Inteligentne narzędzia analityczne w walce z korkami w miastach
Projekt SOUTHPARK (SOcial and Universal Technology HelPing to detect ARrivals via sdK), oparty na systemie predict.io, to zestaw narzędzi programistycznych (Software Development Kit, SDK), który może być zintegrowany z dowolną aplikacją, ale także z inteligentnymi samochodami lub pociągami. W trakcie realizacji projektu zidentyfikowano wiele różnych przypadków, w których wykorzystywane są aktualne informacje z detekcji lub które idą w kierunku analityki biznesowej, wykorzystując zagregowane dane. Dzięki zarządzaniu procesami, takimi jak np. automatyzacja opłat parkingowych, planowanie przepustowości transportu publicznego, wspólne korzystanie z samochodów i wypożyczanie rowerów, systemy prowadzenia dla osób niepełnosprawnych oraz analiza podróży do pracy, SDK ma na celu zredukowanie wąskich gardeł w systemach komunikacyjnych. Początkowo projekt miał dotyczyć kwestii związanych z parkowaniem w oparciu o aplikację ParkTAG, ale w miarę postępu prac jego zakres uległ poszerzeniu. Koordynatorka projektu Sandra Kobel wyjaśnia: „Obecni klienci integrują SDK ze swoimi aplikacjami, co pozwala im na gromadzenie danych lokalizacyjnych w bazie użytkowników. W oparciu o te dane mogą analizować zachowanie swoich użytkowników (np. aplikacja parkingowa chce wiedzieć, gdzie użytkownicy parkują i przemieszczają się) lub wywoływać zdarzenia w określonych przypadkach (np. aby przypomnieć użytkownikowi o opłaceniu biletu parkingowego, gdy już odjechał ze swojego miejsca)”. Dzięki samodzielnie dostosowującym się algorytmom predict.io SDK jest w stanie wykryć początek i koniec każdego ruchu, zarówno poprzez aplikację, jak i zintegrowanie w urządzeniu internetu rzeczy. Opracowanie systemu, który szybko dostosowuje się do nowych warunków lokalnych, jest kluczowym osiągnięciem projektu SOUTHPARK. Do zintegrowana SDK z technologią wykrywania STOP w różnych aplikacjach mobilnych wykorzystano przede wszystkimi takie wskaźniki jak precyzja lokalizacji, dokładność pomiaru czasu, opóźnienie wykrywania, rozładowanie baterii, minimalna precyzja i minimalne odwołanie. System predict.io widzi wymagania dla STOP w kilku przypadkach związanych z mobilnością. Choć istnieją inne systemy, algorytmy w SDK SOUTHPARK potrafią bardzo szybko dostosować się do nowych uwarunkowań lokalnych, na przykład jeśli zostaną zintegrowane w nowej aplikacji i/lub w nowym mieście lub regionie. Była to, jak wyjaśnia Kobel, część projektu SOUTHPARK dotycząca uczenia maszynowego. Możliwość wykorzystania systemu opracowanego wcześniej przez predict.io pozwala programistom zaoszczędzić czas i pieniądze. „Nasze algorytmy zmniejszają koszty adaptacji i skracają czas potrzebny do dostosowania się do nowych ustawień o około 75 % w porównaniu z sytuacją w momencie rozpoczęcia projektu w 2015 roku”. Redukcja kosztów i zwiększenie prędkości zostały oczywiście docenione przez programistów. „Kiedy projekt SOUTHPARK został zakończony w lipcu 2018 roku, SDK i pakiet analityczny zostały z powodzeniem wdrożone w różnych krajach i generowały około 75 milionów punktów danych dziennie”, mówi Kobel.
Słowa kluczowe
SOUTHPARK, ruch, SDK, zestaw programistyczny, predict.io, inteligentny transport miejski, platforma zarządzania danymi
