Filter results

9665 resultaten

Hoe bevorder je veilige en snelle maaltijdbezorging per fiets in steden?

Fietsers die gehaast door de stad racen om op tijd te eten bezorgen aan hongerige klanten, vormen een groeiend probleem door de toenemende vraag naar snelle maaltijdbezorgdiensten. Deze toename leidt tot meer verkeer op fietspaden, meer ongelukken en roept zorgen op over de veiligheid van fietsers. In het SINERGI-project doen wetenschappers zoals Yousef Maknoon onderzoek naar oplossingen voor efficiënte en veilige logistieke operaties. 'Fietsbezorgdiensten zijn een geweldige manier om goederen op een milieuvriendelijke manier van A naar B te vervoeren, ter vervanging van bezorgauto's of -busjes. Deze micro-bezorgsystemen kunnen echt helpen om de stedelijke logistiek duurzamer te maken,' zegt logistiek en modelleringsdeskundige Yousef Maknoon, die betrokken is bij het ontwikkelen van real-time beslissingsmodellen voor het SINERGI-project. Behalve het bevorderen van duurzaamheid, wil het project fietsbezorgdiensten helpen om kostenefficiënte diensten aan te bieden met oog voor het welzijn van de bezorgers. 'We willen helpen het aantal ongelukken te verminderen,' benadrukt Maknoon. Zowel private als publieke partijen hebben zich aangesloten bij pilotinitiatieven in de steden Amsterdam, Shanghai, Singapore en Kopenhagen. Yousef Maknoon Veilige routebepaling ‘Om de veiligheid van bezorgers te verbeteren, biedt de app automatisch aanbevolen routes wanneer fietsbezorgers hun bezorgadres ontvangen. Zo kunnen ze gevaarlijke kruispunten en drukke straten vermijden. In Amsterdam is het doel om een kaart te ontwikkelen die de veiligheid van de fietsinfrastructuur weergeeft. De kaart wordt verrijkt met real-time informatie zoals weersomstandigheden, drukke dagen en tijdstippen van de week, om niet alleen de bezorgtijdvoorspelling te verbeteren, maar ook om de veiligheid van de route in real-time te beoordelen,’ legt Maknoon uit. 'Maar alles hangt af van de bereidheid van de fietser om de veiligere route te nemen. Wanneer een bezorger per levering wordt betaald, is hij misschien niet bereid een langere route te nemen. Vooral wanneer hij het gebied goed kent, kan het verleidelijk zijn om een kortere route te nemen die niet altijd de veiligste optie is.’ Uit een enquête onder 300 bezorgers bleek dat zij gestimuleerd kunnen worden om de aanbevolen routes te volgen wanneer ze hiervoor financieel gecompenseerd worden. Winst versus veiligheid Maknoon: 'Wat we ook ontdekten, is dat een uurloon in plaats van betaling per tijdige levering veiliger rijgedrag bevordert, zoals Just Eat Takeaway doet in de pilot in Amsterdam. Er ontstaan dan wel weer andere problemen omdat bezorgers mogelijk minder gemotiveerd zijn om op tijd te leveren. Dan heb je andere prikkels nodig om efficiëntie onder de bezorgers te bevorderen. Anders kunnen klanten overstappen naar andere dienstverleners. Dit zet het bedrijfsmodel, dat gebaseerd is op uurloon en veiligheid vooropstelt, onder druk.’ Het lijkt erop dat bezorgdiensten een afweging moeten maken tussen winst en veiligheid. 'Met het SINERGI-project willen we bezorgdiensten in staat stellen om kostenefficiënte diensten aan te bieden terwijl het welzijn van de bezorgers voorop blijft staan.' Overheidsregulering De overheid kan bijvoorbeeld de verkeersveiligheid verbeteren door de infrastructuur te verbeteren, zoals het aanleggen van aparte fietspaden. Bezorgdiensten kunnen prikkels introduceren voor bezorgers om de extra tijd die een langere, maar veiligere route kost, te compenseren. Maar dit zet de winstgevendheid onder druk en kan ervoor zorgen dat micro-bezorgingsbedrijven moeite hebben om te overleven of zelfs failliet gaan. Het is waarschijnlijk dat overheidsregulering een rol zal moeten spelen in winstgerichte samenlevingen, omdat winst anders voor veiligheid zal gaan. Eerlijk bezorgsysteem Dit geldt ook voor het waarborgen van een eerlijk bezorgsysteem, waarbij alle klanten worden bediend, of ze nu in het drukke stadscentrum of op het minder dichtbevolkte platteland wonen. Anders worden klanten die verder weg wonen mogelijk niet bediend, omdat langere fietstijden minder geld opleveren voor bezorgers wanneer ze op commissie worden betaald. Bezorgers kunnen deze bestellingen simpelweg weigeren en ervoor kiezen alleen te leveren aan dichtbevolkte plaatsen waar ze denken meer te kunnen verdienen. Menselijke factor In deze digitaal verbonden wereld moeten we rekening houden met de menselijke factor bij real-time besluitvorming. Het welzijn van bezorgers, hun werkomstandigheden en hun levenskwaliteit zijn ook belangrijk wanneer we het hebben over het nemen van operationele beslissingen. Het is interessant om de vier steden te vergelijken en te zien hoe zij omgaan met de spanning tussen kostenefficiëntie en veiligheid, en te kijken wat ze van elkaar kunnen leren. Over SINERGI SINERGI is een driejarig project dat loopt van 2023 tot 2026. Het omvat dertien onderzoeksinstellingen, overheidsinstanties en bedrijven die samenwerken om duurzame stedelijke logistiek te verbeteren. Het project streeft ernaar real-time beheer en strategische planning van efficiënte, veilige en gebruiksvriendelijke bezorgdiensten mogelijk te maken. Naast Yousef Maknoon zijn ook andere onderzoekers van de TU-Delft betrokken, zoals Shadi Sharif Azadeh (projectleider), Gonçalo Correia, Kuldeep Kavta en Dongyang Xia. Lees meer over het SINERGI project.

