Først i verden: Skal forutsi fremtidens transportbehov ved hjelp av stordata og maskinlæring

 
Først i verden: Skal forutsi fremtidens transportbehov ved hjelp av stordata og maskinlæringIllustrasjonsfoto: Adobe Stock
Jernbanedirektoratet har valgt WSP til å utvikle en ny metodikk for bruk av maskinlæring på stordata. Metodikken skal brukes for å skaffe et bedre kunnskapsgrunnlag om fremtidens reisevaner.

Oppdraget ledes av WSP Norge godt støttet av WSPs globale spisskompetanse innen jernbane, transportanalyse og kunstig intelligens.

Jernbanedirektoratet skal opparbeide et kunnskapsgrunnlag for hvilke trender og drivkrefter som kan påvirke fremtidens jernbane frem mot 2050. WSPs oppdrag er å indentifisere disse faktorene, og utvikle en metodikk for hvordan dette kan overvåkes systematisk og kontinuerlig ved bruk av stordata og maskinlæring. Sagt på en annen måte; det skal lages et system for å hente inn en stor mengde data, for deretter å benytte kunstig intelligens (AI – teknologi) til å tolke dataene.

  • Dette er et skikkelig spennende oppdrag. Det blir inspirerende å jobbe med Jernbanedirektoratet, som ligger langt fremme på dette feltet. Å tenke trender og scenarier langt frem i tid er en bærende tankegang i WSPs arbeid med samfunnsutvikling. Derfor er vi ekstra glad for å kunne bidra med å utvikle metodikk som kan hjelpe Jernbanedirektoratet i arbeidet med Nasjonal transportplan og strategier for fremtiden, sier Julia Obrovac, avdelingsleder forSamferdsel og Infrastruktur i WSP Norge.

Julia Obrovac

Desmond Wright, digital lead i WSP Rail Advisory, mener Jernbanedirektoratet er i verdenstoppen når det gjelder å ta i bruk nye og innovative verktøy.

  • Vi kommer til å utforske forskjellige informasjonskilder og bruke maskinlæring for å kunne forutsi mer pålitelige fremtidsscenarier, slik at Jernbanedirektoratet kan utvikle mer robuste policyer og strategier. Med Covid-19-tidene vi står i som eksempel er dette et verdifullt verktøy for å håndtere usikkerhet på en måte som dagens metoder for prognoser ikke er i stand til, sier Desmond Wright, digital lead i WSP Rail Advisory.

Desmond Wright

Skal treffe bedre beslutninger
Gjennom bruk og analyse av stordata med maskinlæringsmetoder skal det avdekkes kunnskap om hva som kan påvirke etterspørselen etter transport i tiden som kommer. Eksempler på dette er holdningsendringer, relevante trender, megatrender og metode for når et bestemt scenario vil inntreffe.

Reisevanene våre er i stadig endring. Ved bruk av stordata og maskinlæring skal vi utvikle metoder som kan komplettere de tradisjonelle metodene som finnes i dag for å sanke kunnskap om fremtidens transportvaner og -behov. Denne metodikken vil kunne forbedre kunnskapsgrunnlaget for hvordan Jernbanedirektoratet tar beslutninger for fremtidige investeringer, sier Sida Jang, ekspert maskinlæring i WSP Sverige.

Sida Jang 

 

 
 
 
 

Stilling ledig

Vise alle ledige stillinger

Byggekostnadskalkulator

Byggekalkulatoren gir deg et enkelt prisanslag for byggeprosjekter basert på areal og geografisk område.

Avansert byggekostnadskalkulator
Klikk her for å logge inn

Produktnyheter

Vis alle

  

Bransjekommentar

Vis alle

  

Siste papirutgave

 
 
 
Retningslinjer for datahåndtering, personvern og informasjonskapsler

Ved å surfe videre på vår hjemmeside og bruke våre tjenester godkjenner du at vi samler inn data om dine besøk. I vår personvernerklæring forklarer vi hvilke data vi samler inn, hvorfor vi samler dem inn og hva vi bruker dem til. Les mer...

OK, jeg forstår