Trafikdage 2015
Ove Andersen
oan@flexdanmark.dk
Hvem er vi?
• Planlægger og udfører flextrafik
• Dækker hele Danmark, bortset fra Bornholm
• Handicap, teletaxa, flextur, patient, kommunal
• Håndterer 6 mio. rejser
• Afregner til vognmænd 1 mia. DKK årligt
• 24/7 call-center (bestilling og vognstyring)
• Udvikler nye produkter
• Selvbetjeningsmoduler, Den samlede rejse
Køretider
• Hjørnestenen for FlexDanmark
• Planlægning
• Hvor lang tid tager en tur?
• Hvornår er en vogn et bestemt sted?
• Giver det mening at samle flere rejser i en vogn?
• Afregning
• Chauffører betales efter forventet rejsetid
• Korrekte køretider er argumentet for korrekt
afregning
”Big data”
• Hvordan vil vi gerne udnytte big data?
• Bygge modeller ud fra data
• Lære hvorfor trafikken afviger fra modeller
• Automatisk tilpasse os ændringer
• Gøre vores planlægning mere dynamisk
• Selv opdage når vejnettet bryder ned
• Gøre os uafhængige af dataudbydere
• Faktiske data stærkt argument for kvalitet
Datagrundlag
• >4 milliarder GPS målinger
• ~10% med brændstofforbrug
• ~17.000 køretøjer
• Integreres med vejr (NOAA), regionsdata (DAGI) og kort (OSM)
• Nye data hver nat
• ~2,4M GPS målinger fra ~3.500 køretøjer
• Dækning af Danmark
• Dækker 99 % af hovedfærdselsnettet
• Dækker 78 % af hele vejnettet
• Dækker 100 % af vejnettet, hvor vognene kører
• Kortgrundlag - OpenStreetMap
• I processen med skifte fra kommercielle kort
• Vi kan selv bidrage med vores viden om kortet
• Kvalitetsdata er vigtige for os – teknologivalg mindre vigtigt
Dækning pr. vejsegment
100.000 +
10.000 – 99.999
1000 – 9999
100 – 999
1 – 99
0
Use-cases
• Planlægning – Før rejse starter
• Udførsel – Mens rejse udføres
• Afregning – Efter rejse er afsluttet
• Historiske analyser – Efterrationalisering
• Grønne analyser – Regnskab og kørselsøkonomi
Use-case: Planlægning
• Før: Køretider baseret på vurderinger af zoner
• Hastigheder bestemt efter vejkategori
• Nu: Køretider baseret på ”virkeligheden” (GPS)
• Stor variation i køretider
• Individuelt køretid for hvert vejsegment
• Køretider afhængige af mange parametre
• Tid på døgnet, ugedag, måned, ferier
• Vind/vejr
• Chauffør og lokalkendskab
Use-case: Planlægning
http://daisy.aau.dk/its/
Use-case: Udførsel
• Opdage uforudsete begivenheder
• Vind/vejr
• Ulykker
• Vejarbejde
• Bestemme implikation
• Hvilke vogne bliver ramt
• Hvor meget forsinkelse kan forventes
• Reagere
• Skal vogn ledes af anden vej
• Skal rejse aflyses
• Skal nogen underrettes (f.eks. sygehus)
• Være på forkant og reagere tidligt
Use-case: Udførsel
Use-case: Afregning
• Afregnes ud fra GPS køretider
• Enkelt at forklare vognmænd og chauffører
• Bliver betalt for planlagt rejsetid
• Rejsetid udregnet ud fra historiske data
• Chauffører tror de kan påvirke afregning
Use-case: Historiske analyser
• Er rejser afviklet som forventet?
• Hvilke områder er der ofte problemer i?
• Kan rejse klassificeres?
• Hvad påvirker at rejser bliver forsinkede?
• Er der forskel på chauffører/vognmænd?
• Er der perioder vi er dårlige til at forudsige?
