![\"\"](\"http:\/\/sim2020.l3s.uni-hannover.de\/wp-content\/uploads\/2019\/11\/d4um-logo-small.png\"){kind=logo}
<\/p>\n<\/p>\n
Data4UrbanMobility<\/a><\/strong> <\/p>\n Simple-ML<\/a><\/strong> <\/p>\n CampaNeo<\/a><\/strong> <\/p>\n Metapolis<\/a><\/strong> <\/p>\n EAST CITIES<\/a><\/strong> <\/p>\n ISU SPACE LAB<\/a><\/strong> <\/p>\n SmashHit<\/a><\/strong> <\/p>\n WorldKG<\/a> <\/p>\n d-E-mand<\/a><\/strong> <\/p>\n
\nDie fortschreitende Urbanisierung hat zu einer zunehmenden Komplexit\u00e4t und Relevanz der Mobilit\u00e4tsdienste gef\u00fchrt. Gleichzeitig werden diese Dienste durch langfristige Trends wie E-Mobilit\u00e4t und kurz- und mittelfristige Trends wie Wetter, Baustellen oder Gro\u00dfveranstaltungen beeinflusst, die zu Herausforderungen f\u00fcr Verkehrsteilnehmer, Mobilit\u00e4tsdienstleister, Anbieter \u00f6ffentlicher Verkehrsmittel, Automobilhersteller und Stadtverwaltung f\u00fchren. Die zunehmende Verf\u00fcgbarkeit von Daten wie Verkehrsinformationen, geotaggten Daten oder Social Media-Daten birgt ein gro\u00dfes Potenzial f\u00fcr die Nutzung effizienter und innovativer Mobilit\u00e4tsdienste und -infrastrukturen. Die vorhandenen M\u00f6glichkeiten zur Beantwortung komplexer Probleme sind jedoch begrenzt, da die vorhandenen Daten unvollst\u00e4ndig sind oder in isolierten Systemen gespeichert werden.<\/p>\n![\"\"](\"http:\/\/sim2020.l3s.uni-hannover.de\/wp-content\/uploads\/2019\/11\/Simple-ML-Logo.png\"){kind=logo}
<\/p>\n
\nDie zunehmende Digitalisierung in vielen Anwendungsbereichen der Wirtschaft, Verwaltung und Wissenschaft f\u00fchrt zu st\u00e4ndig wachsenden Datenmengen und damit immer h\u00e4ufiger zur Notwendigkeit, datenbasierte Prognosen zu erstellen und Zusammenh\u00e4nge in gro\u00dfen heterogenen Datenmengen zu erkennen. Machine Learning (ML) ist ein Kernthema in diesem Bereich, mit dem sich 64% aller deutschen Unternehmen aktiv besch\u00e4ftigen. Die effiziente Anwendung aktueller ML-Verfahren erfordert jedoch ein sehr hohes Ma\u00df an Expertenwissen, was einer verbreiteten Nutzung von Machine Learning-Ans\u00e4tzen, insbesondere durch kleine und mittlere Unternehmen (KMU), im Wege steht. Die zentrale Forschungsfrage des Simple-ML Projekts lautet daher: Wie kann die Benutzbarkeit von ML-Verfahren signifikant verbessert werden um diese f\u00fcr einen breiteren Anwenderkreis leichter zug\u00e4nglich zu machen?<\/p>\n![\"\"](\"http:\/\/sim2020.l3s.uni-hannover.de\/wp-content\/uploads\/2019\/11\/CampaNeo-300x139.png\")
<\/p>\n
\nIn diesem Projekt wird eine herstellerunabh\u00e4ngige Plattform entwickelt, auf welcher private und \u00f6ffentliche Institutionen kampagnenbasiert und in Echtzeit Fahrzeugdaten erheben und analysieren k\u00f6nnen. Ziel ist der Aufbau einer prototypischen Plattform zur sicheren kampagnenbasierten Datenerhebung in Hannover, Wolfsburg und in \u00fcberregionalen Szenarien, sowie die Umsetzung von ersten intelligenten Use Cases auf Basis der Kampagnendaten. Im Fokus stehen insbesondere die Data Ownerships der Fahrzeughalter sowie die Nachverfolgbarkeit der Datenverarbeitung.<\/p>\n
