Дорогами будущего: как меняется рынок транспорта и логистики прямо сейчас

Фото: Олег Яковлев / РБК
Фото: Олег Яковлев / РБК
Внедрение ИИ-алгоритмов сокращает расходы на логистику, беспилотники открывают новые возможности пассажирских перевозок, а умные платформы повышают безопасность. Но готова ли к такой трансформации Россия?

Об эксперте: Сергей Плуготаренко, директор Российской ассоциации электронных коммуникаций, руководитель проектного офиса хакатона «Цифровой прорыв» — проекта президентской платформы «Россия — страна возможностей»

Уровень развития транспортного сообщения — один из ключевых факторов, влияющих на размещение производств и городов, мировую торговлю и миграционные потоки. Сегодня транспортный сектор вырос до уровня, на котором автомобили и поезда могут перемещаться без участия человека, специальные датчики и ИИ собирают информацию о состоянии дорог и оперативно направляют ремонтные бригады, а управлением дорожного движения занимаются «умные» алгоритмы, способные в онлайн-режиме перенаправлять потоки, чтобы сократить время движения и дорожные заторы.

В таких условиях инновационное развитие в транспортных компаниях уже не просто цель, а необходимое условие выживания на конкурентном рынке.

По опросу Pitchbook Data, 86% руководителей логистических компаний называют информационные технологии лучшим способом сокращения расходов. Неудивительно, что по данным исследования Strategy Partners, транспортный сектор и логистика опережают другие отрасли российской экономики по готовности к цифровой трансформации. Более половины опрошенных компаний в отрасли уже приступили к реализации стратегий цифровой трансформации, 80% компаний частично или полностью переходят на новые бизнес-модели, основанные на цифровых технологиях.

Аналитики, правда, отмечают, что уровень трансформации в транспортной сфере различается по секторам.

Среди передовых направлений они называют:

  • городскую мобильность;
  • курьерские услуги;
  • железнодорожные перевозки.

Отстающее направление:

  • грузоперевозки, особенно водные.

ИИ — новая эра в трансформации транспорта и логистики

Технологическое развитие логистических компаний, использование даже небольших цифровых решений привело к тому, что постепенно накопился большой объем данных: о клиентах, цепочках поставок, автопарке и водителях. Новые технологии открывают широкий спектр направлений для развития отраслей:

  • улучшение логистики на основе данных;
  • создание безопасной и регулируемой транспортной среды;
  • автоматический анализ и прогнозирование технического состояния автомобилей;
  • оптимизация цепочек поставок.

Исследовательская компания Prescient & Strategic Intelligence прогнозирует рост рынка ИИ в мировой транспортной отрасли и логистике до $3,5 млрд к 2023 году, а Statista — до $10,3 млрд к 2030 году. По оценке экспертов Accenture, 65% компаний в логистике и перевозках уже используют в работе или испытывают решения на базе ИИ.

Традиционный подход к планированию маршрутов базируется на ограниченном количестве факторов, которые в большой степени статичны и не учитывают актуальных изменений (длина маршрута и средняя скорость движения, например). С использованием ИИ в модель можно включить данные о трафике, погоде, времени ожидания, скорости погрузки и разгрузки в конкретных точках и у определенных поставщиков, влияние конкретного персонала компании и заказчика на скорость доставки. Ориентируясь на данные, поступающие в режиме реального времени, такая модель сможет с гораздо более высокой точностью построить оптимальный маршрут и рассчитать идеальное время доставки. А значит, одновременно сократить затраты и сроки доставки и повысить удовлетворенность клиентов качественным сервисом.

Такие системы сегодня доступны не только гигантам перевозок — DHL или Deutsche Post, но и сравнительно небольшим региональным игрокам. Например, компания Hardie’s Fresh Food, которая занимается поставками продуктов в штате Техас, владеет всего 160 грузовиками. Но даже для нее внедрение предикативной аналитики маршрутов движения на основе реальных данных сократило время планирования маршрутов в восемь раз, пробег автопарка на 20%, а затраты на водителей на 12% (при одновременном увеличении объема поставок на 14%).

Фото: Hardie’s Fresh Food
Фото: Hardie’s Fresh Food

  • Еще одна возможность для оптимизации — использование данных и аналитики для прогнозирования технического обслуживания транспортных средств

Сбор в автоматическом режиме данных о состоянии машины сокращает непредвиденные издержки. А сведения о ее фактической эксплуатации (маршруты, состояние дорог, вид и вес груза) используются для своевременного планирования технического обслуживания, прогнозирования затрат на комплектующие и поддержки достаточного количества рабочих машин в автопарке.