• Stort potentiale for data mining
Use-case: Historiske analyser
• Aalborg – Aarhus
• 98 km
• Hverdag morgen
• Historiske køretider
• Klart vejr: 54:05 min
• Regnvejr: 54:27 min
• Snevejr: 60:06 min
Use-case: Grønne analyser
• Fossil frit samfund i 2050
• Større fokus på brændstofforbrug og udledning
• Køretøjsdata (CAN-bus)
• RPM, temperature, forbrugsdata
• Værktøjer
• Trafikselskaber
• Grønt regnskab (CO
2, NO
x, partikler)
• Vognmænd / chauffører
• Værktøjer til overblik over brændstofforbrug
• Sammenligning af chauffører og kørestil
Use-case: Grønne analyser
• Op til 22% forskel mellem chauffører i km/l
• 8-10 % brændstofbesparelse mulig
Ønsker til fremtiden
• Bedre adgang til data
• Trafikuheld og vejarbejde
• Højfrekvent data
• Brændstofdata
• Flere køretøjsgrupper (bus, el, privat)
• Vejrdata
• Endnu flere frie geodata
• datafordeler.dk et godt skridt på vejen
• Andre offentlige institutioner samme vej
Big Data/Open Data er fremtidens nye råstof
”Lad os få sat offentlige data i spil! Initiativet 'Offentlige Data I Spil' handler om at skabe lettere og mere ensartet adgang til offentlige data . Offentlige data kan bruges
som råstof i udvikling af innovative digitale tjenester i den private sektor…”
- Digitaliseringsstyrelsen (http://www.digst.dk/Styring/Offentlige-data)
Opsummering
• Stort potentiale med big data
• Forbedrede planlægningsdata beregnet fra historiske data
• Troværdigt grundlag overfor kunder og chauffører
• Lærer os hvad der påvirker trafikken
• Kan optimere forretningen
• 1 % af 1 milliard DKK betyder noget!
• Dataintegration beriger data
• Åbne/frie eksterne data en vigtig kilde
• Data mining af big data har stort potentiale
• Men kræver meget benarbejde og forsigtighed
Diskussion
• Erfaringer med data mining af GPS data?
• Erfaringer med integration af GPS data?
• Vejr, geodata, kort, etc.
• Erfaringer med åbne/frie data og kommercielle data
• Kvalitet, kvantitet, tilgængelighed, distribution
• Bruger I big data/open data i jeres virksomhed?
Trafikdage 2015
GPS, Bluetooth og Wi-Fi i trafikken
Forskellige teknologier til forskellige formål
Jonas Olesen
› Civilingeniør, AAU (2003) – Speciale i trafik- og byplanlægning
› 5 års ansættelse hos Randers Kommune (Bl.a. trafikmodel + trafiksignalanlæg)
› 7 års ansættelse hos COWI:
› Specialist, ITS og trafiksignalanlæg
› Udvikling af metoder til anvendelse af forskellige data i trafikken
› Særlig fokus på data fra GPS, Bluetooth, Wi-Fi, trafiksignalanlæg og droner
Agenda
Data til forskellige formål – niveauer i data GPS: Aggregerede data – Screeningniveau
Bluetooth / Wi-Fi: Massedata i realtid - detailniveau Case: Trafiksignalregulerede kryds
Hvad bringer fremtiden?
Data til forskellige formål – niveauer i data
› 21. august 2015 kl. 12.30
Bluetooth/ Wi-fi: Forsinkelser
Ca. 2-3 samples pr. minut (ligeud) TomTom LiveTraffic®: Ingen kø
= ingen data?
GPS: Aggregerede data – Overordnet, historisk niveau
› God kilde til at skabe overblik
› Screeninger af fremkommelighed og trængsel
› Udpegning af lokaliteter med yderligere behov
› Mulighed for at "gå tilbage i tid"
› Typisk god geografisk dækning
› Uafhængig af hardware (langs vej!)
› "Sort boks"-problematik
› Leverandører er tilbageholdende med detaljer
› Skævvridninger
› Er den enkelte tur "rigtig"?
