Løsningen
For å løse utfordringen ble det kartlagt hvordan den manuelle analysen ble utført, og modellen for denne analysen ble skissert slik at den kunne bli automatisert. Det gamle systemet hadde gode parametere som lå til grunn for å vurdere når det skulle avises, men utfordringene lå altså i brukervennlighet og tidsbruk. Den gamle modellen brukes fortsatt, men sammen med en vitenskapelig modell der de to modellene sammen utgjør et nytt system for varsling om fare for ising.
I det nye systemet har vi satt opp en dataplattform som henter ut data fra API-er hos Meteorologisk institutt, som har svært gode målinger på de parameterne Bybanen ønsker å måle. De aktuelle parameterne er blant annet duggpunktstemperatur, luftfuktighet, temperatur og skydekke. Disse fremlegges og visualiseres nå i en oversiktlig Power BI-rapport, hvor resultatene vurderes opp mot forskningsbaserte prediksjonsmodeller. Hvis tallene fra parameterne tilsier at det vil forekomme isdannelse, går det automatisk ut en varsling til operatørene av Bybanen. Disse har også vært svært delaktig i utviklingen av løsningen, og på denne måten har vi sørget for at verktøyet som er laget er et verktøy de har lyst til å ta i bruk
Modellene vi har bygget er laget i Python og kjører i Azure Databricks, og dataene som produseres der samles opp i dataplattformen, nærmere bestemt i en SQL-database som vi bruker i Power BI-rapportene.