-
Jensen & Scheele Bil:
Markedssjef
-
Toyota Insurance Services:
Leader- Strategic Projects
-
Møller Bil Kongsvinger:
Lærling
-
Bilia Norge AS:
Regiondirektør, Volvo
-
Team Verksted AS:
Mekaniker
-
Porsche Center Asker & Bærum:
Selger nye Porsche
-
Team Verksted AS:
Mekaniker
-
Saferec AS:
Mekaniker
-
Bærum Bilverksted AS:
Bilmekaniker/Teknisk leder/Kundemottaker
-
Bilia Norge AS:
Delesjef
-
MECA Service AS:
Avdelingsleder
-
MECA Service AS:
Kundemottaker
-
MECA Service AS:
Teknisk leder
-
MECA Service AS:
Mekaniker
-
Volvo Car Stor-Oslo:
Mekanikere og mekaniker-lærlinger
-
Bertel O. Steen Lastebil og Buss:
Mekaniker
-
Bertel O. Steen Lastebil og Buss:
Mekaniker tunge kjøretøy
-
Car-O-Liner Norge:
Field Service medarbeider
-
Harald A. Møller AS:
Forretningsutvikler Servicemarked
-
Knoks Bildeler AS:
Mekaniker
-
Stjørdal Auto AS:
Innkjøper
-
Kristiansund Karosseri AS:
Biloppretter
-
Ydse Auto AS:
Bilmekaniker
-
Bilskadesenteret Voss AS:
Biloppretter
-
MyCar:
Innkjøper
Program skal forutse bussforsinkelser ett år før de inntreffer
Kollektivselskapet Kolumbus har sammen med it-selskapet Computas utviklet en «tidsmaskin» som kan predikere forsinkelser og eksakt posisjon på selskapets 450 busser opptil et år frem i tid.
Stavanger-baserte Kolumbus, som eies av Rogaland fylkeskommune og betegner seg selv som en mobilitetsleverandør, har gått grundig til verks for å komme forsinkelser og kundeklager til livs.
Sammen med eksperter på skyløsninger og maskinlæring fra selskapet Computas, har de utviklet prototypen til en «tidsmaskin», opplyser selskapene i en pressemelding.
Løsningen er bygget på Google Cloud Platform og har allerede fått en del oppmerksomhet. Blant annet blir den beskrevet i en artikkel som nylig ble publisert på Googles internasjonale sider.
Bredere system
Direktør for privat sektor i Computas, Rune Hagbartsen, er ikke overrasket over oppmerksomheten.
– Med denne «tidsmaskinen» presenterer vi det ypperste av hva som er mulig å få til med moderne teknologi, i godt samarbeid med en visjonær kunde. «Tidsmaskinen» er et eksempel på hvordan kunstig intelligens og maskinlæring kan benyttes for å gi oss en bedre og enklere hverdag. Ingen synes det er gøy når bussen er forsinket eller i verste fall uteblir, og det koster dessuten samfunnet en hel del, sier han.
Målet med løsningen har vært å bygge et bredere og mer allsidig prognosesystem enn det Kolumbus allerede har i form av de korttidsprognosene som kommer ut av sanntidssystemet.
«Tidsmaskinen» skal kunne se lengre frem i tid, integrere flere eksterne datakilder, som vær og hellig- og feriedager, og generelt «lære» fra alle innsamlede kjøredata. Det stilles høye sanntidskrav. Tidsmaskinen skal generere fortløpende prognoser, slik at trafikkbilde kan visualiseres i en kartløsning og avspilles som en film.
Kollektivtrafikk i endring
Audun M. Solheim, strategi- og utviklingssjef i Kolumbus, er tydelig på at de ser store endringer i kollektivtrafikken i årene som kommer – når det gjelder ny teknologi, adferd og miljø- og klimakrav. Målet er nullvekst i personbiltrafikken.
– Vi ønsker å være proaktive og styrke kollektivtransporten ved å tilby kunder den beste mulige opplevelsen i form av hurtig og smidig transport med minimale forsinkelser. Vi må innovere steg for steg – og gi kundene mer enn de forventer. Tidsmaskinen Computas har utviklet, er en viktig brikke i dette arbeidet, sier han.