Menu

Datová analytika
pro dopravu a mobilitu

Integrace, analýza a vizualizace dopravních dat snadno a rychle

Zjistit více

Nástroje pro integraci dat a API o mobilitě

Integrujte data různých formátů a zdrojů do jednotného datové modelu mobility

Data Integration Pipeline

Sběr GPS dat o pohybu

Jednoduše sbírejte a analyzujte detailní data o pohybu

Vysoké časoprostorové rozlišení

Pozice je zaznamenána každo vteřinu s vysokou přesnosti lokalizace díky fúzi data z GPS, WiFi a GSM sítě.

Zpracování využívajících podkladových map

GPS trajektorie zpracováváme s využitím síťového modelu dopravní infrastruktury s cílem eliminovat šum, zvýšit přesnost a doplnit dodatečné atributy.

Automatická kategorizace a anotace

Zaznamenané trajektorie dokážeme automaticky klasifikovat do definovaných tříd na základě široké škály atributů.

Analýza

Tvoříme širokou škálu deskriptinvích a prediktivních modelů z dat v čase a prostoru

Analýzy tras

Analyzujeme veličiny přímo navázané na fyzickou i logickou dopravní síť, po které se lidé, vozidla nebo zboží pohybují. Vyhodnocujeme intenzity provozu, průměrné rychlosti nebo emise. Detekujeme trendy a identifikujeme anomálie v pohybu sledovaných entit.

Analýzy cest

Analyzujeme vlastnosti cest a jejich návaznosti. Zjištujeme odkud kam, kdy a jak se lidé a zboží pohybují. Počítáme a vizualizujeme detailní matice zdrojů a cílů cest s rozlišením na denní dobu, segment populace nebo účel cesty.

Síťové analýzy

Analyzujeme vlastnosti dopravního systému jako celku. Hodnotíme propojenost území, identifikujeme mezery v pokrytí nebo úzka hrdla v síti a doporučujeme jak je nejlépe odstranit a optimalizovat tak definovaná kritéria.

Interaktivní vizualizace

Vytváříme přehledné interaktivní vizualizace dat v čase a prostoru

Různé typy dat

Vizualizujeme různé typy dat s časovou a prostorovu dimenzí. Podporujeme veličiny navázané na místa, linie nebo oblasti.

Pokročilé filtry

Umožnujeme definovat pokročilé filtry na základě místa, času, typu vozidla, čísla linek apod.

Proměnlivá úroveň detailu

Míru detailu ve vizualizaci dynamicky přizpůsobujeme úrovni přiblížení tak, abychom umožnili jak rychle porozumět celku, tak snadno získat informace o detailech.

Náš záběr

Naše nástroje pro datovou analytiku se hodí na různé typy dopravy

Cycling-4-3

Cyklistika a aktivní mobilita

Analyzujeme cyklistiká data abychom poskytli vzhled do potřeb a chování cyklistů: odkud kam a kdy lidé jezdí na kole, jaké trasy volí, a jakým problémům na nich čelí.

Modernizace tramvajové trati v úseku Koh-i-noor – Kubánské náměstí

Veřejná doprava a MaaS

Analyzujeme strategické a provozní atributy systémů veřejné dopravy a mobility jako služba: analyzujeme pokrytí veřenou dopravou, vytížení linek, nebo přesnost spojů a dodržování návazností.

Fleet-4_3

Správa flotil

Analyzujeme strategické a provozní správy flotil: monitorujeme trasy vozidel, jejich rychlosti a místa zastavení, detekujeme odchylkua anomálie, identifikujeme oblasti ke zvýšení efektivity.

Ukázky analýz

Vybrané datové analýzy, které jsme zpracovali pro naše zákazníky

Počty cestujících ve veřejné dopravě

Z transakčních dat o nákupu jízden.a jednotlivých linkách a jejich úsecích.

Více

Intenzity cyklistického provozu

Z dat GPS o pohybu cyklistů a statických sčítačů jsem odvozovali počty cyklistů na jednotlivých úsecích sítě.

Více

Kvalita pokrytí veřejnou dopravou

Kvantifikovali jsem kvalitu pokrytí veřejnou dopravou a porovnali s individuální automobilovou dopravou.

Více

Analýza potenciálu pro P+R

Kvantifikovali jsme přínosy intermodálních kombinací veřejné dopravy s P+R pro jednotlivé přestupní body a jejich spádové oblasti. 
Více

Start unlocking the value in your data!

Contact us

Kontaktujte nás

  • Bělehradská 858/23
    120 00 Praha 2
    Czechia
Instagram Twitter Linkedin

Ozveme se Vám do 24 hodin.

Plánování cest
Analytika
Cyclers Platform
cs_CZČeština
en_USEnglish cs_CZČeština

Analysing Public Transport Ridership

For  a public transport authority (PTA) we have calculated ridership statistics from hundreds of GBs of ticket purchase data. Our analysis provided the PTA with accurate information on how many riders of which category use each public transport service at different times. A challenge here was to reliably map purchase transactions from multiple transport operators to the underlying public transport timetables and to build an interactive map-based data visualization that conveyed the insights the PTA needed to plan optimization of the public transport network.

Key technologies used 

  • GTFS/JDF timetable import and modelling
  • data to timetable matching
  • network-centric data visualization

Intenzity cyklistického provozu

For the city of Prague, we have calculated the number of cyclists on each segment of the city’s street and cycleway transport network. For each network segment, we’re provided the number of cyclists travelling in both directions at different times. The analysis required mapping millions of kms of cycling GPS tracks to the underlying model of the transport network and counting data extrapolation using data from stationary cycling counters. The result is provided in a form of an interactive visualization that allows the city to use the analytical output for a number of cycling-related policy decisions.

Key technologies used 

  • OpenStreetMap import and cycling network modelling 
  • GPS track to transport network map-matching
  • Non-uniform counting data extrapolation
  • Interactive network-centric data visualization

Public Transport Coverage Analysis

For a public transport authority, we have calculated quality of service coverage metrics and compared them against private car. For each pair of destinations, we have evaluated all available door-to-door public transport connections and evaluated their travel times, frequencies and number of transfers. We have then compared travel times with travel times by individual car to identify origin-destination pairs for which public transport is highly competetive. The analysis served the PTA for optimizing the design of the public transport network.

Key technologies used 

  • GTFS/JDF Timetable import and transport network modelling
  • Door-to-door public transport journey planning
  • Car route planning with real-world travel time data
  • Map-centric interactive data visualization

P+R Potential Analysis

Employing our network-centric analytics tools, we have evaluated the potential for P+R for Prague metropolitan area. For each settlement, we have compared average travel time to the city center between a door-to-door trip with public transport with an intermodal door-to-door trip combining driving to a P+R facility and then taking a public transport from there. The regions with the highest relative travel time savings when employing P+R compared to public transport-only journey are marked as green. The analysis helps to quantify the benefits of building a P+R facilities in different locations around/in Prague.

 

Key technologies used 

  • GTFS/JDF timetable import and transport network modelling
  • Intermodal door-to-door public transport with P+R routing
  • Car routing with real-world travel time data
  • Map-centric interactive data visualization