Recommended
Recommended
More Related Content
Featured
Featured (20)
Aalborg - business case - data-driven route planning
- 1. Datadrevet affaldsindsamling 10-25-2021 – Midtvejsevaluation imellem Aalborg Forsyning og WasteHero ApS
- 2. Agenda • Fremlæggelse af projektresultater • Projekt 825 – En klassisk Aalborg • Projekt 881/889 – Tætby • Projekt 835 – Kommunen rundt • Databehandling v/ Rep WasteHero • Erfaringer med sensordata • Erfaringer med vægtdata • Sensor forudsigelse • Kombinere sensorforudsigelse og vægtdata • Vægtfaktor: forudsigelse af vægt • Fuldt dynamisk ruteplanplægning • Hvad er problemet, og hvordan løser vi det • Udviklingsplan for dynamisk ruteplanlægning • Diskussion • Gennemgang af WasteHero udviklingsaktiviter: • Live monitoring • Route analytics • Driver performance • CRM
- 3. Projektresultater Projektresulter Projekt 825 – En klassisk Aalborg Projekt 881/889 – Tætby Projekt 835 – Kommunen rundt
- 4. Projekt 825 – En klassisk Aalborg (Restaffald) Periode 06-01 til 08-31 Affaldsfraktion Restaffald Indsamlinger 65 Traditional indsamling 201 Reducering: 136 Procent reducering 67.66% Periode 09-01 til 10-22 Affaldsfraktion Restaffald Indsamlinger 773 Traditional indsamling 2506 Reducering: 1733 Procent reducering 69.15%
- 5. Projekt 881/889 – Tætby (Plastik/metal) Periode 06-01 til 08-31 Affaldsfraktion Plastik Indsamlinger 229 Traditional indsamling 1282 Reducering: 1053 Procent reducering 82.14% Periode 09-01 til 10-22 Affaldsfraktion Plastik Indsamlinger 181 Traditional indsamling 950 Reducering: 769 Procent reducering 80.95%
- 6. Projekt 881/889 – Tætby (Restaffald) Periode 06-01 til 08-31 Affaldsfraktion Restaffald Indsamlinger 1068 Traditional indsamling 3383 Reducering: 2315 Procent reducering 68.43% Periode 09-01 til 10-22 Affaldsfraktion Restaffald Indsamlinger 723 Traditional indsamling 2630 Reducering: 1907 Procent reducering 72.51%
- 7. Projekt 881/889 – Tætby (Papir/pap) Periode 06-01 til 08-31 Affaldsfraktion Papir/pap Indsamlinger 358 Traditional indsamling 543 Reducering: 185 Procent reducering 34.07% Periode 09-01 til 10-22 Affaldsfraktion Papir/pap Indsamlinger 280 Traditional indsamling 913 Reducering: 633 Procent reducering 69.33%
- 8. Projekt 835 – Kommunen rundt (Papir/pap) Periode 06-01 til 08-31 Affaldsfraktion Papir/pap Indsamlinger 278 Traditional indsamling 295 Reducering: 17 Procent reducering 5.76% Periode 09-01 til 10-22 Affaldsfraktion Papir/pap Indsamlinger 489 Traditional indsamling 781 Reducering: 292 Procent reducering 37.39%
- 9. Projekt 835 – Kommunen rundt (Glas) Periode 06-01 til 08-31 Affaldsfraktion Glas Indsamlinger 76 Traditional indsamling 301 Reducering: 225 Procent reducering 74.75% Periode 09-01 til 10-22 Affaldsfraktion Glas Indsamlinger 111 Traditional indsamling 474 Reducering: 363 Procent reducering 76.58%
- 10. Databehandling • Erfaringer med sensordata • Erfaringer med vægtdata • Sensor forudsigelse • Kombinere sensorforudsigelse og vægtdata • Vægtfaktor: forudsigelse af vægt • Fuldt dynamisk ruteplanplægning • Hvad er problemet, og hvordan løser vi det • Udviklingsplan for dynamisk ruteplanlægning • Diskussion
- 11. Erfaringer med sensordata • Forhindringer og objekter detekteres ved hjælp af statistisk estimeringer, og fyldniveaudata er forbedret ved fjerne de statistiske elementer. • Korrekte container informationer, som metadata (f.eks. interne dimensioner, sensorplacering, osv.), er afgørende for kvaliteten af resultaterne.
- 12. Sensorforudsigelse • Sensorforudsigelse udregnes baseret på historiske sensordata indsamlinger. • Hver container har sin egen statistiske model • Når der er tilstrækkelig tilgængelige data vil sæsonudsving også blive inkluderet i forudsigelsesmodellen.
- 13. Erfaringer med vægtdata • Der kan forekomme justeringer af sensordata baseret på vægtmålinger. • Tidsstempler for vægtindsamlinger bliver tilpasset med sensordataene, så nøjagtighed af indsamlingerne er meget vigtigt.
