HadoopTimes

ストリーミングアーキテクチャ Apache Kafka とMapR Streams による新しい設計手法
最新動向

輸送業がビッグデータとHadoopに取り組む理由

毎日の交通移動をハイテク技術が支えていると感じることはあまりないかもしれませんが、この数年でビッグデータとHadoopは輸送業に革命をもたらしてきました。車にしろ、鉄道、航空または配達トラックにしろ、その移動を通じて私達はビッグデータを利用しています。それでは、輸送ビジネスに注目しビッグデータを大いに活用している事例を見てみましょう。

鉄道

電車や鉄道には、電車の旅と祖父母ののどかな時代を結びつけてしまう、どこか昔懐かしい郷愁感があります。しかし、鉄道輸送システムの現実は全くのどかでも素朴でもありません。まさに他の多くの産業と同様に、鉄道会社はビッグデータを業務の多様な側面に統合しています。

予測可能性は鉄道システムの1つの構成要素です。人員、車体、時刻表などは車両が動く前に予め決められています。電車が動き出すとリアルデータを生成する”魔法”が始まります。

ところで、これら全てのビッグデータは何処からくるのでしょうか。現在利用される多くのデータソースの内、幾つかを見てみましょう。

  • メンテナンス記録
  • 電車の安全性確保に使用することのできる気象データと結びついたGPSユニット
  • 現場用携帯タブレット
  • 速度、車間距離、到着時間と場所を記録するGPS装置
  • ブレーキ、レール、スイッチや他機械設備の視覚および音響センサー

これら全データソースは豊富な分析性を与え、機械的、および人による意思決定に迅速に反映することができます。

鉄道の自動化を行った例として、国内最大の鉄道会社の1つは、時刻変更をすべて自動化するシステムに投資を行いました。このビッグデータシステムは8000以上の電車の時刻変更を管理します。どんな予期しないことが生じても、この8000両の電車は23の州の間で時刻通り到着することができます。これがまさに大きなビジネス価値となっているのです。

交通管理

誰しも、特に生産性のあるインフラに優秀な人を呼び込もうとしている都市の人は交通渋滞を嫌います。このため、多くの都市ではこの交通の魔物を抑制するためにビッグデータを利用し始めています。その1つであるニュージャージー州では、高さ22フィートのセンサーが、行き交う人々から毎日拾い上げる何百万もの携帯電話とGPSの信号を選別しています。道路管理者に送られるデータは次のものです。

  • 車の速度
  • 加速と減速の原因
  • 天候
  • 地域のイベント

これらのデータは次に、センサーや他の情報源からの道路状況に対する他のあらゆるデータと相互参照されます。この全データを一元管理し、ニュージャージーの2600マイル以上の道路のリアルタイムデータ交通マップが出来上がるのです。

このマップにより、道路技術者や管理者は交通の問題を瞬時に特定できます。例えば、ある日のデジタルマップは、午後の通行者を阻害するI-80のある地点を当局に知らせました。30分以内に、担当者がその地点に作業車を走らせ、ひっくり返った車を移動しました。この新しいセンサーデータ以前ならば、通行者達は何時間も問題解決されるまで待たされたかもしれません。交通カメラと点在する道路脇のセンサーネットワークのやりとりは、リアルタイムデータ交通マップ以前にはとても十分とは言えなかった道路問題を点検し解決する能力を当局に与えています。

配送、トラック運送企業

配送、トラック運送会社は私達の現在の生活には無くてはならない存在です。顧客からの高い要求に応え続けるために、これらの企業もまたビッグデータテクノロジーを導入しています。ビッグデータ利用の1つとして、トラック輸送企業が役立てているのは多くの費用がかかる燃料費の削減です。数学的モデルを使用して配送ルートを最適化している例もあります。余分な配送ルートを取り除くことで、ドライバーは毎日の業務から約1マイル削減することができます。私達の大半にとって1マイルは大きいものではないかもしれません。UPSの様な企業にとって、ドライバー1人につき1日1マイルの削減は、年間の燃料費5000万ドルの削減に相当します。

トラック輸送企業の燃料費削減するための別のデータ利用方法は、燃料効率の良いトラックを選択するために予測モデリングを利用することです。ある会社はこのデータを利用して、600万ドルかけ新しくトラック50台を選ぶ際、最適な選択をすることに役立てました。

正確なトラックの燃料経済性を決定するために使用した予測モデルは、標準的な判定基準以上の分析を行いました。運転挙動、燃料タンクの水準、積載量、道路の状態等のデータ変量を組み合わせました。この詳細なデータは経営者に、どのトラックが長期的に最も燃料効率が良いか明確に示しました。

道路の補修

地域のインフラや道路補修を上手く処理し続けることは困難な事です。多くの都市は、常に必要な重大な修繕に取り組んでいるということからしてこれらが遅れていると感じています。さらに頭を悩ませるのは、その道路の利用者が道路の不備のせいで車が損傷を受けることです。

ボストンはまさに、この特定の問題に取り組むためにビッグデータを活用する多くの都市の1つです。この都市の活用方法の1つとして、ビッグデータアプリの開発を開始しました。地域のインフラを改善したいと考える住民は、携帯電話でこのStreet Bumpとして知られるアプリを使います。このアプリは携帯の加速センサーからの信号データを利用して、振動を検知します。もし同じ場所からこのアプリのある別の電話からも振動の報告があれば、舗装の必要のある穴があるということです。以前は、市は実地の道路調査に頼り、舗装の必要な道路を技術者が特定する必要がありました。通常ボストンのこれにかかる費用は毎年20万ドルでした。それに比較しSpeed Bumpアプリの開発費用はたった8万ドルでした。最終的に、Speed Bumpの優れた正確性と効率性の利点により、市は道路評価にかかる費用を大幅に削減しました。

効率的な輸送システムは経済を活性化する上で重要な要因です。ビッグデータは運送会社が、運行の効率性の上昇、顧客の利用感の改善、燃料費の削減と利益の増加、そして提供するサービスの向上を通して運送業を継続することに役に立ちます。
ビッグデータとHadoopについてさらに詳しく知りたい方は、ビッグデータとApache Hadoopに関するエグゼクティブガイド(英語)をダウンロードして下さい。

こちらの記事もおすすめです