「智慧停車」并非新的概念,它其實是所有用車人、停車管理業(yè)者、交通管理/執(zhí)法單位和一般大眾所追求的社會福祉與理想。時至今日,此一智慧化的風潮受到物聯(lián)網(wǎng)關(guān)鍵技術(shù)及智慧車輛的逐漸成熟,而大幅改變了城市的風景。
之前曾撰文談及智慧停車的基本分類與分案落地的考量點,而停車在席偵測器在成本優(yōu)勢與去識別化的特性下,則較易推廣且覆蓋到全城市車格的布建,當然也因此更可以影響到城市中最大部分的用車人與管理當局。本次則想和大家聊聊城市中的智慧在席偵測系統(tǒng)設(shè)計與大數(shù)據(jù)蒐集技術(shù)運用,亦祈各界先進不吝指教。
數(shù)據(jù)分析的重點:妥善率(精準度 X 通訊穩(wěn)定度)
停車在席偵測的意思,就是在每個停車格(泊位)上建置一個埋地式的感測器,該感測器當有車停放在上面時,可以有效偵測并且透過無線物聯(lián)網(wǎng)的方式回傳到后臺管理系統(tǒng),讓使用者可以透過一個介面(如手機App)得到全市或是全國的空車格資訊。市面上的停車在席偵測器有許多種類,包括:叁軸地球磁場、微雷達、超音波、光學式偵測、奈米波雷達?等方式。目前全球市場的主流是兩種偵測模式并行,簡稱「雙鑑偵測」,例如:三軸地球磁場結(jié)合微雷達偵測。
談到在線偵測,通常會著重于精準度,但一般所理解的精準度其實只描述了感測器的工作,在物聯(lián)網(wǎng)、智慧停車架構(gòu)下我們要談的應該是「妥善率」,而妥善率 = 精準度 X 通訊穩(wěn)定度。
精準度
不管用何種方式進行偵測,在大數(shù)據(jù)(Big Data)分析的條件下,在席偵測的精準度一般都需要由第叁方來證明是否達到100%?如此所蒐集的大數(shù)據(jù)才可以滿足需求端對信度(Reliability)與效度(Validity)的需求,否則就是無用資料分析(Garbage in, Garbageout),越多資料對于事實的偏差越大,更不用談資料分析科學家如何可以運用該資料進行對社會有價值的資料探勘(Data Mining,亦稱資料挖掘、資料挖礦)。筆者認為,一般的停車在席感測器因為精度通常不到98%,將被市場淘汰,唯有可以用于整合「勞務開單計費」的感測器才能創(chuàng)造停車業(yè)者數(shù)位轉(zhuǎn)型的商用價值。因此筆者主張稱之為停車計時器(Parking Timer),而非停車感測器(Parking Detector)。
通訊穩(wěn)定度
若是通訊穩(wěn)定度不佳,再精準的偵測也無法及時地將其資料傳給資料使用者;相反地,再好的通訊品質(zhì),若是沒有正確的狀態(tài)回報,那收到再多的資料也是無效資料。這裡對于通訊穩(wěn)定度作進一步解釋,舉例來說:目前相當流行、以電信公司為主的協(xié)議是NB-IoT,在無線通訊頻段裡雖然其為授權(quán)頻段(Licensed Band)中的特定頻段(In-band),與其他頻段的裝置干擾不會太顯著,但是從進入核心網(wǎng)路(EPC)后出到網(wǎng)際網(wǎng)路的速度,NB-IoT的封包卻可能會跟影音串流(Video Streaming)、通話資訊(Voice)…等封包在進行排序(Prioritize)等候時,產(chǎn)生時程延長和服務水準協(xié)議(Service Level Agreement)的降低。更甚者,每個NB-IoT基地臺所可以接受的瞬時頻寬(Con-current Bandwidth)當瞬間有大量的裝置聯(lián)網(wǎng)時,也會影響其通訊穩(wěn)定度。
