Ciao, Mio nome È Caleb Re. Io sono a sviluppatore In IL Dipartimento dell'Energia E affidabilità gruppo A JMP. Oggi I capito Id vetrina Che cosa I pensare È a morso Di UN trascurato piattaforma In IL affidabilità suite Di analisi utensili, E questo è IL affidabilità crescita piattaforma. I Pensiero Id Fare Quello In IL contesto Di qualcosa questo è diventare bello popolare Al giorno d'oggi, E questo è autonomo veicoli. Sono veloce diventare a realtà, non COSÌ tanto scienza narrativa più. Noi Avere a quantità Di aziende lavorando SU esteso test Di questi veicoli.
Suo Carino A test questi veicoli SU Forse a Carino traccia A tuo laboratorio O qualcosa Piace Quello. Ma Niente battiti vero orso strada test, Quale È Perché Presto In IL Anni 2010, IL stato Di California Dipartimento Di Motore Veicoli In realtà Mettere insieme a test programma Quello consentito questi aziende A test loro veicoli SU strade entro IL stato. Ora, COME parte Di Quello accordo, ogni azienda era necessario A invia UN annuale rapporto Quale volevo dettaglio fuori Qualunque tipo Di disimpegno incidenti. O paradiso vietare, Qualunque incidenti Quello accaduto coinvolgente loro autonomo veicoli.
Quelli avevo A Essere segnalato A IL Dipartimento Di Motore Veicoli, IL DMV. Ora, uno beneficio Di IL DMV essendo a federale istituzione È Quello questi rapporti Sono In realtà disponibile su richiesta. In fatto, Noi Potere andare Là Giusto Ora A IL sito E tu Vedere Quello Voi Potere A meno accesso IL maggior parte recente rapporti. Noi Avere IL 2021 rapporti. Sono Ancora compilazione IL 2022. Voi Potevo Anche, Se Voi Volere, e-mail. Se Voi ricercato Alcuni precedente quelli, I fatto Quello con a breve giustificazione Di Che cosa I era facendo. Essi erano bello presto A rispondere.
Ora, Noi Avere diverso tipi Di rapporti E diverso tipi Di test. Erano erano focalizzando SU test Dove Là È a autista In IL veicolo E IL autista Potere Prendere Sopra COME necessario. Questo non lo è a completamente autonomo veicolo. Voi Fare Avere A Essere In IL Conducente posto a sedere A Fare Questo. Erano utilizzando questi disimpegno eventi COME a proxy per valutare IL affidabilità Di IL veicoli. Ovviamente, Noi non Avere accesso A IL software In questi veicoli. Se Voi lavorato A quelli aziende, Voi Potevo probabilmente Avere Di più informazioni. Noi ovviamente non.
Ma loro sono a proxy Perché Se Voi Volere Nostro veicolo A Essere affidabile, Quello significa Esso esigenze A Essere operativo COME Voi intendere entro IL ambiente. Qualunque tempo Voi Avere A Prendere Sopra IL IA per Alcuni motivo, Quello Potevo Essere a cartello, "IO è non esattamente operativo COME I previsto." Noi Potere utilizzo Esso COME a morso Di a proxy. Ancora, suo non IL migliore approssimazione, Ma suo Ancora bello Bene. Di corso, Io sono non IL Primo uno A pensare Di Questo. Questo È In realtà UN informale estensione Di Alcuni lavoro Io ho Fatto recentemente con Mio consulente, Anno Singapore, E a grappolo Di altro coautori Dove Noi In realtà ha guardato A Questo tipo Di dati da a ricorrente eventi prospettiva.
Io sono andando A Fare a leggermente diverso approccio Qui. Ma Là È a preprint Di Questo articolo disponibile Se Voi Volere A controllo Esso fuori Quello fa qualcosa simile. Permettere Me andare In E descrivere IL dati Voi per Voi vero presto. Io sono non andando A Essere guardare A ogni azienda facendo test. C'è COSÌ molti fuori Là. Io sono andando A messa a fuoco SU uno, E quelli volevo Essere eventi inviato di Waymo, Quale era Di Google se stesso guida auto progetto. Ora loro sono loro Proprio sussidiaria entità. Questi Sono loro annuale rapporti. Permettere Me definire Che cosa Noi Significare di disimpegno eventi.
Io sono In IL Conducente posto a sedere E Se qualcosa è accadendo, Io sono In autonomo modalità E I Bisogno A Prendere Sopra E Prendere Sopra guida. Questo è a disimpegno evento. I disimpegnarsi da autonomo modalità. Quello Potevo Essere per Qualunque motivo. Essi, Di corso, Bisogno A rapporto Che cosa Quello motivo era. Erano Appena utilizzando Quello COME Nostro proxy misura Qui. Questi annuale rapporti Sono andando A andare Tutto IL modo Indietro A Di 2015, 2014. Questo è Quando Waymo ha iniziato partecipare In Questo programma. IL 2015 rapporto In realtà contengono dati Indietro A 2014. Essi inizio In IL mezzo Là.
Ogni rapporto essenzialmente copertine IL allineare da Dicembre Di IL precedente anno A novembre Di IL attuale anno. IL 2016 rapporto volevo contenere dati da Dicembre 2015 su A novembre Di 2016. Quello modo, Essi Avere a mese A processo IL precedente anni numeri. Là Sono due primario fonti Di dati erano guardare A In ogni rapporto. IL Primo uno È andando A lista ogni incidente Quello hanno affermato Quando Esso accaduto Quello Potevo Essere COME dettagliato COME giorno E tempo, O Esso Potevo Appena Essere IL mese.
