Klimat i środowisko

Technologia dużych zbiorów danych pozwala usprawnić sieci transportu miejskiego

Usprawnienie transportu publicznego nie jest łatwym zadaniem. A gdyby tak miasta mogły skorzystać z nieograniczonego potencjału dużych zbiorów danych (ang. Big Data), żeby podejmować lepsze decyzje? Dzięki projektowi SIADE SaaS miasta mogą teraz poznawać nie tylko wzorce mobilności pasażerów, ale także mocne i słabe strony obecnych lub planowanych sieci transportu miejskiego.

Realizacja projektu SIADE SaaS (Spatial Decision Support System for Transportation Planning) przyniosła wiele zmian hiszpańskiej firmie z segmentu MŚP, Terrain Technologies. Firma zaczynała jako przedsiębiorstwo świadczące usługi doradcze na podstawie algorytmu przewidującego punkty docelowe pasażerów, ale wszystko zmieniło się, gdy złożyła wniosek o dofinansowanie z programu „Horyzont 2020”, planując rozwój działalności i dołączenie do grona dostawców oprogramowania.

Dzięki temu miasta w całej Europie mogą korzystać z rozwiązania wykorzystującego duże zbiory danych i informacje przestrzenne, które umożliwia przeprowadzanie złożonych analiz zachowań podróżnych i w efekcie wpływa na usprawnienie sieci transportu publicznego.

María J. Arguelles, koordynatorka projektu, opowiada nam o rozwiązaniach oferowanych przez firmę Terrain Technologies i jej dotychczasowych osiągnięciach.

W jaki sposób technologia dużych zbiorów danych może pomóc w usprawnianiu transportu publicznego w Europie?

María J. Arguelles: Inteligentne systemy sprzedaży biletów, wykorzystywane w ramach systemów transportu publicznego wielu miast, przetwarzają ogromne ilości danych. Te zbiory danych zawierają informacje o zachowaniach pasażerów, które można wykorzystać do oszacowania ich potrzeb transportowych i przygotowania dokładnej analizy ich zwyczajów na poziomie grupowym (bazując na rodzajach biletów, np. dla studentów, osób starszych itp.) lub indywidualnym. Dzięki technologii dużych zbiorów danych możemy dostosowywać transport publiczny do tych potrzeb, planować nowe usługi, ograniczać czas potrzebny na przesiadki itp.

Z jakimi wyzwaniami trzeba było się do tej pory mierzyć przy próbach wykorzystania takich danych? W jaki sposób oprogramowanie SIADE wyróżnia się pod tym względem?

Należy wyjaśnić, że wprowadzenie technologii dużych zbiorów danych do transportu oznacza większy poziom złożoności wszystkich procesów. Jest to związane z nieodłącznymi cechami dużych zbiorów danych, powszechnie określanymi jako model „5V” – volume, velocity, veracity, variety, value, czyli: duża ilość danych, duża prędkość przetwarzania, weryfikacja danych, duża różnorodność i wartość dla użytkownika.

Na przykład duża ilość danych wiąże się z potrzebą posiadania ogromnych zasobów pamięci do ich przechowywania. Nie można zapomnieć, że w miastach takich jak Madryt liczba przejazdów sięga co roku około 500 mln, wzrastając do około 1,2 mld dla całej aglomeracji, co daje wynik podobny do Stambułu.

Element dużej różnorodności obejmuje zbiory danych pochodzących z różnych źródeł, np. kasowników w autobusach lub telefonów komórkowych, podczas gdy weryfikacja danych oznacza konieczność zbierania wiarygodnych danych wysokiej jakości. To wszystko jeszcze bardziej komplikuje fakt, że rekordy transportowe są powiązane z lokalizacjami geograficznymi, co oznacza, że mamy do czynienia z danymi z komponentem przestrzennym lub z dużymi zbiorami danych przestrzennych (ang. Spatial Big Data).

Aby sprostać tym wyzwaniom, w projekcie SIADE SaaS za główny cel postawiliśmy sobie rozwój systemu informacji geograficznej, łącząc przestrzenny charakter danych z zaawansowanymi metodologiami analizy danych.

W jaki sposób firma radzi sobie z brakiem informacji o punktach docelowych pasażerów?

