Smart betaling for mennesker på farten

Selvkjørende buss i farta. Snart kan betalingen skje uten at du løfter en finger.
Selvkjørende buss i farta. Snart kan betalingen skje uten at du løfter en finger.Foto: Ruter As / Redink, Thomas Haugersveen
  • Skrevet av

    Stipendiat ikke ansatt

  • Sist oppdatert

    7. juni 2021

  • Kategori

  • Tema

    • Teknologi
    • Transport

FORSKNING UNDERVEIS: Teknologi i bruk

Se for deg at du kommer til et sted du ikke har vært før, og skal ta den lokale bussen. Du vet ikke hvordan du kjøper billett, og heller ikke hvilke soner du skal reise innenfor. Tenk deg at du bare kunne gått inn på bussen, funnet deg et sete, og reist dit du skulle? Betalingen skjer automatisk uten at du trenger å foreta deg noe. Du betaler en rettferdig pris basert på distansen du har reist. Dette kan snart bli en realitet.

Vi undersøker hva som skal til for å gjøre dette mulig i et forskningssamarbeid mellom Høyskolen Kristiania, Fluxloop As, Ruter og Nordland fylkeskommune.

Mobile løsninger brukes i dag i nærmest alle tenkelige sammenhenger, i alt fra underholdning til kommunikasjon og mer spesifikke oppgaver som å kjøpe billett på bussen eller leie en elektrisk scooter. De siste to eksemplene inngår i det vi kaller mobilitetsløsninger, som er tjenester som har som mål å tilrettelegge for mennesker på farten.

Samler inn data fra smarttelefonen

For å gjøre automatisk billettering og betaling mulig på kollektivtransport, må vi kunne fastslå om en person faktisk befinner seg om bord på transportmiddelet.

Det kan vi få til ved å samle inn og analysere relevante data fra smarttelefoner. Det kan være data som gir informasjon om akselerasjon, orientering, lufttrykk, magnetisme og lydnivå.

Vi vil deretter definere en maskinlærings-algoritme som kan fastslå hvilket kollektivt transportmiddel brukeren befinner seg på. Dette vil gjøre automatisk billettering og betaling mulig.

Forsikringspremie basert på kjøremønster

En slik automatisk betalingsløsning kan også brukes i andre sammenhenger. Løsningen kan for eksempel brukes i bildelingstjenester for å fastslå hvem som bruker bilen, og hvor den befinner seg uten at det må monteres ekstra utstyr i bilen.

Forsikringsselskaper kan bruke løsningen til å tilpasse forsikringspremie basert på kjøremønster. Kjøremønsteret kan beregnes basert på de samme sensordataene som vi ønsker å bruke som grunnlag for automatisk billettering.

Løsninger for datahåndtering

Nå tenker du kanskje at så mye sensoraktivering på en smarttelefon raskt vil tømme batteriet ditt? Du tenker kanskje også at så mye data som skal sendes frem og tilbake vil føre til at mobildata blir mye dyrere? For å avverge dette, ser vi for oss å bruke ad hoc-nettverk, eller mobile skyer.

Det kan skje ved å distribuere sensordata til enheter i nærheten. Dersom en reisende går på en buss, kan passasjerens smarttelefon be andre enheter i nærheten om å få nylig innsamlet sensordata slik at hver enhet ikke alltid må aktivere alle sensorene. Tenk deg at flere brukere venter på bussen, for så å gå på samtidig. I dette tilfellet kan mobilapplikasjonen selv delegere arbeid mellom alle som går på bussen, slik at de ulike enhetene i den mobile skyen aktiverer noen sensorer hver for deretter å utveksle dataene.

Maskinlæringsmodellen er plassert på enheten og alle data kan dermed behandles i den mobile skyen uten at store mengder data må sendes til og fra en sentral server. Når beregningene er gjort, deles resultatet med alle enhetene i den mobile skyen som deretter sender en enkelt melding til serveren. Meldingen inneholder informasjon om hvilken buss brukeren befinner seg på, og billetteringen kan dermed skje automatisk.

Redd for data på avveie?

Alt dette høres vel og bra ut, men hva med sikkerhet? Alle data som deles mellom enhetene i den mobile skyen, blir kun tilgjengelige for applikasjonen, og ikke for brukerne. Dataene som samles inn, er dessuten knyttet til omgivelsene rundt deg på et gitt tidspunkt.

Det er heller ingen grunn til å frykte at vi lytter på mobilen din. Vi måler lydnivå i desibel, men tar ikke opp øvrig lyd. Det blir derfor umulig å ta opp samtaler basert på denne type data. 

Et annet viktig aspekt av forskningsprosjektet handler om å bruke dataene til å analysere passasjerenes reisemønster. Ved å innføre en slik mobilitetsløsning, vil vi kunne få informasjon om de reisende som kan lede til bedre beslutninger om buss/tog/båt-ruter og det totale kollektivtilbudet for et område.

Når nye ruter planlegges, kan det gjøres på bakgrunn av detaljert kunnskap om hvor folk reiser, hvilke transportmidler de benytter og hvor lenge folk er på reise. 

Vi ser for oss at en distribuert mobilarkitektur for analyse og behandling av sensordata kan føre til enklere og mer rettferdig billettkjøp uten å øke forbruket av verken strøm eller mobildata nevneverdig.

Referanse:

Artikkelen baserer seg på arbeid med «Be-Insight», som er et pågående forskningsprosjekt ved Høyskolen Kristiania. Prosjektet er et samarbeid mellom Høyskolen Kristiania, fluxloop, Ruter og Nordland fylkeskommune

Tekst: Stipendiat Anders Skretting, Institutt for teknologi ved Høyskolen Kristiania. Skretting er tilknyttet forskningsgruppen Mobile Technology Lab (MOTEL) ved Høyskolen Kristiania. 

Si din mening:

Send gjerne dine spørsmål og kommentarer til denne artikkelen på E-post til kunnskap@kristiania.no.