Case study — Dubai, 2012–2015

Ευφυείς υπηρεσίες Τεχνητής Νοημοσύνης για στόλους ταξί

Πριν γίνουν mainstream όροι όπως «agentic AI» ή «multi-agent systems», ένα διεθνές έργο στο Dubai σχεδίασε ένα ολοκληρωμένο οικοσύστημα ευφυών υπηρεσιών για ταξί — το IS4T — πάνω σε ένα ήδη αποδεδειγμένο, μετρήσιμο project εξοικονόμησης καυσίμου.

προτεινόμενες ευφυείς υπηρεσίες στο IS4T

8–10%

μετρημένη μείωση κατανάλωσης καυσίμου

9 μήνες

χρόνος απόσβεσης (ROI) του fuel-efficiency project

μέλη στη διεπιστημονική ερευνητική ομάδα

IS4T — Intelligent Services for Taxis

Το IS4T ήταν μια ολοκληρωμένη πρόταση προς τη Dubai Taxi Corporation και τη Roads and Transport Authority (RTA) για ένα οικοσύστημα 58 ευφυών υπηρεσιών Τεχνητής Νοημοσύνης πάνω στα δεδομένα ενός στόλου ταξί: από real-time τηλεμετρία και data mining μέχρι multi-agent systems για τη βέλτιστη ανάθεση πελατών σε οχήματα. Η πρόταση εξασφάλισε αποδοχή από τον πελάτη και έγκριση αγοράς στα Ηνωμένα Αραβικά Εμιράτα.

Βραβείο Ευφυούς Επιχειρηματικότητας2η θέση σε επενδυτικό διαγωνισμό καινοτομίας (1ος διαγωνισμός)2η θέση σε επενδυτικό διαγωνισμό καινοτομίας (2ος διαγωνισμός)

Οδηγική συμπεριφορά & Eco-driving

Real-time feedback στον οδηγό για την ποιότητα οδήγησης, με weekly/monthly/yearly αναφορές και σύστημα κατάταξης (ranking)
Eco-driving coaching με υπολογισμό εξοικονόμησης καυσίμου και CO₂ ανά διαδρομή
Driver behavior monitoring, ανάλυση ηλικίας/προφίλ οδηγού και εντοπισμός μοτίβων ασφαλούς οδήγησης

Πρόβλεψη ζήτησης & δρομολόγηση

Vehicular trajectory & demand-supply pattern mining πάνω σε δεδομένα GPS στόλου
Πρόβλεψη hotspots ζήτησης ανά ώρα/ημέρα/καιρικές συνθήκες, με context-based filtering
Clustering αλγόριθμοι για spatiotemporal ανάλυση σημείων επιβίβασης/αποβίβασης και «ελκυστικών» περιοχών

Ευφυής ανάθεση πελάτη σε όχημα (iCAP)

Σχεδιασμός μηχανισμού (mechanism design) πολυπρακτορικών συστημάτων που αναθέτει πελάτες σε οχήματα σε πραγματικό χρόνο, με στόχο τη μεγιστοποίηση εσόδων οδηγού και ικανοποίησης πελάτη ταυτόχρονα
Μοντελοποίηση 4 φάσεων ανάθεσης (αρχική ανάθεση, παραλαβή, παράδοση, αναμονή) με δυνατότητα δυναμικής επανα-ανάθεσης
Μηχανισμός μηχανικής μάθησης που «μαθαίνει» μοτίβα ζήτησης και προσαρμόζει αυτόματα τις παραμέτρους του συστήματος με την πάροδο του χρόνου

Επιχειρηματική ευφυΐα & εξατομίκευση

Big data & data mining για dynamic pricing ανά ζώνη/ώρα και στοχευμένη διαφήμιση σε επιβάτες
Συστήματα loyalty/rewards για οδηγούς και πελάτες, βασισμένα σε ανάλυση συμπεριφοράς
Reporting εργαλεία για τη διοίκηση, με στόχο τη συνεχή βελτίωση λειτουργικών αποφάσεων (self-evolving system)

Η ιδέα πίσω από το iCAP

«Γιατί ένα ταξί που αφήνει έναν πελάτη σε ξενοδοχείο πρέπει να επιστρέψει άδειο στο αεροδρόμιο; Ένας ψηφιακός πράκτορας θα μπορούσε να προτείνει την επόμενη κούρσα.»

