HIPE, de Hybrid Intelligence Planning Engine, combineert machine learning met de kennis van ervaren vervoerkundigen om dienstregelingen voor bus, tram en metro te plannen. We bouwden de eerste versie met EBS en breidden hem daarna uit met RET en HTM, binnen het InnOVatieroute-samenwerkingsverband van EBS, RET, HTM en MRDH.
In de eerste fase ontwikkelden we in vier maanden een werkend model op tien buslijnen van EBS. Waar de oude planmethodiek alleen naar het verleden keek, voorspelt HIPE de rijtijd op basis van verkeer, weer, seizoen en reizigersdrukte. Dat leverde ongeveer 16% betere punctualiteit op en een vijf keer sneller planproces.
HIPE geeft niet alleen een voorspelling, maar laat ook zien waar die vandaan komt. De vervoerkundige beslist, het model rekent en onderbouwt. Zo kan de organisatie een keuze controleren en uitleggen, in plaats van een systeem blind te volgen.
In de doorontwikkeling maakten we de datapipeline realtime, onderzochten we een krachtiger voorspelmodel en koppelden we HIPE aan het planpakket Hastus. Het model is nu numeriek gevalideerd voor EBS, RET en HTM, met foutmarges op seconden-niveau. Gebruikers beoordeelden het vertrouwen in en de uitlegbaarheid van de voorspellingen met een 7,7 op 10.
De volgende stap is een periode schaduwdraaien tegen de huidige planmethodiek, per vervoerder verder afgestemd. Daarmee is HIPE op weg naar dagelijks gebruik.
