The Utrecht SBE16 Conference. From the introduction: "The conference is part of the Sustainable Built conference series and is as such considered to be part of the pre-eminent international conference series on sustainable building and construction endorsed by iiSBE, UNEP-SBO and FIDIC. The Utrecht SBE16 conference is hosted by the Centre of Expertise Smart Sustainable Cities of HU University of Applied Sciences Utrecht, in partnership with six Dutch Universities of Applied Sciences (Avans, Saxion, Rotterdam, The Hague, Zuyd, InHolland) and the Utrecht Sustainability Institute (USI). The Transition Zero conference provides us with a unique opportunity to meet transition professionals in urban sustainability from all over Europe and beyond and to learn about the latest developments and best (inter)national practices in urban sustainability. The rich interest in the conference, made it possible to offer research as well as practitioner-driven tracks on topics related to the conference title. The conference brought together excellent future-minded practitioners, researchers and thought leaders from the R&I community, specialists and professionals on zero energy homes and transition of the built environment."
DOCUMENT
Machine learning models have proven to be reliable methods in classification tasks. However, little research has been conducted on the classification of dwelling characteristics based on smart meter and weather data before. Gaining insights into dwelling characteristics, which comprise of the type of heating system used, the number of inhabitants, and the number of solar panels installed, can be helpful in creating or improving the policies to create new dwellings at nearly zero-energy standard. This paper compares different supervised machine learning algorithms, namely Logistic Regression, Support Vector Machine, K-Nearest Neighbor, and Long-short term memory, and methods used to correctly implement these algorithms. These methods include data pre-processing, model validation, and evaluation. Smart meter data, which was used to train several machine learning algorithms, was provided by Groene Mient. The models that were generated by the algorithms were compared on their performance. The results showed that the Long-short term memory performed the best with 96% accuracy. Cross Validation was used to validate the models, where 80% of the data was used for training purposes and 20% was used for testing purposes. Evaluation metrics were used to produce classification reports, which indicates that the Long-short term memory outperforms the compared models on the evaluation metrics for this specific problem.
DOCUMENT
In dit magazine lees je over de uitdagingen van interdisciplinair onderzoek en welke mogelijkheden er zijn om de samenwerking tussen disciplines te versterken. We geven tips voor het verbeteren van een onderzoeksopzet, vertellen over instrumenten die het samenwerkingsproces tussen verschillende disciplines verbeteren, en bediscussiëren welke methoden leiden tot interdisciplinaire onderzoeksresultaten.
DOCUMENT
DISCO aims at fast-tracking upscaling to new generation of urban logistics and smart planning unblocking the transition to decarbonised and digital cities, delivering innovative frameworks and tools, Physical Internet (PI) inspired. To this scope, DISCO will deploy and demonstrate innovative and inclusive urban logistics and planning solutions for dynamic space re-allocation integrating urban freight at local level, within efficiently operated network-of-networks (PI) where the nodes and infrastructure are fixed and mobile based on throughput demands. Solutions are co-designed with the urban logistics community – e.g., cities, logistics service providers, retailers, real estate/public and private infrastructure owners, fleet owners, transport operators, research community, civil society - all together moving a paradigm change from sprawl to data driven, zero-emission and nearby-delivery-based models.
Positive Energy Districts (PEDs) can play an important part in the energy transition by providing a year-round net positive energy balance in urban areas. In creating PEDs, new challenges emerge for decision-makers in government, businesses and for the public. This proposal aims to provide replicable strategies for improving the process of creating PEDs with a particular emphasis on stakeholder engagement, and to create replicable innovative business models for flexible energy production, consumption and storage. The project will involve stakeholders from different backgrounds by collaborating with the province, municipalities, network operators, housing associations, businesses and academia to ensure covering all necessary interests and mobilise support for the PED agenda. Two demo sites are part of the consortium to implement the lessons learnt and to bring new insights from practice to the findings of the project work packages. These are 1), Zwette VI, part of the city of Leeuwarden (NL), where local electricity congestion causes delays in building homes and small industries. And 2) Aalborg East (DK), a mixed-use neighbourhood with well-established partnerships between local stakeholders, seeking to implement green energy solutions with ambitions of moving towards net-zero emissions.
LEVV-LOGIC presenteert een voorstel voor onderzoek naar de inzet van lichte elektrische vrachtvoertuigen (LEVV’s) voor de levering van goederen in steden. In dit project ontwikkelen de Hogeschool van Amsterdam en Hogeschool Rotterdam samen met logistiek dienstverleners, verladers en voertuigaanbieders uit het mkb, netwerkorganisaties, kennisinstellingen en gemeenten nieuwe kennis over logistieke concepten en business modellen met LEVV met als doel de rendabele inzet van LEVV’s in stadslogistiek. De doelstelling komt voort uit een vraag van logistiek dienstverleners uit het mkb. Zij willen LEVV’s inzetten, maar weten niet hoe ze dit rendabel kunnen doen omdat de huidige logistieke processen in de keten afgestemd zijn op de inzet van bestel- en vrachtvoertuigen. Voor overstap naar LEVV’s dienen de logistieke processen anders georganiseerd te worden, want de voertuigen zijn kleiner in omvang en hebben een andere laad- en energievoorziening. Daarnaast is onvoldoende duidelijk voor welke stadslogistieke stromen LEVV’s geschikt zijn en aan welke technische eisen de voertuigen moeten voldoen. Verladers (verzenders van goederen) en voertuigaanbieders zijn actief betrokken bij de uitvoering van het onderzoek om afstemming met de marktvraag en de techniek te garanderen. De projectdeelnemers delen de ambitie om met LEVV’s een bijdrage te leveren aan regionale, nationale en Europese doelstellingen om stedelijk goederenvervoer efficiënter en schoner (“zero emissie”) te organiseren. Het project draagt hier aan bij door middel van vijf activiteiten. De deelnemers in LEVV-LOGIC: 1. onderzoeken de potentie van LEVV voor specifieke stadslogistieke stromen (waaronder food-, webwinkel-, en facilitaire leveringen); 2. ontwerpen nieuwe logistieke concepten met LEVV voor de distributie van goederen van verzender naar ontvanger; 3. vertalen logistieke vereisten naar technische ontwerpen en aanpassingen aan bestaande LEVV’s; 4. experimenten met nieuwe LEVV-concepten in de praktijk; 5. ontwikkelen schaalbare business modellen met LEVV’s. Het project verzekert een sterke relatie met praktijk en wetenschap, omdat zij via haar deelnemers verbonden is aan de Topsector Logistiek, de Green Deal Zero Emissie Stadslogistiek, de Europese federatie voor Cycle Logistics en de Europese onderzoeksprojecten FREVUE (FP7) en CITYLAB (Horizon2020). Via de betrokkenheid van drie lectoren en zes opleidingen van twee hogescholen wordt een brede inzet van de resultaten in het onderwijs gerealiseerd. LEVV-LOGIC hanteert een multidisciplinaire aanpak met aandacht voor de rol van logistiek, techniek, beleid en gedrag. Hiermee versterkt het project professionals van nu en van de toekomst met kennis om problemen in stadslogistiek op te lossen.
Centre of Expertise, onderdeel van Hogeschool van Amsterdam
