FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail

Gràcies al comptadors de persones i solucions tecnològiques innovadores com el WiFi Tracking (rastreig de senyals WiFi dels mòvils intel·ligents), les àrees urbanes disposaran d’un sistema de transport públic eficient i sostenible. En aquest post veurem 7 resultats d’utilitzar eines d’analítica de passatgers.

 

La població del món cada vegada es concentra més a les ciutats: el 53% actualment viu en zones urbanes i s’espera que arribi al 67% el 2050*. Aquesta creixent urbanització comporta un augment en la demanda del transport públic, el que requereix un corresponent augment en el subministrament per poder absorbir-la. Sistemes per comptar persones i analitzar el comportament dels passatgers incentivaran un major ús del transport públic.

 

La demanda dels passatgers, la qual és clau per planificar una xarxa de transport públic eficient, normalment és desconeguda. Aquesta manca d’informació resulta en un servei de transport públic que no està alineat amb les necessitats reals dels passatgers, el que causa aglomeracions i llargs temps d’espera d’una banda, amb una provisió excessiva per l’altra. Bàsicament, els resultats són costosos mentre els usuaris no estan satisfets.

 

Tradicionalment, la informació sobre la demanda dels passatgers ha estat reunida de manera manual (enquestes a llars, enquestes a bord o comptatge manual) com expliquem al nostre post anterior, i això només proporciona informació d’un moment concret, en un període de temps específic.

 

Tot i així, avui en dia amb comptadors de persones i rastreig de senyals WiFi es pot conèixer el comportament dels passatgers i millorar el transport públic dràsticament. Els 7 resultats principals d’implementar un sistema com aquest són:

 

Reducció del temps de viatge: el temps total del desplaçament diari a la feina és de mitjana 80 minuts al voltant de ciutats del món. Com estimem que reduirem el temps de desplaçament entre un 2 i 15%**, això és equivalent a una reducció del temps de viatge per dia d’entre 1,6 i 12 minuts per persona, el que representa fins a 3 dies l’any.

 

Augment en la satisfacció: la nota mitjana de la satisfacció del servei de transport públic dels Europeus és un 64%***. Veiem que hi ha espai de millora ja que cap de les variables que es van tenir en comte per valorar la satisfacció, a l’estudi dut a terme per la Comissió Europea el 2013, van arribar al 70% de nota.

 

Augment del nombre de passatgers: el transport públic ha estat més exitós amb un major creixement en el volum total de passatgers i viatges per capita, on hi ha una bona qualitat en el servei. Per exemple, a Alemanya hi ha hagut un creixement constant de passatgers del 25% des del 1991 al 2010 (anat de 9,2 a 11,5 milions)****. Com mostra l’estudi de Buehler, R. i Pucher, J., aquest creixement es deu primordialment a la millora dels serveis a través de la coordinació regional dels bitllets i horaris, i informació en temps real a les estacions i els vehicles.

 

Reducció de les congestions de tràfic i les emissions d’efecte hivernacle: s’ha demostrat que els Sistemes de Transport Intel·ligent com l’Analítica de Passatgers tenen el potencial de reduir les emisions de CO2 en un 10-15%, altres emisions (CO, NOx, PM10) en un 2-20%, el consum de combustible en un 5-15% i congestions de tràfic en un 12-30%*****.

 

Optimització dels horaris dels treballadors: coneixent que les despeses de personal representen una mitjana del 25% de les despeses totals de un operador de transport públic******; si es redueixen entre un 1 i 2% hi hauria un impacte considerable en el seu benefici.

 

Estalvi considerable en les despeses en estudis de mobilitat: les despeses en entrevistes a passatgers suposen fàcilment entre 500.000 i 1 milió d’Euros per agències grans*******. Amb l’analítica de passatgers costaria 60.000 Euros equipar 200 vehicles d’una operadora gran, i tindria informació continua dels passatgers durant tot l’any.

 

Respectar la privacitat: els sensors 3D ToF no identifiquen dades personals, i el rastreig de senyals WiFi implementa controls de privacitat per defecte.

 

 

Nosaltres a Counterest hem desenvolupat un sistema d’Analítica de passatgers basat en el nostre software de comptatge de persones i rastreig de senyals WiFi. Així que contacta’ns per conèixer com podem ajudar-te!

 

 

Webgrafia:

* Arthur D. Little (2014), The Future of Urban Mobility 2.0

** Moovit (2016), Global Transit Usage Report

*** InnovITS (2013), Impact Study on Intelligent Mobility

**** Flash Eurobarometer 382b (2014), Europeans’ satisfaction with urban transport

***** Buehler, R., Pucher, J., (2012), Demand for Public Transport in Germany and the USA: An Analysis of Rider Characteristics

****** Smith, NC, Veryard DW and Kilvington RP (2009), Relative costs and benefits of modal transport solutions

******* Weinstein A., Granger-Bevan S., Newmark G. and Nixon H. (2015), Comparing Data Quality and Cost from Three Modes of On-Board Transit Passenger Surveys