Konferencja współfinansowana ze środków Unii Europejskiej w ramach Programu Operacyjnego Pomoc Techniczna FORUM NNOWACJ TRANSPORTOWYCH - dobre praktyki na rzecz zrównoważonego rozwoju nnowacyjne miasta koncepcja Smarter City Krzysztof Kardaś, Tomasz Chomicki BM Polska Kraków, 11 grudnia 2012
nnowacyjne miasta koncepcja Smarter City Kraków 11 grudnia 2012
We are moving from the era of programmable systems which have been in place since early 1960s to an era of cognitive, insight driven systems Ginni Rometty BM s President and Chief Executive Officer Agenda 1. ntegracja informacji analizy optymalizacja 2. Świat rzeczywisty Świat wirtualny 3. Modele miasta
Platforma budowy rozwiązań Smarter Cities Planowanie Strategiczne Podaż i popyt ystrybucja Utrzymanie sieci Planowanie Strategiczne nformacja dla obywatela rogi, Lotniska, Koleje, rogi wodne * Planowanie Strategiczne Relacje z dostawcami Śledzenie ścieżki dostawy Planowanie Strategiczne Zarządzanie dostawami Profile zakupowe Zapotrzebowanie, podaż Monitoring sieci Planowanie Strategiczne Zarządzanie dostawcami Profile zakupowe Podaż i popyt Łańcuchy dostaw Smarter Energy Smarter Traffic Smarter Food Smarter Telco * Planowanie Strategiczne Zarządzanie remontami Podaż i popyt Planowanie Strategiczne Zapotrzebowanie, ostawy Zarządzanie jakością Utrzymanie sieci Ochrona przeciwpowodziowa Smarter Retail Smarter Water * Smarter Cities Smarter Buildings * Smarter Public Safety Video Monitoring nformacja dla mieszkańców Zarządzanie kryzysowe Planowanie Strategiczne Podaż i popyt Zarządzanie łańcuchem usług i dostaw Zarządzanie operacyjne Smarter Rail * Smarter Government Edukacja Ochrona zdrowia Administracja Pomoc społeczna Centrum Operacyjne
We are moving from the era of programmable systems which have been in place since early 1960s to an era of cognitive,, insight driven systems Ginni Rometty BM ss President and Chief Executive Officer Agenda 1. ntegracja informacji analizy optymalizacja 2. Świat rzeczywisty Świat wirtualny 3. Modele miasta
Przenikanie światów: w: rzeczywistego i wirtualnego jako podstawa nowoczesnego zarządzania miastem Pomiar, Monitoring, Modelowanie i Zarządzanie nformacja zwrotna do uczestników ruchu, operatorów i sterowników cel: zmiana zachowań ŚWAT RZECZYWSTY ŚWAT WRTUALNY Czujniki Liczniki ntegracja danych w czasie rzeczywistym Tworzenie i aktualizacja modeli Analizy, predykcje i prognozy Wizualizacje, wsparcie decyzji: optymalizacja, odpowiedź sieci Kolekcja danych ntegracja danych i informacji Porównanie danych historycznych i danych czasu rzeczywistego Modelowanie i analizy danych dla efektywnego wsparcia decyzji i sterowania nformacja zwrotna do uczestników ruchu, operatorów i sterowników cel: zmiana zachowań
We are moving from the era of programmable systems which have been in place since early 1960s to an era of cognitive,, insight driven systems Ginni Rometty BM ss President and Chief Executive Officer Agenda 1. ntegracja informacji analizy optymalizacja 2. Świat rzeczywisty Świat wirtualny 3. Modele miasta
Smarter Cities w działaniu ziałania ania interwencyjne służbs ane Konwersja Konwersja Modelowanie Analizy Optymalizacja Korelacje Korelacje Zdarzenia ncydenty Statystyki Predykcje Procedury Procedury E E E ecy ecyzje je Pozyskuj informacje Przewiduj rozwój wypadków w w mieście Wspomagaj koordynację działań
Smarter Cities w działaniu Świadczenie usług ug miejskich ane Konwersja Konwersja Modelowanie Analizy Optymalizacja Korelacje Korelacje Zalecenia Ostrzeżenia Profile i plany Taryfy Poda Podaż E E E Popyt Popyt Pobieraj dane z urządze dzeń Przewiduj występowanie Problemów w i zagrożeń Wpływaj na zachowania użytkowników w / odbiorców