Pozyskiwaniem takich informacji zajmuje się jeden z głównych algorytmów systemu SIADE. Jesteśmy w stanie przewidywać aż do 88 % punktów docelowych z dokładnością do 96 %. Wyniki te potwierdzają, że naszą mocną stroną jest tworzenie macierzy „punkt początkowy–punkt docelowy” na podstawie danych transportowych. Są one znacznie szybsze, tańsze i bardziej kompletne niż macierze tworzone przy użyciu tradycyjnej metody wykorzystywanej w transporcie publicznym, czyli wywiadów z pasażerami. Dzieje się tak dlatego, że nasze macierze opierają się na milionach rekordów, podczas gdy wywiady obejmują niewielki odsetek całej populacji.

Co dotychczas udało się firmie osiągnąć dzięki dofinansowaniu z UE? Co jeszcze jest w planach przed zakończeniem projektu?

Projekt opierał się na założeniu, że musimy zmienić model biznesowy i przekształcić go w model „oprogramowanie jako usługa” (ang. Software as a Service, SaaS). Ale jest to kosztowny proces, więc bez dofinansowania z UE nie udałoby nam się tak szybko tego celu osiągnąć. W realizację projektu zaangażowanych jest także kilka firm konsultingowych specjalizujących się w sektorze transportowym, przewoźników i/lub agencji przewozowych z całej Europy, które odegrały kluczową rolę w testowaniu różnych wersji systemu SIADE. Oprócz tego bardzo cieszymy się ze wsparcia grupy doradców z UE, którzy pomagają nam podejmować odpowiednie decyzje związane ze strategią rynkową.

Zakończyliśmy już dwie z trzech faz projektu: opracowaliśmy pełny moduł analityczny i symulator. Symulator może przewidywać, z dokładnością do 93 %, zmiany w przepływie pasażerów po zmianie lub usunięciu któregokolwiek z elementów sieci transportowej, np. przystanku autobusowego, linii, miejsc przesiadkowych, częstotliwości przejazdów itp. Obecnie realizujemy fazę projektu poświęconą dużym zbiorom danych, pracując nad rozwiązaniem wszystkich problemów związanych z modelem „5V”. Udało nam się udoskonalić część algorytmów, aby dostosować się do nowych założeń.

Czy może pani podać kilka przykładów wyzwań, z jakimi borykali się klienci, a jakie udało się pokonać dzięki systemowi SIADE?

Oczywiście. Na przykład w Oradei (Rumunia) udało nam się wykazać, że sieć autobusowa nie obejmuje całego centrum miasta, przez co nie jest wydajna. Dzięki symulatorowi w hiszpańskim Gijón odkryliśmy, że wprowadzenie zmian na linii 14 pozwoli zwiększyć prędkość komercyjną, ale nie bez konsekwencji: osoby mieszkające w jednej z dzielnic, na którą zmiana linii miałaby największy wpływ, przestałyby korzystać z autobusów, a większość z nich zaczęłaby podróżować na innej linii (18) zamiast korzystać z kilku środków transportu. Z kolei w Modenie (Włochy) ulepszyliśmy model danych i zmieniliśmy go w taki sposób, aby lepiej wykorzystywał możliwości systemu SIADE. Nasze sugestie dotyczące stworzenia linii okólnej w Gijón zostały również wykorzystane podczas opracowywania nowego miejskiego planu mobilności.

Jaki jest obecny zasięg rynkowy firmy?

Obecnie współpracujemy z kilkoma firmami konsultingowymi specjalizującymi się w sektorze transportowym, aby wspólnie analizować możliwości uczestniczenia w przetargach w Hiszpanii, Ameryce Łacińskiej i Europie Wschodniej. Sam fakt, że z sukcesem realizujemy projekt dofinansowany z UE, daje nam ogromną przewagą konkurencyjną.

Jakie są dalsze plany firmy po zakończeniu projektu?

Tworzymy system, który w 100 % odpowiada na potrzeby naszych klientów i partnerów, więc będziemy nadal rozwijać naszą firmę, wprowadzając naszą ofertę na rynki poza Europą i Ameryką Łacińską, takie jak Stany Zjednoczone i Kanada.

Komentarze

INFORMACJE, OGŁOSZENIA

Przegląd uczelni w Polsce
Polskie uczelnie w obrazach
miniatura
miniatura ABK pomaga studentom WSAiB
miniatura
Polityka Prywatności