\nMETAPOLIS \u2013 so bezeichnet die Forschungsgruppe Netzwerke gro\u00dfer, mittelgro\u00dfer und kleiner Siedlungen in einer l\u00e4ndlichen Umgebung, die durch Verkehrs-, Waren- und Datenstr\u00f6me sowie durch Alltagshandlungen ihrer Bev\u00f6lkerung miteinander verbunden sind. In den kommenden vier Jahren untersuchen Wissenschaftlerinnen und Wissenschaftler der Technischen Universit\u00e4t Braunschweig und der Leibniz Universit\u00e4t Hannover diese Netzwerke mit ihren besiedelten Fl\u00e4chen, Landschaften und ihren Bewohnerinnen und Bewohnern. Projektziel ist die Entwicklung von Konzepten und Strategien f\u00fcr nachhaltige Beziehungen zwischen Stadt und Land in Niedersachsen. In einer interaktiven Plattform sollen Ergebnisse und Szenarien mit Akteurinnen und Akteuren, sowie interessierten B\u00fcrgerinnen und B\u00fcrgern, diskutiert werden.<\/p>\n
\nMit der Fokussierung auf „Gro\u00dfst\u00e4dte“ zwischen einer und f\u00fcnf Millionen Einwohnern zielt das internationale, interdisziplin\u00e4re Konsortium chinesischer und deutscher Architekten und Stadtplaner, Landschafts-, Wasser- und Verkehrsplaner, Ingenieure, \u00d6konomen, Informatiker und Geo\u00f6kologen auf einen spezifischen Stadttyp, der angesichts der Gr\u00f6\u00dfe und Anzahl dieser St\u00e4dte – und als urbanes Komplement zu den Megacities und -regionen – ein gro\u00dfes Potenzial f\u00fcr eine nachhaltigere und ausgewogenere Entwicklung des Gesamtsystems Stadt verk\u00f6rpert und weit au\u00dferhalb des Planungsfokus liegt.
\nUnser Ziel ist es, die Provinz Qingdao, China, innerhalb der jeweiligen Disziplinen zu analysieren und die einzelnen Analysen unter der Topoi-Methode zusammenzuf\u00fchren. Die Topoi-Methode wurde im Rahmen des Metapolis-Projekts entwickelt, einer von der ISU geleiteten Forschung zu nachhaltigen Landnutzungsmustern in deutschen Regionen. Durch die Topoi-Methode k\u00f6nnen wir ein besseres Verst\u00e4ndnis f\u00fcr l\u00e4ndlich-urbane Siedlungsmuster und -beziehungen gewinnen, indem wir die Grenzen von St\u00e4dten, Ortschaften, D\u00f6rfern etc. neu definieren. Durch das Aufbrechen der politisch geschaffenen Grenzen und die Neuziehung der Grenzen durch einen morphologischen Ansatz sind wir in der Lage, st\u00e4dtische und l\u00e4ndliche Siedlungen genauer zu definieren und zu analysieren.<\/p>\n
\nMit Unterst\u00fctzung durch die \u201eMomentum\u201c-F\u00f6rderung wird das Institut seine Forschung im Bereich des digitalen St\u00e4dtebaus ausbauen. Im Hinblick auf die Transformation und Entwicklung zuk\u00fcnftiger St\u00e4dte und Stadtregionen spielt die Digitalisierung eine immer wichtigere Rolle. Um den digitalen Bereich f\u00fcr die Stadtentwicklung zu erforschen, wird das ISU eine eigene Infrastruktur aufbauen \u2013 das sogenannte \u201eISU SPatial Analytics + Crossdisciplinary Experimentation Lab\u201c, kurz ISU SPACE LAB, ein hochmodernes Kompetenzzentrum f\u00fcr multidisziplin\u00e4re Stadtforschung. Dieses Labor untersucht den digitalen Bereich (Daten, Methoden und Infrastrukturen), um die disziplin\u00e4ren Grenzen von Architektur, St\u00e4dtebau und Planung zu \u00fcberwinden. Mithilfe des Labors sollen die M\u00f6glichkeiten f\u00fcr bessere partizipative Planungsprozesse erweitert, die Ressourcennutzung (einschlie\u00dflich des physischen Raums) optimiert und schlie\u00dflich ein besseres Verst\u00e4ndnis der Bed\u00fcrfnisse des st\u00e4dtischen Raums und der Infrastrukturnutzer erreicht werden.