Smarter Cities w działaniu Utrzymanie infrastruktury technicznej miasta ane Konwersja Konwersja Modelowanie Analizy Optymalizacja Korelacje Korelacje Stan sieci Plany prac Prognozy ostępność Jako Jakość ść E E E Koszt Koszt Pozyskuj dane i sygnały Optymalizuj strategie utrzymania i plany prac Koordynuj prace, zarządzaj kosztami i SLA
We are moving from the era of programmable systems which have been in place since early 1960s to an era of cognitive,, insight driven systems Ginni Rometty BM ss President and Chief Executive Officer Agenda 1. ntegracja informacji analizy optymalizacja 2. Świat rzeczywisty Świat wirtualny 3. Modele miasta
Wykonywanie czynności i zadań w ramach programów (rozwoju infrastruktury czy kształtowania zachowań) jako działania służące realizacji Strategii Miasta i wizji Prezydenta podlegają stałemu monitoringowi dla oceny efektywności Smarter Cities w działaniu aniu Stan nfrastruktury Jakość usług Procesy dostarczania usług Poprawa jakości życia mieszkańców POMAR EFEKTYWNOŚC Podaż ostępność usług Popyt Modele informacyjne miasta stanowią podstawę planowania rozwoju infrastruktury oraz działań nakierowanych na zmiany zachowań mieszkańców Planowanie przestrzenne i rozwoju infrastruktury ZARZĄZANE MASTEM L E G S L A C J A W Y M A N A F N A N S E N F O R M A C J Kształtowanie zachowań Modele podażowe Obszar środowiska Obszar bezpieczeństwa Zasób ten przybiera formę tzw. modeli informacyjnych czyli zbiorów danych odzwierciedlających stan i zachodzące zmiany w określonych obszarach infrastruktury miejskiej i aktywności społecznej Mieszkalnictwa Modele popytowe Rodziny Szkolnictwa Edukacji Gospodarczy miasta Aktywności zawodowej Oferty kulturalnej i rekreacyjnej Wypoczynku Tworzenie modeli Przestrzeni publicznej Życia społecznego Handlu i usług Konsumpcji Transportu i łączności Komunikacji Ochrony zdrowia Prewencji zdrowotnej nformacja o mieście w postaci stale napływajacego strumienia danych oprócz bezpośredniego wsparcia operatorów w działaniach interwencyjnych służy do tworzenia i ciągłej rozbudowy historycznego zasobu danych Zbieranie danych
ntelligent Operations Center
ecision Support Speed and System Optimization volume ncident ncident etection Traffic State Estimation ncident uration Prediction ncident mpact Propagation EA: descriptive flow models EA: descriptive flow models PAP US 2009/0099760 A1 PAP US 2009/0099760 A1 data UPATE SSO Optimizer Weights based on Feedback SPLAY Assessment Overview Charts RUN Control Assessment Analysis after T min. have passed REA in 1 instance of a traffic flow pattern (Volume, Occupancy) Best Actions REA in Real-Time traffic flow (Volume, Evaluation Occupancy) LOA data into atabase Traffic Signal Timing Best Control Variable- Control Actions No RUN ncident SPLAY F Plan assessment Message Plan ncident etection Predictions Selection etectedoptimizer Sign Validation SPLAY Network speed propagation Network impact Accuracy Future Report Variable assessment for Previous expansion TPT Benefit Yes Speed Predictions (requires loading Evaluation Limits first set of 30mn data, Run SSO, then next set of SPLAY 30mn data to ncident Alert Calc. Accuracies) A c t i o n REA in Real-Time Traffictraffic flow (Volume, Occupancy) Prediction Feedback Tool Loop SPLAY window F a SSOand REA in Yes Suggested SSO-Suggested Plans is Plan Selected Mean & transient: neighbouring links, speed time SPLAY Benefit Prediction on User Supplied Plan Speed and volume data SPLAY window No transient: and REA incident, User- weather, roadwork Supplied Contingency Plan RUN TPT RUN Control blue = RUN forecast black = SE SPLAY actual ncident red = incident Strategy Optimizer P and P Related Predictions and mpact and Benefit Prediction 1000 2000 3000 400 RUN Benefit Prediction on User-Supplied plan Real Time Process Flow Local impact prediction Local impact prediction Network speed propagation volume data ncident data 0 50 100 150 200 250 Network impact rrr r r rr r r r rr r REAL[pl, ] r SPLAY rr Top 3 r r Control suggestions rr and r each likely r Benefit EMO evaluation purposes, and live SSO emo and Live SSO Live SSO Only