- 14. Kombinere sensorforudsigelse og vægt • Vægtafvigelser gør tingene komplicerede. • Nøjagtighed af data er afgørende • “Garbage In, Garbage Out” ”Garbage in, Garbage out” er et koncept i datalogi om, at fejlagtige eller nonsens inputdata producerer nonsens output Mistænkeligt høje værdier Mistænkeligt lave værdier
- 15. Forudsigelse af vægt ved anvendelse vægt til volume forhold | container_id | completed_at | weight | fill_height | |---------------:|:---------------------------------|---------:|--------------:| | 27916 | 2021-06-08 09:31:37.760566+00:00 | 120 | 2.30108 | | 27916 | 2021-06-15 04:57:33.975287+00:00 | 80 | 2.31088 | | 27916 | 2021-06-22 04:34:19.128598+00:00 | 95 | 2.03735 | | 27916 | 2021-06-29 05:13:25.050987+00:00 | 120 | 2.0099 | | 27916 | 2021-07-06 04:14:05.002073+00:00 | 85 | 2.04716 | | 27916 | 2021-08-17 04:40:50.526678+00:00 | 100 | 2.00402 | | 27916 | 2021-08-24 04:23:43.910729+00:00 | 50 | 2.34618 | | 27916 | 2021-09-07 04:13:34.337378+00:00 | 120 | 2.33539 | | 27916 | 2021-09-14 04:49:32.914929+00:00 | 105 | 2.34127 | | 27916 | 2021-09-21 04:12:36.867319+00:00 | 95 | 2.15206 | | 27916 | 2021-09-28 04:33:37.195259+00:00 | 1 | 2.23539 | | 27916 | 2021-10-05 05:50:11.013694+00:00 | 120 | 2.30304 | | container_id | completed_at | weight | fill_height | |---------------:|:---------------------------------|---------:|--------------:| | 28002 | 2021-06-15 05:42:25.932331+00:00 | 1 | 2.07069 | | 28002 | 2021-06-29 06:46:23.108651+00:00 | 0 | 1.28441 | | 28002 | 2021-07-06 07:38:42.083475+00:00 | 0 | 1.15206 | | 28002 | 2021-08-17 07:27:00.297649+00:00 | 115 | 0.975588 | | 28002 | 2021-09-14 07:06:56.733287+00:00 | 120 | 1.50206 | | 28002 | 2021-09-28 08:17:29.479478+00:00 | 20 | 1.08245 | | 28002 | 2021-10-05 07:21:38.873593+00:00 | 135 | 1.35892 | | 28002 | 2021-10-19 07:56:41.622009+00:00 | 0 | 1.73637 |
- 16. Fuldt dynamisk ruteplanplægning Container som er udstyret med en sensor kan opsættes til fuld dynamisk opsamling. • Sensorforudsigelse anvendes til både generering af ruter og til dynamisk rutetilpasning Container uden sensorer • Individualle statistiske modeller af container, og deres etbaleret vægtfaktor vil bruges til både generering og optimering af ruteplanlægning og -tilpasning [Nuværende opgave]
- 17. Hvad er problemet, og hvordan løser vi det Data fra sensor er det mest "dyrebare", da det giver mulighed for at få et mere detaljeret overblik over tidsudviklingen af affaldsflux. Vi tester metoder til at forbedre vægtestimat på beholdere uden sensor ved hjælp af data fra nærliggende container med sensorer, og intelligent rengøring. Information fra sensorer på nærliggende containere vil blive brugt til at bygge statistiske modeller og forudsige deres affaldsflux. Intelligent rengøring bruges til at fjerne mistænkelige værdier.
- 18. Udviklingsplan for dynamisk ruteplanlægning Udviklingsopgaver Status Testperiode Deadline Manuel indtasting af afstand 100% 18/10 til 29/11 1/11 Vægtforudsigelse 80% 1/11 til 18/11 6/12 Intelligent rengøring af vægtdata 40% 8/11 til 26/11 6/12 Forbedret forudsigelser med nærlæggende container 20% 15/11 til 26/11 6/12
- 20. WasteHero udviklingsplan for det kommende kvartal Udviklingsopgaver Status Testperiode Deadline Ruteopsummering og -analysering 70% 25/10 til 5/11 5/11- 2021 Live overvågning 30% 26/11 til 6/12 6/12- 2021 CRM 55% 27/10 til 6/12 6/12- 2021 Afvigelseshåndtering 30% 15/11 til 26/11 6/12- 2021 Borgerportal 15% 6/12 til 17/12 1/1 - 2022 Fuld dynamisk ruteplanlægning 75% 27/10 til 6/12 6/12- 2021
- 21. NEW: Ruteopsummering og -analysering https://www.figma.com/proto/0gjiN8eaJs091ATZm2zxM4/OP---Route-view?page-id=0%3A1&node-id=1 %3A4444&viewport=241%2C48%2C0.24&scaling=min-zoom&starting-point-node-id=1%3A4158&show- proto-sidebar=1
- 25. NEW: CRM - Økonomioversigt:
- 26. Borgerportal