W celu świadczenia usług na najwyższym poziomie stosujemy pliki cookies. Korzystanie z serwisu lublin.eu oznacza, że będą one zamieszczane w Twoim urządzeniu. W każdym momencie możesz dokonać zmiany ustawień Twojej przeglądarki. Więcej informacji znajdziesz w Polityce prywatności.

Al-TraWell - Proaktywny asystent podróży wspomagany sztuczną inteligencją, monitorujący doświadczenia użytkowników i tworzący spersonalizowane rozwiązania w zakresie mobilności

Logo Funduszy Europejskich, Flaga Rzeczpospolitej Polskiej, Logo Unii Europejskiej Europejskie Fundusze Strukturalne i Inwestycyjne

Al-TraWell - Proaktywny asystent podróży wspomagany sztuczną inteligencją, monitorujący doświadczenia użytkowników i tworzący spersonalizowane rozwiązania w zakresie mobilności
Zasięg: międzynarodowy
Partner projektu: University College London, Fraunhofer-Gesellschaft (Towarzystwo Fraunhofera Wspierania Badań Stosowanych), BMW Group, Archmea, Miasto Monachium, Miasto Lublin
Wartość całkowita: 1 713 967 PLN
Wartość dofinansowania z UE: 1 199 673 PLN
Okres finansowania programu: 2014-2020
Program: Horyzont 2020
Termin realizacji: 1.01.2020 r. - 31.12.2020 r.
Tematyka: mobilność

AI-TraWell to projekt pilotażowy, mający na celu połączenie dostępnych środków transportu (publicznego i usług nowej mobilności) ze zróżnicowanymi potrzebami i preferencjami użytkowników. Projekt w założeniu ma pomóc użytkownikom w zarządzaniu swoimi podróżami w związku z rosnącą złożonością mobilności w miastach oraz poprawić wydajność usług mobilności.

Celem projektu jest stworzenie narzędzia napędzanego przez sztuczną inteligencję (np. chat-bota) o nazwie AI-TraWell, które będzie rekomendować spersonalizowane alternatywy podróżowania, zaspokajające potrzeby i preferencje podróżnych (np. uwzględniając stan samopoczucia psychicznego/fizycznego, osobiste preferencje) poprawiając ogólne wrażenia z podróży.

Cele szczegółowe:

  • zachęcanie użytkowników transportu do udostępniania informacji za pośrednictwem botów czatowych;
  • identyfikacja preferencji podróży i wypracowanie wzorców;
  • wykorzystanie danych na temat dostępnych usług mobilnych ze spersonalizowanymi trasami użytkowników;
  • zachęcenie użytkowników do korzystania z usług zrównoważonej mobilności;
  • nauka na podstawie opinii użytkowników.