Компанията за споделени пътувания Uber последните години е обект на жесток натиск от различни страни. На първо място това са таксиметровите компании, които я разглеждат като реална конкуренция и съответно искат да я елиминират. На второ място това са местните власти, които пък искат да имат по-големи приходи от дейността на компанията, т.е. за целта тя трябва да плаща данъци и такси (лицензи). Борбата на Uber с местните власти е с променлив успех. За съжаление в София платформата не просъществува дълго време. А преди броени дни Европейският съд призна Uber за таксиметрова компания, а не просто за платформа, свързваща шофьори с пътници. Най-вероятно това ще се отрази на бизнеса им е Европа.
Това, обаче, което е по-интересно е, че Uber със своите шофьори, които са задължително регистрирани в приложението им, разполагат с изключително голям обем от данни, които могат да бъдат използвани за различни цели. Силата на данните им се демонстрира в сайта: movement.uber.com. В него компанията е споделила данни за трафика на няколко големи града. За момента това са Богота (Колумбия), Бостън (САЩ), Манила (Филипини), Сидни (Австралия) и Вашингтон (САЩ). Платформата е разработена с помощта на специалисти по транспортно планиране и урбанисти, като целта й е да извежда модели на предвижване в различни часови/дневни/месечни интервали и да прави сравнения между тях.
В сайта на компанията има и няколко много показателни примера за силата на данните от шофьорите на Uber. Първият разглежда ефектите от затварянето на част от метрото във Вашингтон (столица) в САЩ. Вторият е посветен на Австралия и изследване на представянето на уличната мрежа в по-големите градове там. А третият (особено актуален у нас в дългите почивни дни) показва тенденциите за предвижване по празниците в Манила, Филипини.
Според различни публични източници в София има около 6000 таксиметрови автомобила. В Пловдив те са около 1000. Повечето от тях са оборудвани с различни технологии: за следене на трафика; за възможност да се поръчват чрез различни приложения; и т.н. Това прави напълно възможно събирането на обобщени данни от таксиметровите компании и използването им от публичните власти за вземане на решения и предвиждане на бъдещи ситуации.
Например, до този момент не съм чул или прочел с колко време се е удължил пътят за предвиждане от т. А до т. Б вследствие на ремонт на някой софийски булевард. Единственото което се чува в такива случаи е: „Софиянци ще изпитат затруднения в предвижването и ще се образуват тапи„. Нищо повече. Да, тапите ги виждаме всеки ден на приложението си на телефона и ги преживяваме пътувайки, но Maps (iOS) и Google Maps (Android) не могат да ни кажат дали това ще се повтори и след 2 седмици. Или иначе казано, данните, които използваме в телефоните ни са само моментни. Каква ще бъде обстановката след 2-3 месеца те не могат да ни покажат.
Освен времето на предвижване използването на тези данни позволява приблизително изчисляване и на замърсяването вследствие на увеличеното време за пътуване, което може да се равнява на тонове въглероден диоксид на година, например. Пък и това позволява проверка на твърдения от типа „с пускането на еди кой си метродиаметър ще бъдат спестени Х тона въглеродни емисии„. Как е изчислено това, обаче никой не казва. А докато трае строежът му колко ще бъдат увеличени въглеродните емисии, резултат от задръствания и търсене на алтернативни маршрути?
За да бъде ефектът още по-голям може данните на таксиметровите компании да се обединят с данните събирани от центъра за градска мобилност (поне за София) от автобусите, тролеите и трамваите. Данните от първите два вида транспорт могат да се използва при планирането на пътната мрежа. Докато данните от трамваите, чиито трасета понякога са обособени (напр. по бул. „Цар Борис III“ в София), могат да бъдат сравнявани с останалите, за да се провери дали в час пик или непредвидени обстоятелства е по-бързо да се движиш с трамвай, отколкото с друго превозно средство.
Използването да подобни данни може да послужи дори за планиране на велоалеите в градовете. Сигурно където трафикът е най-голям следва да се обособят самостоятелни велоалеи или изобщо да не се правят такива заради повишен риск от инциденти.
Друго приложение на данните е при издаването на строителни разрешения. Лично на мен ми е любопитно как новопоявил се търговски център или офис сграда влияе на трафика. Имайки възможността да използваме исторически натрупани данни за района около подобен обект с голяма доза сигурност може да предположим какъв ще е ефектът от нова сграда на конкретно място. Стремежът и публичното деклариране на местните власти, че при издаване на разрешение за строеж големите сгради (с голяма РЗП – разгъната застроена площ) ще трябва да се доказва/показва ефектът върху трафика, само подчертава необходимостта от използването на тези данни.