Hydroscope parvient à réduire l’erreur de prédiction de la vitesse des navires en employant 3 outils importants :
- augmentation météo : ajout du contexte météo aux données et des variables qui ne peuvent pas être mesurées in-situ (caractérisation des vagues, des masses d’air, etc.)
- caractérisation du navire : ajout du contexte du navire et notamment des états difficilement mesurables (matossage, chargement, configurations de voiles, etc.)
- traitement mathématique : utilisation d’outils mathématiques de machine learning pour traiter et interpréter ces données
Les deux premiers outils permettent d’avoir une vue d’ensemble sur le navire et son environnement, sans quoi l’analyse de performance ne pourra être que partielle. Le dernier outil, permet de traiter l’importante masse de données et d’en extraire les informations utiles pour les navigants.
Chaque étape est essentielle pour réduire le “flou” et l’incertitude qui accompagne d’ordinaire l’analyse des données de navigations. Combinés de cette façon, ces outils permettent une lecture très fine de l’impact de chaque paramètre sur la performance du navire, faisant d’Hydroscope un outil très précis pour l’analyse de données.