Folyamatosan gyűjtjük és elemezzük a fővárosi forgalommal kapcsolatos valamennyi közlekedési ágazat adatait, hogy azok segítségével működtessük és szervezzük meg Budapest közlekedési rendszerét.
A BKK-nál kiemelt figyelmet fordítunk az adatalapú működés megteremtésére. Dedikált csapatunk foglalkozik a közlekedési adatok elemzésével, vizualizációjával. A mindennapos feladatok mellett data science módszerekkel komplex adatelemzéseket is végzünk, és a kapott eredményeket értékeljük.
Az adatéletút minden állomását tudatosan kezeljük és igény szerint fejlesztjük. Mérőeszközeink segítségével törekszünk rá, hogy minél több és pontosabb adatot gyűjtsünk, feldolgozásukat pedig gyorsan és automatizáltan végezzük. Az előkészített adatokra építjük modelljeinket és komplex elemzéseinket, melyek segítségével dönthetünk megalapozottan a különböző menetrendi, hálózati vagy infrastrukturális beavatkozásokról, mint például sűrűbben közlekedő járatokról, új vonalak beindításáról, Bubi gyűjtőállomások létrehozásáról, illetve közterületek megújításáról.
Milyen főbb lépésekre osztható fel az adatéletút?
1. Adatgyűjtés
A BKK adatelemzőivel összegyűjtjük a különböző mérőeszközök, illetve a társszervezetek által rögzített forgalmi adatokat, így valamennyi közlekedési módról: a közösségi közlekedésről, a mikromobilitásról, a gyalogosokról, a közúti közlekedésről is nyers adatok állnak a rendelkezésünkre. Az adatgyűjtés elméleti hátteréről, rendszerezéséről a korábbi, adatgyűjtésről szóló blogcikkünkben olvashatsz.
2. Adatfeldolgozás
Az összegyűjtött nyers adatokat először feldolgozzuk. Ez azt jelenti, hogy olyan formára hozzuk az állományt, hogy az elemzésre felhasználható legyen, így az adatokat strukturáljuk, tisztítjuk, aggregáljuk, végül pedig validáljuk. A feldolgozást közlekedési informatikai és adatkezelő rendszerekben, illetve modern AI technológiák alkalmazásával, automatizáltan is végezzük.
3. Adatelemzés
Csak az adatok feldolgozását követően tudjuk elkezdeni a különböző elemzések, kimutatások elkészítését. Az adatkezelő rendszerekben nagymennyiségű adatokkal tudunk egyszerre dolgozni, képletekkel számolni, összehasonlítani, megoszlásokat megállapítani, illetve diagramokat elkészíteni. A kapott eredményeket ezután tudjuk szövegesen is értékelni a hipotézisek megválaszolásával vagy különböző következtetések levonásával, javaslatok megfogalmazásával.
4. Publikálás
Az elkészült elemzésekből folyamatosan publikálunk színes kimutatásokat, vizualizációkat és közérthető értékeléseket BudapesTrend néven. Ezen túl a BKK honlapján a Forgalmi adatok, diagramok oldalon megtalálhatók különböző grafikonok, diagramok, illetve adatalapú vizsgálati anyagok is, melyeket rendszeresen frissítünk és akár több évre visszamenőleg is elérhetők.
