מחכים למשיח? בינה מלאכותית תגרום לאוטובוסים בארץ להפסיק לאחר

התחבורה הציבורית בישראל נמצאת באופן תמידי בכותרות מסיבה שלילית – היא פשוט לא אמינה. הנוסע הממוצע כמעט לעולם לא יכול לתזמן במדויק את משך הנסיעה שלו לעבודה. הוא נדרש להתמודד עם אוטובוסים שמאחרים ומדלגים על תחנות, עם תדירות נמוכה של אוטובוסים שמגיעים לתחנות עמוסים מכדי להכיל את כל הנוסעים ולעיתים גם עם אלימות פיזית מתפרצת של נוסעים. בעוד עומסי התנועה והפקקים בארץ רק הולכים ומחמירים, ברור לכולם כי המעבר לתחבורה ציבורית מתבקש ואפילו מחייב אך התנאים הקשים מובילים רבים מבינינו, בלית ברירה, לבחור ברכבם הפרטי כדי להגיע לעבודה.

הסיבות למשבר בתחבורה הציבורית הישראלית מגוונות: תעדוף ותקצוב לקוי מצד מוסדות המדינה, מלחמות אינטרסים של חברות האוטובוסים ותשתית כבישים לא מספקת – סוגיה שמנסים כעת לפתור באמצעות נתיבים ייעודיים. אם נוסיף לכך את העובדה שאוכלוסיית המדינה רק הולכת וגדלה ושמספר כלי הרכב לא צפוי להצטמצם, נבין שהמשבר צפוי להחמיר אף יותר.

כמדען נתונים שעוסק במודלי חיזוי אני תוהה פעמים רבות, בעודי עומד בפקק, מדוע במדינת ישראל, בה בוצעה דיגיטליזציה בתחבורה הציבורית, עדיין לא מאמצים מערכות חיזוי חכמות שמאפשרות לנהל אותה ביעילות ולהפוך אותה לאמינה יותר. המידע קיים ולא ברור מדוע לא משתמשים בו.

בארה"ב, לדוגמה, רשות התחבורה של עמק סנטה קלרה (VTA) העלתה פיילוט של מערכת בינה מלאכותית מבוססת ענן המתעדפת את אורות הרמזורים לכלי תחבורה ציבוריים. המערכת משתמשת בחיישני מעקב קיימים של ציי האוטובוסים ושל רשתות תקשורת עירוניות כדי להתאים באופן דינמי את התזמון של הרמזורים ולספק 'גל ירוק' לאוטובוסים תוך השפעה מינימלית על תעבורה אחרת. הפלטפורמה שיפרה את זמני הנסיעה באחד הקווים העמוסים בשיעור של 18-20%, שמשמעותו צמצום של חמש עד שש דקות בעיכוב הנסיעה.

לאחרונה, רשות הכבישים והתחבורה בדובאי (RTA) הכריזה על פרויקט מערכת תעבורה חכמה מבוססת בינה מלאכותית בשווי 590 מיליון דירהם כדי להבטיח תנועה מאובטחת וניהול חלק יותר ברחבי העיר. המערכת, שמופעלת על ידי רשתות מצלמות ראייה ממוחשבת ומערכות בינה מלאכותית תומכות החלטות, מאפשרת הנחיית מסלולים דינמית, זיהוי התנהגות הנהגים ותכנון רשת תחבורה אופטימלית עבור קהילה נתונה.

כרטוס הנסיעות בתחבורה הציבורית בישראל עבר זה מכבר דיגיטליזציה - צעד משמעותי לא רק בהיבט הנוחות של הנוסע והנהג, שאינם מתעכבים עוד על ספירת מזומנים. הוא גם מאפשר מינוף שפע של מידע דיגיטלי שנצבר לצורך ניהול, בקרה וביצוע תהליכי ניתוח וחיזוי, שמייעלים את קווי הנסיעה ומדייקים את התזמונים של האוטובוסים לטובת הנוסע.

לדוגמה, המידע הדיגיטלי שמוזן בכל פעם שנוסע עולה לאוטובוס מאפשר לקבוע אילו תחנות עמוסות יותר, כמה אנשים עולים בכל תחנה ומהן שעות העומס בכל יום, בכל חודש ובכל עונה. מידע שמתקבל ממצלמות בתחנות ובאוטובוסים עצמם יכול לספק תמונה גם על מספר האנשים שאינם מצליחים להיכנס לאוטובוס העמוס ועל מספר האנשים שנאלצים להעביר את הנסיעה בעמידה. הנתונים יכולים גם ללמד אותנו על קווים שאינם יעילים ועל קווים חסרים באזורים שבהם יש ביקוש. מצלמות יכולות גם לספק מידע סטטיסטי אודות אירועי אלימות באוטובוסים ומידע אודות הרקע להתקיימותם.

בהנחה שהנתונים הנאספים באיכות גבוהה ובפורמט מתאים ניתן למנף אותם לבניית מודלי בינה מלאכותית חכמים. הללו יכולים לבצע אופטימיזציה של ציי האוטובוסים וצוות הנהגים על ידי ניתוח וניבוי הביקוש הקיים במסלולים, בימים ובשעות מסוימים. בינה מלאכותית יכולה לאתר שינויים ומגמות ביתר פירוט ובדיוק רב, גם כשקיימים שינויים בדפוסי העבודה, הלימודים ושעות הפנאי בתקופות שונות בשנה.

בימים האחרונים פורסמה ידיעה משמחת בכלי התקשורת, לפיה הרשות הארצית לתחבורה ציבורית במשרד התחבורה בישראל משיק פיילוט למדידת האמינות של התחבורה הציבורית בתחנות הביניים על מנת לשפר את דיוק תזמון הגעת האוטובוסים לתחנות שאינן תחנות המוצא (מהן לרוב יוצאים האוטובוסים בזמן). מהפרסומים עולה כי גם קיימת כוונה לאסוף נתונים כדי לאמוד את רמת השירות ולייעל אותו על בסיס נתוני הביקוש לאוטובוסים באזורים שונים.

לבינה מלאכותית קיים פוטנציאל אדיר בשיפור יעילות התחבורה הציבורית בישראל. יישום שלה לא רק ייעל את הקווים וידייק את זמני ההגעה של האוטובוסים, אלא יכול לאפשר למשרד התחבורה להציב סטנדרטים ויעדים ברורים למפעילות האוטובוסים. הפיילוט המתוכנן על ידי משרד התחבורה מוכיח שהפנים נשואות למינוף חכם של הנתונים הדיגיטליים. על מנת שחזון זה יתגשם, יש להקצות תקציבים ולתעדף את הנושא ואף להקים מערך מולטי דיציפלינרי שישלב בין מומחי תחבורה לאנשי דאטה ומדעני נתונים.