Forbedring av effektiviteten i kollektivtrafikk ved bruk av big data og maskinlæring (IMPUTRA)

For å kunne tilby et godt kollektivtilbud og dermed bidra til bedre fremkommelighet og reduserte utslipp er det viktig å ha god statistikk over reisemønsteret til innbyggerne i en by. De statistiske dataene kan benyttes av kollektivselskap til å effektivisere rutenettet og disponere kjøretøyene på en optimal måte. Statistiske data over reisemønster kan via åpne API også gi grunnlag for innovative tjenester rettet mot passasjerer og offentlige myndigheter, samt gi grunnlag for nye former for Transport-as-a-service (Taas) tjenester der for eksempel buss, drosje og ride-sharing kombineres. Hovedprosjektet har som målsetning å prosessere store datamengder fra sanntidssystemer, passasjertellingssystemer og så videre innhentet fra åpne APIer og APIer gjort tilgjengelig av transportselskaper, samt fra egne systemer installert i busser basert på monitorering av Wi-Fi trafikk, for å utvikle slike tjenester. For å kunne realisere målsetningen til prosjektet kreves tre steg. Først må rådataene fra de ulike kildene pre-prosesseres og valideres før de lagres på en egnet plattform og gjøres tilgjengelig på et format som er tilpasset den videre prosesseringen. All privat informasjon vil også fjernes fra dataene. Prinsipper fra stordata (Big data) vil bli benyttet. Deretter vil statistikk over reisemønster utarbeides ved bruk av statistisk signalprosessering, der prinsipper fra maskinlæring vil benyttes. Siste steg vil være utvikling av tjenester basert på de statistiske dataene. Disse vil bli utviklet i samarbeid med brukere. Slike tjenester kan også utvikles av andre bedrifter, ved at de statistiske dataene blir gjort tilgjengelig via åpne APIer.

Målsetningen med forprosjektet er å ta kontakt med ekspertmiljøer og med brukere for å diskutere de ulike forskningsutfordringene vi ser for oss i hovedprosjektet. Når det gjelder systemarkitektur som skalerer bra vil det tas kontakt med ekspertmiljøer på Big Data. Aktuell kandidat for dette er deltagere i SINTEFs konsernsatsing SmartLearn. Når det gjelder problemstillinger knyttet til maskinlæring og utarbeidelse av statistiske modeller for passasjerflyt er aktuell kandidat AI lab'en ved NTNU. Når det gjelder problemstillinger knyttet til personvern, vil det være aktuelt å konsultere andre løsninger som baserer seg på innsamling av data som kan inneholde persondata (Wi-Fi trafikk, Bluetooth, nummerskilt m.fl.) og gjennomgang av regelverket. Når det gjelder diskusjoner knyttet til tjenester og applikasjoner basert på statistikk fra systemet, er det mange potensielle aktører som er aktuelle, inkludert busselskaper, fylkeskommuner, NSB m.fl. Basert på den innsamlede informasjonen og kunnskapen fra disse diskusjonene, vil en mer detaljert plan for hovedprosjektet utarbeides. Det vil da også dannes en prosjektgruppe slik at den dekker hele verdikjeden fra det som trengs av FoU kompetanse til brukere. Forprosjektet vil inneholde følgende aktiviteter: -Gjennomføre møte med relevant miljø innen Big Data for å diskutere utfordringer og løsninger knyttet til systemarkitekturer som dekker prosjektets behov for skalering. -Gjennomføre møte med relevant miljø innen maskinlæring og statistisk modellering for å diskutere utfordringer og aktuelle metoder innen prosessering av dataene. -Gjennomføre møter med aktuelle brukere av systemet for å diskutere deres behov for tjenester og applikasjoner. -Sammenfatte konklusjonene fra diskusjonene og utforme hovedelementene i IPN prosjektet. -Knytte til seg aktører med ulike roller og komplementær kompetanse for å danne et konsortium.