Datadelning för förbättrade mobilitetstjänster
- Diarienummer
- SM20-0016
- Start- och slutdatum
- 210301-230630
- Beviljat belopp
- 710 292 kr
- Förvaltande organisation
- Scania CV AB (publ)
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Oräkneliga mängder av människor och gods transporteras dagligen över hela världen. Men ökat behov av transporter har ofta negativ miljöpåverkan. Dock kan digitalisering och AI hjälpa oss att bygga hållbara mobilitetstjänster – om vi bara har rätt data. Detta projekt riktar in sig på sätt att tillgängliggöra högkvalitativ data genom datadelning mellan olika transportaktörer för AI-ändamål. Projektet kommer genomföras vid Integrated Transport Research Lab på KTH i nära samarbete med Scania och särskilt deras gemensamma projekt “Hållbara & Integrerade urbana TransportSystem” (HITS). Projektet innehåller följande delar: • Kunskapsinsamling genom litteraturstudier, intervjuer och konferens- eller workshopdeltagande • Identifiera, främst inom HITS, lämpliga testfall • Utveckla av minst en av följande: metod för åtgärda problem med datakvalité, standard för datadelning, eller AI-algoritm för nya hållbara transporttjänster • Spridande av resultaten genom artiklar, presentationer och ITRL och Scanias informationskanaler De förväntade resultaten av projektet är att: • bättre förstå hinder för datadelning • samla förslag till lösningar gällande dessa hinder • få kunskap samt utveckla en eller flera metoder eller algoritmer som kan utforskas vidare och tillämpas av ex.vis. HITS, Scania och ITRL • stärka samarbetet mellan ITRL and Scania IT, och därigenom kombinera akademisk transportforskning med industriell AI kunskap
Populärvetenskaplig beskrivning
Varje dag transporteras en oändlig mängd människor och gods jorden runt. Men ökat behov av transporter leder ofta till negativa konsekvenser såsom miljöpåverkan. Lyckligtvis kan digitalisering och AI bidra till att utveckla nya och förbättrade mobilitetstjänster – om vi bara har rätt data till hands. Detta projekt riktar in sig på bristen på datadelning mellan olika transportaktörer. Och medans vi väntar på det perfekta datat, vilka åtgärder kan vi vidta för att få ut mesta möjliga av det data vi har. Tänk dig att du har ett antal fabriker runt om i världen, som alla får mycket gods levererat till sig. Du vill nu använda AI för att förutsäga och optimera flödet av inkommande gods. Du vill också använda så miljövänliga transporter som möjligt och undvika trafikstockning vid avlastningspunkterna. Du har kunskap om företagets lagda order och den egna produktionen. Men du lite eller ingen information om de inkommande transporterna, inkl. fordonens aktuella geo-position, långsiktig transportkapacitet samt globalt vägdata. Vore det inte väldigt bra om man kunde komma överens om att dela data, eller ha möjlighet att köpa olika dataset. Visst sker detta redan idag, men i alltför begränsad utsträckning. Inkompatibel infrastruktur, datakällor sprida på olika ägare, dålig datakvalité och en rädsla att dela data är några skäl till att delning inte sker i högre utsträckning. Det har under de senaste åren startat ett antal initiativ för att avhjälpa dessa problem. Det finns en del lösningar föreslagna. Men få lösningar är standardiserad, vilket gör att olika system fortfarande har svårt att kommunicera och data struktureras på olika sätt. Därför behövs fortsatt mer forskning inom området. I de fall som data har låg kvalitet, såsom värden som saknas, osystematisk användning av koder och format eller undermåliga beskrivningar av innehåll så behöver man vidta åtgärder för att trots allt kunna göra något av informationen som finns där. Det finns idag enkla standardmetoder såsom att ersätta enstaka saknade datapunkter med det vanligaste värdet från övriga observationer. Men med hjälp av AI så börjar man nu kunna vidta mer sofistikerade åtgärder, ex.vis. skapa syntetiskt data från det data man har.