Ancora, c'è non a quantità Di Bene coerenza attraverso anni. Suo qualcosa Noi corso in. Ma Essi A meno Dare Alcuni indicazione Di Quando Esso accaduto. Essi Potrebbe Dire Dove Esso accaduto E Essi Potere descrivere Che cosa accaduto. Esso Potevo Essere molto dettagliato O Esso Potevo Appena Essere cadente in a particolare categoria Quello Essi Dare. Poi IL secondo parte Di dati È andando A lista IL IL VENIRE O parziale VENIRE Di IL veicolo, COSÌ IL veicolo identificazione numero. Qualcosa A identificare IL veicolo E Come molti autonomo miglia Quello veicolo È guidato Quello mese. Voi Potrebbe Vedere Dopo SU Quando I spettacolo Questo dati, Là Potrebbe Essere a grappolo Di zeri. Zero Appena significa I O non l'ha fatto guidare Quello veicolo O I Appena non l'ha fatto guidare Esso In autonomo modalità.
In O caso, I era non facendo attivo test Di IL autonomo modalità Di IL veicolo. Ora, COME I menzionato prima, Là era a morso Di incoerenza. Precedente A 2018, Quando Essi elencato IL disimpegno eventi, Essi In realtà non Dare IL beneficio Di IL veicolo. Noi non Sapere Che cosa veicolo era coinvolto. Noi Sapere Come molti autonomo miglia Esso guidava Quello mese, Ma Noi Avere NO idea Che cosa veicolo era coinvolto. Di partenza In 2018, Quello informazioni È Ora disponibile. Ora Noi Potere incontro veicolo A IL incidente, Quale significa Quando Noi Fare Questo analisi, Io sono andando A Fare Esso A due diverso livelli.
Uno È A UN aggregato livello Dove Io sono andando A Essere guardare A ogni mese Tutto Di IL veicoli essendo testato A Quello tempo. Poi guardare A IL incidente tassi complessivamente In UN aggregato misura. IL secondo Volere Essere Poi I Volere zoom In A IL veicolo livello. Malato Aspetto A Esso di VENIRE. Per Quello dati, Malato soltanto Essere andando Indietro A 2018. Per IL aggregato livello, I Potere Prendere Tutto Di Esso. Ora, Prima Noi Ottenere Attraverso IL analisi, In realtà ricercato A spettacolo Voi Alcuni utensili Quello JMP ha disponibile Quello consentito noi A velocemente processo E accumulare Questo dati. Ancora, A spettacolo Voi Come facile Esso È E spettacolo spento a pochi caratteristiche In JMP. Alcuni Di loro Sono Veramente nuovo, Alcuni Di loro Avere stato in giro per a poco Mentre.
Permettere Me inizio di parlare Voi uno cosa Quello aiuto noi, E Quello era essendo capace A Leggere In dati da PDF. Precedente A 2018, a quantità Di questi dati erano compilato In PDF. Dopo, Essi Mettere loro In UN Eccellere file, Quale fatto Esso a quantità Più facile A Appena copia E impasto in a JMP tavolo. Ma per quelli PDF, Come fatto Noi maniglia Quello? Permettere Me Dare Voi UN esempio utilizzando dati da 2017. Questo È In realtà uno Di IL migliore formattazione rapporti Noi Vedere da aziende. Alcuni riassunti Qui, Alcuni tavoli Qui E Là. Questo In appendice A È IL dati Io sono guardare A.
Voi Potere Vedere Qui, Questo È IL disimpegno eventi. Noi Avere a causa, Generalmente Appena a categoria Qui. Essi Avere IL giorno, Quale È In realtà IL mese. A morso Di a discrepanza Là, IL posizione E tipo. Ma Questo È fondamentalmente Appena raccontando noi Come molti disimpegno eventi accadere ogni mese. Poi Noi Avere a tavolo Qui O a serie Di tavoli In realtà Qui A IL Indietro. Questo È parlare noi per ogni veicolo, In Questo caso, Esso soltanto dà parziale evento informazioni. Là È non a quantità Di informazioni disponibile In questi Presto rapporti E Poi parlare Voi Come molti autonomo miglia erano guidato ogni mese. Come Potere Noi Mettere Questo in JMP? BENE, I Potevo Appena copia E impasto, Ma questo è a morso noioso. Noi Potere Fare Meglio di Quello.
Permettere Me Venire Qui. Io sono andando A andare A Mio File, Io sono andando A andare A Aprire. C'è Mio PDF. Io sono andando A clic Aprire E JMP ha a PDF importare procedura guidata. Eccezionale. Ora Che cosa suo andando A Fare È suo andando A andare Attraverso E Aspetto A ogni pagina e identificare Qualunque cosa tavoli Esso trova Là. Suo andando A classificare loro di IL pagina E Che cosa IL tavolo È SU Quello pagina. Di corso, Quando Voi salva Esso fuori, Voi Potere, Di corso, modifica IL nome.
