ݺߣ

ݺߣShare a Scribd company logo

Пилотный проект КРОК с использованием технологий BigData для ЦППК

•
•
Maxim Andreyev
Maxim Andreyev

Презентация пилотного проекта КРОК по прогнозированию пассажиропотоков для компании "Центральная пригородная пассажирская компания" на технологиях EMC GreenPlum (Pivotal) и RapidMiner, которая была представлена на Четвертом Российском форуме Big Data 2015

1 of 25
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

More Related Content

Пилотный проект КРОК с использованием технологий BigData для ЦППК

  • 1. ОТ КОЛИЧЕСТВА К КАЧЕСТВУ : Аналитика данных и повышение эффективности пассажирских перевозок Чеботарев Роман Архитектор аналитических решений КРОК Гараничев Андрей Руководитель проектов ЦППК
  • 2. 2 СОДЕРЖАНИЕ 1. Место BigData в пассажирских перевозках 2. Моделирование и прогнозирование пассажиропотока 3. Контроль за безбилетными пассажирами 4. Оптимизация работы кассовых узлов
  • 4. 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. 5 СИТУАЦИОННО-АНАЛИТИЧЕСКИЙ ЦЕНТР ЦППК • Мониторинг показателей текущей деятельности ЦППК • Оперативная работа (подсистема работы с инцидентами) • Сводки и отчеты • Прогнозы ключевых показателей деятельности
  • 7. 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. 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. 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. 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. 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. 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. 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. 14 ТЕХНОЛОГИЧЕСКИЙ СТЕК Хранилища данных Data Mining (анализ, моделирование и прогнозирование)
  • 15. 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. 16 РЕЗУЛЬТАТЫ #1 Населенность: • любого поезда • любой станции • в любой момент времени
  • 17. 17 РЕЗУЛЬТАТЫ #2 Сколько пассажиров необходимо вывезти альтернативными видами транспорта при блокировке движения электропоездов?
  • 22. 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.
  • 24. 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. 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