Pengendali pengangkutan sebahagian besarnya tidak dapat bertindak balas dengan berkesan terhadap perubahan permintaan yang disebabkan oleh Coronavirus kerana mereka bergantung pada mekanisme yang mengira jumlah penumpang sejarah pada perkhidmatan dan penjualan tiket, yang tidak memberikan ramalan yang berguna.
Data ini tidak boleh digunakan untuk meramalkan permintaan masa depan - terutamanya sepanjang krisis apabila orang menyesuaikan tabiat perjalanan mereka dengan perubahan berterusan kepada nasihat perjalanan. Sebaliknya, mereka perlu menentukan berapa ramai orang yang berhasrat untuk menggunakan perkhidmatan tertentu, dan sama ada cuba untuk mengejutkan perjalanan tersebut atau memaklumkan penumpang kesesakan terlebih dahulu dan menyediakan pilihan alternatif.
"Penyelidik BCRRE telah melakukan analisis statistik terperinci yang menunjukkan bahawa ramalan kerumunan unik Zipabout, berdasarkan niat penumpang, memberikan gambaran yang baik mengenai data muatan bersejarah yang disediakan oleh industri rel. Ini mengesahkan data permintaan Zipabout sebenarnya mewakili ukuran proksi yang baik untuk memuatkan penumpang sebenar.
Platform data pelbagai sumber zipabout yang belum selesai paten, yang pertama kali dibangunkan untuk menyokong Pengangkutan untuk London dalam menguruskan kesesakan semasa Sukan Olimpik 2012, dapat memberikan niat untuk data perjalanan yang menunjukkan betapa sibuknya rangkaian pengangkutan pada masa akan datang.
Platform kami menggabungkan data statik, operasi dan tingkah laku untuk meramalkan dan menguruskan aliran dan kapasiti rangkaian pengangkutan dengan lebih baik. Ia boleh meramalkan kemungkinan penumpang yang melakukan perjalanan antara mana-mana dua mata yang diberikan.
Kita tidak perlu bergantung kepada data sejarah purata untuk menentukan niat penumpang untuk melakukan perjalanan, dan teknologi ini boleh digunakan untuk memberi amaran kepada penumpang dalam masa nyata jika perkhidmatan yang mereka rancangkan akan menjadi sibuk atau tidak, dan perkhidmatan lain akan menjadi lebih tenang.
Ia dikuasakan oleh Kx Technology, pangkalan data siri masa terpantas di dunia yang digunakan oleh Bursa Saham New York dan Aston Martin Red Bull Racing.
Itulah sebabnya Kerajaan UK meminta Zipabout untuk memberi kuasa kepada semua perkhidmatan maklumat peribadi semua pengendali kereta api dan memberitahu semua penumpang kereta api UK bagaimana gangguan dan kesesakan boleh menjejaskan perjalanan mereka.
Industri kereta api meminta jaminan besi tuang bahawa data kesesakan Zipabout benar-benar tepat sebelum menggunakan perkhidmatan secara besar-besaran. Zipabout telah ditanya dengan berkesan, bagaimana anda boleh membuktikan bahawa ramalan anda akan menjadi kenyataan?
Satu-satunya cara untuk mencapai itu adalah dengan menghubungkan prediksi terhadap hasilnya. Jika anda mempunyai akses kepada kedua-dua set data, ia adalah satu latihan pengesahan yang mudah. Dalam contoh ini, ramalan adalah 'bilangan X orang akan berada di kereta api ini esok' dan hasilnya adalah jumlah sebenar orang yang benar-benar mengembara di kereta api itu (data memuatkan sejarah).
Syarikat-syarikat operasi kereta api menggunakan kaedah yang berbeza untuk menentukan berapa ramai orang dalam perkhidmatan mereka. Ini termasuk mengira secara manual berapa ramai orang yang naik dan turun setiap kereta api, serta mengukur data beban kereta api (berapa berat perkhidmatan). SouthEastern, yang menjalankan perkhidmatan kereta api di London dan Timur Selatan, membuat maklumat kapasiti kereta api mereka tersedia secara terbuka melalui DARWIN, enjin maklumat kereta api rasmi industri rel GB, sepanjang musim panas.
Kami meminta Pusat Penyelidikan dan Pendidikan Kereta Api Universiti Birmingham (BCRRE) untuk mengesahkan data Zipabout secara bebas. Penyelidik BCRRE secara retrospektif mengambil semua ramalan Zipabout untuk perkhidmatan SouthEastern dalam tempoh 30 hari dan menghubungkan mereka dengan data memuatkan purata mereka.
Apa yang mereka dapati adalah korelasi yang ketara antara sumber data, dan mereka menentukan bahawa data Zipabout adalah sah secara statistik.
Malah, penyelidik universiti menunjukkan bahawa hanya perlu ada 15 interaksi dengan perkhidmatan kereta api untuk kita membuat ramalan statistik yang sah tentang betapa sibuknya perkhidmatan itu pada masa akan datang. Apabila anda menganggap platform data pelbagai sumber Zipabout mengumpul lebih daripada 20 juta interaksi setiap bulan sebelum krisis Coronavirus, 15 interaksi setiap perkhidmatan adalah kecil - ini bermakna kita boleh menggunakan model statistik ini untuk lebih kurang setiap perkhidmatan kereta api di negara ini dan yakin bahawa ia sah.
Setelah mengesahkan data kami, kami telah membuktikan bahawa kami dapat menentukan betapa sibuknya perkhidmatan - contohnya, lebih ramai orang daripada rancangan biasa untuk mengambil kereta api 9 pagi pada hari Isnin.
.png)
Sekarang bahawa data Zipabout telah disahkan dengan mantap, dengan kerjasama ahli akademik terkemuka dari University of Birmingham, kita dapat menyampaikan data kesesakan dengan tepat untuk seluruh rangkaian kereta api UK.
Kita boleh memberitahu penumpang dalam masa nyata betapa sibuknya kereta api mereka sebelum perjalanan mereka dan mengemas kini mereka sekiranya lebih banyak penumpang kemudian merancang untuk menggunakan perkhidmatan yang sama. Ini bukan hanya berita baik untuk perancangan (dengan kami tanpa Coronavirus), ia juga membolehkan tahap perkhidmatan pelanggan yang baru dan penjagaan untuk pelancong yang perlu mengelakkan persekitaran yang sibuk atau mengelirukan, atau suka melakukan perjalanan pada masa yang lebih tenang - sesuatu yang industri kereta api khususnya berminat untuk mempromosikan dan menyokong.
Kami juga menggunakan platform data teknologi dan pelbagai sumber kami untuk menggerakkan program ramalan kelewatan dengan kerjasama Lembaga Keselamatan dan Piawaian Rel. Awal tahun ini kami memenangi pertandingan RSSB Data Sandbox+ (dibiayai bersama oleh Network Rail) yang berusaha untuk membiayai penunjuk perasaan dan kajian kebolehlaksanaan yang meneroka pendekatan yang didorong oleh data untuk cabaran prestasi operasi.
Projek Zipabout memberi tumpuan kepada pendekatan berasaskan data yang dinamik dan fleksibel untuk menunda ramalan. Ini termasuk menggunakan model pembelajaran mesin masa nyata untuk menyampaikan maklumat peribadi kepada penumpang yang dapat membantu menyebarkan beban penumpang dengan bijak di seluruh rangkaian dan meminimumkan kesan insiden.
