Nieuwe methode maakt nauwkeurige voorspellingen op basis van big data mogelijk

Een team van het Data Science Institute (DSI) van de Amerikaanse Columbia University werkt aan een statische methode waarmee onderzoekers op basis van big data betere voorspellingen kunnen doen. De onderzoekers van het DSI hebben een subsidie van 900.000 dollar gekregen van de Amerikaanse National Science Foundation voor de ontwikkeling van de methode. 

Het team werkt aan een methode om een statische fundering te maken voor het meten van ‘voorspelbaarheid’, het vermogen van een onderzoeker om voorspellingen te doen op basis van big data. De aanpak stelt onderzoekers in staat hun voorspellingen te vergelijken met een theoretische baseline, waardoor zij nauwkeurigere voorspellingen kunnen doen. Daarnaast moet de methode statistici en beleidsdeskundigen helpen big data in te zetten voor complexe sociale problemen, waarvoor big data sets vaak moeilijk te beoordelen zijn.

Vision Zero

Het team van het DSI staat onder leiding van de hoogleraren Shaw-Hwa Lo en Tian Zheng. Het team werkt samen met New York City Department of Transportation (DOT) om het aantal verkeersdoden terug te dringen. Hiervoor is een project genaamd ‘Vision Zero’ in het leven geroepen. Voor dit project verzamelt de DOT big data over ongelukken om verschillende factoren gerelateerde aan verkeersongelukken te kunnen analyseren. De interactie tussen de variabelen en datasets zijn zeer complex, waarvoor de inzet van de statische methode van het DSI uitkomst moet bieden.

“We ontwikkelen een statische manier om de prestatie voor voorspellingsmethoden te evalueren, wat van grote hulp zal zijn voor DOT. Onze methode zal DOT helpen belangrijke combinaties van factoren en interventiemaatregelen te identificeren om te voorspellen waar en wanneer ongelukken waarschijnlijk zullen plaatsvinden.”

Meer informatie is hier te vinden.