De balans tussen de belastbaarheid van sporters en de belasting moeten zo goed mogelijk afgestemd zijn om optimale trainingseffecten te realizeren. Er wordt onderscheid gemaakt tussen externe en interne trainingsbelasting, wat duidt op de belasting die extern of intern door de sporter wordt ervaren. Het sturen en bewaken van de balans wordt bij professionele sporters doorgaans verzorgd door (para)medische professionals en/of sportwetenschappers. Doordat er tegenwoordig vele manieren van test- en meettechnologie zijn om o.a. interne en externe belasting te meten is er een grote hoeveelheid aan data beschikbaar in de praktijk, waarvan het verwerken en analyseren arbeidsintensief is. Daarom is er vanuit de praktijk de behoefte om deze data snel inzichtelijk te maken. Vanuit het project is daarom een belastingsmonitor ontwikkeld o.b.v. big data technologieën. Het doel van dit rapport is een praktijkvalidatie van de belastingmonitor. Hierbij wordt enerzijds gekeken naar de verzamelde data door de praktijkpartners en anderzijds wordt onderzocht of veranderingen in ratio's tussen interne:externe belasting een valide manier is om veranderingen in fysieke fitheid te meten?Data door de praktijkpartners zijn op diverse manieren en voor diverse variabelen verzameld. De variabelen zijn onder te delen in de kopjes: (I) individuele kenmerken, (II) externe belasting, (III) interne belasting, (IV) herstel en (V) psychosociale stress. Doordat de diverse sportclubs variabelen verzamelen die zij van belang achten is het niet mogelijk geweest om 1 database op te stellen welke alle variabelen bevat. Hierin zou immers duidelijk moeten zijn wat per variabelen de definitie is, welke per sportclub kan verschillen. Voor toekomstige projecten is het wenselijk om hier uniformiteit in aan te brengen voor aanvang van het project. Dit zal eenvoudiger zijn naarmate ruwe data beschikbaar is, omdat het onwaarschijnlijk is dat de sportclubs hun definities aanpassen. De gebruikte meetinstrumenten en -methodes zijn voor het overgrote deel overeenkomstig uit de wetenschappelijke literatuur en tevens overeenkomstig met de wetenschappelijke standaard. Kanttekening is dat er voor dit rapport geen zicht is op de daadwerkelijke uitvoering van de betreffende metingen.De vraag of de veranderingen in ratio's tussen interne:externe belasting een valide manier is om veranderingen in fysieke fitheid te meten is beantwoord door gebruik te maken van een dataset van 1 voetbalclub (van 3 teams) over 2 seizoenen. Er gekeken of veranderingen in ratio's opgesteld uit diverse maten voor interne belasting (ervaren mate van inspanning en load) en externe belasting (totaal gelopen afstand en totaal gelopen afstand op hoge snelheid) met diverse tijdsintervallen een relatie vertoonden met veranderingen in fysieke fitheid, gemeten met gestandaardiseerde submaximale inspanningstesten. Uit de resultaten bleek dat er geen relatie is gevonden tussen vooraf genoemde variabelen. Er blijken diverse obstakels te zijn waardoor de verandering in ratio’s mogelijk niet correleren met de verandering in interne belasting tijdens fysieke testen. De belastingsmonitor kan dus niet gebruikt worden om fysieke fitheid van sporters inzichtelijk te maken wanneer gekeken wordt naar de opgestelde ratio’s tussen interne en externe belasting. Fysieke testen blijven hiervoor nog steeds noodzakelijk, omdat deze het beste beeld geven van de huidige fysieke fitheid van de sporters. De belastingsmonitor is daarom, voor nu, alleen geschikt voor het afzonderlijk inzichtelijk maken van de diverse variabelen uit de dataset.
