311 |
Digitale Innovationen für die Bauwirtschaft: Bericht zum mFUND-Fachaustausch BIM & Gebäudenavigation, 28. April 2019Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste 17 February 2022 (has links)
Am 4. April 2019 veranstaltete die mFUND-Begleitforschung des WIK den mFUND-Fachaustausch „BIM & Gebäudenavigation“. 20 Fachleute,
darunter Expert*innen aus zehn Projekten, die durch die Initiative mFUND des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert werden, nahmen an dem Fachaustausch teil, der bei PROFI Engineering Systems AG in Darmstadt stattfand.
|
312 |
Fahrradinfrastruktur und Planung mit Daten verbessern: Bericht zum mFUND-Fachaustausch Radverkehr, 28. Oktober 2019Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste 17 February 2022 (has links)
Am 28. Oktober 2019 trafen sich beim Fachaustausch „Radverkehr“ der mFUND-Begleitforschung des WIK mehr als 30 Fachleute, um über Potenziale von Radverkehrsdaten zu diskutieren. Neben Vertretern von neun mFUND-Projekten, die durch die Förderinitiative mFUND des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) gefördert werden, nahmen an dem Fachaustausch im BMVI Berlin auch externe Radverkehrsexperten teil.
|
313 |
RadVerS - Mit Smartphones generierte Verhaltensdaten im Verkehr – Differenzierung des Nutzerverhaltens unterschiedlicher RadfahrerInnengruppen : Teil II: Feldstudie zum RadverkehrsverhaltenLißner, Sven, Lindemann, Paul, Becker, Udo 16 September 2021 (has links)
Der vorliegende Forschungsbericht fasst die Vorbereitung, Durchführung und Auswertung einer Feldstudie zum Thema Radverhaltensforschung mittels GPS Daten zusammen. Ziel des Teil-Projektes war es zu prüfen, welche Parameter auf Personenebene Einfluss auf das Radverkehrsverhalten haben.
|
314 |
Leitfaden für Aussagekräftige Metadaten: Eine Veröffentlichung der mFUND-Begleitforschung des WIKWIK Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste GmbH 28 January 2022 (has links)
Open Data bezeichnet den freien Zugang und die entgeltfreie Bereitstellung von maschinenlesbaren Daten. Werden die Daten ausschließlich von der öffentlichen Verwaltung bereitgestellt, spricht
man auch von Open Government Data. Auch privatwirtschaftlich agierende Unternehmen stellen Daten offen zur Verfügung und verfolgen damit durchaus auch kommerzielle Interessen. Die
Deutsche Bahn bspw. ist sehr aktiv in der Bereitstellung von Open Data. Ihr Ziel liegt dabei in der Suche nach neuen Anwendungsmöglichkeiten der Daten. Sie unterstützt diesen Prozess aktiv mit
ihren DB Hackathons. Hierbei entstehen u. a. Anwendungen, von denen sich die Deutsche Bahn eine Verbesserung ihres Service erwartet.
Die Bereitstellung von Open Data kann einen hohen gesellschaftlichen Mehrwert erzeugen: Der freie Zugang zu Daten kann Transparenz und Vertrauen in Politik und Verwaltung stärken sowie
Innovationen und Wirtschaftswachstum ermöglichen. In Dänemark konnte durch die Veröffentlichung von Geodaten ein volkswirtschaftlicher Mehrwert von geschätzt 470 Mio. € im Jahre 2016
erwirtschaftet werden.1 Studien bemessen das volkswirtschaftliche Potenzial von Open Data für Deutschland mit 12,1 Mrd. € bis 131,1 Mrd. € jährlich.
Auf Grundlage von offenen Daten können innovative Anwendungen entwickelt werden, die zunächst einen Mehrwert für die Datenbereitsteller selbst, aber umso mehr auch für Bürgerinnen
und Bürger schaffen können. Ein gutes Beispiel ist die App Mein Moers, die frei verfügbare Informationen über die Stadt Moers bündelt und bereitstellt. Neue, prototypische Anwendungen werden
regelmäßig auf kommunalen Hackathons, wie bspw. dem Münsterhack, entwickelt. Für Wien wurden auf Basis der von der Stadt zur Verfügung gestellten Datensätze bereits über 240 Apps entwickelt.
Das Spektrum reicht hier von Routenplanern für den ÖPNV und Informationen zu öffentlichen Leihrädern über Cityguides und Veranstaltungskalender bis hin zur Visualisierung von Pegelständen
und Informationen zur Wasserqualität. Open Data können unterschiedlichen Ursprungs und Natur sein. Sie können bspw. über Sensoren
automatisch erhoben und mit geringem Zeitverzug über Open Data Plattformen bereitgestellt werden, denkbar bspw. bei Pegelständen von Gewässern. Oder sie werden manuell erhoben und
eher selten aktualisiert. Ein Beispiel hierfür wäre die Liste aller Straßennamen einer Stadt. Damit Open Data tatsächlich gefunden und genutzt werden können, ist eine Beschreibung der
Daten mit aussagekräftigen Metadaten notwendig. Mit diesem Leitfaden wollen wir die Bedeutung von Metadaten für die Bereitstellung von Open
Data aufzeigen und Tipps geben, diese sinnvoll zu gestalten.
