Framtida transportbehov ska förutspås med hjälp av big data och maskininlärning


2020-10-21

Projektet vill ta reda på hur efterfrågan på transporter påverkas av attitydförändringar och trender i samhället.
Bild: WSP
Projektet vill ta reda på hur efterfrågan på transporter påverkas av attitydförändringar och trender i samhället.

Norska Jernbanedirektoratet har valt WSP för att utveckla en ny metod för användning av maskininlärning baserat på big data. Metoden kommer att användas för att ge en bättre kunskapsbas om framtida resvanor.


– Våra resvanor förändras ständigt. Med big data och maskininlärning kommer vi att utveckla nya metoder som kan komplettera de traditionella arbetssätt som finns idag för att samla kunskap om framtidens transportvanor. Denna metod kommer att kunna förbättra kunskapsbasen för hur norska Jernbanedirektoratet fattar beslut för framtida investeringar, säger Sida Jiang, projektkoordinator och expert inom maskininlärning i WSP Sverige.

Hur påverkas till exempel efterfrågan på transporter av attitydförändringar och trender i samhället? Detta vill Jernbanedirektoratet ta reda på med hjälp av big data och maskininlärning. Målet är att Jernbanedirektoratet ska kunna utveckla mer robusta policyer och strategier.

– Jernbanedirektoratet ligger verkligen i framkant när det gäller att använda nya och innovativa verktyg. Det kommer att bli inspirerande att samarbeta med dem och med kollegorna i Sverige, som besitter expertkunskap inom det här området, säger Julia Obrovac, avdelningschef transport och infrastruktur vid WSP Norge.

Uppdraget genomförs av WSP Sveriges experter inom järnväg, transportanalys och artificiell intelligens, tillsammans med WSP Norge som uppdragsleder.



Källa: WSP