Programvara för hantering av bussflottor: 95% noggrannhet i realtidsspårning av bussflottor

Azure

Business intelligence

Dataanalys

Data management (DMS)

IoT

Web

Innowise utvecklade en interaktiv instrumentpanel för en programvara för hantering av bussflottor, vilket förbättrade övervakningen av bussflottans drift och ökade noggrannheten för busstidtabeller, passagerarantal och servicetillförlitlighet.

Kund

Industri

Logistik

Region

Kund sedan

2022

Vår kund är en framstående bussoperatör, erkänd för sin betydande roll inom kollektivtrafiksektorn, särskilt i Sverige. Företaget är känt för sitt breda utbud av transporttjänster, inklusive upphandlad kollektivtrafik, skoltrafik, kommersiella linjer och on-demand-tjänster.

Detaljerad information om kunden kan inte lämnas ut enligt bestämmelserna i NDA.

Utmaning

Förbättra den övergripande funktionaliteten och användbarheten hos programvaran för hantering av bussflottor

Kundens tidigare programvara för hantering av transportflottor, som främst var inriktad på hantering av bussflottor, började uppvisa betydande begränsningar. Utmaningarna var flerdimensionella och härrörde från en instrumentpanel som inte kunde spåra och rapportera viktiga operativa mätvärden och resursfördelningen på ett korrekt sätt. Bristerna blev alltmer uppenbara inom flera områden:

Felaktig spårning av bussrörelser och resursallokering: Kundens programvara för hantering av bussflottan hade problem med att korrekt övervaka busslinjer, vilket ledde till avvikelser i ankomst- och avgångstider. Problemet förvärrades av oförmågan att identifiera orsakerna bakom inställda eller försenade turer, samt att spåra förarnas arbetsbelastning på ett korrekt sätt.
Felaktig passagerarräkning: Ett kritiskt fel var att systemet var ineffektivt när det gällde att spåra antalet passagerare som steg på och av. Detta resulterade i otillförlitliga data, vilket påverkade kundens förmåga att fatta beslut om ruttplanering.
Fel vid tolkning av data: Den befintliga instrumentpanelen, som utformats för att tolka stora mängder data, var full av felberäkningar, vilket ledde till en förvrängd bild av den operativa effektiviteten och servicekvaliteten.
Statistiska inkonsekvenser: Det fanns märkbara inkonsekvenser i den statistiska rapporteringen, vilket hindrade förmågan att utföra trendanalyser för resursfördelning.
Utmaningar med användarupplevelsen: Användargränssnittet för den befintliga instrumentpanelen var inte intuitivt, vilket gjorde det svårt för personalen att navigera och ta fram information.

Med tanke på dessa mångfacetterade utmaningar sökte kunden vår expertis för att se över sitt instrumentpanelssystem. Målet var att utveckla en lösning som inte bara åtgärdade dessa specifika problem utan också förbättrade den övergripande funktionaliteten och användbarheten hos programvaran för hantering av bussflottor.

Lösning

Programvara för GPS-spårning av bussflottan med dataspårning i realtid, interaktiva instrumentpaneler och prediktiv analys

Vi utvecklade ett förbättrat dashboard-system för bussflottans GPS-spårningsprogramvara, med fokus på exakt dataspårning i realtid och användarvänlig funktionalitet. Lösningen bygger på integrerad IoT- och dataanalysteknik och tillgodoser effektivt kundens behov av exakt övervakning av bussrörelser, passagerarantal och tidtabellsefterlevnad.

Utveckling av en interaktiv instrumentpanel

Vårt team utvecklade en interaktiv instrumentpanel med hjälp av data från IoT-sensorer, som integrerades i en Azure SQL-databas. Denna kombination valdes för dess realtidsfunktioner för databehandling och förmåga att hantera stora datamängder utan att göra avkall på prestanda. Instrumentpanelen gav liveuppdateringar om bussplatser, ankomsttider och passagerarantal. Viktiga funktioner inkluderade:

Geologisk spårning: Realtidsspårning av varje buss, vilket ger en detaljerad översikt över flottan.
Tidskänsliga varningar: Automatiska varningar för förseningar eller avvikelser från schemat, vilket förbättrar den operativa reaktionsförmågan.

Förbättrad noggrannhet i data

I vår strävan att maximera datanoggrannheten använde vi avancerade algoritmer och analyser i programvaran för GPS-spårning av bussflottan. Vi använde Python och dess bibliotek, Pandas och NumPy, för att hantera och bearbeta komplexa datamängder. Här följer en fördjupning i de specifika funktionerna och deras inverkan på logistikverksamheten:

Prediktiv analys

Optimering av rutter: Våra modeller analyserar historiska trafikdata och trafikdata i realtid för att föreslå de mest effektiva rutterna, vilket bidrar till att minska förseningar och bränslekostnader.
Prognoser för fördröjning: Genom att undersöka mönster i trafikflödet, väderförhållanden och historiska förseningar förutser systemet potentiella störningar för proaktiv schemaläggning.
Analys av passagerarflöden:Prediktiva verktyg bedömer trender i passagerarvolymer och hjälper till att optimera busstidtabeller och frekvenser.

Rekonstruktion av data och avancerad spårning

Fylla luckor i data: Programvaran för hantering av bussflottan identifierar och kompletterar saknade eller inkonsekventa datapunkter.
Övervakning av fordons hälsa: Realtidsspårning av fordonshälsoindikatorer som bränslenivåer och underhållsbehov för förebyggande underhåll och minskad stilleståndstid.
Uppföljning av operativa nyckeltal: Key Performance Indicators (KPI:er) som t.ex. punktlighet och andelen genomförda resor övervakas kontinuerligt för att hitta förbättringar.

