Nhu cầu đang gia tăng

Kỳ vọng của người dân về tương lai của thành phố thông minh đã phát triển theo thời gian khi khoa học công nghệ tiến bộ và lợi ích trở nên rõ ràng hơn. Một số kỳ vọng đã được khảo sát:

– Tăng hiệu quả bằng cách đóng góp trong việc tối ưu hóa dấu chân carbon⁽¹⁾ (carbon footprint) của tòa nhà, tiện nghi của tòa nhà, tối đa hóa khả năng cho thuê.

-Tăng hiệu suất của thang máy: Làm sao để thang di chuyển trực tiếp đến tầng đích, cân được tải trọng lớn, giảm thiểu thời gian đợi.

Tuy nhiên, sau đại dịch thì một số nhu cầu khác cũng tăng:

-Tính tiện dụng: Thang máy cung cấp dịch vụ được cá nhân hóa, có khả năng tương tác tự nhiên (Intuitive interaction), trải nghiệm không chạm.

-Tính linh hoạt: Không gian của tòa nhà cần được thiết kế để phục vụ nhiều mục đích và có thể được xây dựng lại khi cần thiết. Do đó, thang máy cần dễ dàng nâng cấp để có thêm nhiều tính năng mới, đáp ứng nhiều nhu cầu sử dụng khác nhau.

Các nhà khoa học về dữ liệu đang nghiên cứu về công nghệ Trí tuệ Nhân tạo (AI), học máy (Machine learning) và thuật toán Heuristic⁽²⁾ để đáp ứng những nhu cầu ngày càng gia tăng này.

Điều phối bằng AI

Điều phối AI trong thang máy đề cập đến việc sử dụng các thuật toán trí tuệ nhân tạo ví dụ như thuật toán Heuristic để kiểm soát và tối ưu hóa việc phân bổ thang máy cho từng tầng trong tòa nhà. Các thuật toán phân tích mô hình lưu lượng hành khách trong tòa nhà và dự đoán việc sử dụng thang máy trong thời gian thực.

Hệ thống điều phối AI liên tục học hỏi và cải thiện theo thời gian, có tính đến các biến số như số lượng hành khách, tầng đích và trạng thái hiện tại của thang máy.

Máy học dự đoán được nhu cầu và đưa ra các quyết định đúng đắn về:

-Dự đoán lưu lượng hành khách

-Dự đoán dừng thang

-Dự đoán các tình huống thường ngày

-Tự động điều chỉnh hiệu suất

Dự đoán dừng thang là một trong những ứng dụng quan trọng của AI. Ở đây hệ thống thu thập các dữ liệu trong nhiều tháng để tạo ra một mô hình dự đoán lưu lượng.

Vào mỗi buổi sáng, hệ thống sẽ dự đoán xem nhu cầu đến từ đâu và dừng thang máy trước đó. Một nghiên cứu đã chứng minh ứng dụng này có thể giảm thời gian của hành khách khi đợi thang lên đến 10%.

Bên cạnh đó, hệ thống còn sử dụng radar vi sóng ở bảng hiển thị ngoài tầng để dự đoán chính xác và điều phối cabin có tải trọng phù hợp với nhóm người đang đợi thang ở bên ngoài, tránh việc thang máy dừng tầng nhưng trong khi cabin đã đầy tải.

Cảm biến OptiSense với công nghệ bước sóng ngắn được lắp ở bảng chỉ dẫn và đếm số lượng người sau mỗi một lệnh gọi thang – Nguồn: International Facility Management Association

Tự động hiệu chỉnh

Hệ thống điều phối AI có tích hợp nhân bản kỹ thuật số (digital twin) mô hình ảo của tòa nhà và hệ thống thang máy. Điều này cho phép các nhà sản xuất thang máy mô phỏng và tối ưu hóa lưu lượng giao thông thang máy.

Bằng cách sử dụng thuật toán máy học để phân tích dữ liệu thời gian thực từ các cảm biến và các nguồn khác, AI có thể tạo mô hình chính xác về lưu lượng người ra, vào tòa nhà và dự đoán mức độ sử dụng thang máy. Điều này có thể giúp các nhà sản xuất xác định các vấn đề tiềm ẩn và tinh chỉnh lịch trình thang máy để cải thiện hiệu suất và giảm thời gian chờ đợi.

Siêu dữ liệu về lưu lượng giúp cho AI tối ưu hóa thông số thang máy trong thiết kế và vận hành thang máy – Nguồn: International Facility Management Association

Giao diện người dùng

Các cách AI đang được sử dụng để cải thiện giao tiếp giữa con người và thang máy là:

Điều khiển kích hoạt bằng giọng nói: Điều khiển kích hoạt bằng giọng nói do AI cung cấp có thể cho phép người dùng vận hành thang máy bằng các lệnh ngôn ngữ tự nhiên. Điều này có thể cải thiện khả năng truy cập và thuận tiện cho người khuyết tật hay bị hạn chế di chuyển.