當然,講到通訊方面,基地臺的相對位置與偵測器的天線效能才是影響通訊服務級別指標(Service Level Agreement)中最關(guān)鍵的因素之一。畢竟一收一發(fā)之間,資料的交握需要在無線的架構(gòu)下執(zhí)行,再加上停車應用的情境中車體會成為覆蓋在天線上的天然阻隔物,相較智慧路燈這些高架且無遮蔽物的應用,真的是需要更多的運營經(jīng)驗(Operation Know-how)才可以將服務品質(zhì)調(diào)升到商用的水準。
停車熱點大數(shù)據(jù)分析
妥善率提升后,資料的分析才有其信度與效度,這個時候大數(shù)據(jù)分析才可以派上用場,畢竟所採用的訓練資料(Trained Data)必須正確,經(jīng)過演算法得出的結(jié)果才具有說服力。以下列舉幾個熱點分析(Heat Map)案例,其資料來源為路邊停車格在席偵測的大數(shù)據(jù),數(shù)據(jù)分析的目標對象為停車管理業(yè)者。
1、區(qū)域熱點分析
圖1 所表現(xiàn)的是根據(jù)不同的開單員、單日的開單次數(shù)熱點分析(Heatmap of Turnover by Day)。從此熱點分析可以看出橘色E 的開單員在上午9 點與晚上8 點時,可以機動調(diào)度支援藍色A 區(qū)的開單區(qū)域以增加整體收入。根據(jù)此熱點分析,停車開單業(yè)者可以透過現(xiàn)有的開單員完成更多的開單效益。此熱點分析也可告訴開單業(yè)者,橘色E 的開單區(qū)域跟其他開單區(qū)域比較起來開單次數(shù)較少,因此可以提供開單業(yè)者在區(qū)分開單員時考慮重新劃分開單區(qū)域,以求更有效率地提供開單服務。
圖1 區(qū)域熱點分析
2、 人機開單數(shù)據(jù)分析
圖2 所產(chǎn)生的大數(shù)據(jù)為開單員與在停車在席偵測器的開單數(shù)比較?;疑糠譃楦袦y器開單次數(shù),藍色部分為人力開單員所實際開出的收費單。經(jīng)過大數(shù)據(jù)整理,可以找出該開單員可以開出卻未開出的收費單,也就是潛在短收的停車收入。還可進一步分析為兩個層次的涵義:第一,灰色超出藍色的區(qū)域為可以增加收入的潛在增加收入?yún)^(qū);第二,比較機器與人工開單的績效管理,作為停車開單管理業(yè)者執(zhí)行績效稽核的工具。
圖2 人機開單數(shù)據(jù)分析
3、 占位時間長短分析
圖3 為根據(jù)停車區(qū)域所製作的熱點分析,可以看出停車熱點區(qū)域給予兩方面的建議:首先,在熱區(qū)位置設(shè)定停車引導的機制,將冷區(qū)的空位填滿以增加收入;同時可以給予冷區(qū)進行誘因設(shè)計,例如:透過人工智慧(AI)演算法及時提供停車者折扣資訊,引導停車者選擇前往費率較低的冷區(qū)停車,也增加了停車收益。
圖3 佔位時間長短分析
4、 年度熱點分析:
圖4 為根據(jù)某個停車管理區(qū)域一整年所有的停車次數(shù)進行熱點分析,這項大數(shù)據(jù)分析提供管理者停車管理區(qū)域的劃分、機動調(diào)度的支援與跨區(qū)的開單績效指標分析。經(jīng)過分析,可以有效地提高開單次數(shù)及開單速度、進行績效比較,同時維持相同的人力成本。
圖4 年度熱點分析
以上四個針對路邊開單的大數(shù)據(jù)熱點分析,可以明確地連結(jié)到停車管理業(yè)者的經(jīng)營收益與管理效能之升級與數(shù)位轉(zhuǎn)型,同時代表著使用這些數(shù)據(jù)分析的業(yè)者可以依據(jù)這些商業(yè)情報(Business Intelligence)獲得長期的競爭優(yōu)勢。
【本文作者為尼采實業(yè)股份有限公司 執(zhí)行副總經(jīng)理】