Лифт – одна из тех вещей, которые замечаешь, только когда что-то идёт не так: долго ждёшь, он переполнен в час пик или, наоборот, простаивает в здании, где почти никто не живёт выше третьего этажа. Казалось бы, мелочь. Но если посмотреть на это с точки зрения инженера, за каждым таким неудобством стоит решение, принятое ещё на этапе проектирования – причём, как правило, без учёта того, кто именно будет этим лифтом пользоваться.
Исследователи из Московского физико-технического института (МФТИ) предложили другой подход. Они разработали систему, которая использует искусственный интеллект для проектирования лифтового оборудования под конкретное здание и конкретных жителей, а не по усреднённым нормативам.
Откуда берётся проблема
Традиционно лифты проектируются на основе строительных норм и стандартных расчётов: сколько этажей, сколько квартир, примерная нагрузка. Это работает как шаблон – один и тот же подход применяется к очень разным зданиям.
Проблема в том, что реальная картина использования лифта почти никогда не совпадает с расчётной. В жилом доме с пожилыми жильцами лифт используется иначе, чем в студенческом общежитии. В бизнес-центре пиковая нагрузка приходится на утро и вечер, а в больнице – практически равномерно в течение дня. Шаблонный подход всё это игнорирует.
Именно здесь и появляется пространство для более умного решения.
Что придумали в МФТИ
Разработанная система анализирует поведение жителей здания – то, как они пользуются лифтом в разное время суток, в зависимости от типа здания, этажности, структуры потоков. На основе этих данных ИИ помогает подобрать оптимальные параметры лифтовой системы: количество кабин, их грузоподъёмность, скорость, алгоритмы диспетчеризации.
Проще говоря, система не просто считает «сколько людей в доме», а моделирует, как эти люди перемещаются. На основе этой модели предлагается конфигурация, которая будет эффективно работать именно в данных условиях.
Это особенно важно на этапе проектирования нового здания, когда ещё есть возможность заложить правильные параметры – до того, как шахта построена и оборудование закуплено.
Почему это не просто удобство
Лифт – это не просто комфорт. В многоэтажных домах это инфраструктура, от которой зависит доступность жилья для людей с ограниченными возможностями, пожилых жильцов, семей с маленькими детьми. Неправильно рассчитанная система создаёт реальные неудобства на десятилетия вперёд – и переделать её потом крайне дорого.
С другой стороны, избыточная система – это тоже проблема: лишние кабины, завышенная грузоподъёмность, более мощные двигатели. Всё это увеличивает стоимость строительства и эксплуатации здания.
Задача ИИ-системы – найти баланс между «мало» и «много», опираясь на реальные данные, а не на усреднённые нормы.
Где это может применяться
Разработка ориентирована прежде всего на проектировщиков и застройщиков – тех, кто принимает решения о лифтовом оборудовании ещё до начала строительства. Но потенциально система может быть полезна и при реконструкции существующих зданий, когда нужно обновить лифтовое хозяйство и понять, какая конфигурация будет оптимальной.
Интересно, что подобный подход – когда ИИ используется не для создания контента или общения, а для оптимизации инженерных решений – становится всё более распространённым. Системы такого рода уже применяются в логистике, управлении энергопотреблением, планировании городской инфраструктуры. Лифтовое проектирование – ещё одна область, где накопленные данные о поведении людей могут переводиться в конкретные инженерные решения.
Что остаётся за кадром
Пока не вполне ясно, на каких данных обучалась система и насколько она адаптируется к нетипичным сценариям – например, зданиям смешанного использования, где часть этажей жилая, часть коммерческая. Также открытым остаётся вопрос о том, как система будет вести себя при изменении состава жильцов со временем: дом стареет вместе с жителями, и нагрузка на лифт меняется.
Это не критика – скорее, естественные вопросы к любой новой инженерной разработке. Ответы на них, вероятно, появятся по мере практического применения системы.
Сама по себе идея – проектировать инфраструктуру для людей, а не подбирать людей под инфраструктуру – звучит очевидно. Но именно технологии вроде этой помогают сделать её реализуемой на практике, а не только на бумаге.
