Ένα σημαντικό πρόβλημα που αντιμετωπίζουν οι εταιρίες (ή οργανισμοί) μέσων μαζικής μεταφοράς (ΜΜΜ) είναι ο σχεδιασμός των δρομολογίων (τόσο οι διαδρομές στο οδικό δίκτυο όσο ο χρονοπρογραμματισμός τους), ιδιαίτερα λόγω της δυναμικότητας των απαιτήσεων των επιβατών η οποία δεν μπορεί εύκολα να προβλεφθεί.
Υπάρχουν τρείς άξονες που επιδέχονται σημαντικής επέμβασης ώστε να βελτιωθεί η ποιότητα των προσφερόμενων υπηρεσιών από εταιρείες ΜΜΜ. Κατ’ αρχήν, είναι πολύ σημαντική η ενεργός σύνδεση των δρομολογίων με εκπεφρασμένες ανάγκες των πελατών, οι οποίοι, προς το παρόν, είναι παθητικοί αποδέκτες των υπηρεσιών αυτών. Ζητείται λοιπόν η δυνατότητα, η εταιρεία να λαμβάνει γνώση και να αξιοποιεί τα εκπεφρασμένα ενδιαφέροντα των πελατών της. Δεύτερον, πολλές φορές η εταιρία έρχεται αντιμέτωπη με απρόβλεπτη αυξημένη ζήτηση για δρομολόγια από συγκεκριμένες στάσεις με αποτέλεσμα την καθυστέρηση της εξυπηρέτησης των επιβατών, λαμβάνοντας έτσι τη δυσαρέσκειά τους και χάνοντας επιβατικό κοινό. Τρίτον, ένα σημαντικό πρόβλημα το οποίο αντιμετωπίζουν οι δυνητικοί επιβάτες είναι η ακρίβεια πρόβλεψης της αναμενόμενης ώρας άφιξής των οχημάτων σε συγκεκριμένες στάσεις, η οποία επηρεάζει σημαντικά την καθημερινότητα των πολιτών και θεωρείται ως μείζονος σημασίας για την βελτίωση της ποιότητας ζωής τους. Πρόσφατη μελέτη της εκτίμησης ώρα άφιξης λεωφορείων από την προσφερόμενη εφαρμογή για smartphones στην πόλη των Ιωαννίνων, έδειξε ότι υπάρχουν σημαντικά περιθώρια βελτίωσης της ακρίβειας πρόβλεψης καθώς δεν λαμβάνεται υπόψη η καθυστέρηση λόγω του χρόνου επιβίβασης/αποβίβασης επιβατών στις ενδιάμεσες στάσεις, η επικρατούσα κυκλοφοριακή συμφόρηση, ή έκτακτα γεγονότα όπως πορείες και απεργιακές κινητοποιήσεις. Τρέχουσες διαδικτυακές υπηρεσίες όπως η Google Maps προσφέρουν πληροφόρηση για τις υπάρχουσες κυκλοφοριακές συνθήκες βάσει crowdsourcing, ωστόσο η εμπορική τους χρήση έχει οικονομικό κόστος και δεν λαμβάνει υπόψη τις καθυστερήσεις στις στάσεις ή έκτακτα γεγονότα πριν την εκδήλωσή τους.
