Использование такси в настоящее время является скорее выражением, чем реальностью с меняющейся динамикой в ​​транспортной отрасли; однако недавние изменения в законодательстве Нью-Йорка выступают против снижения заработной платы водителей.

14 августа мэр Нью-Йорка Билл де Блазио подписал новый закон, ограничивающий количество транспортных средств на оживленных дорогах и устанавливающий минимальную заработную плату для водителей. Этот закон следует за движением Независимой гильдии водителей за повышение уровня жизни водителей после многих лет снижения заработной платы.

Хотя этот закон уравновесит предложение транспортных средств в городе, эти новые правила кажутся краткосрочными решениями, позволяющими избежать сбоев в отрасли.

С появлением приложений для совместного использования, таких как Uber и Lyft, такси столкнулись с жесткой конкуренцией из-за удобства и растущей популярности этих услуг. В июле прошлого года Нью-Йорк Таймс сообщила, что Uber превзошел такси по ежедневному количеству поездок в Нью-Йорке: Uber выполнял 289 000 поездок каждый день, в то время как такси немного отставали с 277 000 поездок. С тех пор это несоответствие продолжало расти.

С самого начала такие компании, как Uber, использовали науку о данных для создания эффективных практик.

«Данные всегда были основой истории Uber как бизнеса, — написал глава Uber Data Science Platform Кевин Новак в статье на Medium.

В первый год Uber Data Science увеличился с двух до 35 человек, что позволило компании внедрить такие функции, как uberPOOL, который подбирает пассажиров, следующих в том же направлении, по сниженной цене, или Geosurge, систему ценообразования Uber, которая корректируется в зависимости от местоположения и время. С запуском Uber’s Data Science Workbench чуть более года назад компания продолжает анализировать и принимать более эффективные операционные решения на основе своих данных. Эта рабочая среда создала единый графический пользовательский интерфейс для различных специалистов по данным в Uber, чтобы исследовать, анализировать, визуализировать и запрашивать данные с помощью различных инструментов, таких как RStudio, Jupyter Notebook и других.

Конечно, быстрый рост Uber предоставил ресурсы для реализации таких инструментов, но, возможно, их приверженность науке о данных может служить примером для остальной части отрасли.

С одной стороны, такси могут использовать методы, аналогичные Uber. Например, в Филадельфии в конце прошлого года было запущено приложение 215GetACab, которое представляет собой приложение, позволяющее пользователям запрашивать и оплачивать такси без изменения цен, которое используют другие компании-разработчики приложений. Аналогичным образом Комиссия по такси и лимузинам Нью-Йорка недавно запустила в конце июня программу Гибкий тарифный план, которая, похоже, движется в этом направлении.

Программа Flexible Fare Pilot — это приложение, которое позволяет водителям получать расценки перед бронированием арендованного автомобиля, что дает возможность сравнить цену с другими услугами.

Тем не менее, большинству программ такси по всей стране еще предстоит провести исследования в области науки о данных, чтобы улучшить свои услуги.

Toyota, JapanTaxi, KDDI Corporation и Accenture объявили о пилотной программе в Японии в начале этого года, которая может предложить необходимую технологическую модернизацию для отрасли. Новая программа создаст систему диспетчеризации такси, которая использует искусственный интеллект и данные, такие как прошлые поездки и данные смартфонов, для прогнозирования спроса. У участвующих такси есть планшет, на котором отображается карта с информацией о прогнозируемом количестве занятых и незанятых такси в этом районе, что позволяет водителям находить более высокий спрос с менее доступными водителями.

Количество автомобилей с этой системой увеличилось в среднем на 9,4 процента с начала испытаний в феврале 2018 года. Позже в этом году компании планируют выпустить программное обеспечение для более широкого использования.

Эти статистические данные в основном доступны компаниям такси по всему миру; однако на самом деле немногие воспользовались этим. Комиссия по такси и лимузинам Нью-Йорка уже публикует свои данные о поездках в Интернете, хотя эти данные еще предстоит проанализировать в той же степени, что и эта японская инициатива, и операции Uber по науке о данных. Может ли это обеспечить более устойчивый способ конкурировать с компаниями, занимающимися наукой о данных, используя преимущества изобилия данных смартфонов? Мы увидим, как компании начнут публиковать больше данных, а другие организации предоставят технологии, необходимые для решения этой проблемы.

Читайте другие статьи о науке о данных на OpenDataScience.com