Bluetooth / Wi-Fi: Realtid og detaljerede analyser
› God kilde til detaljeret data
› Meget data pr. strækning – hurtigt!
› Realtidsinformation
› Identifikation af specifikke problemer
› Kan også anvendes historisk
› Ingen "ud af kassen"-løsning
› Kræver detaljeret kendskab
› Drift og opfølgning (grundet vejudstyr)
› Hvordan ser BT og Wi-Fi ud i morgen?
› Kræver installation!
1 måling pr. 6-10 sekunder
Sammenhænge med mening
1. Screen vejnettet med GPS-data
2. Vurdér udpegede trængselsområder 3. Udvælg områder til detaljeret analyse 4. Anvend BT / Wi-Fi / ANPR osv. hér!
Case: Trafiksignalregulerede kryds
› Detaljeret registrering af køretøjer
› Samples i morgentrafik (21/08-15):
› 06-07: ca. 400
› 07-08: ca. 550
› 08-09: ca. 700
› 09-10: ca. 400
› Samples på hverdage: ca. 6.000
› Samples på weekenddage: ca. 4.000
2 tydelige rejsetidsbånd:
- ca. 40 sekunder
- ca. 80 sekunder
2 tydelige rejsetidsbånd:
- ca. 40 sekunder
- ca. 80 sekunder
Nåede igennem for grønt Måtte holde for rødt
Forsinkelse ved rødt, ca. 40 sekunder
Case: Trafiksignalregulerede kryds
› Og hvad kan vi så bruge dét til?
› Særdeles detaljeret information om trafikkens afvikling i kryds!
› Fungerer samordning optimalt?
› Oplever nogle strømme større forsinkelser end andre?
› Optimering af signalstyring
› Er rammerne for signalstyringen korrekte? – Konkrete forslag til optimering!
› Evaluering af gennemførte optimeringer – dag-til-dag overblik og konklusioner
› Rejsetidsbaserede programvalg og optimeringer i realtid
Case: Trafiksignalregulerede kryds
› Forsinkelsesanalyse på konfliktniveau
› 3 signalgrupper
› "Fordelingspolitik"
A: Høj forsinkelse
B2H: Middel forsinkelse
Case: Trafiksignalregulerede kryds
› Overvågning af fremkommelighed – information til trafikanter
› Overvågning af trafikteknisk drift – håndtering af ændringer i trafikgrundlag
› Overvågning af systemteknisk drift – registrering af eks. spolefejl mv.
Hvad bringer fremtiden?
› Sandsynligvis mere "floating car" – GPS kan måske overtage
› Samtænkning af funktioner, eks. eCall, telefondata osv.
› Integration med trafikledelsessystemer (Tyskland, Holland m.fl. er i gang)
› Måske en udfordring omkring privacylovgivning (eks. "Cookiedirektivet")
› Måske en udfordring omkring dataejerskab og kontrol over data
GPS-baseret trafikanalyser plus sammenligning med
Bluetooth/WiFi data
Kristian Torp
Daisy, Department of Computer Science Aalborg University, Denmark
torp@cs.aau.dk
Morgentrafikken i Sønderborg
10 minutter til sygehuset (et ”neg”)
• 100% når det
• 50 % når det
• 10 % når det
• 0 % når det
Ca. 7.500 ture forbi sygehuset
Hastigheder Alssundbroen
Overblik
• GPS data typer
• Analyser på GPS data
Udvikling i køretid
Krydsanalyser
Rutevalg
• Udfordringer/ikke-udfordringer med GPS data
• Fordele/ulemper
GPS data
Bluetooth/WiFi
• Konklusion
GPS data typer
• Lavfrekvent data (punkt data)
Bruges til hastigheds- og trængselskort
• Højfrekvent data (tur data)
Bruges til ”trafikneg”
Helsingørmotorvej, køretider 2009-2015
Oddervej, Aarhus, Køretider 2009-2015
Krydsanalyse: Roskildevej
11,4%
13,4%
71,7%
12,1%
36,7%
Rutevalg: Viborg nord til syd
420 ture/433 sek.