Användarroller och interaktivitet

Vårt förbättrade instrumentpanelssystem för programvaran för hantering av bussflottan har utformats med specifika användarroller för att tillgodose olika nivåer av interaktion och operativa behov:

Tittarens roll

Visualisering av data i realtid: Tittarna har tillgång till en dynamisk karta som visar bussarnas position i realtid, hur rutten framskrider och beräknade ankomsttider.
Anpassningsbar instrumentpanel för analys: Genom att undersöka mönster i trafikflödet, väderförhållanden och historiska förseningar förutser systemet potentiella störningar för proaktiv schemaläggning.
Prediktiv analys: Användarna kan få tillgång till prediktiva modeller som förutspår potentiella förseningar, vilket möjliggör förebyggande ruttjusteringar och schemaläggning.
Att dela insikter: Instrumentpanelen gör det enkelt att dela resultat och rapporter med kollegor, vilket underlättar gemensamt beslutsfattande.

Administratörens roll

Omfattande systemkontroll: Administratörer har övergripande kontroll över instrumentpanelens inställningar, vilket säkerställer att systemet anpassas till organisationens krav.
Hantering av användaråtkomst: Denna funktion gör det möjligt att hantera användarbehörigheter, vilket säkerställer att personalens åtkomst är nivåindelad och säker.
Datahantering och rapportering: Administratörer kan övervaka datainsamling, analys och rapportering.
Anpassning av systemet: De kan anpassa instrumentpanelens gränssnitt och funktioner för att anpassa sig till ändrade förhållanden eller för att integrera nya datakällor.

Teknik och verktyg

Back-end

Python, Flask, Pandor

Databaser

Azure SQL

Plattformar

Microsoft Azure, Power BI

Operativsystem

Windows Server, Linux

Webbserver

Apache, Nginx

Integrationer

Azure IoT-hubb

Övervakning av servrar

Prometheus, Grafana

Process

Vårt projekt för att utveckla busspanelsystemet för en programvara för hantering av bussflottor utvecklades genom en rad noggrant planerade steg, vilket säkerställde att varje aspekt av lösningen var anpassad till kundens behov:

Inledande skede - förståelse för kraven: Vårt team började med att göra en djupdykning i kundens befintliga programvara för hantering av transportflottor. Vi fokuserade på att identifiera de viktigaste utmaningarna och förbättringsområdena och lade därmed grunden för en skräddarsydd lösning.
Utformning av systemet: Nästa steg var att utforma systemets arkitektur. Här har vi fokuserat på datahantering och smidig integration med IoT-sensorer.
Agil utveckling: Med en tydlig design på plats gick vi vidare med mjukvaruutvecklingen och använde oss av Agile-principer. Genom att använda Python och relaterade bibliotek fokuserade vårt team på att förbättra backend till processer. Vi analyserade stora datamängder och integrerade dem med Azure SQL och IoT Hub.
Testning: Den uppdaterade programvaran för hantering av bussflottan testades noggrant efter utvecklingen. Vi fokuserade på backend-systemets datanoggrannhet och systemets tillförlitlighet, särskilt när det gäller integrationen med IoT-enheter.
Driftsättning och utbildning: Efter framgångsrika tester driftsattes systemet. Vi vägledde kundens team med fokus på hur man hanterar systemet och tolkar data.
Kontinuerligt stöd: Efter driftsättningen fortsatte vårt team att stödja kunden, särskilt när det gällde att säkerställa att uppgifterna var korrekta och att systemet fungerade.

Team

Projektledare

Full-Stack Utvecklare

Dataanalytiker

BI-utvecklare

QA-ingenjör

Resultat

95% noggrannhet i spårning av bussflottan och 2x snabbare dataanalys

Implementeringen av vårt dashboard-system för programvaran för hantering av bussflottan förbättrade främst datanoggrannheten, vilket ledde till en nästan perfekt noggrannhet för bussarnas ankomst- och avgångstider. Denna förbättring var avgörande för att effektivisera schemaläggningsprocessen och minska väntetiderna för passagerarna. Förseningarna minskade med cirka 30% tack vare effektivare ruttplanering med hjälp av prediktiv analys. Instrumentpanelens dataanalysverktyg gjorde det möjligt för kundens team att identifiera operativa flaskhalsar snabbare, vilket ledde till en ökning av hastigheten i beslutsprocesserna relaterade till fleet management. Detta var särskilt tydligt när det gällde resursallokering. Det nya användarvänliga gränssnittet för programvaran för hantering av bussflottan minskade den genomsnittliga tid som krävs för personalutbildning, vilket gjorde det lättare för nya och befintliga medarbetare att anpassa sig till systemet. Denna förbättring bidrog också till ett smidigare arbetsflöde inom teamet.

Sammantaget bidrog dessa förbättringar i systemet för hantering av bussflottan till en mer effektiv, snabb och tillförlitlig service, i linje med kundens mål att förbättra den operativa prestandan och kundnöjdheten.

Projektets löptid

Oktober 2023 - December 2023

snabbare dataanalys

95%

noggrannhet i spårning av ankomst- och avgångstider

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Namn

Företag

E-post

Telefon

Meddelande Vänligen inkludera projektinformation, varaktighet, teknologistack, IT-proffs som behövs och annan relevant information

Spela in ett röstmeddelande om ditt projekt för att hjälpa oss att förstå det bättre

Bifoga ytterligare dokument vid behov

Ladda upp filen

Du kan bifoga upp till 1 fil på totalt 2 MB. Giltiga filer: pdf, jpg, jpeg, png

Observera att när du klickar på Skicka-knappen kommer Innowise att behandla dina personuppgifter i enlighet med vår Integritetspolicy i syfte att ge dig lämplig information.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad uppskattningar.