Ora, I non Volere ogni tavolo SU ogni pagina. Che cosa Io sono andando A Fare È Io sono andando A andare A Questo rosso triangolo SU Questo pagina E Appena Dire, "Ignorare Tutto IL tavoli SU Questo pagina. I non Volere questi." Malato Dire, ""Va bene," Malato Fare IL Stesso Qui. Suo a Carino riepilogo tavolo, Ma suo non Che cosa I Volere. Poi I inizio dicendo: " Questo È IL dati I Volere." Ora, erano andando A avviso Qui, Questo È formattazione bello BENE. Suo ottenuto IL dati I Volere. Se I pergamena A IL Prossimo uno, Questo È tecnicamente a continuazione Di IL tavolo da Prima. Tuttavia, di predefinito, JMP È andando A assumere Quello ogni tavolo SU ogni pagina È suo Proprio entità.
Che cosa I Potere Fare A raccontare JMP Quello In realtà Questo È Appena a continuazione È A andare A IL tavolo Qui SU IL pagina, clic IL rosso triangolo E Dire per IL numero Di file A utilizzo COME teschio, Là In realtà Sono nessuno. Questo È a modo A raccontare JMP Quello In realtà questo è a continuazione Di IL precedente tavolo. BENE controllo In IL dati Qui, E Esso aspetto Piace Esso fatto Esso Ora. Io sono andando A controllo Qui A IL metter il fondo a E I notato, "OH, I mancato Quello ottobre dati. Questo è Va bene. Io sono andando A Fare a presto poco stirata Là E boom, I avuto Esso." Questo è Va bene. Voi Potere manipolare IL tavoli. I f Esso non l'ha fatto presa qualcosa, Voi Potere stirata E manipolare IL tavolo A regolare Esso. Voi Potere Anche aggiungere tavoli Esso non l'ha fatto Trovare.
In Questo caso, I mancato Questo. Questo è Va bene. Io sono andando A lagna a scatola intorno ad esso. Boom. C'è a nuovo tavolo per Voi, JMP. Io sono andando A andare In Qui. Suo andando A assumere Quello Là Sono Alcuni intestazione file. In realtà, Là Sono nessuno. Va bene, Grande. Ora suo catturato Quello parte Di IL dati. C'è a morso Di UN vuoto cella Qui. Questo è Appena a formattazione errore Perché Questo È tecnicamente due linee, COSÌ Essi non l'ha fatto Mettere Questo A IL superiore. Suo Va bene. Facile aggiustare SU IL Indietro FINE. Ora per questi tavoli, Che cosa Noi avviso Se Noi andare A Quello È Esso In realtà pensa, "BENE, Questo È In realtà uno tavolo." Purtroppo, suo tecnicamente non corretto Perché Là Sono due tavoli, Ma suo UN facile aggiustare. I Potere semplicemente andare A ogni uno E Dire, "Suo In realtà non a continuazione JMP. Questo In realtà ha suo Proprio intestazione."
Esso dice, "Va bene," E Voi Potere Fare Quello per ogni Di questi tavoli. I non Fare Esso per Tutto Di loro. Io sono Appena facendo Questo A illustrare. Che cosa noi vorremmo Avere A Fare È noi vorremmo probabilmente FINE su con a grappolo Di tavoli Qui Dove BENE Avere A orizzontalmente concatenare. Questo è Appena IL modo Essi decidere A formato In IL rapporto. Ma JMP ha a quantità Di utensili A aiuto noi con concatenazione E mettendo tavoli insieme. Ma Voi Potere Vedere Questo È a quantità Più facile di provando A copia E impasto Questo in JMP, fabbricazione Sicuro Quello IL formattazione È Tutto Bene. JMP È andando A Fare a quantità Di Quello per noi.
Va bene, un altro utile attrezzo Quello venni fuori recentemente In JMP 2017 È, Se tu hai probabilmente sentito Di Esso, IL JMP flusso di lavoro. Quello era super utile Perché ovviamente Noi Avere multiplo rapporti Sopra multiplo anni. Noi vorremmo Piace A A meno combinare attraverso Tutto IL anni in due rapporti, uno con IL disimpegno eventi, uno con IL chilometraggio. Che cosa Noi fatto È Noi creato UN iniziale... Noi seguito Alcuni passi A impostato su IL tavolo In a modo Quello Noi Potere Poi concatenare loro insieme in uno tavolo, E Poi Noi salvato Esso in a flusso di lavoro.
Questo è Che cosa I Avere dimostrato Qui. Questo È a flusso di lavoro costruttore Quello Noi Mettere insieme per Quello. Io sono andando A dimostrare Esso utilizzando Questo dati impostato. Questo È particolare per Nostro chilometraggio. Che cosa Noi Avere Qui È a tavolo. Questo rappresenta Che cosa Noi volevo Avere a crudo produzione da uno Di IL rapporti. Qui Noi, Di corso, Avere Esso rotto giù di VENIRE numero. Abbiamo avuto a quantità Di informazioni Qui. Noi vorremmo Piace A riformattare Questo tavolo. Primo cosa Io sono andando A Fare, Io sono Appena andando A camminare Attraverso ogni fare un passo. Io sono non andando A spettacolo pure molti dettagli In ogni fare un passo. Tu Vedere Che cosa Essi Sono. Suo bello se stesso esplicativo.
Questo Primo uno È andando A modifica IL nome Di Questo colonna A veicolo. Quello modo Esso partite a colonna In Nostro concatenato tavolo. Io sono andando A andare Sopra, Io sono andando A eliminare Questo totale colonna. I non Bisogno Quello. Poi Io sono andando A Fare a pila attraverso Tutto IL date. Voi Potere Vedere Io ho avuto Quello Qui. Noi comodamente chiamato Esso impilato tavolo, molto informativo. Ora, uno cosa I Bisogno A Fare Qui, I Mettere a pausa Qui, questo è IL poco fermare cartello. In. Questo è Perché I volevo Generalmente Bisogno A andare In E modifica IL anno.
