FUMD-AI: infrastruktura EOSC-PL pomoże trenować modele sztucznej inteligencji dla mobilności miejskiej

W dniach 14-16 lipca 2026 roku w Alicante odbyło się pierwsze spotkanie konsorcjum realizującego projekt Federated Urban Mobility Datasets and AI-based Handover Prediction (FUMD-AI). 

Uczestnicy projektu opracowują przypadek wykorzystania zasobów EOSC Federation do stworzenia w pełni odtwarzalnego procesu generowania danych o mobilności miejskiej oraz trenowania na ich podstawie modeli sztucznej inteligencji zdolnych do przewidywania z którą stacją bazową pojazd połączy się jako następną na podstawie jego wcześniejszych wzorców mobilności. Takie rozwiązanie może przyczynić się do płynniejszego i bardziej niezawodnego funkcjonowania połączonych systemów transportowych. To jedno z kluczowych wyzwań stojących przed nową generacją systemów transportowych. Na obecnym etapie proces trenowania sztucznej inteligencji tworzony jest w oparciu o dane dotyczące mobilności pojazdów w Alicante. Następnie zespół planuje przetestować go na danych zebranych w Krakowie i na ich podstawie zbudować nowy model dla Krakowa.

Akademickie Centrum Komputerowe Cyfronet AGH, reprezentowane na spotkaniu przez Roksanę Wilk, zapewni z ramienia węzła EOSC-PL przestrzeń do przechowywania danych, interaktywne notatniki obliczeniowe oraz usługi hostowania zbiorów danych. Z kolei Wydział Informatyki i Inżynierii Komputerowej Uniwersytetu św. Cyryla i Metodego w Skopje, który na spotkaniu reprezentowali Anastas Mishev i Sonja Filiposka, udostępni infrastrukturę wyposażoną w procesory graficzne (GPU), która będzie wykorzystywana do prowadzenia wymagających obliczeniowo procesów trenowania modeli sztucznej inteligencji. Organizatorem spotkania konsorcjum i zarazem koordynatorem projektu jest Uniwersytet Miguela Hernándeza w Elche, reprezentowany przez Katję Gilly De La Sierra-Llamazares, Cristinę Bernad Canto i Salvadora Alcaraz Carrasco.

Efekty projektu FUMD-AI zostaną udokumentowane i udostępnione zgodnie z zasadami FAIR i otwartej nauki, aby inni badacze mogli odtwarzać uzyskane wyniki, dostosowywać scenariusze do różnych miast i poziomów natężenia ruchu oraz rozwijać model na potrzeby kolejnych badań.

FUMD-AI jest jednym z dwudziestu trzech projektów, które otrzymały finansowanie w ramach projektu EOSC Gravity koordynowanego przez EOSC Association. Więcej informacji o konkursie i o wynikach naboru znajduje się na stronie EOSC.