Inleiding
Deze pagina bevat de eerste versie van het VLOCA model. Het is een niet finale versie die we V0.1 noemen. Dit kwam tot stand na de inhoudelijke intro met de initiatiefnemer van dit VLOCA traject en een studie van de aangeleverde informatie bij de start van het project.
Situering van deze deliverable in het traject
Deze eerste versie van het VLOCA model is een werkdocument dat in een latere fase van het traject verder verfijnd en uitgewerkt wordt. Het is in de V0.1-vorm nog geen finaal en afgewerkt document; we baseren ons voor de opmaak ervan op informatie en inzicht die in deze fase van het traject bekend is. Dit document vormt een basis voor het verdere verloop van het traject. In dit overzicht kan je de fasering en andere deliverables binnen een VLOCA traject bekijken.
Doel en doelgroep
Initiatiefnemers (lokale en bovenlokale besturen): De initiatiefnemers en hun project partners werken aan de hand van deze pagina de inhoud verder uit, waarna validatie en prioritering volgt.
Lokale besturen: Lokale besturen worden uitgenodigd om inhoudelijk mee te werken aan aan de co-creatie over dit thema.
Laat ons weten dat je wenst deel te nemen, en geef je inhoudelijke opmerkingen door op vloca@vlaanderen.be.
Dit kan je in de nabije toekomst doen door op de discussie pagina van deze wiki pagina. (op dit moment nog in ontwikkeling)
Bedrijven en kennisinstellingen: Heb je als bedrijf een visie op de generieke business vereisten van dit thema, dan nodigen we je uit om samen deze oefening verder mee vorm te geven.
Ben je leverancier aan overheden, vragen we je specifieke oplossingen niet te vermelden maar de generieke business en IT architectuur in co-creatie mee uit te werken.
Burgers en burgergroeperingen:
Voel je je als burger aangesproken door dit onderwerp en je hebt een visie op de ontwikkeling van oplossingen van dit thema, laat het ons zeker weten.
Aanpak (korte beschrijving)
In dit VLOCA model V0.1 vertrekken we van de visie, missie en doelen zoals ze geformuleerd worden door de initiatiefnemer. Deze gegevens worden verder verfijnd en uitgesplitst in objectieven, en hun de daaraan gelinkte business capabilities, data vereisten, functionele capabilities en technische vereisten. Een volledige omschrijving van het VLOCA-model kan je hier lezen. In deze fase exploreert team VLOCA tevens de extra mogelijkheden rond deze use case. Deze worden in het project gevalideerd en al of niet in scope van het project genomen. Wanneer ze niet in scope worden genomen, kan deze bijdragen aan het uitwerken van een ander of een vervolgproject.
Inhoud
Hieronder kan je de elementen van versie V0.1 van dit VLOCA model bekijken.
| CoT Machine Learning as a Service (MLaaS) – Roeselare | |||
| 2022 | VLOCA-model versie 0.1 | ||
| VLOCA analyse - Vlaamse Open City Architectuur | vloca@vlaanderen.be | |||
| Beschrijving en aanpak: | https://vloca-kennishub.vlaanderen.be/Deliverable:_VLOCA-model | ||
Strategie van de open city uitdaging | |||
| Status | Toelichting | Beschrijving | |
| Visie | Voorstel | Wat is de bestaansreden ? | Vandaag wordt in Roeselare en Brugge reeds mobiele sensoren in de vorm van camera's op drones gebruikt die een overzicht geven (op bvb het aantal bomen in een bos) die 'fijnmaziger' is en meer uitgestrekt dan 'vaste' sensoren. Er is blijkbaar een nood om meer geografisch fijnmazig sensor data te verzamelen. |
| Missie | Voorstel | Wat willen we bereiken ? | Een platform en draaiboek voor alle steden en gemeenten die via mobiele/vliegende sensoren willen experimenteren of hun beleidsvorming en sturing willen ondersteunen, zodat ze gebruik kunnen maken van de ervaring en gebouwde platform van Roeselare en Brugge om zo duurzaam te investeren en dus het warm water niet heruitvinden. |
| Doel | Voorstel | Wat is het doel van dit project ? | Bouwen van schaalbaar platform voor vliegende sensoren data die open staat voor alle steden en gemeenten. Alle stappen van sensor data management wordt geleverd : connectie, datacontext, callibratie, machine learning, faultmanagement, rapportage, enz. |
| Succesfactor | Voorstel | Hoe meten we succes ? (SMART) | Een bibliotheek met minstens 2 Machine Learning modellen op bvb luchtfoto's om bomen inventaris, wegmarkering ed ook voor andere steden ter beschikking stellen met hun eigen luchtfoto's tegen 2023 |
Use cases | |||
| ID | Status | Samenvatting | Beschrijving |
| UC1 | voorstel | UC1: Model Training | We moeten de modellen kunnen trainen om patronen te herkennen, zoals verkeersborden, aantal bomen, gezondheid bomen, status van de wegen, ed. |
| UC2 | voorstel | UC2: Model Implementation | De modellen moeten in een bibiliotheek beschikbaar zijn met documentatie, bestekteksten en conformiteitsmodellen |
| UC3 | voorstel | UC3: Model Quality | De kwaliteit van de modellen moeten telkens gecheckt worden en gerapporteerd |
| UC4 | voorstel | UC4: Dynamic Modelling | Nieuwe modellen moeten kunnen gebouwd worden op basis van nieuwe (dependent en independent) variabelen. |
| UC5 | voorstel | UC5: Beeldmateriaal : Luchtfoto's | Het verkrijgen van luchtfoto's die beschikbaar zijn voor machine learning om iets te 'identificeren' |