\nZiel ist es, ganzheitliche Methoden und Strategien f\u00fcr eine nachhaltigere Entwicklung zu erarbeiten und damit das wirtschaftliche, soziale und \u00f6kologische Wohlergehen in Ballungsr\u00e4umen und Gemeinden zu f\u00f6rdern. Teil des ISU SPACE LAB ist die TRIPLING-Komponente, ein Versuchsaufbau zur Kopplung der Untersuchung realer physikalischer R\u00e4ume, digitaler und physischer Modelle.
\nMit Hilfe des ISU SPACE LAB k\u00f6nnen Professorin Carlow und ihr Team ihre Arbeit auf die n\u00e4chste Stufe heben, von der Erforschung vererbter und \u201ekonventioneller\u201c Methoden des St\u00e4dtebaus hin zu einer explorativeren und hypothesengetriebeneren Erforschung des nachhaltigen St\u00e4dtebaus.<\/p>\n
\nDas Ziel von smashHit ist es, einen vertrauensw\u00fcrdigen und sicheren Austausch von Datenstr\u00f6men von pers\u00f6nlichen und industriellen Plattformen zu gew\u00e4hrleisten, die f\u00fcr den Aufbau sektoraler und sektor\u00fcbergreifender Dienste erforderlich sind, indem ein Rahmen f\u00fcr die Verarbeitung der Einwilligung des Dateninhabers und der gesetzlichen Vorschriften und wirksamen Vertragsgestaltung sowie gemeinsame Sicherheits- und Datenschutzmechanismen geschaffen werden. Die Vision von smashHit ist es, Hindernisse in der schnell wachsenden Data Economy zu \u00fcberwinden, die durch heterogene technische Designs und propriet\u00e4re Implementierungen gekennzeichnet ist, und Gesch\u00e4ftsm\u00f6glichkeiten aufgrund der inkonsistenten Zustimmung und der gesetzlichen Vorschriften zwischen verschiedenen Akteuren und Betreibern von Data-Sharing-Plattformen zu blockieren. Das Framework wird Methoden und Werkzeuge wie den Smart Data Dispatcher bereitstellen, um eine gemeinsame Zustimmung zu den geteilten Daten unter Verwendung semantischer Modelle der Zustimmung und gesetzlicher Regeln zu gew\u00e4hrleisten. Zu den neuen Tools geh\u00f6ren die R\u00fcckverfolgbarkeit der Datenverwendung, der Daten-Fingerprinting und das automatische Vertragswesen zwischen den Datenbesitzern, Datenanbietern, Dienstleistern und Nutzern.<\/p>\n
\nOpenStreetMap (OSM) ist eine reichhaltige Quelle f\u00fcr \u00f6ffentlich zug\u00e4ngliche geografische Informationen. Die Darstellungen geografischer Einheiten im OSM sind jedoch sehr vielf\u00e4ltig und unvollst\u00e4ndig. K\u00fcrzlich entstandene Wissensgraphen (d.h. grafikbasierte Wissensrepositorien) wie Wikidata, EventKG und DBpedia bieten eine reichhaltige Quelle an Kontextinformationen \u00fcber geographische Einheiten und unterst\u00fctzen semantische Abfragen. W\u00e4hrend Wissensgrafiken eine gro\u00dfe Bandbreite an erg\u00e4nzenden semantischen Informationen f\u00fcr geografische Einheiten bereitstellen, die f\u00fcr Webanwendungen sehr n\u00fctzlich sind, sind Identit\u00e4tsverbindungen zwischen OSM und Wissensgraphen noch immer selten und werden haupts\u00e4chlich manuell von Freiwilligen definiert. Das Hauptziel des WordKG-Projekts ist die Erleichterung der world-scale Vernetzung von OSM-Datens\u00e4tzen, die verschiedene geografische Regionen beschreiben, mit Wissensgraphen wie Wikidata, EventKG und DBpedia sowie die Vervollst\u00e4ndigung des r\u00e4umlichen Wissens in den Wissensgraphen anhand von OSM-Daten.<\/p>\n
\nEine zentrale Voraussetzung f\u00fcr die Elektro-Mobilit\u00e4tswende ist der Aufbau einer fl\u00e4chendeckenden Infrastruktur und digitalen Services f\u00fcr alle Arten von Elektrofahrzeugen. Diese Services sollen die bedarfsgerechte Versorgung der Elektro-Verkehrsteilnehmer mit Strom auch bei lokalen Engp\u00e4ssen und erh\u00f6htem Bedarf gew\u00e4hrleisten.<\/p>\n