Případová studie
Využití strojového učení pro účely optimalizace zimní údržby silnic v Plzeňském kraji
Cílem je vývoj systému využívajícího algoritmy umělé inteligence pro plánování výjezdů údržbových vozidel během zimního období. Tento systém má za cíl efektivně řídit výjezdy vozidel a snížit náklady na zimní údržbu silnic. Zároveň má minimalizovat situace, kdy je výjezd iniciován ohlášením problému se sjízdností na dispečink, tedy situace, kdy nebylo ošetření vozovek provedeno nebo bylo nedostatečné.

O ZÁKAZNÍKOVI
Správa a údržba silnic Plzeňského kraje, p.o., jejíž hlavní činností je zajištění sjízdnosti a bezpečnosti silnic. Organizace spravuje celkem 4 602 km silnic a je odpovědná za zimní i letní údržbu, včetně odstraňování sněhu, solení vozovek a oprav výtluků. Kromě toho se stará o značení silnic a bezpečnostní opatření, aby zajistila bezpečnost pro všechny účastníky silničního provozu.

VÝZVA
Na základě dostupných dat (historické záznamy o údržbě vozovek a meteorologické údaje) vyvinout modely strojového učení, které by předpovídaly výjezdy vozidel zimní údržby s ohledem na aktuální meteorologické podmínky a předpověď počasí.
Řešení
V prvním kroku jsme analyzovali údaje z prováděných jízd v Plzeňském kraji během zimní sezóny 2022/2023 a 2023/2024. Konkrétně jsme se zaměřili na informace o vozidlech, použitém posypu a pluhování, GPS souřadnice a popisu tras zimní údržby. Dalšími vstupními daty do modelu byly meteorologické údaje z dostupných meteorologických stanic.
Dostupnost meteostanic je klíčovým faktorem pro sběr a analýzu dat potřebných k predikci a plánování zimní údržby silnic. Meteostanice poskytují aktuální a přesné meteorologické informace, které jsou nezbytné pro správné fungování modelů strojového učení. Klíčové parametry, které sledujeme, zahrnují teplotu, srážky, rychlost a směr větru, relativní vlhkost a atmosférický tlak. Tyto údaje jsme zpracovali a vytvořili množinu dat vhodnou pro trénování modelu.
Jsme však omezeni tím, co meteostanice dokáží měřit. Rádi bychom například sledovali úhrn srážek, ale tyto údaje nejsou vždy k dispozici, což může omezit přesnost našich modelů. Tento nedostatek v měření některých parametrů je výzvou, kterou se snažíme řešit pomocí doplňkových datových zdrojů a pokročilých algoritmů predikce.
Po další zpřesnění jsme model upravili tak, aby při rozhodování bral v potaz nejen aktuální meteorologické údaje, ale také údaje z uplynulého dne a předpověď počasí v blízké budoucnosti. Díky tomu se nám podařilo simulovat dynamiku počasí, což vedlo k výraznému zlepšení přesnosti modelu.
Spojením simulace dynamiky počasí s údaji o jízdách údržbových vozidel jsme vytvořili spolehlivý model pro předpověď výjezdů údržbových vozidel.
Jaké další výzvy nás čekají?
Prvním krokem je vytvoření aplikace pro operátory, která umožní operátorům zimní údržby přístup k modelu a jeho predikcím v reálném čase.
V oblasti zpřesňování modelu nás čeká integrace dat o předpovědi počasí ve spolupráci s Českým hydrometeorologickým ústavem, který nám poskytne aktuální data o předpovědi počasí, která budou přímo integrována do modelu.
V oblastech, kde nejsou meteo stanice, budeme hledat vhodné partnery, které nám pomohou rozšířit sběr dat v těchto oblastech. To nám umožní získat přesnější a detailnější meteorologická data, která jsou klíčová pro efektivní plánování zimní údržby silnic.
Naší ambicí je postupně rozšířit toto řešení nejen do dalších krajů České republiky, ale následně také do zahraničí. Díky úzké spolupráci s veřejnými institucemi, jako jsou Správa informačních technologií města Plzeň a Správa a údržba silnic Plzeňského kraje, se nám podařilo přinést inovativní přístup ke správě zimní údržby, který přispívá k lepšímu fungování infrastruktury, ochraně občanů a dlouhodobým úsporám.
Děkujeme Správě informačních technologií Města Plzně a Městu Plzeň za finanční podporu a iniciativu, která umožnila vývoj tohoto řešení.