Bemutatjuk a BKK-ban alkalmazott technológiákat
►Infraszenzor ►FUTÁR fedélzeti egység (OBU) ►Forgalomfigyelő kamera ►Forgalomszámláló kamera ►Rendszámrögzítő kamera ►Induktív hurokdetektor ►Mikromobilitási eszköz jeladója (GPS) ►BudapestGO adatok ►WAZE adatok ►Helyszíni forgalomszámlálás ►Jövőbeli technológiák (AI)
|
|
Budapesten közel ezer autóbusz, trolibusz és villamos van felszerelve infravörös érzékelésen alapuló utasszámláló berendezéssel. Az eszközök a járművek valamennyi ajtója felett helyezkednek el és impulzusok alapján irányonként érzékelik az utasmozgásokat, azaz a le- és felszállásokat. A rendszer a háttérben leképezi az ajtótér háromdimenziós képét, így erős utasáramlás esetén is pontos képet kapunk a mozgások számáról. Az érzékelők csak akkor lépnek működésbe, amikor a jármű ajtajai nyitva vannak, így az emberek utazás közbeni mozgása nem befolyásolja a számlálás eredményét. Az adatok a járművek FUTÁR fedélzeti egységébe [OBU] kerülnek rögzítésre. |
|
| A FUTÁR fedélzeti egysége [OBU] - ami szinte mindegyik felszíni járművön megtalálható a vezetőfülkében, a műszerfalon elhelyezve - a forgalomirányítási és utastájékoztatási rendszer "agyának" tekinthető. Az összes járművön keletkező adat, mint például a járműpozíció, az utasforgalom, az ajtók állapota stb. itt kerül rögzítésre, majd vezetéknélküli hálózaton keresztül automatikusan továbbításra kerül a BKK központi szervereire, amit például a forgalomirányítással és az adatelemzéssel foglalkozó munkatársakkal közvetlenül hasznosítunk a BKK-ban. Az eszközöknek köszönhetően a BudapestGO applikációban és a webes felületen élőben nyomon követhetjük a járműveket, illetve azok valós idejű indulási vagy érkezési idejét. |
|
| A különböző budapesti csomópontokban vagy az útpálya felett található mozgatható dóm és fix eszközök egy normál biztonsági kamerához hasonlítanak és kameraképet rögzítenek az úttest forgalmáról. A BKK-nál a felvételekből egy kamerakép-elemző szoftver segítségével forgalmi adatokat nyerünk ki, így meghatározható az adott keresztmetszeten áthaladók száma közlekedési módonként [mint személygépjármű, különböző tehergépjármű kategóriák, motor, busz, kerékpár, roller, gyalogos, állat kategóriák]. A szoftver a különböző objektumok mozgásjellemzőit és attribútumait is érzékelni képes [pl. irány, sebesség, szín]. A technológia segítségével képesek vagyunk lokális modal split vizsgálatokra, Sankey-diagramok felrajzolására, továbbá végezhetünk közlekedésbiztonsági és közterület használati elemzéseket is. |
|
| A forgalomszámláló kamerák jellemzően oszlopokon, portálokon elhelyezett fix kamerák, amik a járműforgalom számlálására alkalmas eszközök, azaz forgalomnagyság értékeket adnak meg. A kamera felvételt nem rögzít, előre beprogramozott algoritmusok alapján érzékeli az egyes járművek elhaladását, és kategorizálás nélkül megszámolja azokat. Az így előálló forgalomnagyság- adatokat a BKK-nál különböző forgalmi elemzésekhez használjuk fel, mint például fejlesztések adatalapú döntéselőkészítéséhez, jelzőlámpaprogramok felülvizsgálatára, közösségi közlekedés előnyben részesítésére. |
|
| A rendszámrögzítő kamerák [ANPR] jellemzően oszlopokon, portálokon elhelyezett fix kamerák, amik rendelkeznek azokkal a tulajdonságokkal, amikkel egy forgalomszámláló kamera is, de a járműszámláláson túl képesek rendszámrögzítésre is, amit anonimizált módon utazási idő számítására használunk fel. Ezek az adatok jelennek meg többek között bevezető utak felett elhelyezett változtatható jelzésképű táblákon is, ahol információkat kaphatunk például az egyes fővárosi hidak aktuális elérési idejéről. Az eszközök rögzítenek kamerafelvételt, de csak rendkívül minimális ideig, amíg beolvasás meg nem történik. Az így előálló forgalomnagyság- és eljutási idő adatokat a forgalomszámláló kamerával megegyező esetekben hasznosítjuk. |
