文章

技术和人工智能如何帮助铁路赢回乘客

发表时间:2021年8月5日||暂时没有评论

随着全球各地的较多人卷起了袖子,为Covid-19疫苗接种,通勤者返回铁路的前景终于成为现实。对于经历减少乘客的铁路和过境运营商,改善的情况带来了希望乘客将返回 - 如果他们有足够的信心这样做。

技术和人工智能如何帮助铁路赢回乘客

可能只有一个狭窄的窗口,以鼓励旅行者在形成新习惯之前返回轨道。但是,他们是否乘火车旅行可能会很好地归结为您的感受以及如何携带服务。

随着办公室重新开放,许多公司正在提供混合行动的工作安排。随之而来的是新的旅行习惯 - 在高峰时期或不同的日子之外旅行。还有问题的问题,人们现在如何前往办公室,呈现出许多以前的过境车手现在选择在一次入住车辆中旅行。

对于运营商,返回通勤手段竞争选择骑手并调整这些不断发展的使用模式。

并竞争他们必须。虽然骑乘水平一直在爬行,但它们仍然远低于大流行前水平。According to the American Public Transportation Association (APTA), just 45 per cent of ridership is back nationally in the U.S. Meanwhile, New York’s Metropolitan Transportation Authority says ridership on its two commuter rail lines is still down by as much as 70 per cent on weekdays.

可能只有一个狭窄的窗口,以鼓励旅行者在形成新习惯之前返回轨道。但是,他们是否乘火车旅行可能会很好地归结为您的感受以及如何携带服务。

了解Rider偏好是改善惠顾的关键

随着敏感度提高,乘客希望更大控制旅程的每一个可能的元素以避免人群。他们可以提供更安全,更舒适的信息越多。

在最近通过咨询公司Arthur D的运输提供者调查中,乘客通信的“可用性,相关性,可靠性,可靠性,及时性和个性化和个性化”被引用为重建客户相关性和信任所需的关键游戏更改。

首先,运营商可以回应新的乘客通过监测实时占用和在近实时预测基于人们流动和列车日程的任何变化的偏好。然后,通过应用程序,面向乘客的公共显示器或第三方数字服务将该数据转换为骑手的有意义信息。

其次,运营商可以潜入理解和提供服务到个人骑手偏好 - 无论何时他们想要骑行,哪些服务要素都会欣赏到客户或在公共交通的安全概念。

在最近通过咨询公司Arthur D的运输提供者调查中,乘客通信的“可用性,相关性,可靠性,可靠性,及时性和个性化和个性化”被引用为重建客户相关性和信任所需的关键游戏更改。

因此,不仅仅是提供人群数据,通信可能会建议采取行动来提高过境经验。从留下家乡的最佳时间,路线建议避免转移拥塞,或指导关于使用什么入口或董事会的托架。

图1:街头数字显示器的说明性示例。

利用通勤人群管理的实时见解

骑手想要搭乘列车感到安全旅行,但运营商如何在退回乘客时提供安全的承诺?答案是将实时洞察与智能自动化相结合。

了解实际的人流动和占用热点,因为它们发生,将允许运营商采取行动,以减少拥挤,积极应对意外的中断。

例如,如果预测火车的到达违反平台密度水平,则显示器可以自动直接与进入平台的乘客远离那些。或者,下一列火车可以重新保持一分钟,直到平台被清除。

了解实际的人流动和占用热点,因为它们发生,将允许运营商采取行动,以减少拥挤,积极应对意外的中断。

另一个例子是控制站拥塞点,其中有多个地下接入点。对于预测的峰值,操作员可以实时调整标牌以创建单向流动,通过远程转位停用,某些站入口将进入出口。从双向到单向通道的转向平台显着提高了更有效的平台入住管理的登机和升降时间。乘客可能不得不走得走更长时间,但更好的是,他们在新鲜空气中的地面比在地面下面的人群中散航地走上了。

改变流动将是减少站中拥堵的重要策略。然而,为了重新恢复通勤者的忠诚,将他们通报任何变更或改进同样重要。除了“什么”的平台运营之外,乘客将需要“为什么”的安全和服务改进,通过媒体活动,员工参与,火车的公告和车站展示。

在最近的铁路行业网络研讨会上,伦敦运输(TFL)关于其与伦敦市,“#letsdolondon”的联合£600万英镑的活动。该倡议旨在阻止汽车主导的恢复,并让人们在公共交通工具中回到城市。要备份与操作的文字,操作员已通过实时人群数据增强了TFL Go应用程序,并将其需求管理资源加强,以平稳达到峰值并创造出伟大的经历。TFL IBE,TFL线路运营说:“回归乘客信心的成功将建立在行动,信息和改善的感知之上。”

规划服务周围各种通勤人口统计和行为

随着返回工作的恢复,即使在同一网络中,运营商提供多元化的人口统计的操作员可能会看到负载因子的显着差异。

随着返回工作的恢复,即使在同一网络中,运营商提供多元化的人口统计的操作员可能会看到负载因子的显着差异。

超越通勤人群管理,了解人们占用和流程的更广泛的好处是更好的规划和适应改变需求配置文件的服务。

预测和仿真应以使用真实数据的机器学习模型为中心 - 人们如何到达,移动和等待,包括他们董事会,举行,转移和终止旅程。使用乘客行为分析和与网络准时度量分层,运营商可以准确地预测骑手旅程和火车和平台占用。这使他们能够更好地决定优化时间表和人员配置,维护计划和清洁,确保计划反映不断变化的旅行模式。

而且,随着乘客的上升,人们相同的数据运动可以帮助改善站设计和零售规划。

俯视轨道重新获得选择骑手

通勤人员可能需要一些时间才能恢复大流行前水平。然而,通过专注于让旅行者更好地控制旅程,运营商有一个真正的机会越早将它们吸引到铁路。

随着更多工人返回办公室,铁路运营商现在需要采取行动来重建惠顾:

  1. 首先通过解决最拥挤的服务来灌输信任:钻进您需要解决问题的数据,并理解您应该优先考虑数字化工作的数据。不仅用于改善稳态运营,而且还通过智能地指导乘客的响应自动化在实时评估和对计划内的问题进行评估和反应。彼得克鲁森从Veovo.说:“在移动数百万乘客的系统中,在实时检测计划外的问题并自动化您的回复对于主动解决问题和智能指导乘客至关重要。
  2. 乘客提供明智决策的最佳信息:不断向乘客通知您如何让他们的旅程更安全。设想提供更好的客户体验的路线图不能在真空中或只是依靠口中的话语来完成。骑手需要了解运营商正在采取哪些步骤,何时以及乘客如何受益。使用所有可能的数字频道参与和授权偏好。

通过可操作的洞察力和有效的沟通,运营商可以为他们的车站,网络和乘客做出正确的决定 - 现在鼓励车手回来并赢得对未来的忠诚度。

发送给朋友