От количества к качеству аналитика данных и повышение...

ОТ КОЛИЧЕСТВА К КАЧЕСТВУ : Аналитика данных и повышение эффективности

пассажирских перевозок

Чеботарев Роман Архитектор аналитических решений

КРОК

Гараничев Андрей Руководитель проектов

ЦППК

2

СОДЕРЖАНИЕ

1. Место BigData в пассажирских перевозках 2. Моделирование и прогнозирование пассажиропотока 3. Контроль за безбилетными пассажирами 4. Оптимизация работы кассовых узлов

3

BIGDATA И ПАССАЖИРСКИЕ ПЕРЕВОЗКИ

4

ОАО «ЦЕНТРАЛЬНАЯ ППК» В ЦИФРАХ

> 1,6 млн пассажиров

> 1300 ниток расписания

ЦППК – это:

• 60% пригородных перевозок РФ

• Более 1500 остановочных пунктов

• 617 млн вагоно-километров

• 583 млн пассажиров в год

1 день ЦППК

5

СИТУАЦИОННО-АНАЛИТИЧЕСКИЙ ЦЕНТР ЦППК

• Мониторинг показателей текущей деятельности ЦППК • Оперативная работа (подсистема работы с инцидентами) • Сводки и отчеты • Прогнозы ключевых показателей деятельности

6

МОДЕЛИРОВАНИЕ ПАССАЖИРОПОТОКА

7

ЧТО ТАКОЕ «ПАССАЖИРОПОТОК»

С точки зрения аналитики пассажиропоток – это ситуация на пригородных электричках в любой момент времени:

• Сколько людей едет в каждой электричке? • Откуда и куда они едут? • Сколько людей ждут на остановочном пункте? • Куда они хотят поехать?

8

МОДЕЛЬ ПАССАЖИРОПОТОКА

Входящий поток

Выходящий поток

Центр Область

Остановочный пункт

Модель пассажиропотока = эти 4 показателя с дискретностью в 1 минуту по всем остановочным пунктам ЦППК + помним «путь» каждого пассажира

9

КАК СЧИТАТЬ ПАССАЖИРОПОТОК

- По данным турникетов? - Нет! Турникеты охватывают далеко не все остановочные пункты, т.е. позволяют оценить только часть пассажиропотока

- А как тогда составить модель? - По данным билетов, расписанию движения поездов, проверяя модель данными турникетов там, где это возможно. - Использовать существующие объемы данных для уточнения и повышения точности модели.

10

МОДЕЛИРУЕМ ПАССАЖИРОПОТОК #1

Используем разовые билеты для восстановления профиля движения пассажиров:

• Достаточно точно известно время отправления • Почти 40% пассажиропотока

По данным о ближайшем поезде, соответствующем билету, определяем время прибытия

11

МОДЕЛИРУЕМ ПАССАЖИРОПОТОК #2

Определяем время обратной поездки для билетов «туда-обратно» и абонементов:

• Время покупки • Восстановленные профили станций • Некоторые «демографические» данные и заключения

Аналогичным способом определяем время поездок в другие дни.

12

МОДЕЛИРУЕМ ПАССАЖИРОПОТОК #3

Корректировка с учетом турникетных данных: • В среднем менее 6%, пиковая зафиксированная разница – 14,2% • Выполняется опционально, т.к. есть «зайцы»

«Рассадка» пассажиров по поездам в соответствии с билетами:

• Определение пассажиропотока в разрезе поездов • Корректировка при дисбалансе вход/выход

‒ Корректировка не требуется для 19% поездов ‒ Только на 3,5% поездов дисбаланс составляет более 15 человек

13

ПИЛОТНАЯ ЗОНА – КИЕВСКОЕ НАПРАВЛЕНИЕ

54 остановочных пункта

~ 66,5 тыс. проданных билетов

~ 12 тыс. проходов через турникеты

~ 420 ниток расписания

ЕЖЕДНЕВНО

Москва

Калуга

Наро-Фоминск

Апрелевка

Малоярославец

14

ТЕХНОЛОГИЧЕСКИЙ СТЕК

Хранилища данных

Data Mining (анализ, моделирование и прогнозирование)

15

ПОЧЕМУ BIGDATA (MPP-СУБД) ?

Не устраивала производительность существующих СУБД и средств аналитики – низкая скорость проведения сложных статистических расчетов Обновление модели пассажиропотока: • Классические СУБД – более 9 часов • BigData-подход – около 2 часов, хорошая масштабируемость • И это без оптимизаций и «тюнинга» планировщиков!

Можем быстро обновлять модель – учесть прошедший день за ночь!

16

РЕЗУЛЬТАТЫ #1

Населенность: • любого поезда • любой станции • в любой момент времени

17

РЕЗУЛЬТАТЫ #2

Сколько пассажиров необходимо вывезти альтернативными видами транспорта при блокировке движения электропоездов?

18

РЕЗУЛЬТАТЫ #3

19

РЕЗУЛЬТАТЫ #4

Пиковая населенность поездов, 2 декабря 2014

20

РЕЗУЛЬТАТЫ #5

21

ПОДСЧЕТ БЕЗБИЛЕТНИКОВ

22

ПОДСЧЕТ БЕЗБИЛЕТНИКОВ

Организуются меры по пресечению безбилетного проезда (наряды полиции, ЧОП и т.п.), контролируется эффективность этих мер

При помощи установленных камер и видеоаналитики фиксируются факты «нештатного» проникновения или покидания платформы. В соответствии с ближайшим поездом рассчитывается средняя «стоимость» безбилетного пассажира.

23

ОПТИМИЗАЦИЯ РАБОТЫ КАСС

24

ПОДСЧЕТ КОЛИЧЕСТВА ЛЮДЕЙ НА КАССАХ

Подсистема используется для: • Оперативного управления кассовыми узлами • Анализа и контроля качества обслуживания

При помощи видеоаналитики в автоматическом режиме осуществляется подсчет количества людей в очередях При наличии очереди в течении 10 минут формируется т.н. инцидент

25 111033, Москва, ул. Волочаевская, д.5, корп.1

www.croc.ru

• По данным отчетов IDC, КРОК — лидер по услугам системной интеграции (2002-2014)

• В десятке крупнейших ИТ-компаний России (РИА Рейтинг, «Коммерсантъ – Деньги», Cnews, 2014) в пятерке крупнейших консалтинговых компаний (РА Эксперт, 2014)

• Реализует несколько тысяч проектов в год

• Сертификат качества Р ИСО 9001-2008

• КРОК — крупнейший российский партнер HP, Fujitsu, EMC, Cisco Systems, Avaya, Microsoft, Oracle

СПАСИБО ЗА ВНИМАНИЕ!

Гараничев Андрей Руководитель проектов ЦППК

agaranichev@central-ppk.ru +7 499 266-02-65 # 7414

Чеботарев Роман Архитектор аналитических решений

RChebotarev@croc.ru +7 495 974-22-74 # 7044