Velká data v dopravě zahrnují sběr, analýzu a interpretaci rozsáhlých objemů dat generovaných z různých zdrojů v rámci širšího dopravního ekosystému. Tato data zahrnují mimo jiné informace o cestujících, infrastruktuře, povětrnostních podmínkách a dopravní situaci.
 
Zdá se mi, že v posledních 12 měsících se o velkých datech v dopravě hovořilo méně. Neznamená to, že by velká data nefungovala, spíše se důraz přesunul z diskuse o technologii na její aplikace a výsledky. To je přirozený trend, jak technologie dozrává: pozornost se přesouvá od charakteristik technologie k tomu, co s ní lze dělat a jak ji lze aplikovat.
 
Velká data byla a vždy budou zásadním prvkem aplikací, které řídí dopravní systémy po celém světě. Napadá mě fráze „velká data nad černé zlato“ a myslím, že je to velmi výstižná analogie. Když se surová ropa dostane na povrch, je špinavá, zapáchá a nikdo se jí nechce dotknout. Avšak po rafinaci se z ní stává řada vysoce ceněných produktů. Totéž platí pro velká data. Jsou surovinou na začátku důležitého hodnotového řetězce, který vede od dat přes informace a poznatky až k činům. Velká data musí být zpracována, aby bylo možné z nich získat trendy a vzorce, na jejichž základě lze činit efektivní rozhodnutí.
 
Kde jsou dnes velká data?
 
Jsou stále tady a pohánějí dopravní aplikace, jako jsou propojená vozidla, pokročilé senzory na silnicích, optimalizaci dopravy, která je řízena umělou inteligencí a koncept Mobility as a Service. Velká data umožňují sběr obrovských objemů informací z osobních automobilů a nákladních flotil. Mnoho soukromých vozidel je vybaveno technologiemi propojených vozidel a stále více se využívá GPS, telematika a systémy pro správu vozového parku. To podporuje optimalizaci dopravy, sledování přepravy zboží v reálném čase a analýzu chování řidičů.
 
U osobních automobilů jde především o vstup a výstup dat. Soukromá vozidla mohou poskytovat bohatý zdroj informací o aktuálních dopravních podmínkách a změnách v požadavcích na dopravu. Behaviorální data mohou významně přispět k bezpečnosti tím, že řidiči poskytnou asistenční informace a doporučení. Jakmile jsou velká data zpracována, lze je řidičům prezentovat formou upozornění a dopravních informací.
 
Senzory u silnic představují příběh o edge computingu, kdy se obrovské objemy dat sbírané na silnicích zpracovávají přímo v místě jejich vzniku, čímž se snižuje objem dat potřebný k přenosu do dopravních řídicích center. Nové senzory využívající technologie LIDAR a RADAR dokážou vytvořit vysoce přesné obrazy dopravních podmínek, což dopravním manažerům pomáhá lépe pochopit změny v poptávce a zlepšovat bezpečnost poskytováním klíčových dat pro prevenci kolizí a řízení bezpečnosti.
Velká data jsou také palivem, které pohání aplikace umělé inteligence pro optimalizaci dopravy. Umělá inteligence dokáže pracovat s rozsáhlými a složitými datovými sadami a eliminuje zjednodušení a sumarizaci, které často doprovázejí lidskou analýzu.
 
Využití velkých dat ze silničních senzorů lze kombinovat s inovativními údaji ze sondovacích vozidel a vytvořit tak komplexní datový soubor umožňující lepší situační povědomí. Techniky velkých dat mohou rovněž podpořit využití prediktivní analýzy pro identifikaci vzorců poptávky a předvídání budoucích dopravních potřeb. To je obzvláště důležité pro řízení mimořádných událostí a dynamických cenových modelů, které přizpůsobují náklady na použití silnic aktuálním dopravním podmínkám a úrovním kongescí.
 
Další oblastí, kde velká data slouží jako hnací síla inovací, je Mobility as a Service (MaaS). Velká data umožňují poskytování přesných a aktuálních informací cestujícím jako základ pro lepší rozhodování. To zahrnuje dostupnost různých dopravních možností v konkrétním čase a pro konkrétní trasu, informace o kvalitě služeb, a dokonce možnost provést jedinou elektronickou platbu za danou službu. Vznik Mobility as a Service souvisí se zavedením multimodálního ekosystému dopravních dat – a to je samozřejmě jiný název pro velká data.
 
Celý článek najdete na stránkách Intertraffic zde.
Obrázek: Chat GPT.