|
| Az induktív hurokdetektor a közúti járműérzékelés legelterjedtebb mérőeszköze, jellemzően gépjármű- és kerékpárforgalom mérésére alkalmazzuk. Ez olyan útpályába épített szerkezet, amely képes érzékelni a felette áthaladó járművek számát. A detektor fő egysége az érzékelőhurok, amelybe váltakozó áramot táplálnak. Ennek hatására a hurok körül mágneses mező keletkezik. Amennyiben a hurok fölött fémet tartalmazó jármű (ún. fémes test) halad el, az megváltoztatja ("elhangolja") az eszköz által létrehozott mágneses mezőt. Az érzékelőhurokhoz kapcsolt kiértékelő áramkör képes felismerni ezt a változást, ezáltal a jármű elhaladását. Ezek az adatok a hurokdetektor mellett elhelyezkedő forgalomirányító berendezésben kerülnek rögzítésre, melyek naponta egyszeri áttöltéssel kerülnek a központi szerverekre. |
|
| A BudapestGO a BKK applikációja, amelyben megvásárolhatod jegyedet bérletedet, vagy azonnal értesülhetsz a járatok aktuális forgalmi változásairól, illetve megtervezheted az utazásaid. Az applikációban milliós nagyságrendben keletkeznek utazástervezési adatok is, melyeket anonim módon akár fel tudunk használni a BKK jövőbeli hálózatfejlesztéséseihez is. |
|
|
A Waze for Cities program keretén belül nagy mennyiségű, torlódásokkal és felhasználói bejelentésekkel kapcsolatos adathoz férünk hozzá. Az adatok az operatív beavatkozások támogatása mellett segítenek megérteni a torlódások térbeli és időbeli jellegzetességeit, valamint közlekedésbiztonsági célok eléréséhez is hozzájárulnak. A hatékony adatgyűjtéséhez és feldolgozásához szükséges infrastruktúra és módszerek folyamatos fejlesztés alatt állnak, de a BKK-nál már több, Waze adatból dolgozó sajátfejlesztésű lekérdező felületünk működik már a gyakorlatban is. |
|
| Egyes helyszínek vagy közlekedési módok esetében a műszeres adatgyűjtés vagy egyéb technológia igénybevétele jelenleg még nem lehetséges. Ezentúl egyes esetekben - amikor speciális vagy azonnali felmérésre van szükség - a BKK kollégái, illetve külső vállalkozó munkatársai helyszíni forgalomszámlálást is végeznek. A BKK-nál folyamatosan azon dolgozunk, hogy az ilyen jellegű adatgyűjtéseket minél nagyobb számban újabb, modern technológiákkal kiváltsuk. |
|
| A fenti technológiákon túl folyamatosan keressük és teszteljük a legmodernebb adatgyűjtési, adatfeldolgozási módszereket. A big data használatához és a forgalmi előrejelzésekhez már elkezdtük a legkorszerűbb technológiák használatát is, mint például a mesterséges intelligenciával [AI] való adatfeldolgozást, melyet egy felhőalapú infrastruktúra szolgál ki adatokkal. Sikeres tesztelés után az egyes technológiákat a BKK gyakorlatába beépítjük. |
Modellek, szorzók, indexek alkalmazása a BKK-nál
►Egységes forgalmi modell ►Mikromodellezés ►Kerékpárforgalmi index ►MOL Bubi előrejelző modell ►Személygépjárművek kihasználtsága ►Szövegelemző algoritmus ►Különböző adathalmazok összevont elemzése
|
|