Η σκέψη πίσω από το iCAP (Intelligent Customer Allocation Process) — μια πρώιμη εφαρμογή αρχών mechanism design και πολυπρακτορικών συστημάτων σε πραγματικό επιχειρηματικό πρόβλημα, χρόνια πριν ο όρος «agentic AI» γίνει ευρέως γνωστός.

Η ερευνητική ομάδα

Ο σχεδιασμός του IS4T υλοποιήθηκε από μια διεπιστημονική ομάδα 15 ατόμων, με μέλη σε Ελλάδα, Κύπρο, Σουηδία, Γαλλία, Ολλανδία και Νέα Υόρκη, υπό τον συντονισμό του Κωνσταντίνου Ζήτη ως Project Manager & Project Leader. Στην ομάδα συμμετείχαν, μεταξύ άλλων:

Τεχνητή Νοημοσύνη & Ευφυείς Πράκτορες

Λοΐζος Μιχαήλ

Επίκουρος Καθηγητής, Ανοικτό Πανεπιστήμιο Κύπρου, Ιδρυτής και Διευθυντής του Computational Cognition Lab. Διδακτορικό (Ph.D.) στην Επιστήμη Υπολογιστών / Τεχνητή Νοημοσύνη από το Harvard University.

Data Mining & Knowledge Discovery

Βασίλειος Βερύκιος

Καθηγητής, Ελληνικό Ανοικτό Πανεπιστήμιο. Διδακτορικό (Ph.D.) στην Επιστήμη Υπολογιστών από το Purdue University (ΗΠΑ).

Big Data & Trajectory Mining

Γεράσιμος Μαρκέτος

Διδακτορικό (Ph.D.) σε Data Warehousing & Trajectory Mining, με μεταπτυχιακό στα Πληροφοριακά Συστήματα από το UMIST Manchester.

Την υπόλοιπη ομάδα συμπλήρωναν μηχανικοί λογισμικού, αναλυτές συστημάτων και ειδικοί τηλεπικοινωνιών/hardware.

Η βάση: το project εξοικονόμησης καυσίμου

Το IS4T χτίστηκε πάνω στην τεχνογνωσία ενός προγενέστερου, πλήρως υλοποιημένου έργου για τη Dubai Taxi Corporation και την RTA: ανάπτυξη hardware/software πρωτοτύπου (TTP), εγκατεστημένου σε οχήματα, με reverse engineering στο ECU (Electronic Control Unit) και αξιοποίηση δεδομένων GPRS/GPS τηλεμετρίας.

Μεθοδολογία

Custom μετρικός δείκτης απόδοσης οδήγησης («perf») από data mining pipeline: καθαρισμός, προεπεξεργασία, αυτόματη ανάλυση, μοντελοποίηση γραμμικής παλινδρόμησης
Στατιστική επικύρωση αποτελεσμάτων με Welch t-test, Wilcoxon rank-sum test και Kolmogorov–Smirnov test
Ανεξάρτητη ακαδημαϊκή επικύρωση της μεθοδολογίας από τον Βασίλειο Βερύκιο, Καθηγητή στο Ελληνικό Ανοικτό Πανεπιστήμιο

Αποτελέσματα

Μετρημένη μείωση κατανάλωσης καυσίμου 8–10% (εγγύηση ελάχιστου 8%, με δυνατότητα έως 12%)
Απόσβεση επένδυσης (ROI) σε μόλις 9 μήνες
Προβολές εξοικονόμησης καυσίμου και μείωσης εκπομπών CO₂ σε κλίμακα στόλου έως 25.000 οχημάτων

Τα οικονομικά μεγέθη της ευρύτερης πρότασης IS4T (έσοδα, ROI ανά όχημα) αποτελούσαν μέρος του επιχειρηματικού μοντέλου που παρουσιάστηκε σε επενδυτές/πελάτη, βασισμένα σε παραδοχές αγοράς της εποχής — σε αντίθεση με τα αποτελέσματα εξοικονόμησης καυσίμου, που προέκυψαν από πραγματική λειτουργία και μέτρηση.

Θέλετε κάτι αντίστοιχο για τη δική σας επιχείρηση;

Από στρατηγικό σχεδιασμό μέχρι ανάπτυξη εξειδικευμένων AI εφαρμογών — δείτε τις υπηρεσίες μας ή επικοινωνήστε απευθείας.

Επικοινωνήστε μαζί μας