В нынешнее время данные играют огромную роль, их называют «новой нефтью». Но они представляют ценность, если знать, как их использовать. Process mining (PM) позволяет раскрыть потенциал имеющихся данных. Чаще всего процессная аналитика применяется в экономике, административной и банковской сферах, логистике и производстве. 

Но алгоритмы процессной аналитики можно применить и к области транспортной мобильности, если каждую смену вида транспорта пассажирами рассматривать как отдельный этап процесса и проводить анализ данных. Как правило, каждый этап фиксируется рядом специфических идентификаторов, например:

• Case id – уникальное обозначение для данного этапа процесса или маршрута/цепочки поездок в контексте мобильности;

• Название операции – действие на конкретном этапе/отрезке маршрута;

• Дата/Время – фиксация времени действия, чтобы иметь возможность классифицировать его и анализировать для зависящих от времени метрик;

• Свойства – придание определенного контекста. В случае с маршрутными линиями это может быть вид транспорта, стоимость проезда или выбросы CO2.

Process mining помогает глубоко анализировать процессы, повышать их эффективность и соответствие требованиям. 

Сбор и извлечение данных о мобильности транспорта

Момент: в сфере онлайн-банкинга, автоматизированной логистики, e-commerce и других областях обычно формируются четко структурированные данные. Их в дальнейшем можно использовать для анализа БП. В транспортной мобильности иначе. 

Люди, совершающие поездки, обычно не оставляют четких цифровых следов, по которым легко можно было бы определить нужный процесс и оптимизировать его. Но анализ исходных данных позволяет подробно изучать маршруты и улучшать их. 

Наиболее точную информацию можно получить с помощью специального ПО для отслеживания поездок. Приложения автоматически определяют вид транспорта и проверяют данные пользователя. Информацию, как правило, получают с различных датчиков и модулей смартфонов (GPS, WLAN, Bluetooth-маячки). Это требует активного участия пассажиров и поэтому ограничивает количество источников данных, но тем не менее позволяет получить очень точную информацию.  

Другим источником информации могут быть данные с персональных смартфонов. Большинство людей оставляют цифровые следы, имея при себе мобильный телефон. Гаджет во время поездок переходит с одного режима сотовой связи на другой или подключается к точкам доступа WLAN. 

Мониторинг подобных «хэндшейков» (моментов обмена информацией между сервером и клиентом) может дать достаточно информации для анализа при большом охвате участников поездок. Однако стоит учитывать, такие сведения могут быть использованы только в соответствии с законами о конфиденциальности персональных данных. Задача – перенести «большие данные» в журналы событий для дальнейшего анализа процессов. 

Объединив информацию, собранную с устройств пассажиров, датчиков городского транспорта, и картографические сведения, можно расширить имеющиеся данные и перевести их в отдельные этапы маршрутной цепи. 

Преимущества применения технологии

Миллионы людей ежедневно пользуются различными видами транспорта, поэтому трудно провести анализ и сделать общие выводы о том, как лучше обслуживать пассажиров. Процессная аналитика способна помочь транспортным службам и специалистам по регулированию дорожного движения в следующем:

• определять оптимальное соотношение видов транспорта;
• выявлять идеальные места для парковок и автостоянок, транспортных узлов;
• моделировать процессы движения автобусов, троллейбусов, маршруток и т.д.;
• оптимизировать городские маршруты движения;
• минимизировать необходимость смены транспортных средств или видов транспорта.

Компании, занимающиеся перевозками, на основе процессной аналитики могут понять, почему транспорт опаздывает к остановкам, мало заполнен или вообще простаивает. Отдельные пассажиры способны контролировать собственные поездки и извлекать из этого пользу за счет:

• предложений о совместных поездках с целью экономии времени и средств;
• предупреждений о загруженности транспорта и транспортной сети, чтобы избежать пробок или переполненных автобусов, метро и другого;
• рекомендаций относительно маршрутов, зависящих от множества критериев (скорость, безопасность, удобство, климат);
• сравнения привычных маршрутов с оптимальными при помощи проверок соответствия;
• интерактивных предложений по маршрутизации с учетом доступности видов транспорта на основе данных о предыдущих поездках.

По материалам apolix