| UC6 | voorstel | UC6: Bomen Telling | Het aantal bomen kunnen inventariseren via luchtfoto's : Vlaamse Standaard |
| UC7 | voorstel | UC7: Wegmarkering | Via Luchtfoto's de markeringen op de wegen te identificeren : Vlaamse Standaard |
| UC8 | voorstel | UC8: Exploratie Luchtfoto's | Via Exploratie : het opzoeken van andere opportuniteiten die we van luchtfoto's kunnen halen. |
| UC9 | voorstel | UC9: Verkeersborden | Gebruik van machine learning (zie CoT Mobiele Sensoren) om met mobiele sensoren de verkeersborden te inventariseren en de 'besmeuringen' te herkennen : Vlaamse Standaard |
Metadata | |||
Business capabilities, data vereisten, functionaliteiten en techniciteiten volgens use cases | |||
| ID | Type | Samenvatting | Beschrijving |
| UC1 | Use case | UC1: Model Training | We moeten de modellen kunnen trainen om patronen te herkennen, zoals verkeersborden, aantal bomen, gezondheid bomen, status van de wegen, ed. |
| BC1.1 | Business capability | Samenvatting | train en test dataset hebben om de machine learning tool de kans te geven om een model te bouwen die de output voorspeld ifv allerlei data input. |
| BC1.2 | Business capability | beslissen wanneer is een model 'goed genoeg' | |
| ID | Type | Samenvatting | Beschrijving |
| UC2 | Use case | UC2: Model Implementation | De modellen moeten in een bibiliotheek beschikbaar zijn met documentatie, bestekteksten en conformiteitsmodellen |
| BC2.1 | Business capability | Het opladen van de modellen met documentatie op een server zodat die gebruikt kunnen worden door 'derde' partijen. | |
| BC2.2 | Business capability | Metadata over de modellen en versies van de documentatie. | |
| BC2.3 | Business capability | Het bouwen van een 'bibliotheek' platform met versionering van de documentatie. | |
| ID | Type | Samenvatting | Beschrijving |
| UC3 | Use case | UC3: Model Quality | De kwaliteit van de modellen moeten telkens gecheckt worden en gerapporteerd |
| BC3.1 | Business capability | Trends analyse van een constante iteratie die de modellen op de proef stellen door nieuwe train en test sets te gebruiken. | |
| BC3.2 | Business capability | Overzicht van de trends van de kwaliteit van de modellen ifv lift curve, false positives, betrouwbaarheids intervallen,... | |
| ID | Type | Samenvatting | Beschrijving |
| UC4 | Use case | UC4: Dynamic Modelling | Nieuwe modellen moeten kunnen gebouwd worden op basis van nieuwe (dependent en independent) variabelen. |
| BC4.1 | Business capability | moduleerbare ML systeem die gemakkelijk uitbreidbaar zijn om nieuwe variabelen te voorspellen ifv input variabelen. | |
| ID | Type | Samenvatting | Beschrijving |
| UC5 | Use case | UC5: Beeldmateriaal : Luchtfoto's | Het verkrijgen van luchtfoto's die beschikbaar zijn voor machine learning om iets te 'identificeren' |
| BC5.1 | Business capability | Maken en verwerken van luchtfoto's tot hoogkwalitatieve beelden | |
| BC5.2 | Business capability | Bepalen van de kwaliteitcriteria nodig voor de Machine Learning analyse | |
| BC5.3 | Business capability | Toetsen van de hoogkwalitatieve beelden aan de kwaliteitscriteria nodig voor de Machine Learning analyse | |
| ID | Type | Samenvatting | Beschrijving |
| UC6 | Use case | UC6: Bomen Telling | Het aantal bomen kunnen inventariseren via luchtfoto's : Vlaamse Standaard |
| BC6.1 | Business capability | Bekijken en analyseren van potentiaal bestaande standaarden (Vlaams en/of internationaal) | |
| BC6.2 | Business capability | Opmaken van een OSLO standaard voor het inventariseren van bomen via luchtfoto's | |
| BC6.3 | Business capability | Inventariseren van de bomen via luchtfoto's, gekoppeld aan historiek en gap analyse | |
| ID | Type | Samenvatting | Beschrijving |
| UC7 | Use case | UC7: Wegmarkering | Via Luchtfoto's de markeringen op de wegen te identificeren : Vlaamse Standaard |
| BC7.1 | Business capability | Bekijken en analyseren van potentiaal bestaande standaarden (Vlaams en/of internationaal) | |
| BC7.2 | Business capability | Opmaken van een OSLO standaard voor het inventariseren van wegmarkeringen via luchtfoto's | |
| BC7.3 | Business capability | Inventariseren van de wegmarkeringen via luchtfoto's, gekoppeld aan historiek en gap analyse | |
| ID | Type | Samenvatting | Beschrijving |
| UC8 | Use case | UC8: Exploratie Luchtfoto's | Via Exploratie : het opzoeken van andere opportuniteiten die we van luchtfoto's kunnen halen. |
| BC8.1 | Business capability | Bekijken en analyseren van potentiaal bestaande standaarden (Vlaams en/of internationaal) | |
| BC8.2 | Business capability | Opmaken van een OSLO standaard voor het inventariseren van verkeersborden | |
| BC8.3 | Business capability | Inventariseren van de verkeersborden via beelden van mobiele sensoren, gekoppeld aan historiek en gap analyse | |
| ID | Type | Samenvatting | Beschrijving |
| UC9 | Use case | UC9: Verkeersborden | Gebruik van machine learning (zie CoT Mobiele Sensoren) om met mobiele sensoren de verkeersborden te inventariseren en de 'besmeuringen' te herkennen : Vlaamse Standaard |