Например, использование технологий интернета вещей обеспечивает мониторинг состояния товаров при морских контейнерных перевозках. До настоящего времени отслеживать перемещение товаров по морю можно было только на ограниченных участках: при погрузке в порту и после доставки груза получателю. Во время морской перевозки случались поломки пломб и контейнеров и даже кражи грузов.

Фото:Shutterstock
Индустрия 4.0 Самые громкие преступления цифровой эпохи: подборка Bloomberg

Чтобы обеспечить гарантированную и качественную доставку, компания Maersk закупила 50 тыс. «умных» контейнеров от Traxens. Датчики, установленные в контейнерах, предоставляют в режиме реального времени информацию о точном местонахождении груза, внешних ударах, состоянии дверей, температуре, давлении и многих других факторах, влияющих на сохранность товара. Кроме того, смарт-контракты на основе блокчейна содержат комплексную информацию о грузе для таможенных органов, что значительно сокращает скорость проверки. Тот же контейнер может быть погружен на железнодорожный состав или автомобиль, а значит, отслеживание груза не прерывается после прибытия в порт, обеспечивая доступ ко всей актуальной информации.

Контейнеры Maersk
Контейнеры Maersk (Фото: Noel Broda / Unsplash)

Автономный транспорт, «умный» город и «умный» порт

Одно из самых революционных применений искусственного интеллекта — автономные автомобили. На протяжении многих лет в разных странах ведутся эксперименты по использованию беспилотных автомобилей на улицах города. Пока еще в большинстве экспериментов для работы беспилотного транспорта требуется обязательное присутствие в салоне инженера, который сможет взять на себя управление в случае непредвиденной ситуации. Однако есть уже примеры фактической работы роботакси. В Аризоне жители и путешественники могут воспользоваться сервисами беспилотного такси от Waymo (дочернее предприятие Google), в деловом и торговом центре Пекина любой пользователь может вызвать автономное такси от компании Baidu, а в пригороде Шенженя — Auto X.

Беспилотные такси от Baidu
Беспилотные такси от Baidu (Фото: Baidu)

Автономные автомобили Apollo
(Видео: Apollo Auto)

При поддержке Евросоюза в пяти городах Европы проводится тестирование автономных автобусов проекта FABULOS: пока это только отдельные маршруты и не самые крупные населенные пункты, но проект будет активно развиваться.

Автономный автобус проекта FABULOS
Автономный автобус проекта FABULOS (Фото: New Atlas)

В мае 2021 года нижняя палата парламента Германии разрешила движение беспилотных автомобилей по дорогам общего пользования.

Автобусы-роботы FABULOS на улицах Европы
(Видео: Forum Virium Helsinki)

Аналогичные проекты реализуются в грузоперевозках и приносят хорошие экономические результаты. Например, компания-производитель беспилотных грузовиков TuSimple провела в США эксперимент по доставке товаров на маршруте чуть больше 1,5 тыс. км из Аризоны в Оклахому. Несмотря на то, что в соответствии с местными законами часть маршрута выполнялась с участием водителя-инженера, совокупное время доставки сократилось с 24 часов до 14 часов 6 минут или на 42%.

Беспилотный грузовик от TuSimple
Беспилотный грузовик от TuSimple (Фото: TuSimple)

И это не единичный пример: свои разработки в области автономных грузоперевозок ведут Aurora, Tesla, Waymo и другие компании.

Фото:Mercedes-Benz
Индустрия 4.0 Водитель не нужен: шесть уровней автономности машин

Трансформация инфраструктуры затрагивает не только автомобильные перевозки. Для автономного управления движением комплексной инфраструктуры порта в Роттердаме внедряется большое количество датчиков интернета вещей, которые собирают множество данных по всем показателям функционирования порта и окружающей среды (солености, высоте приливов, температуре, течениях, движении транспортных средств и перемещении контейнеров). Комплексная автоматизация создает условия для использования автономных транспортных средств и на суше при погрузке и разгрузке, и на воде.

Порт в Роттердаме
Порт в Роттердаме (Фото: The Agility Effect)

Российский опыт трансформации транспорта

С марта 2018 года в рамках эксперимента беспилотные такси тестируются в России. Правда, обязательным условием пока является присутствие инженера-испытателя в салоне. В Иннополисе и Москве с самого начала эксперимента свои разработки демонстрирует «Яндекс», а с конца 2020 года на дорогах Москвы появились еще и беспилотные автомобили от «Сбера».