Ora, qualcosa I Potevo Fare Giusto Ora, I non poteva Veramente figura fuori a modo A Ottenere a variabile, Dire anno, Quello Voi Potevo Appena riempire fuori, Mettere IL anno Là, E Poi Esso automaticamente riempire Esso In Qui. Questo è Forse qualcosa I Potere andare A community.jmp.com , andare su IL desiderio lista E Dire, "EHI, sarebbe Essere Carino Se I Potevo Fare Questo." Ma per Giusto Ora, I Appena Mettere In IL anni. Esso era bello facile A Fare confrontato A facendo Questo multiplo volte. Bello semplice. Ma Ancora, I Potere Anche evidenziare per Voi Come Voi Potere In realtà andare In E regolare IL script si. Voi Potere andare In E pomodori Questo A tuo esigenze. Che cosa Questo È andando A Fare È ricodificare questi COSÌ Esso spettacoli IL mese E IL anno. Malato Fare Quello vero presto. Là Noi Sono.
IL Prossimo fare un passo È andando A Prendere Questo. Giusto Ora, Questo È a categoria, suo a corda, I Volere a numero. Questo è Che cosa I Fare Prossimo. Ora, Questo non lo è bello. Questo È Appena IL numero Di secondi Da Alcuni data In 1900, I credere. Ovviamente, questo è non bello. Id Piace A spettacolo qualcosa Di più informativo. Questo è Che cosa I Fare In IL Prossimo fare un passo. Ora, Esso spettacoli IL mese E IL anno. Io sono andando A fermare Qui. Io sono non andando A continuare Perché A Questo punto Id Avere un altro tavolo aprire. Questo Prossimo fare un passo volevo Poi concatenare IL tavoli E Poi vicino spento questi intermedio tavoli. Che cosa Io sono andando A Fare È Io sono andando A reset cose. Malato reset, clic Qui. Io sono andando A riaprire Questo tavolo. Io sono andando A Fare Questo Appena COSÌ Voi Potere Vedere Come veloce Questo va.
Qui Io sono andando A clic Sopra Qui, Io sono andando A clic Giocare, Io sono andando A clic Giocare Ancora. Aspetto Come veloce Quello era. Ora, immaginare facendo Questo per multiplo rapporti. Come tanto Più veloce Quello È di ripetendo IL Stesso passi Sopra E Sopra E Sopra Ancora. Questo flusso di lavoro era Veramente utile In Questo situazione.
Ora, Io sono andando A vicino Tutto questi fuori Perché suo tempo A Ottenere in IL analisi. Andiamo Fare Quello. Io sono andando A inizio con IL aggregato livello dati. Ecco Mio tavolo. I compilato attraverso Tutto IL dati, Tutto IL tempo periodi. Noi Avere IL mese, Noi Avere Come molti disimpegno accaduto In Quello mese. I avuto a colonna Qui per IL cumulativo totale. Io ho avuto Qui Come molti autonomo modelli erano guidato. I avuto due colonne Qui Quello Io sono andando A parlare Di In Appena a secondo. Tu Avere A Appena Aspettare.
Che cosa Io sono andando A Fare È Io sono andando A andare In, Io sono andando A andare A Analizzare. Io sono andando A andare Sotto Affidabilità E Sopravvivenza, E Poi Io sono andando A pergamena Tutto IL modo giù Fino a I portata Affidabilità Crescita. Malato clic Quello. Ora Noi Avere multiplo schede Qui. Io sono soltanto andando A messa a fuoco SU questi Primo due Perché questi scorso due preoccupazione Se I Avere multiplo sistemi. Malato rivisitare quelli Quando Noi Ottenere A IL orso veicolo informazioni. Per Giusto Ora, andiamo fare finta Quello erano guardare A IL Totale DI sistema, IL artificiale intelligenza sistema In questi veicoli. Pensare Di Esso COME uno grande sistema.
Là Sono due modi Quello I Potere valutare Questo. Uno, I Potere Fare COME tempo A evento, essenzialmente Come molti mesi Fino a a certo evento accaduto O giorni Se Noi avevo Quello. O I Potevo Fare Esso via a particolare tempo timbro. Fondamentalmente, Che cosa era IL tempo A Quale Esso interessato? I Fare Avere Quello tipo Di formattazione dati. I Avere Esso A IL mese. IL mese È a Bene timestamp Esso Appena dice In Quello mese I avevo Questo molti eventi accadere. Questo è Tutto I Bisogno A Mettere In. I Avere Tutto IL dati I Bisogno. Malato clic OK.
Ora, Grande cosa Di Questo È Prima Voi Fare Qualunque analisi, Voi Dovrebbe, Di corso, Aspetto A tuo dati, visualizzare tuo dati. Suo Carino Perché IL Primo cosa Esso fa È Esso visualizza IL dati per Voi. Andiamo Aspetto A Esso. Uno cosa erano guardare A, erano guardare A cumulativo eventi Sopra tempo. Che cosa Noi aspettarsi È a comportamento Dove Presto SU Noi Potrebbe Avere Che cosa Malato chiamata a bruciare In tipo periodo Dove I Avere a quantità Di eventi E suo accadendo. Io sono ritocchi IL sistema, aiutare aggiustare Esso, aiutare migliorare Esso.
