WSP og Jernbanedirektoratet i mål med maskinlæring-prosjekt

Det skriver WSP i en pressemelding onsdag.

WSP og Jernbanedirektoratet har, ifølge pressemeldingen, samarbeidet tett de siste to årene om langsiktig mobilitetsscenarioplanlegging ved bruk av stordata og maskinlæring. Oppdraget har vært en del av Jernbanedirektoratets arbeid med langsiktige strategier for fremtiden.

Metodikken, som er utviklet av WSP, viser, ifølge meldingen, at det er mulig å bruke stordata og maskinlæring på nye måter. Dette skal gi et bedre kunnskapsgrunnlag for hvilke trender og drivkrefter som påvirker fremtidens reisevaner.

– Det har vært en utrolig spennende og nytenkende prosess, hvor vi har lært masse av hverandre og utviklet oss sammen. Å tenke fremtidstrender og -scenarier er en bærende tankegang i WSPs arbeid med samfunnsutvikling, og et svært tillitsbasert samarbeid med Jernbanedirektoratet som er langt fremme i skoene på innovasjon har vært fantastisk, kommenterer Julia Obrovac, avdelingsleder for samferdsel og infrastruktur i WSP Norge.

For å utvikle nye prediksjonsmodeller har teamet undersøkt tidsserier fra nasjonale reiseundersøkelser i kombinasjon med åpne europeiske datasett som for eksempel European Social Survey.

– Innsikten har blitt hentet gjennom store mengder høykvalitetsdata og avanserte verktøy, mens kunstig intelligens har tolket dataene. Et av de viktigste funnene i innsikten for hva som påvirker reiseatferden viser at maskinlæringsmodellen øker den totale estimeringsnøyaktigheten med ti til 20 prosent, og gir en mer nøyaktig prediksjon for valgene til kollektivpassasjerer, sier Sida Jiang i WSP.

Det er blant annet foretatt horisontskanning for fremtidige trender ved bruk av sosiale mediers metadata og AI-verktøy som #IBM Watson, skriver WSP i pressemeldingen.

– WSP har imponert med unik og dyp kunnskap på flere fagfelt for å komme opp med de metodene som har produsert så gode resultater, sier seniorrådgiver Jon Robert Dohmen i innovasjonsseksjonen hos Jernbanedirektoratet i meldingen.