Optimering av flödet i kollektivtrafiken
Beskrivning om hur Sopra Steria stöttade SL med att optimera flödet i kollektivtrafiken genom beslutsstöd för uppföljning, styrning och planering.
Bakgrund & utmaning
Storstockholms lokaltrafik har som uppgift att förse regionen med en väl fungerande kollektivtrafik, med stora krav på kostnadseffektivitet och få avvikelser i trafiken. Som underlag för detta arbete samlas trafikinformation in från ett stort antal interna system och trafikentreprenörers egna databaser. Detta arbete gjordes tidigare på olika plattformar vilket gav en spridd och komplex miljö som gjorde det svårt att få en samlad bild, samtidigt som det medförde mycket manuellt analysarbete. Dessutom efterfrågades större fokus på nyckeltal och ständigt aktuell data.
Beskrivning av lösningen
Sopra Steria utvecklade en beslutsstödsplattform som används för planering, styrning och uppföljning av hela kedjan från försäljning fram till genomförd trafik. Med 900 000 resenärer dagligen och över 150 miljoner biljettköp under ett år hanterar lösningen stora volymer och komplex data. Lösningen kopplar samman och presenterar information från en mängd olika system, och hanterar exempelvis data för färdtjänstresor, genomförda och planerade avgångar, spärrpassager, biljettvalidering och biljettförsäljning. Information som sammanställs underlättar Trafikförvaltningens möjligheter att följa upp resandestatistik, ekonomisk uppföljning, uppföljning av entreprenörsavtal, nyckeltal och mycket mer.
Arbetet idag
Initialt bidrog Sopra Steria med projektledning, arkitektur, krav, utveckling och test på en on-prem datawarehouse lösning. Idag bidrar Sopra Steria med agila team som tillsammans med Trafikförvaltningens egen organisation arbetar med flera olika dataplattformar i syfte att förse verksamheten med allt från fast rapportering i periodvisa intervaller till nära realtidslösningar för trafikobservationer, automatiserade punktlighetsberäkningar, till imputationer av på- och avstigningar.
System och produkter
SQL Server 2019, SharePoint 2016, AzureVMS, Databricks.
