How mobility data and road safety interact

Färre olyckor och skador sänker kostnaderna

Aggressiv körning och fortkörning svarade ensamt för 29 % av alla dödsolyckor under 2020 enligt amerikanska NHTSA, och fortkörning kan vara ödesdigert både för förarens säkerhet och för budgeten. I sin artikel nämner de flera huvudfaktorer som bidrar till en total ökning av aggressiv körning:

Trafik
Förseningar
Anonymitet
Respektlöshet mot lagen

En genomsnittlig ökning av hastigheten med 1 km/h resulterar i 3 procent högre risk för kollision med personskada, och till en ökad risk för kollisioner med dödlig utgång med 4-5 procent.

– WHO

Analysera körbeteendemönster för att förhindra olyckor

Data är en underskattad källa för att förbättra och garantera säkerheten bland dina förare. Genom att analysera stora datamängder, kan SaaS-företag som ABAX identifiera mönster och trender som kan bidra till att göra både förare och vägar säkrare. Data från deras körmönster som acceleration, kraftiga inbromsningar och tvära svängar samt tomgångskörning, används för att skapa en poäng som jämförs med branschens genomsnitt.

Förarna får tips om hur de kan förbättra sin körning i ABAX Driver APP, och den uppmuntrar duktiga förare att fortsätta sina goda trafikvanor. Om en förare till exempel kör för fort, kommer ett meddelande att hen måste sakta ner för att förbättra sin körpoäng. Spelifiering av körpoängen kan bidra till att förbättra den allmänna säkerheten på vägarna.

Big data kan även användas för att förbättra prediktiva modellers noggrannhet för trafikstockningar och olycksrisk. Genom att ta hänsyn till ett bredare spektrum av data, kan dessa modeller ge mer korrekta prognoser för att förbättra trafikflödet och minska sannolikheten för olyckor. Med en detaljerad analys av det sammanlagda körbeteendet, blir det möjligt att upptäcka risker redan innan en olycka inträffar, vilket kan rädda trafikanters liv.

Utmaningar med att använda big data för trafiksäkerhet

Big data har visserligen potential att revolutionera trafiksäkerheten, men det finns även vissa utmaningar med att använda den för trafiksäkerhet. För det första kan det vara svårt att samla in korrekta och tillförlitliga data, och gps-signalerna måste vara korrekta, vilket kräver användning av högkvalitativ hårdvara.

Det finns även en risk att data misstolkas eller används för att göra felaktiga antaganden. Cyberattacker utgör ett annat hot, så en kompetent SaaS-partner med fokus på GDPR och cybersäkerhet för att hålla förardata säkra, samt med solida datapolicyrutiner, är nödvändig.

AI är framtiden för big data och trafiksäkerhet

Mängden data som genereras av bilar på vägen ökar exceptionellt och AI-motorer som Greater Than är en högt värderad resurs för att förbättra analyserna. AI-motorer använder analysdata från andra förare i hela Europa för att hjälpa dig att förstå de mönster som leder till olyckor.

Datadrivet beslutsfattande gör att du slipper spekulera i ditt ledningsarbete

Den verkliga fördelen med mobilitetsdata kommer från att fatta viktiga beslut för företaget eller verksamheten. Det är oerhört viktigt att jämföra företagsdata månadsvis eller från år till år. Data på lång sikt kan belysa problem som du inte visste att du hade för att möjliggöra pågående förbättringar.

Det bästa är den korta tiden som det tar att ta fram en automatisk rapport från SaaS-leverantörer som ABAX. Det gör nästan lösningen värd investeringen helt på egen hand. Genom att använda en datadriven metod, reduceras antalet timmar som används för att hämta data från flera källor till Excel-arket till några sekunder.

Det faktum att ett visst fordon använder mer bränsle idag kan tyckas irrelevant. Under en längre tid kan dock datapunkterna för fordonet måla en bild som du inte förväntade dig, eller i många fall inte skulle ha upptäckt, om du inte kunde analysera dessa data över tid.

Larviks kommun i Norge kände inte till att fem fordon i deras flotta nästan användes alls. Varför var det så? Anställda tenderar att välja det fordon som står närmast kontorets ingång, eller nyare fordon. Resultatet är att kommunen kan sälja fordon och faktiskt anställa fler hemsjuksköterskor inom samma budget.

Big data inom försäkringsbranschen

Bilförsäkringar är en av de viktigaste faktorerna för att fastställa kostnaden för att äga och driva ett fordon som även kallas TCO (Total Cost of Ownership, total ägandekostnad). Tidigare baserade försäkringsbolagen sina avgifter på några få nyckelfaktorer, främst demografiska.

Men med hjälp av mobilitetsdata och AI, kan försäkringsgivare nu använda ett mycket bredare spektrum av datapunkter. Data kommer att hjälpa dem att beräkna priser som gör försäkringspremier användarbaserade och korrekta.

Vill du veta hur vi kan hjälpa ditt företag att minska risker, kostnader och administration?