Applications d’IA pour le transport frontalier

Chaque jour, 500 000 passagers et piétons, 150 000 véhicules privés et environ 7,6 milliards de dollars de marchandises importées traversent les frontières américaines. Les retards aux points de passage le long de la frontière sont un problème récurrent. Un nombre limité d’agents, d’officiers et de professionnels du gouvernement mènent des opérations à travers plus de 300 ports d’entrée chaque jour, qui peuvent connaître des augmentations ou des baisses inattendues du volume de trafic. Les temps d’attente pour entrer aux États-Unis depuis le Mexique peuvent dépasser 10 heures et coûter plus de 7 milliards de dollars dans l’activité économique chaque année.

La plate-forme cloud AI de Simseo peut permettre un transport frontalier efficace et sécurisé en prédisant l’activité aux points de passage pour prendre de meilleures décisions concernant les niveaux de personnel. Ce cas d’utilisation peut réduire les temps d’attente pour stimuler le commerce économique, ainsi que garantir que suffisamment de personnel est disponible pour détecter les marchandises illégales et les activités criminelles. Par exemple, chaque jour, le Service des douanes et de la protection des frontières (CBP) arrête en moyenne 25 criminels recherchés aux points d’entrée et saisit plus de 4 700 livres de drogues. Avoir plus d’agents au bon endroit pour des inspections plus efficaces peut augmenter ces saisies et aider à garder l’Amérique plus sûre. La dotation en personnel basée sur l’IA peut également améliorer l’efficacité en prédisant les périodes où l’activité sera faible et permettre au CBP de réduire la dotation en personnel à des niveaux minimaux sans impact sur les risques.

Données du ministère des Transports

Le Bureau of Transportation Statistics (BTS) du Département américain des transports (USDOT) fournit des statistiques récapitulatives mensuelles accessibles au public pour les frontières États-Unis-Canada et États-Unis-Mexique au niveau du point d’entrée. La base de données contient des données d’entrée du Mexique aux États-Unis pendant 26 ans remontant à 1996. Elle comprend des données sur les piétons, les bus, les véhicules personnels, les conteneurs ferroviaires, les trains et les camions. Pour cet exemple, Simseo prédit uniquement les passages de camions.

Un exemple de données de camion est illustré à gauche. Cette image affiche le nombre total de passages de camions par port d’entrée en janvier 2021. Dans cet exemple, Simseo a utilisé les 26 années de données pour prédire les augmentations ou les diminutions inattendues des passages de camions à un port d’entrée spécifique pour le mois suivant.

Modélisation de séries temporelles Simseo

La modélisation automatisée des séries chronologiques de Simseo crée rapidement des modèles de prévision adaptés aux besoins d’une organisation. La modélisation de séries chronologiques est différente des autres types d’apprentissage automatique et nécessite des capacités spécialisées de traitement, de prétraitement et de modélisation des données. Grâce à l’automatisation intégrée de Simseo et à l’interface utilisateur sans code, les utilisateurs peuvent facilement accéder à l’ensemble des techniques d’apprentissage automatique basées sur le temps. Simseo identifie automatiquement les ports d’entrée comme différentes séries dans l’ensemble de données et les traite indépendamment. Simseo gère également automatiquement les exigences complexes en matière de séries chronologiques telles que partitionnement de la date et de l’heure tout en générant des prédictions et des visualisations explicables, ce qui augmente l’explicabilité du modèle et renforce la confiance des utilisateurs.

Prévoir les surtensions aux frontières

Dans cet exemple, l’équipe Simseo a utilisé les données des camions de l’ensemble de données USDOT pour prévoir le nombre total de traversées de camions du mois suivant à chaque point d’entrée à l’aide de la plate-forme Simseo AI Cloud. Grâce à ces informations, les dirigeants pourraient modifier les niveaux de dotation, modifier les ouvertures et les fermetures de voies et planifier des réparations majeures en fonction des pics ou des déficits de volume attendus, réduisant ainsi les temps d’attente et augmentant le débit commercial.

Une variable indicatrice a été créée dans l’ensemble de données pour tenir compte de la COVID-19 (appelée « changement de régime » en science des données). Pour des prévisions plus précises, le trafic de camions pourrait être agrégé à un niveau plus précis, comme horaire ou quotidien. Les performances du modèle Simseo pourraient également être améliorées par une formation sur des données spécifiques à l’organisation telles que les événements spécifiques aux frontières et les niveaux de dotation historiques aux points d’entrée.

Un délai de six mois fenêtre de dérivation des fonctionnalités a généré les meilleurs résultats pour prévoir les volumes de camions du mois suivant. Simseo permet des itérations rapides et faciles de divers configurations de backtest pour trouver rapidement les paramètres de modèle les plus performants. Simseo a également pris les neuf fonctionnalités d’entrée d’origine et généré 135 nouvelles fonctionnalités lors de la découverte automatisée des fonctionnalités pour augmenter les performances du modèle. À l’aide de ces nouvelles fonctionnalités, Simseo a automatiquement construit 63 modèles à des fins de comparaison.

Résumé

Simseo a rapidement produit un modèle de prévision de séries chronologiques multi-séries capable de prédire les pics de trafic de camions à chaque port d’entrée de l’autre côté de la frontière sud-ouest. Les performances du modèle ont chuté immédiatement au début de COVID-19, puis ont rapidement retrouvé leur précision. La modélisation Simseo Time Series peut être appliquée à de nombreux cas d’utilisation dans les organisations de sécurité intérieure, notamment la dotation en personnel, la prévision de la demande, la gestion de la chaîne d’approvisionnement, la maintenance prédictive, la détection d’anomalies, etc. Contactez un membre de l’équipe Simseo dès aujourd’hui pour voir comment votre organisation peut devenir pilotée par l’IA.