Poi in definitiva, Che cosa Id Piace A Vedere È Questo altopiano. Id Piace Esso A aumento E Poi appiattire spento. Quello dice Me Quello Mio numero Di incidenti È decrescente. Se Esso va completamente Piatto, questo è Grande. I Avere NO Di più incidenti assolutamente nulla. I desiderio IL erano Piace Quello, Esso È non. Ma Noi Potere Vedere modelli Qui In IL dati. Andiamo camminare Attraverso. Noi Avere a bruciare In periodo Qui, Presto 2015, E Poi Di metà 2016, Noi appiattire spento Fino a Di Qui. Noi Vedere a poco bip, Di estate Di 2016, qualcosa succede. Noi Ottenere a pochi Di più incidenti. Noi livello spento Ancora Fino a Noi Ottenere A Di Qui, Di tardi primavera Di 2018.
Qualcosa altro accaduto Perché Noi inizio andando su Ancora. Sono non molto ripido. Questo quelli a morso più lungo. Poi Noi bello tanto A Qui, Noi Quasi appiattito fuori. Abbiamo raggiunto IL periodo Dove erano Veramente avendo NO incidenti accadere, essenzialmente, A IL FINE Di 2020. Poi qualcosa succede In 2021 E Dove abbiamo raggiunto essenzialmente un altro bruciare In periodo, qualcosa è andando SU. Essenzialmente Che cosa abbiamo avuto È quattro fasi, Se Voi Volere, accadendo In IL crescita Di IL sistema. Qualcosa è cambiato due O tre volte A impatto IL affidabilità.
Un altro modo A visualizzare Questo, Malato correre Questo complotto. Questo usi Alcuni dati. Io sono tracciamento Ancora IL cumulativo totale. Io sono Anche tracciamento qualcosa Che cosa I chiamata IL empirico Significare tempo fra fallimenti. Suo a molto semplice metrica A calcolare. Suo Appena IL inverso Di IL numero Di disimpegni. Esso È a molto a.D hoc, ingenuo modo A Tentativo E stima IL Significare tempo fra incidenti. Ma I tracciato Qui COSÌ Quello Voi Potere Vedere, tu avviso questi quattro picchi Quello corrispondere A IL curva In IL curva. Ma Là Sono quattro Di loro indicare questi quattro luoghi Dove qualcosa ha cambiato In IL sistema A simulare suo affidabilità.
Che cosa Noi Potere Fare Poi È Tentativo A figura fuori, Che cosa Sono quelli punti di interruzione? Uno modo Voi Potevo Fare Quello È IL affidabilità crescita piattaforma ha a modo A adatto a certo modello. Malato pausa Qui A parlare Di IL modello a morso. Tutto Di questi Sono In realtà IL Stesso modello con lieve modifiche. Sono Tutto Che cosa Noi chiamata a processo di Poisson non omogeneo. Quello È a fantasia modo A descrivere a conteggio processo. Io sono conteggio qualcosa, Ma IL valutare A Quale IL storie Potrebbe verificarsi per unità tempo È cambiare Sopra tempo. A Processo di Poisson Appena significa Quello A a costante valutare, COSÌ IL valutare A Quale incidenti volevo verificarsi volevo A Essere costante, Quello volevo Essere equivalente A vedere a Dritto linea.
Suo molto facile A modello, Ma suo Cattivo per realtà Perché ovviamente Noi non Volere IL valutare A rimanere IL Stesso. Noi volevo Piace Esso A diminuire A essenzialmente zero. Questo è Perché Noi Avere a processo di Poisson non omogeneo. Noi Volere Esso A modifica Sopra tempo. Qui Noi Avere a modello Dove Noi Potere In realtà permettere JMP Tentativo E figura fuori a modifica punto In IL processo. Se I correre Esso, Che cosa suo andando A Fare È suo In realtà andando A presa Questo grande pezzo E Dire, "EHI, qualcosa Veramente cambiato Là. Per maggior parte Di Esso, Esso era IL Stesso cosa, Ma Dopo Questo punto, Esso Veramente "Modificando." Ora Qui suo soltanto andando A modifica uno A a tempo. I Avere parlato A IL sviluppatore Di, non lo farebbe Esso Essere Carino Se Noi Potevo identificare multiplo modifica punti?
A a quanto pare questo è a morso Di UN aprire ricerca problema, COSÌ Me E lui Potrebbe Essere lavorando insieme A Tentativo E figura Quello fuori. Ma Che cosa I fatto È I essenzialmente a occhio Esso E disse, "IO pensare Là Sono certo fasi. I pensare c'è Di tre O quattro fasi, E I fatto Esso empiricamente, Quale È Dove Voi Ottenere Questo colonna." Io sono andando A correre Quello sceneggiatura. Permettere Me spettacolo Voi Come I fatto Esso. I Venire Qui Sotto rifare, andare A rilancio, E Tutto I fatto era I aggiunto IL fase colonna Qui. Questo dice Voi Quello Là Sono diverso periodi Dove IL affidabilità Potrebbe Avere cambiato significativamente, scusa Me, In Alcuni modo.