ecision Support System Optimization ncident etection Traffic State Estimation ncident uration Prediction ncident mpact Propagation EA: descriptive flow models EA: descriptive flow models Traffic Prediction Tool Best Actions Evaluation Best Actions Selection Benefit Evaluation Control Plan Optimizer A c t i o n Traffic Signal Timing Variable- Message Sign Variable Speed Limits Control Plan Validation Feedback Loop Future expansion PAP US 2009/0099760 A1 PAP US 2009/0099760 A1 Mean & transient: neighbouring links, speed Mean & transient: neighbouring links, speed transient: incident, weather, roadwork transient: incident, weather, roadwork
Funkcjonalność: Aktualna informacja o ruchu Problemy oczekujące ce na rozwiązanie zanie: Brak aktualnej informacji prowadzi do ograniczenia możliwo liwości zarządzania ruchem i reakcji na zdarzenia Rozproszone systemy do zarządzania ruchem nie dają kompletnego obrazu sytuacji Rozproszone i często zamknięte systemy do zbierania danych o ruchu uniemożliwiaj liwiają uzyskanie pełnej informacji Wartość biznesowa: Kompletna i aktualna informacja o ruchu w mieście Funkcje: Aktualne informacje o ruchu dostępne graficznie na mapach, w postaci tabel i raportów Aktualne informacje o zdarzeniach drogowych dostępne w postaci graficznej na mapach, w postaci tabel oraz wiadomości Mo Możliwo liwość sprawdzenia stanu urządze dzeń zainstalowanych w pasie drogowym (kamer, sterowników, w, etc) Elementy rozwiązania zania: Produkty OC oraz ntelligent Transportation Us Usługi konfiguracji i dostosowania produktu: ntegracja danych z urządze dzeń drogowych ostosowanie interfejsu do potrzeb użytkownik u ytkowników
Funkcjonalność ść: Zaawansowane analizy nt. ruchu Problemy oczekujące ce na rozwiązanie zanie: Brak umiejętno tności interpretowania wzorców ruchowych prowadzi do niemożno ności definiowania strategii zarządzania ruchem Brak umiejętno tności interpretowania wzorców związanych zanych z incydentami prowadzi do utrudnień w formułowaniu owaniu strategii bezpieczeństwa Brak informacji o korelacjach pomiędzy zdarzeniami i ruchem utrudnia definiowanie strategii reagowania na zdarzenia Wartość biznesowa: ogłę łębne rozumienie wzorców przemieszczania się pojazdów w sieci drogowej miasta Funkcje: Analiza danych historycznych dotyczących cych ruchu i zdarzeń drogowych: Przyk Przykład: analiza ilości pojazdów i zatłoczenia w godzinach szczytu na krytycznych arteriach jako funkcji miejsca, czasu i limitów prędko dkości Analizy historycznych danych dotyczących cych korelacji pomiędzy różnego r rodzaju zdarzeniami drogowymi a poziomem zatłoczenia Przyk Przykład: ocena wpływu zamknięcia odcinka drogi w różnych porach dnia na poziom zatłoczenia Elementy rozwiązania zania: Produkty Produkty: OC oraz ntelligent Transportation Us Usługi konfiguracji i dostosowania produktu: ostosowanie interfejsu do potrzeb użytkownik u ytkowników
Funkcjonalność ść: Predykcja ruchu Problemy oczekujące ce na rozwiązanie zanie: Reaktywne zarządzanie ruchem nie jest wystarczające: ce: wprowadza niewielką poprawę warunków w ruchu Wp Wpływanie na zachowania kierowców w staje się coraz bardziej istotnym czynnikiem zarządzania ruchem Rosn Rosną wymagania mieszkańców dotyczące ce dostępu do informacji na temat przewidywanych warunków w ruchu Wartość biznesowa: Proaktywne zarządzanie ruchem w oparciu o przewidywane warunki ruchu Funkcje: Predykcja warunków w ruchu do 1h w oparciu a aktualne i historyczne dane: Predykcja ilości pojazdów i średniej prędko dkości dla każdego odcinka drogi Przewidywane warunki ruchu w postaci map, tabel i raportów Raportowanie sprawdzalności predykcji ruchu Elementy rozwiązania zania: Produkty OC oraz ntelligent Transportation Us Usługi konfiguracji i dostosowania produktu: Kalibracja algorytmów predykcji ostosowanie interfejsu do potrzeb użytkownik ytkowników
