L’analisi intelligente contribuisce ad attenuare gli ingorghi del traffico nella mobilità urbana
Il progetto SOUTHPARK (SOcial and Universal Technology HelPing to detect ARrivals via sdK), basato sul sistema predict.io, è un pacchetto di sviluppo per applicazioni (SDK, Software Development Kit) integrabile in qualsiasi tipo di app, ma anche in automobili o treni intelligenti. Nel corso del progetto sono stati identificati numerosi casi differenti che utilizzano informazioni di rilevamento in tempo reale o che seguono la strada dell’intelligenza aziendale avvalendosi di dati aggregati. L’SDK, ottimizzando processi quali, per citarne alcuni, l’automazione del pagamento dei parcheggi, la pianificazione della capacità dei trasporti pubblici, dei servizi di car sharing e del noleggio di biciclette, i sistemi di guida per persone con disabilità e l’analisi dei viaggi dei pendolari, mira a ridurre le strozzature presenti nei sistemi di traffico. Il progetto, che inizialmente si era prefisso di affrontare questioni relative ai parcheggi mediante la sua app «ParkTAG», durante il proprio sviluppo ha esteso il suo campo d’azione. Secondo la coordinatrice del progetto, Sandra Kobel: «I clienti attuali integrano gli SDK nelle proprie app in modo da poter raccogliere dati relativi alla localizzazione sulla loro base di utenti. Con questi dati, sono in grado di analizzare il comportamento dei propri utenti (ad esempio, per un’app di parcheggio è necessario sapere dove parcheggiano e si spostano i relativi utilizzatori) o di attivare un evento in seguito a una determinata circostanza (ad esempio, ricordare a un utente di terminare il pagamento del parchimetro dopo che si è allontanato dal parcheggio)». Grazie ad algoritmi autoadattativi, l’SDK predict.io è in grado di rilevare l’inizio e la fine di qualsiasi movimento, sia attraverso un’app sia mediante integrazione in un dispositivo IoT. L’obiettivo principale del progetto SOUTHPARK era lo sviluppo di un sistema che si adattasse automaticamente in modo rapido a nuove impostazioni locali. Per integrare l’SDK con la sua tecnologia di rilevamento STOP in diverse app per la mobilità, i principali indicatori sono la precisione di localizzazione, la precisione in termini di tempo, il ritardo di rilevamento, l'esaurirsi della batteria, la precisione minima e il ritiro minimo. predict.io soddisfa i requisiti di STOP in numerosi casi d’uso relativi alla mobilità. Gli algoritmi dell’SDK di SOUTHPARK sono in grado di adattarsi automaticamente in modo molto rapido a nuove impostazioni locali coesistendo con altri sistemi, ad esempio se integrati in una nuova app e/o in una nuova città o regione. Questa era, come spiega Kobel, la parte di apprendimento automatico del progetto SOUTHPARK. Essere in grado di utilizzare un sistema preesistente sviluppato da predict.io consente agli sviluppatori di risparmiare tempo e denaro. «I nostri algoritmi riducono i costi e i tempi di adattamento per localizzare nuove impostazioni di circa il 75 % in confronto allo stato delle cose al momento dell’avvio del progetto, nel 2015». La riduzione dei costi e l’incremento della velocità, ovviamente, sono aspetti che gli sviluppatori hanno particolarmente apprezzato. «Al momento della conclusione del progetto, nel luglio 2018, l’SDK e la suite di analisi erano stati lanciati con successo in svariati paesi e stavano producendo circa 75 milioni di punti dati al giorno», afferma Kobel.
Parole chiave
SOUTHPARK, traffico, SDK, pacchetto di sviluppo per applicazioni, predict.io, mobilità urbana intelligente, piattaforma per la gestione di dati
