En køretur i bil på otte kilometer gennem Aalborg, Aarhus eller København kan tage meget forskellig tid afhængig af trafik, trafiksignaler, uheld på vejen og din måde at køre på som bilist.
Det kan være svært at vide hvilken vej, der er den hurtigste og mest brændstofbesparende.
"Veje er jo dynamiske, og transporttiden er forbundet med stor usikkerhed. Du kan med en vis usikkerhed forudse, hvad transporttiden vil være afhængig af, om det er i eller uden for myldretiden, men der er stadig en stor usikkerhed," siger professor Bin Yang fra Institut for Datalogi på Aalborg Universitet.
Bin Yang skal lede forskningsprojektet A Data-Intensive Paradigm for Dynamic, Uncertain Networks, hvor forskere inden for computervidenskab skal bruge big data og kunstig intelligens til at udvikle algoritmer, som mere præcist kan vise den mest effektive vej på vejene.
Samarbejde med Bring
Forskerne skal samarbejde med budvirksomheden Bring Denmark, som bringer pakker ud i danske byer, og med den norske dele-transportvirksomhed Banjara. En virksomhed som Bring Denmark vil kunne bruge forskningen til at effektivisere deres bilers vej rundt i de danske byer med pakker.
"I dag starter deres chauffør dagen med at få en bunke pakker, som skal afleveres forskellige steder. Ud fra sine erfaringer vælger han ruten selv, men her vil vores system kunne guide ham til en hurtigere og mere brændstofeffektiv vej," siger Bin Yang.
Bin Yangs forskergruppe kommer primært til at bestå af forskere inden for computervidenskab og datalogi.
Forskerne skal bruge big data fra GPS, bluetooth, wifi om, hvordan biler bevæger sig på vejene på forskellige tidspunkter af dagen.
På den måde kan de finde frem til veje, med stor variation i transporttiden, veje hvor trafikken ofte glider nemt og alle dem midt i mellem.
Ud fra den indsamlede data vil de udvikle en platform, som skal være offentligt tilgængelig, og som andre for eksempel GPS- eller app-udviklere kan bygge videre på.
Forskergruppen skal i samarbejde med forskere fra USA, Australien, Singapore og England trække på store kompetencer blandt andet med at udvikle algoritmer inden for systemer, som er forbundet med stor usikkerhed.
Danmarks Frie Forskningsfond finansierer forskningsprojektet.
