Data als uitgangspunt
De groep studenten kreeg een dataset om mee te werken, de data bevatte informatie over interventies van hulpdiensten binnen de stad. Uit deze data hebben eerdere studententeams al de nodige inzichten gehaald, en met diverse artificial intelligence (AI) toepassingen zochten ze naar antwoorden. Ook Aleksander en zijn groepsgenoten gingen hiermee aan de slag met de vraag: hoe kunnen we vanuit deze data advies geven voor een betere inzet en optimalisatie van aanrijtijden van deze hulpdiensten.
Cluster Mixture Model
De dataset bevatte dus gegevens van incidenten binnen de stad. De studenten besloten om deze te gaan clusteren met een zogenaamd cluster mixture model. Met dit AI-model, kan op basis van historische data de stadsplattegrond gevisualiseerd worden met clusters van ongelukken. Deze clusters bieden meer grip op de focusgebieden voor de hulpdiensten en zijn dus nuttig in het beter verdelen van plaatsing van voertuigen en kunnen dus responstijd versnellen. Ook leren de clusters ons iets over de spreiding van de incidenten en welke hotspots we identificeren. Hiermee kunnen betere beslissingen genomen worden.
Aleksander legt in de video uit wat het project behelsde, maar ook welke uitdagingen er waren: