Πώς μπορεί να επανασχεδιαστούν τα δίκτυα συγκοινωνιών και αερομεταφορών για μεγαλύτερη ασφάλεια

Μία κομβική αλλαγή στον τομέα των δικτύων μεταφορών επιχειρείται από το επιτελείο του αρμόδιου υπουργείου που, με έμφαση στις δυνατότητες που παρέχει η λελογισμένη χρήση της Τεχνητής Νοημοσύνης, σκοπεύει να σχεδιάσει την επόμενη μέρα στη βάση ενός αποτελεσματικού τρίπτυχου ακρίβειας, ασφάλειας και καινοτομίας. Στο ερώτημα πώς μπορεί να ανασχεδιαστεί το γενικότερο πλαίσιο του συγκοινωνιακού δικτύου αλλά και πώς να αναθεωρηθούν επί τα βελτίω σημεία των αερομεταφορών, αυτόματα ανοίγει ένα ευρύ πεδίο απαντήσεων. Ευρύ είναι και το πεδίο δυνατοτήτων που παρέχει το ΑΙ, ανοίγοντας τη βεντάλια των επιλογών μίας πιο σύγχρονης ρύθμισης των συστημάτων ασφάλειας στις μετακινήσεις. Ιδιαίτερο ενδιαφέρον παρουσίασαν, πριν από λίγο καιρό, τα συμπεράσματα του 12ου Διεθνούς Συνεδρίου για την Έρευνα στις Μεταφορές (ICTR 2025) που ειχε ως κεντρικό θέμα τις «Μεταφορές στην εποχή της Τεχνητής Νοημοσύνης», συνδιοργανώθηκε από το Ελληνικό Ινστιτούτο Μεταφορών (CERTH-HIT) και το Ελληνικό Ινστιτούτο Μηχανικών Συγκοινωνιών (HITE), με πρόεδρο της Επιστημονικής Επιτροπής του συνεδρίου τον καθηγητή του ΕΜΠ, Κωνσταντίνο Κεπαπτσόγλου.

Ανάμεσα στα συμπεράσματα που εξήχθησαν ήταν ότι η τεχνητή νοημοσύνη μετασχηματίζει στο δίκτυο μεταφορών την κινητικότητα, τα αυτόνομα οχήματα, τις έξυπνες υποδομές, τη βιωσιμότητα, την εφοδιαστική αλυσίδα. Την ίδια στιγμή, γίνεται αντιληπτό ότι η τεχνητή νοημοσύνη δύναται να χρησιμοποιηθεί ευρέως για την αξιολόγηση υβριδικών μοντέλων μηχανικής μάθησης για την ταξινόμηση επικίνδυνης οδηγικής συμπεριφοράς, τη βελτιστοποίηση δημόσιων μεταφορών μέσω «Έξυπνων Στάσεων Λεωφορείων», προάγοντας την ίδια ώρα και κοινόχρηστα ηλεκτρικά ποδήλατα, ενώ στον τομέα των αερομεταφορών ανοίγει το παράθυρο για αυτοματοποίηση της τεκμηρίωσης συντήρησης αεροσκαφών με τη χρήση Γενετικής ΤΝ (Generative AI).

Τεχνητή νοημοσύνη και μεταφορές: Πώς θα διαμορφωθεί η επόμενη μέρα 

Είναι σημαντικό να επισημανθεί ότι για τη σιδηροδρομική ασφάλεια, μέσω της τεχνητής νοημοσύνης, παρέχεται η δυνατότητα ανασκόπησης των εφαρμογών ΑΙ στον σιδηροδρομικό τομέα για την πρόληψη ατυχημάτων, όπως και στο οδικό δίκτυο η καινοτομία έγκειται στην ανίχνευση κινδύνου σύγκρουσης με βάση αισθητήρες smartphone και κάμερες εντός οχήματος.

Με λίγα λόγια, με τη βοήθεια εφαρμογών τεχνητής νοημοσύνης και με έξυπνη χρήση της, με την οποία θα αποφευχθεί τρόπον τινά το ρίσκο, μπορεί να διασφαλιστεί η αποφυγή ατυχημάτων στο συγκοινωνιακό και σιδηροδρομικό δίκτυο, να ελαττωθεί η κίνηση με τα λεγόμενα ηλεκτρικά-έξυπνα ποδήλατα και στις αερομεταφορές να υπάρχουν συστήματα εξελιγμένα που να προάγουν τη βέλτιστη αυτοσυντήρηση.

