The aim of this research/project is to investigate and analyze the opportunities and challenges of implementing AI technologies in general and in the transport and logistics sectors. Also, the potential impacts of AI at sectoral, regional, and societal scales that can be identified and chan- neled, in the field of transport and logistics sectors, are investigated. Special attention will be given to the importance and significance of AI adoption in the development of sustainable transport and logistics activities using intelligent and autonomous transport and cleaner transport modalities. The emphasis here is therefore on the pursuit of ‘zero emissions’ in transport and logistics at the urban/city and regional levels.Another goal of this study is to examine a new path for follow-up research topics related to the economic and societal impacts of AI technology and the adoption of AI systems at organizational and sectoral levels.This report is based on an exploratory/descriptive analysis and focuses mainly on the examination of existing literature and (empirical) scientific research publica- tions, previous and ongoing AI initiatives and projects (use cases), policy documents, etc., especially in the fields of transport and logistics in the Netherlands. It presents and discusses many aspects of existing challenges and opportunities that face organizations, activities, and individuals when adopting AI technology and systems.
Analyzing historical decision-related data can help support actual operational decision-making processes. Decision mining can be employed for such analysis. This paper proposes the Decision Discovery Framework (DDF) designed to develop, adapt, or select a decision discovery algorithm by outlining specific guidelines for input data usage, classifier handling, and decision model representation. This framework incorporates the use of Decision Model and Notation (DMN) for enhanced comprehensibility and normalization to simplify decision tables. The framework’s efficacy was tested by adapting the C4.5 algorithm to the DM45 algorithm. The proposed adaptations include (1) the utilization of a decision log, (2) ensure an unpruned decision tree, (3) the generation DMN, and (4) normalize decision table. Future research can focus on supporting on practitioners in modeling decisions, ensuring their decision-making is compliant, and suggesting improvements to the modeled decisions. Another future research direction is to explore the ability to process unstructured data as input for the discovery of decisions.
MULTIFILE
Concept cartoons (Naylor & Keogh, 1999, 2012; Naylor et al., 2007) worden vaak gebruikt om leerlingdenkbeelden te diagnosticeren en leerlingen aan het redeneren te krijgen met begrippen. Concept cartoons kunnen leerlingen ook aanzetten tot het bedenken van experimenten om het verschijnsel in de cartoon nader te onderzoeken en vervolgens de resultaten te gebruiken bij redeneren over dat verschijnsel. In zes lessen met drie concept cartoons onderzochten we in hoeverre basisschoolleerlingen zonder eerdere ervaring met praktisch werk in de wetenschap- en technieklessen in staat zijn experimenten te bedenken waarbij zij de resultaten gebruiken om hun argumenten te onderbouwen. Welke problemen doen zich daarbij voor? Het onderzoek werd uitgevoerd in een klas met 29 leerlingen van groep 7 in Amsterdam. Het onderwijsproces en de opbrengst werden gedocumenteerd door middel van video- en audio-opnames, observatieverslagen, individuele werkbladen en groepswerkbladen van de leerlingen. Het kost de leerlingen weinig moeite om experimenten te bedenken om het verschijnsel in de cartoon nader te onderzoeken, maar de onderzoeksvaardigheden die leerlingen daarbij nodig hebben ontbreken in meer of mindere mate. Bij de uitvoering worden de oorspronkelijke onderzoeksvraag van de kinderen zelf en het oorspronkelijke ontwerp van het experiment nogal eens vergeten, en leveren de experimenten andere kennis op dan bedoeld in de oorspronkelijke onderzoeksvraag. De cartoons bleken ook duidelijk te verschillen in hun potentie om productief onderzoek te genereren. De docent kan het gebruik van concept cartoons in de lessen op een hoger niveau brengen door zorgvuldig te overwegen wanneer welke cartoon te gebruiken en hoe de cartoon in te zetten om welke vaardigheden te ontwikkelen, maar ook door de discussie, het proces van het ontwerpen van de experimenten, het documenteren van resultaten in logboek of werkblad en het gebruiken van bewijsmateriaal in redeneringen te begeleiden en daarin leerlijnen uit te zetten.
MULTIFILE
De vraag naar intelligentie in voertuigsystemen stijgt, mogelijk gemaakt door de toenemende rekenkracht van low-cost, robuuste controllers. Hiermee verschuift ook het gebruikte operating systeem voor de software in deze controllers steeds vaker naar Linux. Dit uit zich onder andere in de opkomst van initiatieven als Automotive Grade Linux (https://www.automotivelinux.org/), maar ook kleinere partijen maken in toenemende mate gebruik van moderne, krachtige microcontrollers met Linux als operating system. Het verhoogt de herbruikbaarheid van de in-house software en tegelijk kan er gebruik gemaakt worden van een snelgroeiende Linux georiënteerde (open-source) code base en support van een wereldwijde community van Linux gebruikers en ontwikkelaars. HAN heeft in diverse RAAK-mkb projecten (Fast&Curious, SMARTcode en COMBINE) tools ontwikkeld voor het modelgebaseerd ontwikkelen van software voor automotive regelsystemen, zie ook www.openMBD.com. Deze tools zijn reeds jaren in gebruik in onderwijs, onderzoek en bij een aantal marktpartijen en maken nog gebruik van een compact, ‘real-time’ operating systeem. Met MODAL willen we in een klein, slagvaardig consortium voorsorteren op het brede gebruik van Linux door support voor Linux toe te voegen en tegelijkertijd ook features in te bouwen voor remote connectie en data-georiënteerde toepassingen, die van toenemend belang zijn in de markt. De resulterende upgrade zal net als bestaande versies weer als open source oplossing worden gepubliceerd, waarmee we onderwijs, onderzoek en beroepspraktijk versterken. De ontwikkeling de huidige tools creëerde veel spin-off in praktijkgericht onderzoek en een verschuiving naar modelgebaseerde ontwikkeling bij marktpartijen in een diversiteit aan automotive en industriële toepassingen. Linux-gebruik creëert meer standaardisatie resulterend in een brede inzetbaarheid van de tools. De MODAL resultaten worden daarom gezien als startpunt voor veel vervolgonderzoek, enerzijds in toepassingen en anderzijds in verdere ontwikkeling van features in de tools. De resultaten zullen dan ook expliciet worden gedissemineerd in onderwijs, onderzoek en beroepspraktijk.
The value of data in general has become eminent in recent times. Autonomous vehicles and Connected Intelligent Transport Systems (C-ITS), in particular, are rapidly emerging fields that rely a lot on “big data”. Data acquisition has been an important part of automotive research and development for years even before the advent of Internet of Things (IoT). Most datalogging is done using specialized hardware that stores data in proprietary formats on traditional hard drives in PCs or dedicated managed servers. The use of Artificial Intelligence (AI) throughout the world and specifically in the automotive sector is largely reliant on the data for the development of new and reliable technologies. With the advent of IoT technologies, the reliability of data capture could be enhanced and can improve ease of real-time analytics for analysis/development of C-ITS services and Autonomous systems using vehicle data. Data acquisition for C-ITS applications requires putting together several different domains ranging from hardware, software, communication systems, cloud storage/processing, data analytics, legal and privacy aspects. This requires expertise from different domains that small and medium scale businesses usually lack. This project aims at investigating requirements that have to be met in order to collect data from vehicles. Furthermore, this project also aims at laying foundations required for the development of a unified guidelines required to collect data from vehicles. With these guidelines, businesses that intend to use vehicle data for their applications are not only guided on the technical aspects of data collection but also equally understand how data from vehicles could be harvested in a secure, efficient and responsible manner.
