AI och kollektivtrafik: En ny väg framåt

Trivector Traffic har länge fokuserat på analys och utveckling av hållbara transportsystem, med kollektivtrafiken som en kärnkomponent. Företagets arbete bygger på en kunskapsbaserad strategi där data, modeller och evidens är centrala inslag.

Med den växande tillgången till stora datamängder och framväxten av nya AI-tekniker ökar intresset för hur dessa kan användas för att förbättra kollektivtrafiken.

Debatten kring AI domineras ofta av stora språkmodeller som ChatGPT. För kollektivtrafiken är den verkliga potentialen dock i strukturerad dataanalys och prediktiva modeller. AI är grundläggande statistiska och matematiska metoder som kan utnyttja de stora datamängder som industrin genererar – exempelvis realtidsinformation från fordon och biljetttransaktioner.

Det handlar inte bara om att använda algoritmer. För att data ska vara användbar måste den vara strukturerad, standardiserad och ha hög kvalitet. Algoritmernas effektivitet beror direkt på dataens integration och kvalitet.

För att AI ska användas effektivt krävs en solid teknisk infrastruktur. Det måste finnas system som kontinuerligt kan samla in och hantera data, med smidig integration mellan olika informationskällor. Rutiner för datakvalitet är också avgörande.

Traditionellt har dessa färdigheter funnits inom IT-avdelningar, medan trafiksystemens kunskap har varit spridd inom verksamheten. För AI-system är det viktigt att dessa kompetenser arbetar nära varandra.

Många organisationer inser att data är avgörande för att utveckla AI-modeller. Därför investerar de i databaser och datateam. Men ofta känner personalen inte till eller vet inte hur de ska få tillgång till denna data, vilket begränsar användningen.

Problemet blir tydligt när datateamet saknar insikt i verksamhetens behov. Utan beställare och användare från verksamheten riskerar modeller och analyser att inte integreras och därmed inte tillföra något värde.

Exempelvis kan datateamet säkerställa att data följer tekniska specifikationer men utan kontext kan det leda till absurda resultat, som en temperaturmätning i en buss som visar 39 grader i februari.

För att hantera denna komplexitet förenar Trivector Traffic sin trafikexpertis med Backtick Technologies specialistkompetenser inom dataengineering och AI. Tillsammans strävar de efter att skapa effektiva dataplattformar.

Experterna från båda företagen ser det tvärdisciplinära angreppssättet som centralt. ”Vi kan utveckla mer relevanta tekniska lösningar när vi har en detaljerad förståelse av problemkontexten,” säger en representant för Backtick Technologies.

De påpekar att ”AI ger först reell nytta när teknisk arkitektur, datahantering och domänkompetens kombineras,” vilket understryker vikten av samarbete över avdelningsgränser.

En risk med snabb AI-utveckling är att lösningar byggs isolerat utan koppling till verksamhetens frågor. Detta kan leda till nya digitala silos, vilket försvårar integration och begränsar nyttan av investeringarna.

Expertisen från Anna Stankovski Clark och Michal Stypa belyser vikten av att undvika dessa fallgropar. Båda har lång erfarenhet av data och hållbara transporter, vilket gör deras insikter extra värdefulla i dagens snabbt föränderliga landskap.