Se pensiamo Di Quello, erano andando A Aspetto A IL chiave metrica Qui COME IL Significare tempo fra fallimento. Erano andando A Vedere Presto SU, COSÌ Questo È In mesi, Questo Qui È Di tre giorni, 4- 5, Di a settimana, E Questo È Di a giorno, giorno E a metà. Presto SU, Noi Avere a morso Di a Basso tempo. Suo bello frequente. Noi Potere Anche Aspetto Qui, Malato spettacolo Voi IL intensità complotto. Quello Potrebbe Essere un altro cosa A interpretare. Che cosa erano guardare per È noi vorremmo Piace IL Significare tempo fra fallimenti A Essere lungo. Noi vorremmo Piace Esso A Essere a lungo tempo fra incidenti, idealmente infinito. Quello significa Niente mai accade, E Nostro intensità A diminuire.
Che cosa erano guardare Qui È, Noi Ottenere a morso Di a Bene inizio. Di mezzo Di 2016, erano facendo Veramente BENE. In fatto, Noi Ottenere A Di a settimana fra UN incidente per Qualunque veicolo. Là era a morso Di a bip, Ma Noi principalmente Ottenere Indietro A Dove Noi erano Fino a Noi Ottenere A IL FINE Di 2021, Dove Ora suo essenzialmente Di a giorno fra incidenti per Qualunque veicolo. Qualcosa grande accaduto Qui A IL FINE Di 2020 con questi veicoli con Questo software sistema, Se Voi Volere.
Ancora, Voi Potere Vedere Qui con IL intensità, Voi Potere Quasi Fare uno curva E Noi Ottenere giù A Di sei O Sette incidenti per mese. Mentre Qui suo Quasi 30, essenzialmente, una volta a giorno. Abbiamo stato capace A Aspetto in Qui E scoprire che cosa è andando SU, A meno A IL aggregato livello. Prima Noi Ottenere A IL veicolo livello, Io sono andando A correre uno Di più grafico questo è guardare A, abbiamo avuto Tutto questi autonomo miglia. Potevo Esso Essere Quello Se I guidare Esso Di più Spesso, Forse I incontrare Di più incidenti? Potevo Quello Avere UN effetto? T ecco a presto modo A valutare Quello. Appena utilizzando a semplice grafico. BENE Appena complotto autonomo miglia rapporto IL totale disimpegni.
Noi Vedere Qui per Sono a pochi numero Di disimpegni, Quello Potrebbe Essere VERO. IL Di più Voi guidare, IL Di più Voi Potrebbe Vedere. Ma In generale, lungo termine, non Veramente. C'è Veramente NO grande, forte correlazione fra Come molti autonomo miglia guidato, Come molti impegni Voi Vedere. C'è qualcosa altro andando acceso. T cos'è In realtà Che cosa Noi trovato In IL carta Quello I menzionato prima È Quello IL chilometraggio impatto era molto minimo.
Ora, andiamo zoom In A IL individuale veicolo. Erano non andando A Avere Tutto IL dati, Anche Anche se I In realtà Fare Avere Esso Qui. Ma erano non andando A Avere completare dati per Tutto Di IL veicoli. Permettere Me rottura Esso giù. I Avere IL mese, I Avere IL veicolo identificazione numero. Avviso Alcuni Di questi, suo soltanto parziale. I Avere Qui Che cosa I chiamata a VENIRE serie. Questo È molto empirico. Io sono Appena prendendo IL Primo quattro cifre Di IL VENIRE. Tu Vedere Qui, Io sono andando A pergamena giù a morso E BENE Vedere. Andiamo Vedere, Forse I Volere lagna giù a poco morso. Là Noi andare.
Alcuni Di questi VINI, a quantità Di loro In realtà inizio con IL Stesso quattro cifre, 2C4R. Malato chiamata loro IL 2C4 serie. C'è a grappolo Di veicoli Quello Avere Questo COME loro di partenza uno. Questo identifica a particolare flotta Di veicoli, A meno da UN empirico visualizzazione. Se I pergamena giù, erano andando A correre in a diverso serie, Quale Io sono andando A chiamata IL SADH serie. Questo È IL uno Quello era introdotto Di 2021. Questo è Quando I sega IL Venn numeri modifica A IL SADH designazione.
Ancora, I Avere Come molti Di miglia, I Avere a di partenza mese, Quando fatto Quello veicolo inizio? Io sono andando A utilizzo Questo A calcolare IL tempo A eventi. Primo, Io sono andando A Fare a complotto. I pensare Questo È IL maggior parte informativo complotto tu Vedere per Questo analisi. Che cosa Io ho Fatto Qui È Io ho essenzialmente creato per Voi a Calore mappa. Voi Potere Vedere Io ho avuto IL Calore mappa opzione selezionare. Selezionato, I avuto per ogni veicolo E Sopra tempo, essenzialmente a cella, E questo è Appena andando A indicare, era I guidato In autonomo modalità in qualsiasi momento Quello mese?
I avuto Esso colore codificato di IL serie. Questi verticale linee corrispondere A IL transizioni fra quelli empirico fasi I menzionato prima. Che cosa Questo È raccontando noi È fondamentalmente, Potere Noi identificare Che cosa Potrebbe Avere causato quelli transizioni? Qui Noi Vedere UN iniziale serie Di veicoli, E Esso aspetto Piace Là non lo era a grande modifica In Che cosa veicoli erano introdotto Qui. Forse Là era a morso Di a software aggiornamento per Questo particolare serie Quello Maggio Avere introdotto quelli nuovo incidenti. Qui Noi Vedere Quello a nuovo serie era introdotto, a più piccolo numero Di veicoli, forse pilota serie. Poi a grappolo Di loro introdotto Di Quello Stesso periodo Dove Noi sega IL altro transizione.
