Andmetega juhitav liikumine muudab ühistranspordi kliendikogemust

Andmetealune mobiilsus: kuidas simulatsioon muudab avalikku transporditutvust

Fujitsu liiklusmudelsüsteem on integreeritud Maebashi linna piirkondlikku avalikku transpordiplaani, märkides olulist sammu andmetealuse linnamobiilsuse arengus. Süsteemi arendati riikliku transpordi digitaalse teisenduse algatuse raames ja see ühendab kindlate marsruutidega ning nõudluse järgi toimiva transpordi modelleerimise – lähenemist, mida seni ei ole sellises mahus Jaapanis rakendatud. Süsteemi tulemusi on kasutatud toetavaks tõendiks poliitiliste otsuste tegemisel, sealhulgas bussimarsruutide laiendamisel.

See andmetealune mobiilsus näitab laiemat muutust avalike teenuste kujundamise ja pakkumise viisis. Transpordi on traditsiooniliselt peetud operatsioonifunktsiooniks, kuid nüüd seda ümberkujundatakse järjest rohkem klienditutvust valdkonnaks. Kodanikud ootavad nüüd usaldusväärseid, paindlikke ja nende vajadustele reageerivaid mobiilsusteeneid – ootusi, mille on kujundanud digitaalsed tarbijaplatformid.

Muutuvad ootused mobiilsustutvuses

Avalikud transpordisüsteemid üle maailma peavad kohanema muutuvate demograafiliste tingimustega, keskkonnaeesmärkidega ja kasvavate kasutajaootustega. Vananev rahvastik, urbaniseerumine ja tööjõupuudus loovad struktuurilisi väljakutseid, samas kui jätkusuutlikkuse eesmärgid nõuavad tõhusamaid ja väiksema heitkogusega süsteeme.

Samas on Mobility-as-a-Service (MaaS) platvormide kasv muutnud kasutajate suhtlemist transpordiga. Läbiv reisuplanneerimine, reaalajas värskendused ja personaliseeritud valikud on muutumas standardooteks. Digitaalsete ja füüsiliste kogemuste kokkutoomine nõuab uut teenuste kujundamise lähenemist – ühendades andmed, tehnoloogia ja inimkäitumise.

Klienditutvuse (CX) juhtidele on selge: tutvuse kujundamine peab ulatuma kaugemale digitaalsetest puutepunktidest kogu teenuseekosüsteemini.

Digitaalse kaksiku tehnoloogia abil strateegiline positsioneerimine

Fujitsu lähenemine kasutab oma digitaalse kaksiku võimalusi transpordisüsteemides inimeste ja ühiskondliku käitumise simulatsiooniks. Integreerides mitmeid andmekogusid – sealhulgas rahvaloenduse andmeid, mobiilsusmustrid ja rakenduspõhiseid reisijate andmeid – loob süsteem virtuaalse esitusviisi tegelikust olukorrast.

See vastab ettevõtte laiemale strateegiale, kus täpparvutust ja AI-d rakendatakse ühiskondlike probleemide lahendamiseks. Fujitsu ei keskendu enam ainult ettevõtete IT-lahendustele, vaid paigutab end ka nutikate linnade ja avalike infrastruktuuride ruumi, kus saavutatakse pikaajalist ja skaalatavat mõju.

Eriti tähtis on võime modelleerida nii kindlate marsruutidega kui ka nõudluse järgi toimivaid transpordisüsteeme. See peegeldab liikumist hübriidmobiilsuse mudelite poole, mis ühendavad ennustatavust ja paindlikkust, et rahuldada erinevaid kasutajavajadusi ja samal ajal optimeerida ressursside jaotust.

Kuidas tehnoloogia töötab

Süsteemi tuumaks on mitu AI-ga juhitavat komponenti. Kunstliku rahvastiku tehnoloogia genereerib sünteetilisi andmekogusid, mis peegeldavad piirkonna demograafiat ja käitumismustreid. Käitumise valikumudel kasutab masinõpet, et kopeerida, kuidas individuaalselt valitakse transpordivahendeid reisikulgu, hind ja isiklikud olukorrad arvesse võttes.

Need mudelid on integreeritud mitmeagentse simulatsiooniraamistikku, kus erinevad transpordivahendid interakteeruvad dünaamiliselt. See võimaldab planeerijatel stsenaariume hindada väga täpselt ka siis, kui tegelikke andmeid pole täielikult olemas.

Süsteem pakub ka visualiseerimisvahendeid ja hindamismeetriku, mis võimaldab sidusrühmadele hinnata erinevate poliitikavõimaluste mõju. Selle hulka kuuluvad teenuse taseme, kuluefektiivsuse ja kasutusmustrite seotud meetriku, pakkudes ülevaadet potentsiaalsetest tulemustest.