Half Height Horizontal

Nieuwe LDE trainee in D&I kantoor

Keehan Akbari is begin september begonnen als nieuwe LDE trainee bij het Diversity and Inclusion kantoor. Wat motiveerde hem om voor het D&I office te gaan werken, wat verwacht hij te bereiken tijdens dit traineeship? Lees het korte interview hieronder! Wat motiveerde je om je LDE-traineeship bij het Diversity and Inclusion office van TU Delft te volgen? Ik heb zowel de bachelor als de master Culturele Antropologie en Ontwikkelingssociologie aan de Universiteit Leiden afgerond. Binnen deze discipline ging mijn interesse vooral uit naar thema's als inclusie en diversiteit. Nadat ik was aangenomen als trainee voor het LDE-traineeship, ontdekte ik dat één van de mogelijke opdrachten toebehoorde aan het Diversity and Inclusion office. De keuze was vervolgens wat mij betreft snel gemaakt. Ik zag dit namelijk als een uitgelezen kans om de theorieën die ik tijdens mijn studie had geleerd in de praktijk toe te passen. Welke specifieke vaardigheden of ervaringen breng je mee naar het D&I kantoor die zullen helpen inclusiviteit op de campus te bevorderen? Ik ben iemand die graag verbindt in plaats van polariseert door rekening te houden met verschillende perspectieven en belangen van stakeholders. Ik geloof dat dit de manier is waarop je het meeste kunt bereiken bij het bevorderen van diversiteit en inclusie. In mijn optiek moet je namelijk meerdere partijen aan boord krijgen om de beste resultaten te behalen. Wat zijn je belangrijkste doelen nu je hier begint en hoe hoop je een impact te hebben? Een belangrijk doel voor mij dit jaar is om studenten meer te betrekken bij diversiteit en inclusie aan de universiteit. Eén manier waarop ik dit wil bereiken is door bij te dragen aan de oprichting van D&I studententeams. Door een D&I-studententeam op te richten voor faculteiten, wordt het mogelijk om gericht diversiteits- en inclusie gerelateerde kwesties aan te pakken die van toepassing zijn op de desbetreffende faculteit. Hoe denk je de verschillende (studenten)gemeenschappen binnen de universiteit te benaderen? Aangezien ik nieuw ben aan de TU Delft, is het allereerst van belang om hier mijn netwerk uit te breiden. Daarom ben ik op dit moment bezig met het verkennen van de universiteit en het kennismaken met verschillende stakeholders. Daarnaast ben ik van plan om nauw contact te onderhouden met verschillende studenten- en studieorganisaties om samen te onderzoeken hoe we de samenwerking op het gebied van diversiteit en inclusie kunnen versterken. Welkom bij ons team Keehan en we wensen je veel succes met je traineeship!

Wetenschappers TU Delft en Cambridge University werken samen aan innovatieve methoden om klimaatverandering te bestrijden

