Zo zet je data science in om het gebruik van micromobiliteit te verbeteren How to Leverage Data Science to Improve Micro-Mobility Use

Waarom zien mensen af van micromobiliteit zoals elektrische fietsen en steps? Wat voor ritten vervangt micromobiliteit? En hoe optimaliseren we een micromobiliteitssysteem voor maximale impact? In dit webinar nemen Diogo Valente Polónia en João Matos van de duurzaamheidsonderzoeksgroep Holin ons mee door een praktijkcase over hoe je data science inzet om al deze vragen te beantwoorden en een datagedreven strategie te bieden om het gebruik en de impact van micromobiliteitsoplossingen te vergroten. Ze hebben een op Python gebaseerde methodologie ontwikkeld met geospatiale indexering, feature engineering, voorspellende scoring en scoreoptimalisatie, om precies dit soort duurzaamheidsvraagstukken op te lossen. Ze laten zien hoe je geospatiale data, gecombineerd met demografische en mobiliteitsdata, gebruikt om te voorspellen hoeveel CO2-uitstoot een specifieke micromobiliteitsrit bespaart en hoe geneigd mensen zijn om over te stappen op een bepaalde micromobiliteitsoplossing, en tot slot hoe je de plaatsing van micromobiliteitsvoertuigen optimaliseert voor maximale milieu-impact (en niet per se maximaal gebruik). Bij elke stap duiken ze in hoe elke techniek werkt en hoe je met Datalore optimaal gebruikmaakt van Python als alles-in-één oplossing voor machine learning, geospatiale analyse, optimalisatiealgoritmes en visualisatietools. #datascience #datalore Sprekers: João Matos João is masterstudent Biomedische Technologie aan de Universiteit van Porto. Hij reist graag en heeft in 5 verschillende landen gewoond. Momenteel woont hij in Boston, waar hij aan het MIT onderzoek doet voor zijn masterscriptie. Als toekomstig biomedisch ingenieur wil hij AI en klinische data samenbrengen om de gezondheidszorg en de levenskwaliteit van mensen te verbeteren. Omdat hij met zijn analytische en technische vaardigheden een positieve impact wil maken, is hij ook geïnteresseerd in het oplossen van duurzaamheids- en maatschappelijke vraagstukken. Het afgelopen jaar won hij samen met zijn teamgenoten een paar datathons met uitdagingen rond enkele van de Duurzame Ontwikkelingsdoelen van de Verenigde Naties. Diogo Valente Polónia Diogo rondt zijn master Industrial Engineering and Management aan de Universiteit van Porto af. Met als missie zoveel mogelijk te leren, deed hij mee aan allerlei projecten: van casewedstrijden in engineering en datathons, waarin hij zowel nationaal als internationaal prijzen won, tot het voorzitterschap van een junior-vereniging en stages bij verschillende bedrijven. Momenteel zit hij in Santiago de Chile voor zijn laatste semester voor zijn masterscriptie, om zich te richten op analyse van sociaal en milieubeleid en datagedreven besluitvorming. Hij zoekt altijd naar manieren om zakelijke, analytische en technische concepten toe te passen op sociale of milieuvraagstukken.

Why would people refrain from using micro-mobility devices such as electric bikes and scooters? What kind of trips does micro-mobility replace? How can we optimise a micro-mobility system to maximise its impact? In this webinar, Diogo Valente Polónia and João Matos from the sustainability research group Holin will take us through a practical case on how data science can be leveraged to answer all these questions and provide a data-driven strategy to increase the usage and impact of micro-mobility solutions. They've developed a Python-based methodology that includes Geospatial Indexing, Feature Engineering, Predictive Scoring, and Score Optimization, to solve sustainability issues just like this one. They'll demonstrate how to use geospatial data, paired with demographic and mobility data to prediction CO2 emissions saved with a specific micro-mobility trip and the propensity of people to transition to a certain micro-mobility solution, and, finally, how optimise placement of micro-mobility devices for maximum environmental impact (and not necessarily usage). At each step, they'll dive into how each technique works, and how to make the best use of Python’s one-stop-shop for Machine Learning, Geospatial Analytics, Optimization Algorithms, and Visualisation Tools using Datalore. #datascience #datalore Speakers: João Matos João is a Masters student of Biomedical Engineering at the University of Porto. He is passionate about travelling, having lived in 5 different countries. He is currently living in Boston, doing research for his master’s thesis at MIT. As a Biomedical Engineer to-be, he wants to bring AI and clinical data together to improve healthcare and people’s quality of life. Driven by delivering a good impact with his analytical and technical skills, he is also interested in solving sustainability and societal issues. In the past year, alongside his teammates, he won a couple of datathons with challenges that tackled some of the United Nations’ Sustainable Development Goals. Diogo Valente Polónia Diogo is finishing his Master's in Industrial Engineering and Management at the University of Porto. On a mission to optimise for learning, he has participated in all kinds of projects, from engineering case study competitions and datathons, achieving winning positions both nationally and internationally, to presiding a junior association and interning in different companies. He's currently in Santiago de Chile for his last semester before his Master Thesis, to focus on social and environmental policy analysis and data-driven decision-making. He's always looking for ways to apply business, analytical and technical concepts to solve social or environmental issues.