Qui, Questo sembra A corrispondere A a nuovo flotta Di veicoli con Forse a leggermente aggiornato versione Di IL software. Qui, Noi Vedere a chiaro distinzione. Ovviamente, In 2021, a completamente nuovo serie Di veicoli era presentato. Noi Avere a morso Di IL vecchio veicoli Ancora Là In IL miscela, Ma maggior parte Di loro Sono IL nuovo veicoli. Quello probabilmente spiega Perché Noi avuto a nuovo lotto Di nuovo incidenti. Noi avuto a bruciare In periodo per Questo nuovo serie Di veicoli. Questo È Freddo Perché Ora Noi Avere a morso Di più spiegazione COME A Che cosa era andando SU con IL aggregato dati, Quale È Perché suo importante A Avere Questo informazioni.
Ora andiamo rottura Esso giù di VENIRE. I Avere Giusto Qui script A indicare abbiamo avuto a tavolo Qui E suo simile A IL tavolo I Avere precedentemente. Avviso Alcuni Di questi Avere stato escluso E Questo È Perché Se per Quello particolare veicolo, IL totale numero Di incidenti era meno di tre, IL piattaforma È non andando A Essere capace A adatto a modello per Voi Perché Esso esigenze A meno tre incidenti per veicolo. Quello fa senso. I Avere soltanto uno O due, questo è non Veramente Abbastanza informazioni A valutare IL affidabilità. Se I Avere tre O Di più, Ora erano parlando, I Potere Fare qualcosa.
I Anche Avere IL mese Da IL inizio. I Avere Alcuni cumulativo informazioni Là Quale mese Esso iniziato. Io sono andando A andare avanti Poi E correre IL piattaforma. Non preoccupazione, I Volere spettacolo Voi Come I fatto Questo. Io sono andando A andare A IL rifare, rilancio. Io sono andando A Ottenere sbarazzarsi Di Quello. Questo è Alcuni avanzi cose. Io sono guardare A uno Di questi due scorso piattaforme. Questi Sono Di multiplo sistemi. Ora erano pensiero Di ogni veicolo COME suo Proprio sistema. IL concomitante Appena significa Io sono andando A correre ogni veicolo uno Dopo IL altro.
Questo è non che cosa è accadendo Qui. IL veicoli Sono essenzialmente essendo correre In parallelo. Stile veicoli Sono essendo guidato A a tempo. Qui I Bisogno a colonna A indicare IL tempo A evento, In Questo caso, Come molti mesi Da IL inizio Fino a Questo molti eventi accaduto. I Avere IL sistema ID. IL uno cosa questo è non mostrato Qui È I In realtà preso IL VENIRE serie E usato Quello COME a di variabile, Quale È Perché Noi Avere IL Dove VENIRE uguale COSÌ E COSÌ. C'è soltanto andando A Essere due Perché IL uno con a poco asterischi ha NO informazioni Di incidenti. Questo è Perché Quello era due prima Quello era precedente A essendo capace A cravatta IL VIN è IL veicolo.
Ma Essi erano Là per completezza, Sono stato cancellato fuori Di Quello. Ora, Che cosa erano andando A Vedere Qui È a lista Di modelli Quello Voi Potevo correre. Questi Primo quattro, Io sono non andando A Essere capace A Fare Perché I soltanto Avere uno fase. Essenzialmente, IL fase Ora corrispondenze A IL VENIRE serie. Ma Là Sono due Quello I Potevo correre E IL soltanto differenza È, Fare I Volere A correre a modello per Tutto Di loro detto questi Sono Tutto parte Di UN identico sistema? Fa senso. Questi Sono Tutto veicoli, Essi probabilmente correre IL Stesso software. Forse I Potere correre a modello per Tutto Di loro. O I Potere Avere a modello Dove I adatto Esso A ogni individuale veicolo.
Prima I correre quelli modelli, andiamo Prendere a Aspetto A Questo complotto. Ancora, inizio con IL visualizzazione E Che cosa Noi Vedere tracciato È Tutto IL veicoli. Avviso Qui c'è a morso Di a poco profondo pendenza A Questo. Essenzialmente c'è a morso Di a ripido curva, Ma Poi Esso file spento bello presto. Questo È a bello Bene cartello Di affidabilità andando SU Qui. Io sono andando A confrontare loro, Io sono andando A pergamena giù A IL Prossimo uno, IL impostato serie. Ora, insieme IL assi Qui, Appena COSÌ Voi Sapere, Quando Voi correre Esso Prossimo tempo, IL assi Sono andando A soltanto andare A IL completare impostato Di dati. Questo volevo In realtà Essere a più piccolo allineare.
I aggiustare loro COSÌ Essi avevo IL Stesso allineare. Voi Potere chiaramente Vedere Quello Questo È tanto più ripido di Questo. Chiaramente, Noi Avere Di più incidenti accadendo con Questo nuovo serie di Questo uno. Ma Noi Potere Fare a presto modello adatto. Io sono andando A Fare IL identico sistema. Ancora, suo a processo di Poisson non omogeneo. Sebbene In Questo caso, Io sono andando A ignorare IL stime per Giusto Ora, Se Voi Volere A Aspetto A Quello, Voi Potere. Io sono andando A andare Dritto A IL Significare tempo fra fallimento E tu avviso Quello per Tutto IL mesi suo bello tanto Piatto.