Al ruim anderhalf jaar werken onderzoekers van de TU Delft en het Cambridge University Centre for Climate Repair intensief samen aan baanbrekende technieken om wolken te beïnvloeden in de strijd tegen de opwarming van de aarde. Tijdens een tweedaagse bijeenkomst bespreken de teams hun voortgang. De onderzoekers van Cambridge richten zich op de technische ontwikkeling van een systeem dat zeewater kan vernevelen, waarbij zoutkristallen in de lucht worden gebracht om wolkenvorming te beïnvloeden. Het team van TU Delft, onder leiding van Prof. dr. ir. Herman Russchenberg, wetenschappelijk directeur van het TU Delft Climate Action Programma en hoogleraar Atmospheric Remote Sensing, onderzoekt de natuurkundige effecten van deze techniek. Prof. Russchenberg benadrukt het belang van dit onderzoek: "We hebben nu de eerste stappen gezet om noodmaatregelen te ontwikkelen tegen klimaatverandering. Als het nodig blijkt, moeten we voorbereid zijn om deze technieken in de praktijk te kunnen brengen. Liever gebruiken we het niet, maar het is goed om nu te onderzoeken hoe het werkt." Prof.dr.ir. Stefan Aarninkhof, decaan van de faculteit Civiele Techniek en Geowetenschappen, is trots dat de eerste resultaten in deze unieke samenwerking nu zichtbaar zijn. Als de onderzoekers in Delft en Cambridge kunnen aantonen dat het concept veelbelovend is, zullen binnen een jaar de eerste kleinschalige experimenten op een verantwoordelijke manier van start gaan. Dit onderzoek is mogelijk gemaakt dankzij de meerjarige steun van de Refreeze the Arctic Foundation, opgericht door de familie van TU Delft-alumnus Marc Salzer Levi . Dergelijke gulle bijdragen maken innovatief en impactvol onderzoek mogelijk dat dringende mondiale uitdagingen, zoals klimaatverandering, aanpakt. Grote donaties zoals deze stellen ons in staat om onderzoek van hoge impact en innovatie na te streven dat anders wellicht niet uitvoerbaar zou zijn, en tonen aan hoe onze gezamenlijke inzet en investeringen in de wetenschap kunnen leiden tot echte, transformerende oplossingen voor wereldwijde uitdagingen zoals klimaatverandering. Climate-Action Programme

Hoe systeemveiligheid Machine Learning systemen veiliger kunnen maken in de publieke sector

Machine Learning (ML), een vorm van AI waarbij patronen worden ontdekt in grote hoeveelheden data, kan heel handig zijn. Het wordt steeds vaker gebruikt, denk aan chatbot Chat GPT, voor gezichtsherkenning of aan spraaksoftware. Maar er zijn ook zorgen over de toepassing van ML systemen in de publieke sector. Hoe voorkom je dat het systeem bijvoorbeeld discrimineert, of op grote schaal fouten maakt met negatieve effecten op burgers? TU Delft wetenschappers, waaronder Jeroen Delfos, onderzochten hoe lessen uit de systeemveiligheid kunnen bijdragen aan een veiliger ML systeem in de publieke sector. ‘Beleidsmakers zijn druk met het bedenken van maatregelen om negatieve effecten van ML tegen te gaan. Uit ons onderzoek blijkt dat zij veel meer kunnen leunen op bestaande concepten en theorieën die hun waarde al hebben aangetoond in andere sectoren,’ zegt Jeroen Delfos. Jeroen Delfos Leren van andere sectoren In het onderzoek gebruikten de onderzoekers concepten van systeemveiligheid en systeemtheorie om de uitdagingen van het gebruik van ML systemen in de publieke sector te beschrijven. Delfos: ‘Concepten en tools uit de systeemveiligheidsliteratuur worden al veel gebruikt om de veiligheid van bijvoorbeeld de luchtvaart te ondersteunen, onder andere door ongelukken te analyseren met systeemveiligheidsmethodes, maar binnen het veld van AI en ML is dit nog niet gebruikelijk. Door de systeemtheoretische blik bekijken we veiligheid niet alleen als een resultaat van hoe de techniek werkt, maar juist als een resultaat van complexe set aan technische, sociale en organisationele factoren.’ De onderzoekers interviewden professionals uit de publieke sector om te zien welke factoren worden onderkend, en welke nog onderbelicht zijn. Bias Op een aantal punten kan terrein worden gewonnen om ML systemen in de publieke sector veiliger te maken. Zo wordt bijvoorbeeld bias in data nog vaak als een technisch probleem gezien, terwijl de oorsprong van die bias ver buiten het technische systeem kan liggen. Delfos: ’Denk dan bijvoorbeeld aan de registratie van criminaliteit. In buurten waar de politie vaker surveilleert wordt logischerwijs meer criminaliteit geregistreerd, waardoor deze buurten overgerepresenteerd worden in criminaliteitscijfers. Een ML systeem dat geleerd wordt patronen te ontdekken in deze cijfers zal deze bias gaan herhalen of zelf versterken. Het probleem zit echter in de manier van registreren, en niet in het ML systeem zelf.’ Risico’s verminderen Volgens de onderzoekers doen beleidsmakers en ambtenaren die bezig zijn met de ontwikkeling van ML systemen er goed aan om concepten van systeemveiligheid mee te nemen. Zo is het aan te raden om bij het ontwerpen van een ML systeem vooraf te identificeren wat voor ongelukken men wil voorkomen. Verder is een les vanuit systeemveiligheid, bijvoorbeeld in de luchtvaart, dat systemen in de praktijk de neiging hebben om over tijd steeds risicovoller te worden, omdat veiligheid steeds ondergeschikter raakt aan efficientie zolang er geen ongelukken gebeuren. ‘Het is dus belangrijk dat veiligheid een terugkomend onderwerp is bij evaluaties en dat de eisen voor veiligheid worden gehandhaafd’, aldus Delfos. Lees het paper over dit onderzoek.