Big data in stedelijke mobiliteit verbetert uw woon-werkverkeer

27 augustus 2019

Rekenen om te pendelen

Sleutels, telefoon, portemonnee - check. Wanneer we ergens naartoe reizen, vertrouwen de meesten van ons op navigatie-apps, zoals Google Maps, Apple Maps of apps voor lokaal vervoer, om de stedelijke mobiliteit te verbeteren en ons reispad en geschatte tijd tot bestemming te informeren. We hebben toegang tot realtime updates over verkeer en opstoppingen per vervoerstype, aanbevolen omleidingen om files te vermijden en bustijden binnen handbereik. Want hoe goed die podcast waar je naar luistert ook is, er zijn maar weinig dingen frustrerender dan je bus missen en laat op je werk komen. Vraag je je ooit af hoe deze apps zo nauwkeurig kunnen werken?

Big Data speelt een grote rol

De kern van het aansturen van navigatie-apps om ons woon-werkverkeer te verbeteren, zijn gegevens. Grote gegevens. Google Maps is bijvoorbeeld afhankelijk van miljoenen gigabytes aan gegevens om te kunnen werken. En het blijft niet alleen bij apps. Sensoren op slimme verkeerslichten, snelwegen, snelheidsborden, straatcamera's, parkeerterreinen en straatverlichting worden gevoed door big data, zeker in de op handen zijnde 5G-wereld. Sensoren via smartphone-apps zullen zelfs een abnormaal hobbelige rit kunnen detecteren om feedback te geven dat een weg moet worden gerepareerd, waardoor de veiligheid van volgende bestuurders behouden blijft en de hoge kosten van het sturen van landmeters ter plaatse worden verlaagd.

De toekomst van woon-werkverkeer

Nu het verkeer toeneemt, zal ridesharing naar verwachting alleen maar groeien en in sommige gebieden zelfs het openbaar vervoer kunnen vervangen. Uit analyse van gegevens is zelfs gebleken dat het verbieden van bochten naar links kan helpen om uit de tegenstroom te ontsnappen en miljoenen liters brandstof per jaar te besparen. Met nauwkeurigere verkeers- en stadsvervoergegevens die worden verzameld langs belangrijke woon-werkroutes, zullen we minder voertuigen efficiënter gebruiken. Zelfrijdende auto's ontwikkelen sensorgestuurde technologie om te bepalen wanneer de bestuurder achterover kan leunen en ontspannen en wanneer de bestuurder het overneemt. Vliegende Uber-taxi's zullen naar verwachting tegen 2020 in Dubai en Dallas worden ingezet en ontwikkelen momenteel stillere technologie en milieuvriendelijke energie en emissies dan hun auto-tegenhangers. Sommige VC-investeerders blijven met beide benen op de grond staan ​​en houden vast aan meer traditionele manieren om het probleem van de eerste en laatste kilometer op te lossen, die ongeveer 50% van de pendeltijd uitmaken, door het verbeteren van fiets- en scooterdocks en dokloze opties in grootstedelijke gebieden.

Zijn we er al?

Big data verzamelen steeds meer informatie over waar mensen naartoe gaan, hoe ze daar komen, welke routes beschikbaar zijn, welke routes ze gebruiken en welke voertuigen ze gebruiken om daar te komen. Het vermogen en de bereidheid van stedelingen om zich aan te passen aan de vooruitgang van big data op het gebied van pendeltechnologie zal een grote invloed hebben op de snelheid waarmee pendelverbeteringen volledig zullen worden geïntegreerd. Veel van de vooruitgang van de forenzentechnologie draait om sensoren en bewaking om de veiligheid te waarborgen en, in het geval van de zelfrijdende auto, is veiligheid afhankelijk van de nauwkeurigheid van sensorgegevens.

De motor achter big data

Alleen al Google Maps gebruikt petabytes aan gegevens, dus zoals u zich kunt voorstellen, is de hoeveelheid gegevens voor alle navigatie-apps en sensorgegevens enorm. Datacenters en de cloud vormen de kern om deze tsunami aan data bruikbaar te maken. De infrastructuur waarin al deze gegevens zijn ondergebracht, moet veerkrachtig, veilig en schaalbaar zijn om gelijke tred te houden met de gegevens die worden geproduceerd door pendelaars, satellieten en IoT-sensoren en -apparaten. Als uitbreiding op gecentraliseerde datacenters, zullen edge computing-strategieën ervoor zorgen dat gegevens dichter bij IoT-apparaten kunnen worden verwerkt en overgedragen, waardoor de latentie aanzienlijk wordt verminderd.

Wat betreft het analyseren en optimaliseren van big data, speelt machine learning (ML) een grote rol bij het omzetten van deze gegevens in iets nuttigs. ML-algoritmen kunnen automatische aanpassingen in realtime maken en patronen identificeren, terwijl ze beslissingen nemen met weinig tot geen menselijke tussenkomst. Uw zelfrijdende auto kan bijvoorbeeld uw route naar uw werk mogelijk automatisch aanpassen op basis van de weersverandering of een recent auto-ongeluk dat een verkeersopstopping veroorzaakt.

Hier komt de wolk

Met big data komt een grote verantwoordelijkheid. De cloud biedt een oplossing voor de inherente complexiteit die gepaard gaat met het verwerken van enorme hoeveelheden gegevens. Grote hoeveelheden gegevens vereisen meer verwerkingskracht en de mogelijkheid om snel op te schalen. Gelukkig hebben cloudservices schaalbaarheid eenvoudig en naadloos gemaakt met een direct beschikbare infrastructuur. De elastische aard van het werken met enorme hoeveelheden gegevens vereist de mogelijkheid om services binnen de cloud snel op of af te bouwen, terwijl u alleen betaalt voor wat u gebruikt. Voor navigatie en woon-werkverkeer zullen tijdens de spits en de feestdagen hoogstwaarschijnlijk een toename van het gegevensvolume dat moet worden verwerkt, optreden, aangezien er doorgaans meer mensen, voertuigen en apparaten op de weg zijn.

Uiteindelijk maken cloudservices het mogelijk om minder tijd te besteden aan de technische aspecten van de IT-omgeving van een organisatie, wat betekent dat er meer tijd kan worden besteed aan het creëren van bruikbare inzichten uit real-time big data-analyse. Dit is uiterst belangrijk voor het leveren van de beste gebruikerservaring en het waarborgen van de veiligheid van pendelaars wanneer zaken als zelfrijdende auto's en slimme verkeerslichten een meer verbonden 'slimme steden'-landschap binnendringen.

Big data, grote kansen

Hoewel technologie het verkeer niet volledig heeft kunnen elimineren of de metro kan versnellen, heeft het de manier waarop we reizen en pendelen elke dag verbeterd dankzij big data en de cloud. Of we nu naar het werk rijden of onze auto's ons uiteindelijk zelf door het land laten rijden, gegevens en de verwerking van gegevens zullen een cruciale ruggengraat blijven om ons reizen veiliger en efficiënter te maken.