Nhận dạng khuôn mặt: AI có thể được sử dụng để nhận dạng khuôn mặt của người dùng và xác định quyền sử dụng. Điều này có thể tăng cường an ninh và giảm nguy cơ sử dụng thang máy trái phép.

Điều khiển không chạm: AI có thể được sử dụng để tạo điều khiển không chạm cho thang máy, chẳng hạn như cảm biến có thể phát hiện cử chỉ tay của một người để chọn tầng hoặc mở và đóng cửa thang máy. Điều này giúp loại bỏ nguy cơ lây truyền vi trùng, đặc biệt là ở những khu vực có nhiều người qua lại. Những dịch bệnh phức tạp, lây lan trong tương lai như Covid-19 có thể được giảm thiểu nhờ công nghệ mới này.

Trải nghiệm người dùng được cá nhân hóa: AI có thể được sử dụng để tạo trải nghiệm người dùng được cá nhân hóa trong thang máy bằng cách phân tích dữ liệu và sở thích của người dùng. Ví dụ: thang máy có thể điều chỉnh ánh sáng, âm nhạc hoặc nhiệt độ dựa trên sở thích của hành khách đang sử dụng nó.

Trợ lý ảo: Trợ lý ảo do AI cung cấp có thể cung cấp thông tin và hỗ trợ cho người dùng thang máy, chẳng hạn như chỉ đường đến các tầng khác nhau, cảnh báo khẩn cấp hoặc thông báo về các sự kiện trong tòa nhà.

Ứng dụng nhận diện khuôn mặt và điều khiển bằng giọng nói đang ngày càng phổ biến trong ngành thang máy.

Trải nghiệm “mượt mà”

Việc sử dụng công nghệ thông minh được ưu tiên phát triển rộng rãi sau đại dịch để tạo trải nghiệm sử dụng thang “mượt mà” hơn. Thiết bị có thể hoạt động hoàn toàn tự động và được cá nhân hóa. Bạn có thể gọi thang, điều phối thang qua điện thoại hay đồng hồ thông minh. Bạn có thể lên kế hoạch hành trình của mình để tự động hóa toàn bộ trải nghiệm và để hành trình di chuyển thuận tiện hơn. Kết quả cuối cùng là thời gian đợi được giảm thiểu tối đa. Thang máy được lập trình để hoạt động ăn ý với hành khách.

APIs

APIs (Application Programming Interface – Giao diện Lập trình Ứng dụng) là tập hợp các giao thức và công cụ được sử dụng để xây dựng các ứng dụng phần mềm. AI có thể hỗ trợ ngành thang máy bằng cách cung cấp các dịch vụ APIs cho phép thang máy giao tiếp với các hệ thống khác của tòa nhà để chia sẻ dữ liệu và điều phối các hoạt động của tòa nhà. Ví dụ: thang máy có thể chia sẻ thông tin về mô hình lưu lượng hành khách, mức sử dụng năng lượng và nhu cầu bảo trì với hệ thống quản lý tòa nhà để tối ưu hóa hiệu suất của tòa nhà.

Hơn nữa, các dịch vụ APIs có thể cho phép thang máy giao tiếp với ứng dụng của một bên thứ ba để tùy chỉnh hoạt động của thang máy: Các dịch vụ APIs có thể cho phép chủ sở hữu và người vận hành tòa nhà tùy chỉnh hoạt động của thang máy để đáp ứng các nhu cầu cụ thể của tòa nhà và khách thuê của họ. Ví dụ: các dịch vụ APIs có thể được sử dụng để điều chỉnh tốc độ thang máy, thời gian mở cửa và các thông số khác./.

Robot hoạt động như người vận hành thang máy đón khách ngay khi họ bước vào tòa nhà.

Chú thích:

(1) Dấu chân carbon (Carbon footprint): Tổng lượng khí thải nhà kính được sản xuất do hoạt động của con người, đặc biệt là trong quá trình đốt các nhiên liệu như than đá, dầu và khí đốt. Những khí thải này chủ yếu gồm các hợp chất carbon dioxide, một trong những tác nhân gây nên biến đổi khí hậu toàn cầu

(2) Thuật toán Heuristic (Heuristic algorithm): một phương pháp giải quyết vấn đề sử dụng các phương pháp thực tiễn và “quy tắc đại khái” để tìm ra một giải pháp có thể không phải là tốt nhất hoặc tối ưu nhưng vẫn đủ tốt cho vấn đề cần giải quyết. Những phương pháp này thường dựa trên kinh nghiệm hoặc kiến thức chung về vấn đề và được sử dụng để nhanh chóng tìm ra một giải pháp khi giải pháp tối ưu không biết hoặc khi tìm giải pháp tối ưu là không khả thi tính toán được.