114 ture/454 sek.
Rutevalg: 7.00-9.00 Hirtshalsmotorvej
4.592
51
Rutevalg: 16.00-17.00 Hirtshalsmotorvej
1.682
21
Udfordringer med GPS data
• Punkt data
Nul hastigheder trafikrelateret stop eller ej?
Hvis flere veje tæt på hinanden
Helsingørmotorvejen, reddet af forskellige vejkategorier, se Sprogø
• Tur data
Map-matching er kompliceret og tidskrævende CPU tid
Anvender state-of-the-art Hidden Marcow Model
Endepunkter, hvornår tur slutter hvis bil på "parkeringsplads jagt”?
• Kortgrundlag
OSM har problemer med vejkategorier i nogle tilfælde
• Data leverancer
Natlig opdatering fordi udfordringer fra diverse data leverandør
Vil gerne mod real-time/live data (f.eks. opdatere kort hvert minut)
Ikke-udfordringer med GPS data
• Data mængder
Anvender multi-dimension data model
Tænk data warehouse/business intelligence
Kan estimeret skaleres faktor 70-100
• Hardware
På standard server hardware
Kan estimeret skalere en faktor 10-20
• Software
Kan umiddelbart gå til real-time/live opdateringer når data
leverandører er klar
GPS Data
Fordele
• Vognmænd betaler
• Lav opstartsomkost.
• Dækning af vejnettet
• Alle vogntyper med
Taxi/bus/lastbil
• Indikator for trafik
• Afledt information
• Aktive overvågning
Man ved det!
Ulemper
• Lav penetrations rate
• Lav reaktionstid
Analyser uge/måneder
• Uheld kan ikke altid ses
Specielle begivenheder
• Anonymitet
Bluetooth/WiFi Data
Fordele
• Vejmyndighed betaler
• Høj penetrations rate
• Kvantificere trafik
GPS kun indikator
• Hurtig reaktionstid
Minutter/kvarter
• Uheld kan ses
Specielle begivenheder
Ulemper
• Lav dækning vejnettet
• Højere startomkost.
• Special udstyr til vejinfrastruktur
• Passive overvågning
Man ved det ikke!
• Anonymitet?
WiFi Ready
WiFi alle lysmaster
Konklusion
• GPS data
I produktion siden marts 2011 (se links næste side)
Punkt- og turdata
Kan bruges forskelligt
Alt med detaljeret stianalyser
Rutevalg/trafikneg
Som indikator for hvor Bluetooth/WiFi kunne/burde anvendes
• Bluetooth/WiFi data
På hovedstrækninger
Meget mere data, hurtig reaktionstid
• Både Bluetooth/WiFi og GPS har mange muligheder
”Lidt information mange køretøjer versus meget information få køretøjer”
Data bør integreres (også med spole og kamera data)
Links
• Trængsels- og hastighedskort
http://www.daisy.aau.dk/its
• Tur og stivalg
http://www.daisy.aau.dk/its/spqdemo
• Trafikneg
http://www.daisy.aau.dk/its/sheaf
• Center for Data-Intensive Cyber-Physical Systems
http://www.dicyps.dk/
Fokus energi og trafik
62 mio. DKK forskningscenter 2015-2020
Partnere: Blip, Danfoss, Energistyrelsen, FlexDanmark, Rambøll,
Rejsekort, Aalborg Kommune, …
Spørgsmål
• Hvorfor leverer kollektiv trafik (busser/tog) i Danmark ikke live GPS data?
• Hvorfor er det ikke et krav at offentligt ejede køretøjer opsamler GPS data?
Det kan let anonymiseres!
• Hvorfor er offentlig bluetooth/WiFi/spole/ANPR data ikke let tilgængeligt?
• Mulige svar (lidt provokerende )
Man er bange for at få flere passagerer i den kollektive trafik!
Man er bange for god information til passagerer!
Man er bange for innovation i private virksomheder/universiteter!
Man er bekymret for at blive stemplet som en ”grøn”
kommune/region/nation!