「智慧停车」并非新的概念,它其实是所有用车人、停车管理业者、交通管理/执法单位和一般大众所追求的社会福祉与理想。时至今日,此一智慧化的风潮受到物联网关键技术及智慧车辆的逐渐成熟,而大幅改变了城市的风景。
之前曾撰文谈及智慧停车的基本分类与分案落地的考量点,而停车在席侦测器在成本优势与去识别化的特性下,则较易推广且覆盖到全城市车格的布建,当然也因此更可以影响到城市中最大部分的用车人与管理当局。本次则想和大家聊聊城市中的智慧在席侦测系统设计与大数据蒐集技术运用,亦祈各界先进不吝指教。
数据分析的重点:妥善率(精准度 X 通讯稳定度)
停车在席侦测的意思,就是在每个停车格(泊位)上建置一个埋地式的感测器,该感测器当有车停放在上面时,可以有效侦测并且透过无线物联网的方式回传到后台管理系统,让使用者可以透过一个介面(如手机App)得到全市或是全国的空车格资讯。市面上的停车在席侦测器有许多种类,包括:叁轴地球磁场、微雷达、超音波、光学式侦测、奈米波雷达⋯等方式。目前全球市场的主流是两种侦测模式并行,简称「双鑑侦测」,例如:三轴地球磁场结合微雷达侦测。
谈到在线侦测,通常会着重于精准度,但一般所理解的精准度其实只描述了感测器的工作,在物联网、智慧停车架构下我们要谈的应该是「妥善率」,而妥善率 = 精准度 X 通讯稳定度。
精准度
不管用何种方式进行侦测,在大数据(Big Data)分析的条件下,在席侦测的精準度一般都需要由第叁方来证明是否达到100%?如此所蒐集的大数据才可以满足需求端对信度(Reliability)与效度(Validity)的需求,否则就是无用资料分析(Garbage in, Garbageout),越多资料对于事实的偏差越大,更不用谈资料分析科学家如何可以运用该资料进行对社会有价值的资料探勘(Data Mining,亦称资料挖掘、资料挖矿)。笔者认为,一般的停车在席感测器因为精度通常不到98%,将被市场淘汰,唯有可以用于整合「劳务开单计费」的感测器才能创造停车业者数位转型的商用价值。因此笔者主张称之为停车计时器(Parking Timer),而非停车感测器(Parking Detector)。
通讯稳定度
若是通讯稳定度不佳,再精準的侦测也无法及时地将其资料传给资料使用者;相反地,再好的通讯品质,若是没有正确的状态回报,那收到再多的资料也是无效资料。这裡对于通讯稳定度作进一步解释,举例来说:目前相当流行、以电信公司为主的协议是NB-IoT,在无线通讯频段裡虽然其为授权频段(Licensed Band)中的特定频段(In-band),与其他频段的装置干扰不会太显着,但是从进入核心网路(EPC)后出到网际网路的速度,NB-IoT的封包却可能会跟影音串流(Video Streaming)、通话资讯(Voice)…等封包在进行排序(Prioritize)等候时,产生时程延长和服务水準协议(Service Level Agreement)的降低。更甚者,每个NB-IoT基地台所可以接受的瞬时频宽(Con-current Bandwidth)当瞬间有大量的装置联网时,也会影响其通讯稳定度。
当然,讲到通讯方面,基地台的相对位置与侦测器的天线效能才是影响通讯服务级别指标(Service Level Agreement)中最关键的因素之一。毕竟一收一发之间,资料的交握需要在无线的架构下执行,再加上停车应用的情境中车体会成为覆盖在天线上的天然阻隔物,相较智慧路灯这些高架且无遮蔽物的应用,真的是需要更多的运营经验(Operation Know-how)才可以将服务品质调升到商用的水準。
停车热点大数据分析
妥善率提升后,资料的分析才有其信度与效度,这个时候大数据分析才可以派上用场,毕竟所採用的训练资料(Trained Data)必须正确,经过演算法得出的结果才具有说服力。以下列举几个热点分析(Heat Map)案例,其资料来源为路边停车格在席侦测的大数据,数据分析的目标对象为停车管理业者。
1、区域热点分析
图1 所表现的是根据不同的开单员、单日的开单次数热点分析(Heatmap of Turnover by Day)。从此热点分析可以看出橘色E 的开单员在上午9 点与晚上8 点时,可以机动调度支援蓝色A 区的开单区域以增加整体收入。根据此热点分析,停车开单业者可以透过现有的开单员完成更多的开单效益。此热点分析也可告诉开单业者,橘色E 的开单区域跟其他开单区域比较起来开单次数较少,因此可以提供开单业者在区分开单员时考虑重新划分开单区域,以求更有效率地提供开单服务。
图1 区域热点分析
2、 人机开单数据分析
图2 所产生的大数据为开单员与在停车在席侦测器的开单数比较。灰色部分为感测器开单次数,蓝色部分为人力开单员所实际开出的收费单。经过大数据整理,可以找出该开单员可以开出却未开出的收费单,也就是潜在短收的停车收入。还可进一步分析为两个层次的涵义:第一,灰色超出蓝色的区域为可以增加收入的潜在增加收入区;第二,比较机器与人工开单的绩效管理,作为停车开单管理业者执行绩效稽核的工具。
图2 人机开单数据分析
3、 占位时间长短分析
图3 为根据停车区域所製作的热点分析,可以看出停车热点区域给予两方面的建议:首先,在热区位置设定停车引导的机制,将冷区的空位填满以增加收入;同时可以给予冷区进行诱因设计,例如:透过人工智慧(AI)演算法及时提供停车者折扣资讯,引导停车者选择前往费率较低的冷区停车,也增加了停车收益。
图3 佔位时间长短分析
4、 年度热点分析:
图4 为根据某个停车管理区域一整年所有的停车次数进行热点分析,这项大数据分析提供管理者停车管理区域的划分、机动调度的支援与跨区的开单绩效指标分析。经过分析,可以有效地提高开单次数及开单速度、进行绩效比较,同时维持相同的人力成本。
图4 年度热点分析
以上四个针对路边开单的大数据热点分析,可以明确地连结到停车管理业者的经营收益与管理效能之升级与数位转型,同时代表着使用这些数据分析的业者可以依据这些商业情报(Business Intelligence)获得长期的竞争优势。
【本文作者为尼采实业股份有限公司 执行副总经理】