Guidare Budapest verso il futuro: Come BKK utilizza Databricks per trasformare la mobilità urbana

In qualità di autorità unificata per i trasporti di Budapest, BKK gestisce i sistemi di trasporto pubblico, mobilità condivisa, infrastrutture e traffico che mantengono in movimento la città di 1,7 milioni di abitanti. “Siamo come un think tank per la mobilità strategica in città”, afferma Max von Münster, esperto di data science di BKK. L'organizzazione raccoglie grandi set di dati da oltre 2.000 autobus, centinaia di metropolitane e tram, e quasi 1.000 biciclette e scooter condivisi, tracciando posizioni, velocità dei veicoli, numero di passeggeri e altro ancora.

Il suo data warehouse locale esistente faticava a tenere il passo con il crescente volume e la varietà dei dati, rendendo difficile l'accesso e l'analisi efficiente delle informazioni. BKK aveva bisogno di un modo per centralizzare e democratizzare i propri set di dati, modernizzando al contempo la piattaforma per supportare analisi geospaziali avanzate e machine learning.

Costruire una moderna piattaforma di analisi dei trasporti

Prima di Databricks, BKK utilizzava server Microsoft SQL on-premises e reportistica frammentata basata su Excel e PowerBI. Gli analisti potevano interrogare i dati GPS o di imbarco solo estraendo sottoinsiemi in notebook Jupyter, e i grandi set di dati mettevano a dura prova il sistema.

“La città è piena di informazioni decentralizzate”, ha osservato Max. “Uno dei nostri grandi obiettivi è riunire queste informazioni nel cloud e renderle accessibili agli esperti che prendono le decisioni.”

Per affrontare questo problema, BKK ha iniziato una migrazione graduale ad Azure Databricks. I dati sulla mobilità sono arrivati per primi a causa del loro volume e della loro importanza per la pianificazione e l'analisi geospaziale. I set di dati provenienti da GPS dei veicoli, sensori passeggeri, orari di imbarco e un'ampia varietà di altri sistemi sono stati migrati con un'attenzione particolare alla modellazione e alla validazione accurate nel cloud.

“È molto importante connettere queste fonti decentralizzate”, ha affermato Estilla Híves, analista di Business Intelligence. “Team diversi spesso necessitano di insight simili da prospettive diverse, e con una piattaforma centralizzata possiamo combinare i dati e condividerli tra i team.”

Abylon, partner Databricks, ha svolto un ruolo chiave nell'accelerare la trasformazione dei dati cloud di BKK. Aiutando BKK a sviluppare la propria piattaforma dati basata su Azure, abilitando il proprio data warehouse e le operazioni sui dati nel cloud, e guidando l'organizzazione nell'ecosistema Databricks, Abylon ha gettato le basi per un percorso di dati cloud scalabile e a lungo termine.

Sbloccare nuovi casi d'uso di analisi e modellazione

Con l'architettura Databricks Lakehouse, BKK può esplorare e agire sui dati in modi che prima erano impraticabili. Gli analisti possono ora elaborare set di dati grandi e complessi in modo efficiente utilizzando tutta la potenza del cloud, fornendo insight più rapidi e decisioni operative più reattive. La piattaforma è anche molto più facile da usare rispetto al loro sistema precedente; gli analisti possono lavorare senza problemi in SQL, Python o R all'interno degli stessi notebook collaborativi, condividendo il lavoro tra i team senza dover trasferire variabili o oggetti dati.

Questi miglioramenti hanno sbloccato una serie di potenti casi d'uso reali, tra cui:

• Tracciamento al minuto dei veicoli di mobilità condivisa: BKK mappa oltre 900 monopattini e stazioni di bike-sharing ogni minuto, monitorando le esigenze di parcheggio e guidando le decisioni di allocazione
• Analisi delle prestazioni a livello di percorso per il trasporto pubblico: dati GPS e di velocità da autobus e tram evidenziano segmenti lenti, aiutando a ottimizzare la temporizzazione dei semafori e la pianificazione dei percorsi
• Modellazione predittiva per gli autobus aeroportuali: BKK combina dati API aeroportuali in tempo reale con previsioni di domanda a lungo termine per aggiornare gli orari degli autobus in tempo reale e pianificare la domanda dei passeggeri fino al 2033
• Pianificazione dinamica e capacità: BKK utilizza schemi di utilizzo, tendenze stagionali e dati sugli eventi per adeguare gli orari di autobus e tram per prevenire il sovraffollamento

Queste innovazioni danno a BKK la capacità di agire più velocemente, prendere decisioni più intelligenti e pianificare in modo proattivo la mobilità a livello cittadino.

Potenziare il futuro dei trasporti urbani

Databricks posiziona BKK per espandere le analisi in tutti i dipartimenti e collaborare più ampiamente. La piattaforma supporta la democratizzazione dei dati, fornendo accesso governato a set di dati sulla mobilità per gli esperti interni oggi e creando le basi per future collaborazioni con partner esterni e persino con altre città europee.

Max ha evidenziato la visione a lungo termine: “Miriamo a un gemello digitale del sistema di mobilità di Budapest per analizzare schemi, simulare scenari e migliorare continuamente il trasporto pubblico.”

I vantaggi si estendono oltre la mobilità a livello cittadino. Databricks fornisce inoltre a BKK un tracciamento dettagliato dei costi, visibilità a livello di team e strumenti per ottimizzare l'allocazione delle risorse interne. “Possiamo differenziare tra i team e tracciare chi sta generando costi di calcolo, il che è molto utile per la pianificazione e il budget”, ha affermato Estilla.

Combinando queste efficienze interne con operazioni di trasporto più intelligenti e basate sui dati, BKK sta passando dalla reportistica reattiva alla pianificazione proattiva della città, sbloccando insight che prima erano impossibili e preparando il terreno per il prossimo decennio di innovazione nella mobilità urbana.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale