Büyük Veri Miti ve Saha Gerçeği: Kalitesiz Veriyle Ağı Optimize Edemezsiniz

Kentlerin verisi zaten var. Sorun veri eksikliği değil. Sorun, hangi veriye gerçekten güvenebileceğimizi bilmiyor olmamız.

Veri karar üretmez.

Güven üreten veri, karar üretir.

Her gün milyonlarca GPS kaydı, akıllı kart işlemi, GTFS tarife verisi, araç telemetrisi, yolcu sayımı ve trafik bilgisi sistemlere akıyor. Bugün birçok toplu taşıma kurumu hiç olmadığı kadar fazla veriye sahip. Fakat daha fazla veriye sahip olmak, sistemi daha iyi anlamak anlamına gelmiyor. Bazen yalnızca yanlış bir sonuca daha büyük bir güvenle ulaşmamıza neden oluyor.

Her Karar Destek Sisteminin Sessiz Bir Varsayımı Vardır

Yapay zekâ, optimizasyon, dijital ikizler, simülasyon ve tahmin modelleri aynı sessiz varsayıma dayanır: sistemdeki veri, operasyonel gerçeği doğru temsil eder.

Oysa sorun çoğu zaman algoritmada değildir. Sorun, algoritmanın güvendiği veridedir. Yanlış ya da eksik yorumlanan bir veri, en gelişmiş modeli bile yanlış sonuca götürebilir.

Veri Doğru Olabilir. Karar Yanlış Olabilir.

Bir AVL kaydı düşünün: sistem, otobüsün bir durakta üç dakikadan fazla beklediğini gösteriyor. Model bunu gereksiz bekleme süresi olarak yorumluyor; çizelge yeniden düzenleniyor; ek toparlanma süresi ekleniyor; operasyon sorgulanıyor. Her şey mantıklı görünüyor—ta ki biri sahaya çıkana kadar. Otobüs gecikmedi. Tekerlekli sandalye kullanan bir yolcunun güvenli şekilde araca binmesi için bekledi. GPS kaydı doğruydu. Yanlış olan, o kaydın ne anlattığını sandığımızdı.

Başka bir örnek. GPS kayıtlarına göre bir araç birkaç kilometre boyunca yolcusuz hareket etmiş görünüyor. Rapor bunu gereksiz boş kilometre olarak işaretliyor; yakıt tüketimi sorgulanıyor; verimlilik düşmüş gibi görünüyor. Oysa araç son seferini tamamladıktan sonra garaja dönmektedir. Veri yanlış değildir. Eksik olan, operasyonun bağlamıdır.

Bir de akıllı kart verisini düşünelim. Bir yolcu kartını iki kez okutuyor. Analiz sistemi bunu iki ayrı biniş olarak kabul ediyor. Gerçekte ise ilk işlem cihaz tarafından başarısız olduğu için yolcu kartını tekrar okutuyor. Tek yolcu, tek yolculuk, iki kayıt—ve yanlış bir sonuç.

Veri gerçekliği anlatmaz.

Gerçekliğin ölçülebilen izlerini toplar.

GPS konum üretir. Akıllı kart işlem üretir. GTFS planlanan hizmeti tanımlar. Yolcu sayım sistemleri tahmin üretir. Hiçbiri tek başına operasyonu anlamaz. Planlamacının gerçekten cevap aradığı sorular çok daha farklıdır: Hat güvenilir miydi? Yolcu beklediği hizmeti aldı mı? Kapasite doğru planlandı mı? Operasyon sahada beklendiği gibi çalıştı mı?

Bu soruların cevabı veri tabanında değil, verinin doğru yorumlanmasında saklıdır.

Güvenilmeyen Veri, Yanlış Kararları Zincirleme Üretir

Operasyonel verilerdeki küçük bir hata çoğu zaman yalnızca tek bir metriği bozmaz; karar zincirinin tamamını etkiler. Yanlış bir zaman damgası yanlış seyahat süresi hesaplarına dönüşür; bu hesaplar çizelgeyi etkiler; çizelge araç ihtiyacını değiştirir; araç ihtiyacı bütçeyi etkiler; bütçe hizmet seviyesini belirler. Tek bir güvenilmeyen kayıt, yüzlerce operasyonel kararın yönünü değiştirebilir.

Optimizasyon belirsizliği ortadan kaldırmaz. Çoğu zaman onu büyütür.

Veri Doğrulama, Veri Temizlemekten Çok Daha Fazlasıdır

Birçok kurum veri doğrulamayı yalnızca eksik kayıtları silmek veya mükerrer satırları temizlemek olarak görüyor. Oysa bunlar veri tabanını iyileştirir—karar kalitesini değil.

Gerçek doğrulama farklı sorular sorar. Bu GPS konumu fiziksel olarak mümkün mü? Kart işlemi gerçekten o araçta gerçekleşmiş olabilir mi? Bu hareket modeli yolcu davranışını mı gösteriyor, yoksa sensör hatasını mı? Bu sorular SQL sorgularıyla cevaplanamaz. Operasyonu anlamadan veri doğrulanamaz—ve çoğu zaman GTFS veri kalitesi ile hizmet gerçeği arasındaki farkı da yeniden okumak gerekir.

Bilimsel Çalışmalar Aynı Sonuca İşaret Ediyor

Akademik literatür de benzer bir noktada birleşiyor. Fortaleza toplu taşıma sistemi üzerine yapılan kapsamlı bir çalışmada araştırmacılar, AVL, GTFS ve akıllı kart verilerini analiz etmeye başlamadan önce uzun bir doğrulama süreci yürüttüler. Veriler çıkarıldı, standartlaştırıldı, mekânsal olarak eşleştirildi ve güvenilirliği test edildi. Ancak bundan sonra davranış analizlerine geçildi.

Araştırmanın en dikkat çekici sonucu veri miktarıyla ilgiliydi. Başlangıçta 330 binden fazla kullanıcı kaydı bulunmasına rağmen, analizlerde yalnızca yaklaşık 118 bin kullanıcıya ait kayıtlar kullanıldı. Yani verinin yaklaşık üçte ikisi bilinçli olarak analiz dışında bırakıldı—çünkü güvenilmeyen veriyle yapılan analiz, doğru görünen ama yanlış kararlar üretebilir.

Bazen daha iyi kararlar almak için daha fazla veriye değil, daha güvenilir veriye ihtiyaç vardır.

Tek Bir Veri Kaynağı Asla Yeterli Değildir

Hiçbir veri kaynağı operasyonun tamamını anlatamaz. AVL hareketi gösterir. Akıllı kart talebi gösterir. GTFS planı gösterir. Trafik verisi dış etkiyi gösterir. Saha gözlemi ise bunların neden gerçekleştiğini açıklar.

Güncel araştırmalar, güvenilir kararların ancak birbirini doğrulayan çoklu veri kaynaklarıyla üretilebildiğini ortaya koyuyor. Karar kalitesini artıran şey veri hacmi değildir. Veriler arasındaki tutarlılıktır.

Saha Gözlemi Hâlâ Vazgeçilmezdir

Hiçbir algoritma, deneyimli bir planlamacının sahip olduğu operasyonel sezgiyi tam olarak oluşturamaz. Çünkü saha, verinin söyleyemediği şeyleri anlatır: GPS'in açıklayamadığı durak davranışlarını; yolcuların neden erişilebilir görünen bir durağı kullanmadığını; araçların neden belirli koridorlarda sürekli kümelendiğini; planlanan hizmet ile gerçekleşen operasyonun neden birbirinden ayrıldığını. Bu fark, toplu taşıma optimizasyonunda insan faktörü yazısında da aynı netlikte görünür.

Veri, olanı kaydeder. Saha ise neden olduğunu açıklar.

OW'nin Yaklaşımı

OW'de optimizasyon, algoritmaların çalıştığı yerde başlamaz. Daha önce başlar—verinin güvenilir olup olmadığını sorguladığımız anda.

Bu nedenle OW GTFSHub™ ve OW OD Matrix™ gibi çözümlerimiz doğrudan optimizasyon üretmeye çalışmaz. Önce operasyonel tutarlılığı doğrular; veri kaynaklarını uzlaştırır; çelişkileri ortaya çıkarır. Çünkü güvenilmeyen veriyi optimize etmek, yalnızca yanlış kararların daha hızlı alınmasını sağlar.

Bundan sonra gelen katmanlar—headway için OW FreqOpt™, maliyet dağılımı için OW CostLogic™—ancak bu temel sağlamsa karar-grade olur.

Bizim hedefimiz daha fazla veri işlemek değildir. Karar vericilerin, ellerindeki veriye güvenmesini sağlamaktır.

Daha İyi Kararlar, Daha Erken Başlar

Yapay zekâ gelişmeye devam edecek. Simülasyonlar daha gerçekçi olacak. Optimizasyon modelleri daha güçlü hale gelecek. Ancak bunların hiçbiri, operasyonel gerçekliği doğru temsil etmeyen veriyi telafi edemez.

Geleceğin başarılı ulaşım kurumları en fazla veriye sahip olanlar olmayacak. En güvenilir veriye sahip olanlar olacak.

Güçlü algoritmalar, güvenilmeyen veriyi düzeltemez.

Sadece onu optimize eder.

Ve toplu taşımanın geleceği, daha fazla veri üzerine değil—güvenilir operasyonel veri üzerine kurulacak.