Беспилотный автомобиль от «Сбера»
Беспилотный автомобиль от «Сбера» (Фото: SberAutoTech)

Совсем недавно «Сбер» представил прототип полностью автономного автомобиля ФЛИП (спроектирован с учетом требований пятого уровня автономности), в котором отсутствует кресло водителя, а вмешательство человека не предполагается ни на каком этапе. Компания уверена, что закончит разработку и испытания до конца текущего года. Однако до изменения законодательства использование машины будет ограничено отдельными закрытыми территориями.

Автономный автомобиль ФЛИП
Автономный автомобиль ФЛИП (Фото: «Сбер»)

Разработки в сфере грузовых перевозок в России ведет КамАЗ: компания планирует создать полностью автономное решение без кабины водителя. Считается, что движение автономного транспорта на магистралях гораздо проще, чем в условиях городской среды, а значит, у решения КамАЗа потенциально есть перспективы.

Беспилотный электрический грузовик «Челнок»
Беспилотный электрический грузовик «Челнок» (Фото: КамАЗ)

РЖД на протяжении многих лет использует технологии частичной автоматизации движения: более 20 лет на сети российских железных дорог эксплуатируются поезда со вторым уровнем автономности. Такие поезда могут ехать на определенных участках дороги в режиме автопилота, но машинист должен контролировать движение и в случае возникновения нештатной ситуации брать управление на себя.

Инфраструктура Октябрьской железной дороги
Инфраструктура Октябрьской железной дороги (Фото: РЖД)

Следующий шаг — внедрение системы технического зрения и дистанционного управления, которые обеспечат автономное движение поездов без участия машиниста. Первые маневровые локомотивы, оснащенные системами технического зрения, были запущены в 2017 году на пилотном полигоне станции Лужская в Ленинградской области. А с 2019 года эти локомотивы работают в полностью автоматическом режиме 95% времени.

Аналогичные испытания автономного управления с 2019 года ведутся для пассажирских перевозок. Один из электропоездов «Ласточка» на МЦК оборудован системой третьего уровня автономности, которая автоматически управляет движением и остановкой, а машинист участвует в закрытии и открытии дверей, берет на себя управление при нештатных ситуациях.

Пассажирский поезд «Ласточка» в районе станции «Деловой центр»
Пассажирский поезд «Ласточка» в районе станции «Деловой центр» (Фото: РЖД)

По расчетам РЖД, полностью автономное движение может быть запущено на МЦК к 2024 году.

Высокий интерес компаний транспортного сектора к цифровым решениям и интенсивное развитие требуют не только применения готовых решений, но и постоянного поиска новых идей. Один из вариантов тестирования идей — хакатоны. В мае 2021 года в рамках направления «Умные города, Промышленность, ТЭК» на хакатоне «Цифровой прорыв» свои задачи перед специалистами поставили ИТ-институт РЖД НИИАС, международный аэропорт «Шереметьево» и «Транспортные инновации Москвы».

  • В рамках кейса РЖД НИИАС разрабатывались решения для сокращения травматизма в транспорте от зажатия пассажиров дверьми или падения на рельсы. Решения участников хакатона используют данные со стереопары (камеры глубины) и Time-of-flight-камер (видеокамеры для дальностного изображения), сценарии решений исключают человеческий фактор. Автоматизированные системы самостоятельно принимают решение о возможности безопасного отправления электропоездов и других видов транспорта.
  • На хакатоне разрабатывались решения для сбора информации о транспортных потоках по кейсу «Транспортных инноваций Москвы». Участниками было предложено решение на основе Wi-Fi, которое не только собирает данные о транспортных потоках, но и определяет тип отдельных транспортных средств. Также были отмечены команды, которые предложили решения с использованием лидаров и снифферов (собирают деперсонализированные данные).

В России бизнес заинтересован в качественной развитой транспортной инфраструктуре, как пассажирской, так и грузовой. И в тоже время сохраняется определенное недоверие к отдельным технологиям.

Решить эту проблему призваны продукты с открытым кодом, которые доступны для общественного контроля и использования сторонними приложениями, а также сокращают затраты на разработку и обеспечивают использование качественных ИТ-решений по всей стране. От готовности российских компаний и государства двигаться в этом направлении зависит, сможет ли Россия остаться на передовой трансформации транспорта.

Обновлено 19.07.2021
Главная Лента Подписаться Поделиться
Закрыть