AI för prediktering av behovsmönster för bildelning
| Diarienummer | |
| Koordinator | Swedspot AB |
| Bidrag från Vinnova | 458 867 kronor |
| Projektets löptid | april 2020 - april 2021 |
| Status | Avslutat |
| Utlysning | AI - Kompetens, förmåga och tillämpning |
| Ansökningsomgång | Starta er AI-resa! Företag |
Viktiga resultat som projektet gav
Målet med projektet var att identifiera på vilket sätt sätt AI-baserad dataanalys kan användas på befintligt data från vår bildelningsjänst. Detta målet har projektet uppfyllt.
Långsiktiga effekter som förväntas
Regressionsproblemet m.h.a LSTM gav rimliga resultat (liknande vad en människa hade predikterat), men de skiljde från de riktiga tripparna. Antagligen beror detta på slump i datan. När prediktionen av trippar gjordes om till ett enklare problem där slutpositionerna klustrades ihop m.a.p geografisk position kunde sambanden predikteras. De större klasserna predikterades till hög grad korrekt medan nätverket hade mer problem med de mindre klasserna. Den binära prediktionen på simulerad data lyckades prediktera sambanden vi simulerade.
Upplägg och genomförande
Algoritmerna implementerades och utvärderades genom att använda Keras bibliotek. Genomgående under projektet har litteraturstudie gjorts. Regressionsproblemet m.h.a LSTM utvärderades mha olika metrics för regressions problem, samt genom att plotta ut positionerna på en karta. Prediktionen av slutpositionerna som ett klassifieringsproblem utvärderades genom att studera confusion matrisen. Prediktionen på den simulerade datan studerades genom att visualisera det predikterade utfallet beroende på parameter.