Ζητούνται λοιπόν τρόποι βελτίωσης των υπηρεσιών. Πιο συγκεκριμένα, σύμφωνα με το Αστικό ΚΤΕΛ Ιωαννίνων, οι προσφερόμενες από αυτό υπηρεσίες θα μπορούσαν να βελτιωθούν σημαντικά αν υπήρχε (α) καλύτερη και έγκαιρη πρόβλεψη για τη ζήτηση από τους επιβάτες στα διάφορα δρομολόγια και στάσεις και (β) ακριβής καταγραφή του τρέχοντος φόρτου στο κάθε όχημα. Σε αυτή την περίπτωση, η εταιρία ΜΜΜ θα μπορούσε να χρησιμοποιήσει αποτελεσματικά πρόσθετα λεωφορεία (πλέον των δρομολογημένων) ως εφεδρική χωρητικότητα (έκτακτη προσφορά περισσοτέρων θέσεων) για να αντιμετωπιστούν περιπτώσεις ιδιαίτερα αυξημένης ζήτησης σε κάποιες γραμμές. Ωστόσο, η μη έγκαιρη γνώση ή πρόβλεψη περιπτώσεων ιδιαίτερα υψηλής ζήτησης έχει ως αποτέλεσμα οι διαθέσιμες εφεδρείες να μην είναι διαθέσιμες την στιγμή που απαιτούνται, μη μπορώντας να συμβάλλουν αποτελεσματικά στη μείωση των καθυστερήσεων και των συνθηκών συμφόρησης στην εξυπηρέτηση των επιβατών. Επίσης ζητείται η βελτίωση της εκτίμησης ώρα άφιξης λεωφορείων στις στάσεις των δρομολογίων, λαμβάνοντας υπόψη πληροφόρηση σε πραγματικό χρόνο (τρέχων φόρτος λεωφορείων, αριθμός αναμενόντων στις στάσεις, τρέχουσα εκτίμηση κυκλοφοριακής συμφόρησης), ανάλυση ιστορικών δεδομένων (μέση καθυστέρηση μεταξύ στάσεων συγκεκριμένες ώρες της ημέρες, για συγκεκριμένες μέρες του χρόνου) και πληροφορίες από άλλες πηγές. Συνεπώς, η ακριβής γνώση της αναμενόμενης ζήτησης και του φόρτου των οχημάτων ανά τόπο και χρόνο, καθώς και η ακριβέστερη εκτίμηση των χρόνων αφίξεων των οχημάτων στις στάσεις, μπορούν να χρησιμοποιηθούν για να βελτιωθεί σημαντικά η πληροφόρηση την οποία παρέχουν οι εταιρίες ΜΜΜ προς τους πελάτες τους, αλλά και να συγκριθεί και να συνδυαστεί με τον τρέχον πρόγραμμα των δρομολογίων, ώστε η εταιρία να κρίνει το κατά πόσο ο τρέχων σχεδιασμός είναι ικανοποιητικός ή θα πρέπει ενδεχομένως δυναμικά να προβεί σε αλλαγές ή προσθήκες εκτάκτων δρομολογίων. Λόγω της πληθώρας των δεδομένων και της έκτασης του δικτύου, η διαδικασία αυτή δεν μπορεί να ανατεθεί εξ ολοκλήρου στο ανθρώπινο δυναμικό της εταιρίας ΜΜΜ. Ζητούνται λοιπόν υπολογιστικές λύσεις για τη συλλογή και ανάλυση δεδομένων μεγάλης κλίμακας σε πραγματικό χρόνο, οι οποίες θα προτείνουν τρόπους βελτίωσης των υπηρεσιών όπου αυτό κρίνεται αναγκαίο.
Επιπρόσθετα, ως αντικείμενο στρατηγικής σχεδίασης, οι εταιρίες ΜΜΜ αντιμετωπίζουν το πρόβλημα του περιοδικού σχεδιασμού των τακτικών δρομολογίων και του καθορισμού των γεωγραφικών θέσεων των στάσεων. Με την συνεχή εξέλιξη του αστικού ιστού και τις δημογραφικές αλλαγές, τα τακτικά δρομολόγια και οι θέσεις των στάσεων πρέπει να αναθεωρούνται ανά τακτά χρονικά διαστήματα (π.χ. ετησίως). Για την αποτελεσματικότερη αναθεώρηση, είναι σημαντικό να καταγράφεται με ακρίβεια η ιστορία των δρομολογίων και του φόρτου τους, οι μέσοι χρόνοι αναμονής των επιβατών στις στάσεις, καθώς επίσης και οι γεωγραφικές θέσεις εκκίνησης των επιβατών οι οποίοι χρησιμοποιούν τα ΜΜΜ σε σχέση με τις θέσεις των στάσεων τις οποίες χρησιμοποιούν. Η αυτόματη λήψη των δεδομένων αυτών (με τη συγκατάθεση των χρηστών), με ακρίβεια και πληρότητα και η ανάπτυξη και χρήση μεθόδων μηχανικής μάθησης για την ανάλυση τους και την εξόρυξη γνώσης από αυτές θα μπορούσε να βελτιώσει σημαντικά τον μακροπρόθεσμο σχεδιασμό των υπηρεσιών.
