Σε εντατική ψηφιοποίηση των υπηρεσιών που παρέχουν οι θυγατρικές εταιρείες του προς τους πολίτες, προχωρεί το Υπερταμείο. Με συνεργάτη το Κέντρο Έρευνας (ΚΕ) στην Τεχνητή Νοημοσύνη, την Επιστήμη Δεδομένων και τους Αλγορίθμους «Αρχιμήδης» του Ερευνητικού Κέντρου «Αθηνά», αξιοποιεί τους μεγάλους όγκους δεδομένων που παράγονται από τις ψηφιακές υπηρεσίες.
.
Στην πρώτη φάση της συνεργασίας, η οποία χρηματοδοτήθηκε με χορηγία από την «Επιτροπή Ελλάδα 2021», σημαντικά σύνολα δεδομένων μεταφορών με αστικά λεωφορεία των Συγκοινωνιών Αθηνών και διελεύσεων σκαφών από τη Διώρυγα της Κορίνθου αξιοποιήθηκαν για τη μελέτη των επιχειρησιακών συνθηκών.
Η συνεργασία αξιοποίησε τις πλέον σύγχρονες τεχνολογίες (μοντέλα μηχανικής μάθησης, γενετικούς αλγόριθμους, νευρωνικά δίκτυα κ.α.) με στόχο το «κοινωνικό καλό», κατ’ αναλογία των παρόμοιων διεθνών δράσεων “Data for Social Good”. Συνολικά 21 πτυχιούχοι, μεταπτυχιακοί φοιτητές, υποψήφιοι διδάκτορες και μεταδιδακτορικοί ερευνητές από το Εθνικό Μετσόβιο Πολυτεχνείο, το Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, το Οικονομικό Πανεπιστήμιο Αθηνών και το Πανεπιστήμιο Πειραιά υπό την καθοδήγηση του Διευθυντή της ΕΜ «Αρχιμήδης», κ. Τίμου Σελλή και της ομάδας του, συνεργάστηκαν με τα στελέχη των εταιρειών του Υπερταμείου στην ανάπτυξη πρωτότυπων τεχνολογικών εφαρμογών.
Εφαρμογές με τις Συγκοινωνίες Αθηνών:
1. Το RideInsight υπό την επίβλεψη της κας Χριστίνας-Ουρανίας Τζε (ΕΜΠ) μπορεί να παρέχει πληροφορίες υψηλότατης ακρίβειας – άνω του 90% – σε πραγματικό χρόνο στους επιβάτες για την πληρότητα των λεωφορείων και λεπτομέρειες που σχετίζονται με τη διαδρομή, τη διαθεσιμότητα σταθμών ταξί ή μετρό και την εγγύτητα σε προορισμούς τουριστικού ενδιαφέροντος. Έχει δε τη δυνατότητα να καταγράφει τις προτιμήσεις των επιβατών για τη βελτιστοποίηση του μεταφορικού έργου (34 εκατ. εγγραφές δεδομένων μετακινήσεων για 370 δρομολόγια, 528 οχήματα, 5.899 στάσεις).
2. Το CustomerSuccess, υπό τον συντονισμό του κ. Δημήτρη-Βασίλειου Πανταζάτου (ΕΜΠ), είναι ένα έξυπνο σύστημα εξυπηρέτησης πολιτών και επιβατών που αντιμετωπίζει και αναλύει αποτελεσματικά τα παράπονα των πελατών, αφού τα ταξινομήσει με ακρίβεια.
Σε συνεργασία με τη Διώρυγα της Κορίνθου:
3. Το MarinerMuse, με συντονιστή τον κ. Ανδρέα Τριτσαρώλη, (Παν. Πειραιώς), είναι μια έξυπνη εφαρμογή διαχείρισης τιμολόγησης και χρονοπρογραμματισμού διελεύσεων που βελτιστοποιεί την εξυπηρέτηση των διερχόμενων από τη Διώρυγα. Η εφαρμογή μπορεί να μειώσει έως και 60% το χρόνο αναμονής για διέλευση από τη Διώρυγα και να αξιοποιήσει τη διακύμανση στις τιμές καυσίμων και άλλες παραμέτρους προκειμένου να αναδείξει την διέλευση από τη Διώρυγα ως συμφερότερη και περιβαλλοντικά καλύτερη επιλογή από τον περίπλου της Πελοποννήσου. (δεδομένα 19.000 διελεύσεων από τη Διώρυγα, σύνολα ανοιχτών δεδομένων όπως ο δείκτης ναυτιλιακού καυσίμου, δεδομένα καιρικών συνθηκών κ.α.).
Στη συνεργασία συμμετείχαν επίσης ομάδες υπό το συντονισμό του κ. Γιώργου Δραϊνάκη (ΕΜΠ) και της Δανάης Πλα Καρύδη (Αρχιμήδης/ΕΚ Αθηνά) που ανέπτυξαν έξυπνες λύσεις στους τομείς των υπηρεσιών κοινής ωφέλειας.
Τα εντυπωσιακά αποτελέσματα, όπως αναφέρεται σε ανακοίνωση, οδήγησαν το Υπερταμείο, σε συνέχεια της επιτυχημένης συνεργασίας με το ΚΕ «Αρχιμήδης», να συνυπογράψει Μνημόνιο Συνεργασίας (ΜoU), ώστε να ανανεωθεί και να επεκταθεί η συνεργασία των δύο πλευρών στην αξιολόγηση, ανάπτυξη και λειτουργία ψηφιακών εφαρμογών στηριγμένων στις τεχνολογίες της Τεχνητής Νοημοσύνης, στην Επιστήμη Δεδομένων και στους Αλγόριθμους.
Το Υπερταμείο προσδοκά ότι η ομάδα του Αρχιμήδη θα ενισχύσει το ίδιο και τις θυγατρικές του σε μια σειρά επιπλέον στόχων και δράσεων:
- Στη βελτιστοποίηση εφαρμογών που χρησιμοποιούν τεχνολογίες μηχανικής μάθησης και τεχνητής νοημοσύνης (όπως τα chatbots).
- Στη διαμόρφωση της στρατηγικής και του πλαισίου Data Governance που έχει σχεδιαστεί για τις εταιρείες του Ομίλου.
- Στο πλαίσιο της ευρύτερης στρατηγικής του Ομίλου για την υιοθέτηση των τεχνολογιών Τεχνητής Νοημοσύνης στον ψηφιακό μετασχηματισμό των θυγατρικών του.
Η συνεργασία αξιοποίησε τις πλέον σύγχρονες τεχνολογίες (μοντέλα μηχανικής μάθησης, γενετικούς αλγόριθμους, νευρωνικά δίκτυα κ.α.) με στόχο το «κοινωνικό καλό», κατ’ αναλογία των παρόμοιων διεθνών δράσεων “Data for Social Good”.