Projekta “Netradicionālie regresijas modeļi transporta modelēšanā” (1.1.1.2/VIAA/1/16/075) ilgums sastādīja 3 gadus un tas tika pabeigts 2020.gada 30.septembrī. Pētījuma projekta zinātniskais mērķis bija attīstīt Markova-modulējamās lineārās regresijas modeli un pielietot doto modeli transporta nozarē.
Projekta izpildīšanas rezultātā tika uzrakstīti septiņi zinātniskie raksti, daļa no kuriem atrodas brīvā pieejā ,kas veicina atvērtās zinātnes ideju. Arī izveidotas divas programmatūras pakotnes, kas ievietotas publiskajos repozitorijos:
- R pakotne ar nosaukumu MMLR tika izstrādāta un publicēta CRAN (publiskajā repozitorijā). Šajā pakotnē ir realizēts rīku komplekts Markova- modulējamās lineārās regresijas parametru novērtēšanai, kā arī realizētas papildfunkcijas, ar kuru palīdzību var veikt ieejas datu simulāciju (pētnieciskiem un akadēmiskiem nolūkiem). Šī pakotne ir izgājusi automātiskās un manuālās pārbaudes procedūras.
- Python pakotne MMLR. Izveidotos skriptus var izmantot, lai analizētu MMLR modeļa novērtējumu statistiskās īpašības lielo datu gadījumā. Piedāvātā ideja ir balstīta uz simulāciju. Sakarā ar strauji augošo Python lietotāju kopienu un sakarā ar to, ka Python ir viena no populārākajām un pieprasītākajām valodām datu zinātnei un mašīnmācībai, pakotnes izstrāde šajā konkrētajā programmēšanas valodā ir vērtīgs ieguldījums praktiķiem visā pasaulē.
Kā teorētisks pētījums ietekmē dažādu sfēru pārstāvjus, proti, statistikas, mašīnmācīšanās, modelēšanas teorētiķus, kā arī praktiķus, kuri var izmantot izstrādāto programmatūru.
Tika izpildīti divi tematiskie pētījumi, kuru ietvaros tika izveidota sadarbība ar diviem komersantiem: Rīgas Starptautiskā autoosta (RICT) un Rīgas Karte, un uzņēmumu vadība atzīmēja sadarbību kā veiksmīgu un abpusēji izdevīgu.
Projekta rezultāti tika prezentēti vairākās starptautiskās konferencēs Francijā, Grieķijā, Spānijā, Austrijā, Igaunijā, Polijā.
Pateicoties projektam Latvijas zinātniekiem ir iespēja paplašināt sadarbības tīklu, uzlabot prasmes un iegūt jaunas kompetences, palielināt zinātniskās spējas un karjeras iespējas, kas uzlabo kopējo zinātnes līmeni valstī.
