Hoe NS AI kan inzetten om stationsgebieden te optimaliseren
Vervoer
-
Hoe kan het de ruimtes rond zijn treinstations optimaliseren?
-
Hoe kan NS de jaarlijkse telling van geparkeerde auto’s bij haar 400 stations automatiseren?
-
Hoe kan NS slimmer werken met de nieuwe beschikbare data- en analysetechnologieën?
-
NS ontvangt en analyseert automatisch luchtfoto’s van elk NS-station
-
Informatie over het gebruik van parkeerplaatsen wordt goedkoop en vaker verzameld
-
De NS kan haar parkeerfaciliteiten nauwkeurig afstemmen
AI, data en analyse
Hoe NS AI kan inzetten om stationsgebieden te optimaliseren
Zakelijke uitdagingen
NS wil graag het gebruik van nieuwe technologieën verkennen en heeft zich daarom aangemeld voor de jaarlijkse Advanced Data & Analytics Hackathon van Emixa. Tijdens de eerste gesprekken heeft ons team van consultants samen met NS verschillende ideeën geëvalueerd. Het concept om het tellen van het gebruik van parkeerplaatsen te automatiseren bleek het meest veelbelovend, zowel wat betreft toegevoegde waarde als haalbaarheid. Zouden we met de beschikbare data en technologieën binnen 48 uur een werkend prototype kunnen bouwen? Het antwoord: ja, dat kunnen we!
Sleutels tot succes
Tijdens de hackathon maakte het team gebruik van openbaar beschikbare luchtfoto’s en specifieke gegevens die door NS waren verstrekt. De consultants pasten het nieuwste AI-herkenningsmodel, YOLOv8, toe om aan de hand van luchtfoto’s het aantal geparkeerde auto’s te tellen. Door een combinatie van creativiteit en expertise slaagde het team erin een werkend prototype te ontwikkelen.
Na afloop van de hackathon hebben de consultants het prototype verder verbeterd door aanvullende gegevensbronnen te integreren, waarbij gebruik werd gemaakt van uiterst nauwkeurige coördinaten en gedetailleerdere luchtfoto’s. Ons team heeft een geautomatiseerd Python-script ontwikkeld waarmee beelden van elk NS-station kunnen worden opgehaald en geanalyseerd. Bovendien is de informatie nu gemakkelijker toegankelijk.
Resultaten
⊣ CLIENT SPOTLIGHT ⊢
We hebben meer dan 1700+ klanten geholpen
Sunseeker builds luxury motor yachts for a global market, exporting 99% of its range from shipyards on Britain's South Coast. By connecting design and manufacturing processes, they doubled production speed.
Nissan is one of the world's largest automotive manufacturers, developing vehicles across multiple global markets. By overhauling their vehicle development process, they cut cycles from 20 to 10.5 months and reduced post-release problems by 80%.
Meijer Potato is een Nederlands aardappelveredelingsbedrijf dat nieuwe rassen ontwikkelt voor telers in heel Europa. Door gegevens toe te passen in hun veredelingsprogramma hebben ze de ontwikkelingscycli versneld, de kosten verlaagd en erkenning binnen de sector gekregen voor de behaalde resultaten.