Elk jaar organiseert het Leerhuis van het Projectmanagementbureau samen met de Hogeschool van Amsterdam een thematische seminarreeks.De koppeling van de wetenschappelijke theorie met de dagelijkse praktijk biedt een waardevolle verdieping van de kennis van de medewerkers van het Projectmanagementbureau. Centraal staat de toepasbaarheid in ons werk aan complexe en multidisciplinaire opgaven in Amsterdam.In 2018/2019 hebben we gekozen voor het smart city-concept, waarbij big data en tools roepen om toepassingsmogelijkheden in de aanpak van stedelijke problematiek.Wie in de media de discussie over de opkomst van smart cities volgt, krijgt vaak het beeld voorgeschoteld van een grote controlekamer, vol met monitors en schermen. Daarop worden allerhande processen in de stad op de minuut gevolgd: de doorstroming van het verkeer op de hoofdwegen, de weersverwachting en waterstanden, meldingen aan politie en brandweer of samenscholingen van menigtes in de openbare ruimte. Naast deze ‘control room’-visie staan twee minder bekende benaderingen: ‘Smart Citizens’ zet technologie in om burgers meer zeggenschap te geven, terwijl de ‘Creative City’ de stad beziet als ‘living lab’. Alle drie de verschijningsvormen van de smart city bieden kansen om de kwaliteit van leven in de stad te verbeteren, én roepen tegelijkertijd vragen op over hun doelmatigheid en legitimiteit.De verschillende bijdragen aan de seminarreeks over smart cities gingen dieper in op de mogelijkheden en valkuilen van de drie smart city perspectieven. Deze zijn gebundeld in dit magazine en aangevuld met een aantal lessen en handvatten voor de medewerkers van het PMB.
MULTIFILE
The field of data science and artificial intelligence (AI) is growing at an unprecedented rate. Manual tasks that for thousands of years could only be performed by humans are increasingly being taken over by intelligent machines. But, more importantly, tasks that could never be performed manually by humans, such as analysing big data, can now be automated while generating valuable knowledge for humankind
Fijnstof in de pluimveehouderij Aanleiding Fijnstof in de pluimveehouderij is een actueel onderwerp. Het is onduidelijk wat de fijnstof rondom pluimveestallen doet omdat er nog geen goed meetsysteem bestaat om rondom de stal continu te meten wat fijnstof doet en wat de invloed van elementen buiten de stal (omgeving, weer) doet. Het innovatieve pluimveebedrijf Kipster wil samen met het burgerinitiatief Behoud de Parel meer inzicht krijgen in de fijnstofconcentraties. GreenTechLab wilt een systeem ontwikkelen waarbij door combinatie van meerdere fijnstofmeetstations beter inzicht ontstaat van de fijnstofconcentraties rondom het bedrijf en er tevens data wordt verzameld van het buitenklimaat. Doel GreenTechLab en partners gaan gezamenlijk een proof of concept ontwikkelen van een realtime 24/7 fijnstofmeetsysteem voor de (pluim)veehouderij om op macroniveau (rondom stallen) fijnstofconcentraties te meten en dit middels te ontwikkelen slimme software te gaan combineren met andere data (weerstation) en bedrijfsactiviteiten (voeren, verlichting, aan- afvoer, instellingen luchtwassers en klimaatsystemen enz) en zodoende te kunnen experimenteren met bedrijfsactiviteiten die leiden tot minder fijnstof emissies. Beoogde resultaten Het project levert een proof of concept op van een fijnstofmeetsysteem, waarmee we realtime 24/7 fijnstofconcentraties voor de (pluim)veehouderij op macroniveau (rondom stallen) kunnen meten en dit middels slimme software combineren met andere data (weerstation) en bedrijfsactiviteiten (voeren, verlichting, aan- afvoer, instellingen luchtwassers en klimaatsystemen enz) om zodoende te kunnen experimenteren met bedrijfsactiviteiten die leiden tot minder fijnstof emissies. Op basis van deep learning technieken en met behulp van big-data is gemeten wat bepaalde aanpassingen aan parameters (actuaties) voor gevolg hebben op de uitstoot van fijnstof.
Jongeren met chronische aandoeningen worden vaak geconfronteerd met problemen in het dagelijks functioneren, waarbij vermoeidheid wordt genoemd als het meest invaliderend. De prevalentie van vermoeidheid onder jongeren met chronische aandoeningen varieert tussen de 51-75%. Vermoeidheid kan onafhankelijk ontstaan van het onderliggende pathologisch mechanisme; uit literatuur blijkt dat ziekte-specifieke benaderingen weinig of nauwelijks effect hebben op vermoeidheid. Vermoeidheid wordt bovendien te laat opgemerkt of blijft onbehandeld. Inzicht in de ziekte-overstijgende mechanismen van vermoeidheid is van belang om vroegtijdig opsporen en de ontwikkeling van passende interventies te faciliteren. Dit postdoc onderzoek richt zich op het ontrafelen van ziekte-overstijgende mechanismen van vermoeidheid vanuit het perspectief van jongeren, het gezin en de fysieke en sociale leefomgeving. Binnen een longitudinale cohortstudie gedurende 12 maanden worden 208 jongeren met verschillende chronische aandoeningen gemonitord. Naast traditionele onderzoeksmethodieken zoals vragenlijsten en fysieke testen, wordt gebruik gemaakt van remote sensoring, linked data en context mapping (=kwalitatieve methode). Studenten die participeren in het onderzoek zullen de mogelijkheden en beperkingen van zulke methoden ervaren. Dit kan o.a. bijdragen aan het integreren van zorgtechnologie in het dagelijks (kinder)fysiotherapeutisch handelen. We ontwikkelen een theoretisch raamwerk dat de basis legt voor betere vroegdetectie (op afstand en non-invasief) van vermoeidheid en voor het identificeren van mogelijke aangrijpingspunten voor behandeling (doelstelling 1 en 2). Verder draagt het postdoc onderzoek bij aan een beter inzicht in de rol van de sociale en fysieke leefomgeving bij de maatschappelijke participatie van jongeren met chronische aandoeningen (doelstelling 3). Studenten zullen in veldwerk ter plaatse metingen doen, de leefsituatie verkennen en samen met zorgprofessionals en docenten hun klinische blik verrijken. Doordat zij daadwerkelijk in de leefomgeving van jongeren zelf aanwezig zijn kan dit bijdragen aan bewustzijn over de rol van verschillende sociale en fysieke factoren op vermoeidheid en op de maatschappelijke participatie van jongeren met uiteenlopende chronische aandoeningen.
Tal van Nederlandse bedrijven ontwikkelen elektrische bussen en stadsdistributievoertuigen voertuigen, zetten ze in als onderdeel van hun vloot, of leveren diensten om die inzet te verbeteren. Zij worden daarbij geconfronteerd met een rijbereik dat kleiner is dan bij vergelijkbare conventionele voertuigen, en dat bovendien afneemt in de tijd door veroudering van de batterijen. Om dit te bewerkstelligen hebben zij modellen nodig die bij het voorspellen van het energieverbruik rekening houden met geactualiseerde eigenschappen van het voertuig (en zijn batterijpakket) en met actuele gegevens omtrent externe invloedfactoren als weersomstandigheden, traject, wegprofiel, verkeerssituatie, belading (of aantal passagiers) en rijgedrag. De ontwikkeling en het gebruik van dergelijke modellen vergt een voortdurende monitoring van voertuiggegevens en invloedfactoren. In dit project worden een vloot van bussen én stadsdistributievoertuigen gemonitord. Hiertoe wordt bestaande commerciële data-acquisitie hardware uitgebreid met een beperkt aantal (betaalbare) sensoren en met bijhorende oplossingen voor dataverwerking en -communicatie. Om de vele data te verwerken en te analyseren wordt in eerste instantie gebruik gemaakt van vereenvoudigde fysisch voertuigmodellen in combinatie met traditionele statistiek; dit wordt later uitgebreid met nieuwe voorspellende data-analyse technieken uit de Big-Data wereld. Met de resultaten van het onderzoek zal onderzocht worden hoe rijbereik en energieverbruik van beide testvloten kan worden verbeterd