Tagajärjed klienditutvusele

Selliste simulatsioonivõimaluste kasutuselevõtt on otsest mõju klienditutvusele. Kui teenuste kujundamine sobitub tegeliku kasutajakäitumisega, saavad transpordisüsteemid olla intuitiivsemad ja reageerivamad. Näiteks marsruutide optimeerimine nõudluse mustri põhjal võib vähendada ootamisaegu ja parandada ligipääsu aladele, kus teenused on ebapiisavad.

Nõudluse järgi toimiv transpordi pakkumine annab personaliseerimise taseme, mis võimaldab teenustele kohanduda üksikute vajadustele, mitte toetudes ainult kindlatel ajakavadel. See on eriti oluline elanikele, kellel on piiratud mobiilsusvõimalusi, näiteks vanematele elanikele.

Operatsiooniline efektiivsus mängib samuti olulist rolli. Teatatud ajavähendus planeerimis- ja ühiste otsuste leidmisprotsessis viitab sellele, et ametiasutused saavad muudatusi kiiremini ellu viia, parandades nii oma reageerimisvõimet muutuvatele tingimustele. Kiiremad otsustusprotsessid viivad aga ka kiiremale ja paindlikumale teenusepakku-misele, mis on positiivse klienditutvuse oluline komponent.

Laiemad tööstuslikud tagajärjed

AI-ga juhitava simulatsiooni kasutamine transpordiplaneerimises peegeldab laiemat trendi prognoosiva infrastruktuuri haldamise poole. Samas kui linnad muutuvad andmekesksemateks, muutub kasutajavajaduste eelvaatamine ja neile reageerimine edukate linnasüsteemide määravaks tunnuseks.

See muutus omab ka konkurentsieeliseid tagajärgi. Traditsioonilised planeerimislähenemised, mis sageli tuginevad käsitsi analüüsil ja väliste nõuandjatele, võivad jääd kohale automaatsete, andmetealuste meetoditega võrreldes. Tehnoloogiapakkuja, kes suudab pakkuda skaalatavaid ja integreeritud lahendusi, on tõenäoliselt üha olulisem roll.

Lisaks viitab transpordivahendite ühendamine ühiseid platvorme kasutavatesse mudelitesse ekosüsteemipõhiste mudelite suunas, kus avaliku ja erasektori osapoolte koostöö muutub oluliseks.

Tulevikku vaadates

Fujitsu plaanid süsteemi teenusena kaubanduslikuks kasutuseks võtta näitavad laiemat ambitsiooni selle lähenemise standardiseerimiseks regioonides. Samas kui tehnoloogia areneb – lisades rohkem erinevaid andmeallikaid ja täpsustades prognoosivaid võimalusi – võib see muutuda aluslikuks tööriistaks linnaehitusel ja nutikate linnade algatustes.

Klienditutvuse (CX) juhtide jaoks on oluliseim õppetund simulatsiooni ja prognoosanalüütika kasvav tähtsus tutvuse kujundamisel. Kas avalikus transpordis või muudes valdkondades – võime kliendireisi enne rakendamist modelleerida ja optimeerida, mis on oluline edasiareng.

See areng näitab ka sügavamat teisendust: operatsioonisüsteemide ja klienditutvuse vahelised piirid hävinema. Infrastruktuuriotsused hinnatakse üha rohkem kasutaja mõju lähtepunktist ja andmed muutuvad selle kahe vahelise sillaks.

PEAMISED ÕPPETUNNID

• AI-ga juhitav simulatsioon ümberkujundab avalikku transpordit kui CX-valdkonna
  Planeerimisotsused juhitakse üha rohkem kliendi käitumise sisukate teadmiste, mitte staatiliste mudelite järgi.
• Digitaalse kaksiku tehnoloogia võimaldab prognoosivat tutvuse kujundamist
  Organisatsioonid saavad teenuseid enne kasutuselevõttu simulatsiooniga testida ja optimeerida, vähendades riske ja parandades tulemusi.
• Hübriidtranspordimudelid suurendavad paindlikkust ja personaliseerimist
  Kindlate marsruutidega ja nõudluse järgi toimivate süsteemide ühendamine võimaldab kaasavamaid ja kohanduvamaid mobiilsuslahendusi.
• Operatsiooniline paindlikkus parandab otseselt klienditutvust
  Kiiremad planeerimistsüklid ja andmetealune ühiste otsuste leidmine võimaldavad kiiremaid ja reageerivamaid teenuseparandusi.
• Avalike teenuste usaldus tugevneb läbipaistvuse kaudu
  Tõenditele toetuv otsustamine aitab luua usaldust kodanike ja sidusrühmade seas.

Postitus „Data-Driven Mobility is Transforming Public Transportation CX“ ilmus esmakordselt CX Quest’is.