Tekniske krav til data til forecasting

1. Ved opsætning: Placeringen af den/de enhed(er), for hvilken der skal produceres en forecast. Hvis forecasten er for flere enheder, skal en liste over placeringer gives. Helst GPS-koordinater for hver enhed, men en adresse kan også anvendes.

2. Data om antallet af timelige kontakter så langt tilbage i tiden som muligt (minimum tre år). Data skal leveres som en CSV-fil (adskilt med “,” og “.” som decimalkomma) i UTC-tid (ISO 8601-1:2019, se https://en.wikipedia.org/wiki/ISO_8601), fx YYYY-MM-DDThh:mm:ssZ, hvor:

1. YYYY = år (2024)
2. MM = måned (05)
3. DD = dag (10)
4. hh = time (11)
5. mm = minut (36)
6. ss = sekunder (15)
7. T = adskiller dato og tid
8. Z = angiver Zulu-tid = UTC.

Et eksempel kunne være:
UtcTime , Værdi
2023-08-11T06:00:00Z , 0
2023-08-11T07:00:00Z , 3

For at forecasten kan opdateres kontinuerligt, er det nødvendigt, at disse data opdateres hyppigt (helst så snart data er tilgængelige, fx time for time).

3. Information om begivenheder, der kan påvirke forecasten:

1. Begivenhedsperiode: Start (UTC-tid) og slut (UTC-tid) som specificeret af ISO 8601-1:2019.
2. Navn på begivenheden.
3. Lokation: Hvor lokal er begivenheden? Land, NUTS-1, NUTS-2, NUTS-3, LAU eller Specifik, hvor NUTS-niveauer og LAU defineres af Eurostat (https://ec.europa.eu/eurostat/).
4. Sted: Hvor begivenheden finder sted: så præcis en placering som muligt i henhold til den angivne lokation:

   a. Land: ISO 3166-1, Alpha-2 (se https://en.wikipedia.org/wiki/ISO_3166-1). For Spanien er det “ES”.

   b. NUTS-1,…, NUTS-3, Nomenclature of Territorial Units for Statistics (NUTS, se https://ec.europa.eu/eurostat/web/nuts), fx “Comunidad de Madrid” er på NUTS-2 niveau og har koden ES30, mens “Madrid” er på NUTS-3 niveau og har koden ES300.

   c. LAU, Local Administrative Unit (LAU, se https://ec.europa.eu/eurostat/web/nuts/local-administrative-units), hvor LAU-koden for (fx) Aranjuez er 28013 (og det er en del af Madrid, som har NUTS-3 kode ES300).

   d. Specifik: GPS-koordinat.

   Hvis begivenheden finder sted på flere steder, kan en liste over lokationer gives.

5. Type af begivenhed: En række tags, der beskriver begivenheden. Fx kan en begivenhedstype være de to tags “fodbold” og “El Clásico”, eller en anden kunne være “festival” og “Bonfires of San Juan”.
6. Tidligere forekomster (fx tidligere år).
7. Senere forekomster (fx kommende år).

4. Information om organisatoriske ændringer, der kan påvirke forecasten. Fx ændring i befolkningsstørrelse, ændring i procedurer osv.

Vores system har følgende tekniske krav for at udføre forecasten:

1. Adgang til internettet
2. Beregningskraft og opbevaring svarende til en stor stationær computer.
3. Et OCI-kompatibelt (https://opencontainers.org/) containerbaseret miljø som Docker (https://www.docker.com/) eller Podman (https://podman.io/).

Vores system har følgende tekniske krav for at udvikle forecasten:

1. Adgang til internettet
2. Adgang til beregningskraft svarende til 8 kerner, 64 GB hukommelse og 1 TB opbevaring per samtidige modeltræning.
3. Et OCI-kompatibelt (https://opencontainers.org/) containerbaseret miljø som Docker (https://www.docker.com/) eller Podman (https://podman.io/).