Model oparty na grafowych sieciach neuronowych (GNN), opracowany w Wojskowej Akademii Technicznej, pozwala przewidywać zapotrzebowanie na rowery, wspiera zarządzanie flotą i planowanie stacji.
– W naszych badaniach skupiliśmy się na odpowiedzi na pytanie, jak zapewnić, by rower był zawsze tam, gdzie ktoś go potrzebuje. Często w godzinach szczytu w centrum miasta szybko ich brakuje, tymczasem na peryferiach pojawia się problem z miejscem do ich odstawienia – mówi mjr dr inż. Igor Betkier z Wydziału Inżynierii Lądowej i Geodezji WAT.
18 gigabajtów informacji z Veturilo
Badacze z WAT zebrali i przeanalizowali ponad 18 gigabajtów informacji z warszawskiego systemu rowerowego z 2023 r. Dane obejmowały liczbę dostępnych rowerów, typy jednośladów, lokalizację stacji, a w przypadku modeli elektrycznych również poziom naładowania baterii. Wykorzystali je do opracowania modelu wykorzystującego grafowe sieci neuronowe (GNN).
– Tradycyjne metody statystyczne nie radzą sobie z ogromną liczbą zmiennych, a my mieliśmy ich naprawdę dużo. GNN pozwala uchwycić te wszystkie zależności, analizując stacje jako elementy sieci, między którymi zachodzi dynamiczny przepływ rowerów. W analizowanych przez nas danych odtworzyliśmy prawie 3 mln przejazdów warszawiaków, a ich analiza pozwoliła modelowi nauczyć się wzorców użytkowania rowerów miejskich – wyjaśnia naukowiec.