Metadaten sind strukturierte Informationen, die Merkmale von Daten beschreiben. Sie erleichtern es, relevante Daten in einer Vielzahl verfügbarer Datensätze in Datenportalen wie der mCLOUD
(www.mcloud.de) zu suchen, zu finden und zu selektieren. Das Prinzip der Beschreibung mit Metadaten kennt man allgemein aus der Welt der Bibliotheken, in denen Bücher mit Metadaten
beschrieben werden: Titel, Autor, Erscheinungsjahr und Klappentext sind Informationen, ohne die ein Buch in einem Bibliothekskatalog nicht gefunden werden kann. Aussagekräftige Metadaten
stellen sicher, dass Datensätze von interessierten Nutzern gefunden werden und so ihr volles Potenzial entfalten können.
Struktur und Bedeutung der Metadaten unterschiedlicher Datensätze sollten möglichst einheitlich sein, damit sie auch über einen längeren Zeitraum und von verschiedenen Personen einfach genutzt
werden können. Für die Beschreibung von Open Data bietet sich die Verwendung eines Standards wie DCAT-AP.de an, der deutschen Version eines europäischen Standards für Metadaten.3
Für den Anwendungsfall der mCLOUD wurden bestimmte Metadatenfelder ausgewählt, für den dieser Leitfaden im Folgenden Empfehlungen geben will.
|
315 |
Determinants of Bicycle Crashes at Urban Signalised Intersections: PreprintSchröter, Bettina, Hantschel, Sebastian, Huber, Stefan, Gerike, Regine 02 May 2023 (has links)
Problem
Bicycle volumes are increasing in many regions worldwide leading to higher relevance
of an in-depth understanding of bicyclist safety mechanisms. Detailed studies on
bicyclist safety that consider exposure and distinguish by intersection category and
crash types are missing for urban signalised intersections which are of particular
relevance for bicyclist safety.
Method
Based on a comprehensive dataset of motorist and bicyclist volumes and infrastructure
characteristics for a sample of 269 signalised intersections in two German cities, we
analyse in a top-down approach first bicycle crashes of all types and second bicycle
crashes by type including turning, right-of-way and loss-of-control. A combination of
descriptive statistics and Accident Prediction Models (APM) are applied in terms of
analysis methods.
Results
Bicycle volumes are relevant for all types of intersections and crashes whereas the
effect of motor vehicle volumes differ between these different applications. The
separation of bicyclists from motor vehicles in time and space increases their safety but
also leads to behavioural adaption and risk compensation. The likelihood of right-ofway
crashes even increases with more separation in the signalling scheme. The main
predictor for loss-of-control crashes in terms of infrastructure are tram tracks.
Summary
This study provides insights on relevant determinants of bicycle crashes at urban
signalised intersections at several levels of detail. Exposure variables as well as the
physical separation of bicyclists from motor vehicles show consistent effects on bicycle
crash numbers whereas the effects of signalling differ between crash types.
Practical Applications
The different types of intersections and crashes follow each specific mechanisms of
bicyclist safety. The separation of bicyclists and motorists in time and space are
paramount at intersections with high bicycle volumes. Risk compensation such as red
light running becomes more important as intersections get smaller and motor vehicle
volumes decrease.
|
316 |
Climate Protection through Cycling: Nationaler Radverkehrsplan - Fahrradportal - Cycling ExpertiseThiemann-Linden, Jörg 03 January 2023 (has links)
No description available.
|
317 |
The Cycling Mode Share in Cities: Nationaler Radverkehrsplan - Fahrradportal - Cycling ExpertiseThiemann-Linden, Jörg, Bohrmann, Nathalie 03 January 2023 (has links)
No description available.
|
318 |
Public Health: Nationaler Radverkehrsplan - Fahrradportal - Cycling ExpertiseThiemann-Linden, Jörg, Mettenberger, Tobias 03 January 2023 (has links)
No description available.
|
319 |
Ageing Society on Bicycles: Nationaler Radverkehrsplan - Fahrradportal - Cycling ExpertiseThiemann-Linden, Jörg, Mettenberger, Tobias 03 January 2023 (has links)
No description available.
|
320 |
State of the Art Design for Cycling Facilities: Nationaler Radverkehrsplan - Fahrradportal - Cycling ExpertiseThiemann-Linden, Jörg 03 January 2023 (has links)
No description available.
|
Page generated in 0.0231 seconds