Funkcjonalność: nformacja nt. pojazdów transportu publicznego Problemy oczekujące ce na rozwiązanie zanie: Brak informacji na temat aktualnego położenia pojazdu, odchyleń od rozkładu jazdy, ilości przewożonych pasażerów prowadzi do ograniczonej możliwości sprawnego zarządzania flotą Brak informacji w czasie rzeczywistym o zdarzeniach, incydentach i awariach prowadzi do problemów z właściwą i szybką reakcją na te zdarzenia Wartość biznesowa: nformacja w czasie rzeczywistym na temat aktualnego stanu transportu publicznego i potencjalnych problemów Funkcje: Wyświetlanie w czasie rzeczywistym informacji na temat położenia pojazdów na mapach oraz w postaci tabel i raportów Wyświetlanie w czasie rzeczywistym informacji o incydentach, zdarzeniach, znacznych odchyleniach od rozkładu w postaci graficznej Możliwość sprawdzenia aktualnego statusu każdego pojazdu (położenie, ilość pasażerów, odchylenie) Elementy rozwiązania: Produkty OC oraz ntelligent Transportation Produkt Public Transport Awerness Usługi konfiguracji i dostosowania produktu: ntegracja danych na temat transportu publicznego ostosowanie modelu danych i interfejsu do potrzeb użytkowników
Funkcjonalność: Analizy nt. transportu publicznego Problemy oczekujące na rozwiązanie: Brak informacji na temat jakości funkcjonowania całości transportu publicznego np. odchylenia od rozkładu, ilość przewożonych pasażerów na poszczególnych trasach prowadzi do braku możliwości właściwej optymalizacji transportu publicznego Brak informacji o wzorcach związanych ze zdarzeniami, incydentami i awariami uniemożliwia wprowadzenie procedur poprawiających komfort i bezpieczeństwo podróżowania BM Vehicle Analytics Solution Wartość biznesowa: ogłę łębne zrozumienie historii funkcjonowania transportu publicznego pozwala na wprowadzanie strategii jego poprawy Funkcje: Analiza pojazdów i floty Przykład: zgodność z rozkładem i trasą dla poszczególnych kierowców i pojazdów Analiza wzorców zdarzeń Przykład: spóźnienia w podziale na przystanki i porę dnia Korelacja odchyleń od rozkładu z poziomem zatłoczenia i incydentami drogowymi Statystyki dnia/tygodnia/miesiąca: całkowita ilość pasażerów, suma opóźnień, ilość incydentów, etc. Elementy rozwiązania: Produkty OC oraz ntelligent Transportation Produkt Public Transport Awerness Usługi konfiguracji i dostosowania produktu: ntegracja danych na temat transportu publicznego ostosowanie modelu danych i interfejsu do potrzeb użytkowników
Funkcjonalność: Predykcja dla transportu publicznego Problemy oczekujące na rozwiązanie: Reaktywne zarządzanie transportem publicznym nie jest już rozwiązaniem wystarczającym i powoduje niezadowolenie podróżnych nformowanie podróżnych o przewidywanych opóźnieniach staje się koniecznością Wartość biznesowa: Pro-aktywne zarządzanie transportem publicznym w przypadku przewidywanych opóźnień i właściwa informacja dla pasażerów Funkcje: Predykcja czasów przyjazdu do 1h Możliwość automatycznej kalkulacji predykcji i wygenerowanie wiadomości o potencjalnych odchyleniach od rozkładu Możliwość przygotowania informacji o przewidywanym rozkładzie dla każdego pojazdu i przystanku Raporty pokazujące sprawdzalność predykcji Elementy rozwiązania: Produkty OC oraz ntelligent Transportation Produkt Public Transport Awereness Usługi konfiguracji i dostosowania produktu: Kalibracja algorytmów predykcji ostosowanie interfejsu do potrzeb użytkowników
ziękujemy Państwu tomasz.chomicki@pl.ibm.com krzysztof.kardas@pl.ibm.com