Zaloguj się

Wykorzystanie Big Data w zastosowaniach transportowych na przykładzie danych pochodzących z automatów parkingowych

Polecamy! Wykorzystanie Big Data w zastosowaniach transportowych na przykładzie danych pochodzących z automatów parkingowych

Artykuł przedstawia przykładową analizę podstawowych miar parkowania - poziomu napełnienia miejsc parkingowych w Strefie Płatnego Parkowania w Krakowie i rotacji korzystających z niej pojazdów, które uzyskano przy użyciu opracowanego przez autorkę algorytmu obliczeniowego zaimplementowanego w środowisku programistycznym Python. Przy użyciu metod regresji liniowej wielorakiej, stworzono modele predykcji poziomu napełnień i rotacji w rejonach komunikacyjnych centralnej części miasta. Zmiennymi objaśniającymi modelu były podstawowe dane demograficzne pozyskane z modelu transportowego aglomeracji krakowskiej.

Wprowadzenie
W erze wszechobecnej cyfryzacji, każdego dnia, na niemal każdym kroku gromadzone są tzw. duże zestawy danych (ang. Big Data). Serwery zlokalizowane na całym świecie przechowują liczne ślady aktywności użytkowników telefonów komórkowych, internautów, klientów sklepów. Nieustannie dostarczają w ten sposób informacji pozwalających na obserwację aktualnych wyników sprzedażowych czy położeń i przemieszczeń kierowców samochodów w czasie rzeczywistym. Posiadacze danych są natomiast w stanie lepiej dopasowywać się do dynamicznie zmieniającej się sytuacji na rynku czy drodze. Mogą przetwarzać liczne zgromadzone dane i na ich podstawie szukać przyczyn i analizować skutki przeszłych zdarzeń oraz tworzyć scenariusze i modele zdarzeń przyszłych. Wiadomości zawarte w dużych bazach danych mogą być wykorzystywane zarówno przez liczne przedsiębiorstwa prywatne, jak i jednostki administracyjne państw oraz samorządów. Już dziś mówi się, że używanie Big Data stanowi przełom w zarządzaniu firmą, pozwalając na tworzenie nowych modeli biznesowych. Powstawanie zdigitalizowanych, ogromnych zbiorów informacji, stwarza niespotykane dotychczas warunki dla osób badających zjawiska z wielu dziedzin. Obok sektorów, takich jak marketing czy bankowość, znajduje się również szeroko pojęta inżynieria logistyki i transportu.

Przegląd literatury
Pozyskanie danych oraz rola ich właściwej interpretacji jest jednym z najistotniejszych wyzwań współczesnej nauki, także w dziedzinie transportu. Przez setki lat dane były gromadzone i archiwizowane w formie papierowej, stanowiąc dokumentację zdarzeń czy transakcji, które miały miejsce w przeszłości. Obecnie, przede wszystkim dzięki cyfryzacji danych, wszechobecnemu dostępowi do sieci Internet oraz wystarczającej pojemności serwerów, możliwy stał się rozkwit technologii związanych z analizą Big Data. Źródeł Big Data w zastosowaniach transportowych jest bardzo wiele. Mogą być nimi zarówno systemy rowerów miejskich, rejestry dostarczonych przesyłek kurierskich, jak i aplikacje korporacji taksówkarskich. Przykładowym zastosowaniem Big Data, na jakie można natrafić w literaturze, jest m.in. zarządzanie łańcuchem dostaw. Przedsiębiorstwa są w stanie - na podstawie analizy dużych danych - na bieżąco optymalizować trasy dojazdu, szczegółowo planować zdolności operacyjne, dokonywać kompleksowych analiz ryzyka itp. Kolejnym ze sposobów wykorzystania Big Data do celów szeroko pojętych analiz transportowych jest również tworzenie macierzy przemieszczeń na podstawie danych pochodzących od operatorów komórkowych. Macierze te stanowią jedno z możliwych źródeł danych wejściowych do modeli transportowych. Modele te mogą być zaś kalibrowane, na kolejnych etapach prac, do pomiarów prędkości uzyskanych z masowo gromadzonych danych GPS. Innym przykładem transportowego zastosowania Big Data są próby predykcji (w czasie rzeczywistym) poziomów napełnień publicznie dostępnych miejsc parkingowych. Do analizy użyto danych jednego z operatorów telefonii komórkowej, za którego pośrednictwem możliwe było uiszczenie opłaty za postój. Wspomniane wyżej przykłady, zaczerpnięte z literatury, pozwoliły na identyfikację zróżnicowanych zastosowań Big Data w zagadnieniach transportowych. Stanowią one jednak zaledwie niewielki odsetek możliwości oferowanych przez tzw. duże dane. Zarówno zakres, jak i tematyka analiz jest, przy posiadaniu dużych zbiorów danych, limitowana w największej mierze przez ograniczenia ludzkiej percepcji i wyobraźni.

Cały artykuł jest dostępny poniżej w formacie PDF.

 

O Internecie Rzeczy pisaliśmy więcej w czasopiśmie Logistyka 4/2018.
E-wydanie czasopisma jest dostępne w naszej ofercie!

Ostatnio zmieniany w środa, 26 sierpień 2020 14:00
Zaloguj się by skomentować