Che cosa suo essenzialmente Fatto È Questo È Appena a poisson processo. IL valutare È costante, Quale È Bene per modellazione, non COSÌ Bene In termini Di valutare Esso. Suo Appena detto attraverso Questo Totale tempo per Questo particolare serie, Noi bello tanto raggiunto per Qualunque uno veicolo, a Significare tempo Di Di cinque mesi fra incidenti. Ora, andiamo confrontare Quello A Che cosa Noi sega con IL aggregato Dove Esso era Di a settimana, questo è attraverso Qualunque veicolo. Suo Appena detto per Qualunque veicolo, Esso era Di a settimana fra UN incidente per Qualunque veicolo. Mentre Questo sembra A Essere implicando suo Di cinque mesi per Qualunque uno veicolo.
Voi Potere pensare Di Esso COME IL corsa In parallelo, COSÌ Voi Potere Vedere suo barcollante. Qualunque uno veicolo, Esso Potevo Essere Di cinque mesi. Ancora, Questo È UN media, c'è a quantità Di allineare fra Là. Per uno veicolo, suo a bello lungo tempo. Ma In aggregato, loro sono probabilmente sfalsato Abbastanza Quello Esso sembra Piace suo Di a settimana per Qualunque uno veicolo. Essi Potere Essere coerente Piace Quello. Ma Questo È Ancora bello Bene. Questo è Di cinque mesi fra UN incidente, a disimpegno evento Qui per Quello serie. Se Noi correre A IL SADH serie E Fare IL Stesso modello, permettere Me andare Qui. Là Noi Vedere chiaramente crescente. Io sono andando A nascondere Quello. Se Noi Aspetto A Questo, Esso dice, "NO," Presto SU Noi probabilmente avevo Di due mesi. Questo è a morso Di a inizio Là. Ma abbiamo caduto A meno di a mese, Quasi due A tre settimane fra incidenti.
Chiaramente, c'è a morso Di più lavoro A Fare SU Questo serie. Ancora, Esso era Appena introdotto, COSÌ Questo È probabilmente Di più Di IL bruciare In fase. Se Noi Ottenere IL 2022 dati, Noi Potrebbe inizio A Vedere Esso livello spento Piace Esso fatto In IL precedente serie. Questo In realtà Potrebbe capovolgimento E Essere Di più Di a livello curva. Questo è Di Tutto I Volere A spettacolo per questi piattaforme. I Potere spettacolo Voi Alcuni Di IL individuale distinti sistemi, Ma Là Sono a quantità Di sistemi Qui E COSÌ suo andando A Ottenere affollato molto velocemente. C'è a complotto per ogni uno. C'è stime per ogni uno. Voi Potere Aspetto A IL Significare tempo fra fallimento per ogni uno.
Se Là Sono particolare veicoli Voi ricercato A chiamata fuori E Vedere Come Essi Potrebbe differire, Questo È Che cosa Voi Potere Fare. Voi Potere Vedere Alcuni aumento, Alcuni diminuire, Ma complessivamente Di più O meno Piatto. Voi Potere Anche Aspetto A intensità trame. Se Voi Trovare Quello Di più interpretabile di IL Significare tempo fra fallimento, Voi Avere altro metrica Quello Voi Potere incorporare Qui. Okay, t cos'è Tutto I Volere A spettacolo per Questo piattaforma. Ora, Di corso, c'è dati I non l'ha fatto affermare Qui. Per esempio, Noi Potevo rottura Esso giù di causa.
Per Alcuni Di Questo dati, causa Potrebbe Essere, I Appena Bisogno A Prendere Sopra Perché Esso era ottenere pure vicino A IL lato Di IL IL strada. O Forse IL auto fermato A IL fermare cartello, fatto Che cosa Esso era supposto A, iniziato rotolando, E Alcuni altro autista soffiato Attraverso IL fermare cartello in arrivo IL altro modo. In Quale caso, Forse Quello Potrebbe non necessariamente Essere a affidabilità colpo. IL auto fatto Che cosa Esso era supposto A. Qualcuno altro non lo era. Sarebbe Essere interessante A rottura Esso giù di Quello, Anche di posizione. IL numero Di incidenti, Voi Ottenere Di più Quando tu sei In IL città, Forse SU IL autostrada, qualcosa Piace Quello.
Vero presto, Noi Dovrebbe Aspetto A IL chilometraggio impatto. Ancora, Stesso informazioni, uno O due incidenti, Sicuro, Quello Potrebbe modifica. Ma complessivamente suo andando A Essere Piatto. IL chilometraggio impatto SU IL incidente valutare È minimo. Di corso, Questo È Appena uno Di molti piattaforme disponibile In IL affidabilità suite. Voi Potere Vedere c'è a tonnellata Di opzioni, molto flessibile per aiutare valutare affidabilità. Ancora, questo è Tutto I Avere A spettacolo Voi. Fiduciosamente, Io ho stato capace A dimostrare per Voi Come BENE JMP Potere aiuto iniziato scoperta E analisi. Fiduciosamente, Voi scoperto a quantità Di cose Di Questo particolare dell'azienda autonomo veicoli. I Speranza Voi Godere IL riposo Di IL conferenza. Grazie Voi.
