Zgodnie z najbardziej aktualnymi danymi Polska ma najwyższy w Europie współczynnik liczby samochodów na 1000 mieszkańców – 703. Na koniec 2022 roku w Polsce zarejestrowanych było blisko 26,5 miliona aut. Gdyby każdy z pojazdów gromadził dane nt. stanu technicznego czy warunków na drogach, możliwe byłoby wprowadzenie systemowych rozwiązań, korzystnych dla każdego uczestnika ruchu. To też istotny krok w kierunku samochodów autonomicznych. Jak daleko jesteśmy od tej wizji?
W 2023 roku najbardziej zakorkowanym polskim miastem był Wrocław. Osoba pracująca 5 dni w tygodniu i dojeżdżająca do pracy samochodem w godzinach szczytu straciła średnio 107 godzin w ciągu roku na staniu w korkach, czyli około 4,5 dnia. Przejechanie 10 km zajmuje w tym mieście średnio 24 minuty i 40 sekund. To dziesiąty najgorszy wynik spośród wszystkich europejskich miast. Niechlubnym zwycięzcą jest Londyn – kierowcy tracą w tamtejszych korkach 148 godzin rocznie, a przejechanie 10 km zajmuje średnio 37 minut i 20 sekund. Za te problemy odpowiedzialna jest po części infrastruktura niedostosowana do obsługi tak dużego ruchu, a po części kierowcy, którzy nie zawsze stosują się do przepisów i w efekcie blokują kluczowe odcinki.
Skalę tych niedogodności mogłyby zmniejszyć samochody autonomiczne oparte na analizie big data i w czasie rzeczywistym korygujące np. proponowane trasy ze względu na natężenie ruchu czy wypadki drogowe. Ten typ pojazdu miałby działać w oparciu o algorytm i nad jego doskonaleniem prowadzimy obecnie prace. Na tę potrzebę gromadzona jest ogromna ilość danych z różnych krajów na temat np. warunków drogowych, jakości infrastruktury czy oznakowania. Celem jest dostarczenie algorytmowi tak dużej dawki informacji, aby potem zainstalowany w danym pojeździe mógł samodzielnie przeanalizować sytuację drogową i podejmować trafne decyzje, bez względu na to, czy samochód będzie poruszał się po centrum Londynu, czy lokalnych drogach w Szwecji – komentuje Krzysztof Janusz, Head of Market Unit Automotive w Capgemini Polska.
Monitoring stanu technicznego
Zarówno całkowita liczba zarejestrowanych w Polsce samochodów czy ich liczba na 1000 mieszkańców niewiele mówią o tym, w jakim stanie jest krajowa motoryzacja. Jednocześnie, szacunki pokazują, że średni wiek samochodu poruszającego się po polskich drogach to 15 lat. Zatem te pojazdy nie są zaawansowane technicznie i zakres danych, które gromadzą, jest z jednej strony niewielki, a z drugiej przechowywany lokalnie. W efekcie ich przydatność jest ograniczona tylko do właściciela i serwisantów. Posiadając te wszystkie dane zgromadzone w jednym systemie, ich analiza mogłaby pomóc na przykład w wykrywaniu wzorców awarii. Mogłoby to również znacząco wpłynąć na długoterminowe bezpieczeństwo na drogach poprzez analizę danych pochodzących z wypadków.
Optymalizacja floty pojazdów
Prywatni kierowcy, będący uczestnikami systemu drogowego opartego na big data, doświadczają szeregu korzyści, ale jeszcze większym beneficjentem mogą być firmy transportowe. Ze względu na to, że transport ciężki odbywa się głównie trasami szybkiego ruchu, wdrożenie autonomii w tym obszarze jest stosunkowo najłatwiejsze.
Dla właścicieli flot pojazdów, których utrzymanie wiąże się z dużymi kosztami, optymalizacja wydatków jest największym priorytetem. Firmy transportowe już od lat wdrażają rozwiązania, które umożliwiają monitorowanie pojazdów w czasie rzeczywistym, tak aby zmaksymalizować wydajność samochodów przy jednoczesnym dbaniu o ich najlepszy możliwy stan techniczny. Analiza spalania, kontrola zużycia podzespołów, dostosowywanie stylu jazdy do warunków pogodowych czy długości trasy – to wszystko mogłoby dać wymierne finansowe korzyści, więc nic dziwnego, że wszelkie nowości związane z analizą danych w branży automotive są bardzo wyczekiwane. W tym obszarze widać także największe zainteresowane technologiami, które docelowo mają zapewnić jakiś poziom autonomii pojazdów. Idealnym scenariuszem byłaby sytuacja, w której pojazd w oparciu o algorytm oraz analizę danych w czasie rzeczywistym samodzielnie koryguje trasę i optymalizuje ją – ocenia Krzysztof Janusz.
Nowoczesne ubezpieczenia
Obecnie funkcjonujące obowiązkowe ubezpieczenia samochodu bazują na uogólnionych szacunkach. Zakłada się na przykład, że im mniej doświadczony kierowca, tym większe ryzyko, że doprowadzi on do kolizji, więc młodsi płacą wyższą składkę OC. W styczniu 2024 roku średnia cena OC dla kierowcy w wieku 18 lat wynosiła 2018 zł. Dla kierowców powyżej 30. roku życia ta cena oscylowała wokół 500 zł. Na opłatę może wpływać nawet stan cywilny czy fakt posiadania dzieci, bo ocenia się, że osoby zamężne i posiadające dzieci będą z uwagi na to podejmować mniej ryzykowne decyzje na drodze. Uzasadniona jest zatem krytyka takiego rozwiązania, bo może być postrzegane jako niesprawiedliwe dla wielu kierowców. Odpowiedzią może być big data i ustalanie wysokości składki na podstawie danych konkretnego kierowcy lub węższej grupy, ich stylu jazdy, stanu technicznego pojazdów czy poziomu bezpieczeństwa dróg, po których się poruszają.
Personalizacja samochodu
Zgodnie z danymi Polskiego Związku Przemysłu Motoryzacyjnego w pierwszej połowie 2024 roku zarejestrowano 277 tysięcy nowych samochodów osobowych i w porównaniu do pierwszego półrocza ubiegłego roku jest to wzrost aż o 16%.
Potencjał rozwoju
Choć jesteśmy dopiero na początku tej drogi, wizja przyszłości, w której big data poprawia komfort, bezpieczeństwo, optymalizuje koszty i tworzy bardziej zrównoważony system transportowy, jest coraz bliższa realizacji. Zarówno prywatni kierowcy, jak i przedsiębiorcy posiadający floty pojazdów powinni już teraz zainteresować się i inwestować w technologie, które pozwolą na lepsze wykorzystanie potencjału, który drzemie w tych danych. Także pod kątem oszczędności finansowych.