Big Data-Powered End User Function Development (BIG FUN)

Syfte och mål

Projektet BIG FUN syftar att skapa förståelse kring hur vi kan tillämpa kvantitativa analysmetoder för att identifiera betydelsefulla moment inom verkliga fordonsresor samt att komplettera dessa fynd med kvalitativa analysmetoder. Kombinationen av analytiska tillvägagångssätt genererar insikter såsom en djupare förståelse av utmaningarna och möjligheterna för förbättrade lastbilsfunktion, egenskaper och tjänstedesign som passar bättre kommersiella mobilitetsbehov.

Förväntade effekter och resultat

Förväntade resultat inom projektet: 1. Identifiera potentiella betydelsefulla moment i fordonsresor genom att träna algoritmer med regler som kombinerar existerande expertkompetens och tidigare forskningsresultat; 2. Utför UX forskning kring hur vi kan designa en tjänst som underlättar domänexperters användning av ML-identifierade betydelsefulla moment som, i samband med kvalitativa forskningsprocesser, stöder skapandet av designkunskap för förbättrad kommersiell mobilitet; samt 3. Skapa en demonstratör som lyfter fram fördelarna av AI drivna UX-insikter i kontext.

Planerat upplägg och genomförande

Handlingsplanen för BIG FUN består av tre steg: 1. Att kartlägga krav och befintliga kunskaper kring ML-teknik som kan tillämpas på fordonsdata samt hos UX-experter inom lastbilsindustrin; 2. skräddarsy ML-teknik och UX-metodik iterativt för att kombinera AI- och mänskligkompetenser på ett sätt som främjar förbättrad design av kommersiella mobilitetssystem; 3. Att designa och utvärdera en demonstratör som uppvisar hur mänskliga- och AI-baserade fynd kombineras för att utveckla bättre design av kommersiella mobilitetslösningar.