Κωνσταντία Κοντοδήμου: Η επίδραση της τεχνητής νοημοσύνης στις αερομεταφορές 

Ενδιαφέρον παρουσιάζει το πώς μπορεί η τεχνητή νοημοσύνη μπορεί να φέρει την επανάσταση στις αερομεταφορές.

«Η τεχνητή νοημοσύνη, και συγκεκριμένα η Generative AI (GenAI), μπορεί να υποστηρίξει και να επιταχύνει σημαντικά τη συγγραφή τεχνικών εγγράφων συντήρησης για αεροσκάφη, παράγοντας δομημένα, αξιόπιστα και τεχνικά ακριβή κείμενα που είναι σύμφωνα με τους διεθνείς κανονισμούς και τα πρότυπα λειτουργίας του κλάδου. Όταν συνδυάζεται με καθοδήγηση από ειδικούς, καθώς και με κατάλληλα διαμορφωμένες εντολές (prompt engineering), βελτιώνει τόσο την ταχύτητα όσο και την ποιότητα της διαδικασίας συγγραφής, επιτρέποντας στους μηχανικούς να επικεντρωθούν σε τομείς όπως η καινοτομία και η βελτίωση των αεροσκαφών, αντί να αφιερώνουν τον χρόνο τους στη χρονοβόρα διαδικασία συγγραφής και ενημέρωσης των εγγράφων συντήρησης. Η σύμπραξη του GenAI με την ανθρώπινη κρίση διασφαλίζει ότι τα τελικά έγγραφα συντήρησης είναι ολοκληρωμένα, ακριβή και πλήρως συμβατά με τα διεθνή πρότυπα ασφάλειας και ποιότητας, ενώ ταυτόχρονα μειώνεται σημαντικά ο απαιτούμενος χρόνος και η επιβάρυνση του προσωπικού. Ωστόσο, η εφαρμογή του GenAI συνοδεύ» υπογραμμίζει στο parapolitika.gr η υποψήφια Διδάκτωρ του ΕΜΠ, Κωνσταντία Κοντοδήμου.

Τονίζει την ίδια στιγμή, πάντως, ότι η χρήση της συγκεκριμένης τεχνολογίας «πρέπει να εντάσσεται σε ένα σαφώς καθορισμένο πλαίσιο διακυβέρνησης, όπου τα αυτοματοποιημένα αποτελέσματα ελέγχονται και επικυρώνονται συστηματικά από εξειδικευμένους επαγγελματίες, ώστε να διασφαλίζεται η πληρότητα, η ακρίβεια και η συμμόρφωση με τους διεθνείς κανονισμούς πριν από την ενσωμάτωσή τους στην καθημερινή πρακτική συντήρησης».

Τα κοινόχρηστα ηλεκτρικά ποδήλατα 

Όσον αφορά στις μελλοντικές εφαρμογές του GenAI, εξηγεί ότι υπάρχουν «αρκετές υποσχόμενες κατευθύνσεις προς διερεύνηση. Για παράδειγμα, η ανάπτυξη ενός έξυπνου βοηθού συνομιλίας (chat-bot) με πρόσβαση σε εσωτερικά εγχειρίδια, διαδικασίες συντήρησης και εκπαιδευτικό υλικό θα μπορούσε να προσφέρει άμεση υποστήριξη στους νέους τεχνικούς συντήρησης αεροσκαφών, καθοδηγώντας τους γρήγορα στα σχετικά σημεία των εγγράφων. Συνολικά, παρότι το προτεινόμενο πλαίσιο επικεντρώνεται στη συντήρηση αεροσκαφών, μπορεί να προσαρμοστεί και σε άλλους τομείς που απαιτούν αυστηρή τεχνική τεκμηρίωση, όπως η βιομηχανία και η ναυτιλία, αναδεικνύοντας τη μεγάλη ευελιξία του GenAI σε διαδικασίες τεχνικής τεκμηρίωσης».

Παράλληλα, εξάγεται το πόρισμα ότι η Μηχανική Μάθηση μπορεί να αποτελέσει ένα χρήσιμο εργαλείο για την πρόβλεψη της ζήτησης και της χρήσης των κοινόχρηστων ηλεκτρικών ποδηλάτων, αξιοποιώντας δεδομένα όπως ο καιρός και τα ιστορικά δεδομένα μετακινήσεων. Το πλαίσιο αυτό δείχνει ότι η αξιοποίηση τεχνικών Μηχανικής Μάθησης μπορεί να βελτιώσει ουσιαστικά τη διαχείριση της μικροκινητικότητας, προωθώντας πιο έξυπνες και βιώσιμες αστικές μεταφορές.