Stageplaatsen

VORtech biedt graag ruimte voor stagiairs. Niet alleen om werkzaamheden te doen waar we zelf niet aan toe komen, maar ook om onze bijdrage te leveren aan het opleiden van nieuwe generaties wetenschappelijk programmeurs.

Hieronder vind je een lijst met stageplaatsen die op dit moment wachten op een geschikte invulling. Staat er geen geschikte opdracht voor je bij maar spreekt ons werkveld je aan? Neem dan gerust contact met ons op. Misschien kunnen we rondom jouw belangstelling alsnog een opdracht formuleren die ook voor ons nuttig is.

VORtech kan slechts een beperkt aantal stagiairs tegelijk begeleiden. Als je geïnteresseerd bent in een van de stage/afstudeer-opdrachten, stuur ons een e-mail zodat we kunnen kijken of we op dit moment ruimte voor je hebben.

Data engineering en machine learning

Op dit moment worden er diverse afstudeeropdrachten en stageopdrachten geformuleerd op het gebied van machine learning. Neem alvast contact met ons op als je geïnteresseerd bent in deze onderwerpen.

Data-assimilatiestages

Data-assimilatie methoden gebruiken observaties om dynamische computermodellen bij te sturen zodat de voorspelkracht van deze modellen toeneemt. Veel van het werk dat we bij VORtech doen op dit gebied maakt gebruik van OpenDA. Dat is een generiek open source software framework voor data-assimilatie en model kalibratietechnieken (zie www.openda.org).

OpenDA is volop in ontwikkeling. Daarbij zijn er regelmatig werkzaamheden te doen die ook gedaan kunnen worden in de vorm van een stage of afstudeeropdracht. Neem contact met ons op om te horen welke onderwerpen er op dit moment actueel zijn.

Hieronder vind je een concrete opdracht waar we op dit moment stagiairs voor zoeken.

Datafusie en transportmodel kalibratie met OpenDA en OmniTRANS

Beschrijving van het probleem

Sinds de opkomst van big data, speelt het een steeds belangrijkere rol bij zowel de bouw (parameterschatting) en toepassing (prognose) van de strategische, tactische en operationele transport modelsystemen. In Nederland worden de numerieke modellen die in OmniTRANS beschikbaar zijn op grote schaal gebruikt om vervoersmodelsystemen te bouwen. Hoewel sommige parameterschattingmethoden en instrumenten direct beschikbaar zijn binnen OmniTRANS, vertrouwen de meeste modellen en toepassingen op exogeen geschatte sets van parameters en/of interfaces met (big) data met behulp van aangepaste Ruby scripts. Het OpenDA platform bevat een aantal datafusie en parameterschattingsmethoden voor numerieke modellen en zou, als zodanig, een meer generieke oplossing zijn voor de bouw en toepassing van op OmniTRANS gebaseerde modelsystemen met behulp van big data.

Stageopdracht

DAT.Mobility ontwikkelt een realtime verkeersmodel voor operationele doeleinden zoals verkeersmanagement. Dit real time verkeersvoorspellingsmodel gebruikt OmniTRANS software om verkeersvraag en -aanbod te voorspellen en om daaruit de verkeersstromen, snelheden, intensiteiten en afgeleide grootheden te bepalen. In deze methodologie bepalen veel verschillende parameters de uitkomsten van de voorspellingen. Het doel van de stageopdracht is om een testcase te ontwikkelen waarin OpenDA gebruikt wordt om parameters in OmniTRANS te kalibreren en/of om aanvullende optimalisatieproblemen in realtime verkeersvoorspellingen op te lossen.

Een (onvolledige) lijst van mogelijke vragen die beantwoord kunnen worden:

  • Gebruik van OpenDA voor parameterschatten voor een het realtime verkeerstoestand voorspellingsmodel in een online en/of offline omgeving. Onderzoek van parameterschattingsmethoden die bij dit probleem passen en het onderzoeken van de bruikbaarheid daarvan in de dynamiek van het verkeersmodel.
  • Gebruik van OpenDA voor matrixschatten in een realtime verkeersmodel. Zowel traditionele (bv. conventionele bilevel oplossingsmethodes) als meer experimentele matrix kalibratiemethoden (bv. https://www.jhuapl.edu/SPSA/) zijn onvoldoende voor toepassing in dynamische verkeersmodellen. Onderzocht wordt of openDA technieken voor dit optimalisatieprobleem gebruikt kunnen worden.
  • Gebruik van OpenDA data-assimilatie voor verbeterde datafusie van beschikbare datasources en/of andere schattings/voorspellingsvraagstukken in realtime voorspelling van de verkeerstoestand.

Onderzoeksgroep / informatie

DAT.mobility Deventer en VORtech Delft
Dagelijks begeleiders: Leon Suijs MSc (DAT.mobility, Delft University)  en Dr. Nils van Velzen (VORtech, TU Delft)

Bij interesse in deze MSc thesis stage op gebied van datafusie en transportmodel kalibratie, kunt u contact opnemen met Leon Suijs (lsuijs@goudappel.nl, 0611528887).

Interesse?
Stuur je CV en motivatie aan het adres dat bij de stage vermeld staat. Gebruik anders onze contactgegevens.
Contactgegevens