Az egységes forgalmi modell (EFM) a BKK saját tulajdonában álló döntéstámogató eszköze, amely egy szoftverkörnyezetben lehetővé teszi területi-, hálózati- és forgalmi szimulációk segítségével a közlekedési forgalmak makroszintű, előzetes becslését. Így előre meg tudjuk vizsgálni, hogy az egyes fejlesztéseink, beavatkozásaink várhatóan milyen hatással lesznek Budapest közlekedésére, azaz részletes előrejelzéseket kapunk az egyes közlekedési ágazatok adatainak átrendeződéséről. Egyszerre több szcenáriót is megvizsgálunk, így az EFM becslések közvetlenül is segítik a döntéshozatalt. A modell a klasszikus négylépcsős közlekedési forgalom-előrebecslésen alapul, de ezentúl tartalmaz még városspecifikus jellemzőket is. Az EFM karbantartásához és frissítéséhez folyamatos forgalmi adatgyűjtés szükséges, melyek egyben a különböző új vagy kevésbé részletes kategóriák, mint például a gyaloglás, mikromobilitás vagy áruszállítás fejlesztésére is szolgálnak. Az EFM-ről még több információkat ezen az oldalon találsz. |
|
| Kisebb területeket érintő beavatkozások vizsgálatára egy szoftverkörnyezetben felépített mikromodellezést is tudunk alkalmazni. Ekkor a becsült adatok alapján látványos szimulációkkal tudjuk szemléltetni, hogy egyes infrastruktúrális beavatkozások, például a közúti forgalmi sávok módosítása, kerékpársávok vagy gyalogátkelőhelyek kijelölése hogyan fog hatni a forgalom lefolyására. A modell használatának nagy előnye, hogy az egyes beavatkozások esetén előre fel lehet mérni a potenciális konfliktuspontokat az egyes közlekedők között, mely segíti az optimális változat kialakítását és megtervezését. |
|
| Állandó és ideiglenes helyszíneken mérjük a mikromobilitási forgalmat, hogy megismerjük az ágazat jellemzőit. A gyűjtött adatok segítségével meg tudjuk határozni a jövőbeli fejlesztési irányokat, ehhez minél több és különfélébb helyszínekről szükséges felméréseket végeznünk. Kidolgoztunk ezért egy olyan mozgóátlagon alapú módszertant, amelynek segítségével akár pár hónapos mérésekből is következtetni tudunk az év többi időszakára – az állandó helyszínek mérési eredményeinek felhasználásával – így kevés rendelkezésre álló regisztrált értékből magas megbízhatóságú adatsorunk lesz. Ez megoldást jelent rendszer- vagy eszközmeghibásodás esetén fellépő adathiány pótlására is. |
|
| Folyamatosan növeljük a MOL Bubi gyűjtőállomások és a kerékpárok számát, így egyre több adatunk van a felhasználói szokásokról. Vizsgálataink alapján a felhasználók aszimmetrikus mintákat mutatnak a MOL Bubi használatában; előfordulhat például, hogy közösségi közlekedéssel járnak munkába, délután pedig Bubi kerékpárral közlekednek vissza. Egy kerékpárkeresletet előrejelző modellt alakítottunk ki, mellyel hatékonyan segíthető a kerékpárok logisztikai elosztása. A modell a korábbi felhasználói magatartás alapján megtervezi és optimalizálja a logisztikai útvonalakat, ezáltal a hatékonyság növelhető, a CO2-kibocsátás pedig csökkenthető. A MOL Bubi felhasználók így kevesebb üres gyűjtőállomással találkoznak, mivel a modellel a reaktív megközelítés helyett az adatalapú proaktív megközelítést tudjuk alkalmazni. |
|
| Az emberek által megfogalmazott szöveges adatokban rengeteg olyan információ rejlik, melynek megértése segíthet a BKK döntéshozatalában. Erre egy releváns példa lehet a szolgáltatásaink javítása az ügyfeleink véleményei például a social-media kommentjei alapján. Az ehhez hasonló szövegek hatalmas mennyisége miatt ezek manuális vizsgálata nem kivitelezhető. Ezért szövegelemzést végzünk korszerű természetes nyelvfeldolgozási AI algoritmusok felhasználásával, melyek segítségével számos információ kinyerhető a feldolgozott szövegekből, például egy adott témával kapcsolatos hangulat, reakciók, tartalmi visszajelzések stb. Jelenleg a módszertan működésképességét vizsgáljuk, melynek során a BKK irányába érkező bejelentéseket elemezzük. |
