artificial Apoiar os Operadores de Transportes Públicos? - Setembro 26, 2023
- Como Podem os Operadores de Transportes Públicos e as Autoridades Melhorar a Sua Colaboração? - Agosto 31, 2023
