�ݺ�ߣ

Editor's Notes

• #5: Complexiteit, 1,1 miljoen per jaar, 3000 gemiddeld per dag, kan ook 9000 zijn 1 wegenwacht doet 8 pechgevallen per dienst, dus bij een afwijking van van 1%, zijn 5 wegenwachten meer of minder Langere wachttijd
• #6: Veel factoren van invloed op pech, maar die zijn nooit bewezen. Vandaar big data technologie.
• #7: Om voorspellingen te doen is Nederland opgedeeld in 4 regios. Het doel is om voor elk van deze regios een goede voorspelling te krijgen zodat de capaciteit van de wegenwacht kan worden aangestuurd. De voorspellingen per dag (onder) worden gebruikt als algemene inschatting van de wegenwacht inzet op die dag. De voorspellingen per half uur worden gebruikt om op een dag zelf capaciteit bij te kunnen schakelen, of eerder naar huis te laten gaan.
• #8: Hoe hebben we dit voor elkaar gekregen? De voorspellingen gebeuren momenteel op regioniveau. Maar de aansturing en planning gebeurt voor de 33 werkgebieden in Nederland. Als Scyfer hebben we al snel aangegeven een voorspelling te willen maken per werkgebied. Door deze werkgebied voorspellingen te combineren heb je een regio voorspelling. Sommige effecten, bijvoorbeeld weerseffecten, zie je pas terugkomen als je op een kleiner niveau kijkt. Het kan vriezen in Limburg, maar op regioniveau boven de 0 graden zijn. Deze informatie neem je wel mee als je op kleiner niveau voorspelt. We trainen een enkel model voor alle werkgebieden. De software vindt zelf wel de nuttige verbanden tussen werkgebieden, en wat specifiek is voor de werkgebieden. We hebben gezien dat het kijken op een kleiner niveau daadwerkelijk de resultaten verbeterd! Dit is een erg moeilijk probleem. Je ziet al aan de grafieken dat er veel variantie in de data zit. We kunnen niet perfect voorspellen wanneer een auto kapot gaat, maar we kijken naar gemiddeldes.
• #9: Wat is de input van ons model? We nemen van het KNMI de historische weersgegevens. Dit is van 36 weerstations, informatie per uur voor 10 jaar lang. Van Weerslag kunnen we automatisch weersvoorspellingen downloaden voor de komende 3 weken om voor dit hele time-frame voorspellingen te maken. De ANWB levert de dataset met alle pechgevallen, en het ledenaantal Voorts voegen wij nog informatie toe m.b.v. de datum. Alle Nederlandse feestdagen, wanneer de schoolvakanties zijn in regios, en informatie over de dag, de maand en het jaar. Hiermee maken we twee modellen. 1 getraind op het voorspellen van de frequentie, en 1 op het voorspellen van de distributie per half uur per dag. Gecombineerd levert ons dit voorspellingen zowel per dag als per half uur.
• #11: Hiermee maken we voorspellingen voor elk werkgebied
• #12: Deze kunnen we weer combineren naar voorspellingen per Regio, met betere resultaten.
• #13: Dit zijn de voorspellingen per dag voor heel Nederland. Deze resultaten komen goed overheen met de werkelijkheid, er zijn op het oog weinig opvallende missers.
• #14: Scyfer heeft een model getraind op alle data tussen 2004 en 2013. Hierna hebben we met het model voor elke regio, voor elke dag een voorspelling gedaan voor 2014. De gemiddelde fout die de modellen van de ANWB en Scyfer maken staat in deze tabel. We zien een zeer significante verbetering! Kleine footnote: Bij het trainen en testen kunnen we alleen gebruik maken van de historische weersgegevens. We hebben geen data over wat er in het verleden voorspelt is voor de volgende dag. Met goede weersvoorspellingen zullen deze resultaten echter nog steeds een stuk beter zijn. (de fouten / percentages tellen niet op, dit komt mean(sum(abs)) anders is dan sum(abs(mean)))
• #17: Wat hebben we nou uiteindelijk neergezet? Een significant verbeterd model dat pechgevallen voorspelt. Dit werkt model werkt voor de lange termijn beter, zodat de planning ver van tevoren aan te passen is. En ook op de korte termijn, zodat er eigenlijk ‘live’ bij te sturen is. De geleverde software levert volautomatisch voorspellingen. De benodigde historische weerdata en de voorspellingen worden automatisch gedownload en geintegreerd. Met 1 druk op de knop staan de grafieken en tabellen met nieuwe voorspellingen klaar voor gebruik. Er hoeft niemand elke dag data te kopieren om resultaten te genereren! In de toekomst zouden we misschien kunnen kijken naar het voorspellen van de locatie van pechgevallen om wegenwachters beter aan te sturen. We gaan onze resultaten binnenkort in de praktijk testen om te kijken wat het effect is.