Introduktion till AI och kollektivtrafik
Trivector Traffic har under lång tid arbetat med analys och utveckling av hållbara transportsystem, där kollektivtrafiken utgör en central del. Verksamheten bygger på ett kunskapsbaserat angreppssätt där data, modeller och evidens står i centrum. I takt med att tillgången till stora datamängder ökar och nya AI-metoder etableras, blir det naturligt att undersöka hur dessa tekniker kan tillämpas för att effektivisera och förbättra kollektivtrafiken.
AI bortom språkmodeller
Diskussionen om AI domineras ofta av stora språkmodeller som ChatGPT. Men för kollektivtrafiken ligger den största potentialen i strukturerad dataanalys och prediktiva modeller. AI består i grunden av statistiska och matematiska metoder som kan nyttiggöra de omfattande datamängder som genereras av branschen – exempelvis realtidsdata från fordon, biljettransaktioner, sensordata och reseflödesmätningar.
Infrastruktur och kompetenser som krävs
Effektiv användning av AI förutsätter en robust teknisk infrastruktur. Det innebär att det måste finnas system som kan samla in och hantera data både löpande och i större omgångar, och att information från olika håll behöver kunna kopplas ihop på ett smidigt sätt. Det krävs också en struktur för hur data lagras och hittas, så att analyser kan göras effektivt. Dessutom behövs rutiner för att upptäcka och rätta till fel i data, till exempel sådant som saknas eller inte stämmer.
Big Data som ingen använder
De flesta förstår att data är en grundläggande förutsättning för att utveckla och tillämpa AI-modeller. Många organisationer bygger därför omfattande databaser och anställer både data scientists och data engineers, alltså ett datateam, för att ta tillvara på potentialen. I praktiken ser vi ofta att personer i verksamheten inte känner till att datan finns, inte vet var den finns eller vet det men saknar kunskap om hur de får tillgång till den och hur den kan användas i det dagliga arbetet.
Tvärdisciplinärt samarbete
För att hantera komplexiteten kombinerar Trivector Traffic sin trafiksystemkompetens med Backtick Technologies tekniska specialistområden inom data engineering och AI-utveckling. Backtick arbetar med att etablera skalbara dataplattformar, bygga pipelines och utveckla algoritmer som är anpassade för stora och heterogena datamängder.
Undvik nya silos och generiska system
En risk med snabb AI-utveckling är att lösningar byggs isolerat från befintliga dataflöden eller utan koppling till verksamhetens faktiska frågor – det är något vi har sett i praktiken. Det leder lätt till nya digitala silos eller system som är svåra att integrera, och framför allt till lösningar som inte ger vinst eller konkreta nytta.
I framtiden kommer AI att spela en allt viktigare roll i utvecklingen av kollektivtrafiken. Genom att kombinera trafiksystemkompetens med teknisk specialistkunskap kan vi skapa mer effektiva och hållbara transportsystem. Det är viktigt att vi undviker att skapa nya silos och istället fokuserar på att integrera AI-lösningar i befintliga system och processer. På så sätt kan vi säkerställa att AI-tekniken används på ett sätt som ger verklig nytta och värde för kollektivtrafiken och dess användare.
