Insufficient physical activity presents a significant hazard to overall health, with sedentary lifestyles linked to a variety of health issues. Monitoring physical activity levels allows the recognition of patterns of sedentary behavior and the provision of coaching to meet the recommended physical activity standards. In this paper, we aim to address the problem of reducing the time consuming process of fitting classifiers when generating personalized models for a coaching application. The proposed approach consists of evaluating the effects of clustering participants based on their walking patterns and then recommending a unique model for each group. Each model consists of a random forest classifier with a different number of estimators each. The resulting approach reduces the fitting time considerably while keeping nearly the same classification performance as personalized models.
DOCUMENT
Purpose: The purpose of this study is to assess the evolution of restaurant locations in the city of Hamilton over a 12-year period (1996 to 2008) using GIS techniques. Retail theories such as central place, spatial interaction and principle of minimum differentiation are applied to the restaurant setting. Design/methodology/approach: A database of restaurants was compiled using the NZ yellow pages and contained 981 entries that consisted mainly of location addresses and types of cuisine. This paper focuses on locational patterns only. Findings: A process of geo-coding and clustering enabled the identification of two clustering periods over 12 years for city restaurants, indicating locational patterns of agglomeration within a short walking distance of the CBD and spill over effects to the north of the city. Research limitations/implications: The data do not allow statistical analysis of the variables causing the clustering but offer a visual description of the evolution. Explanations are offered on the possible planning regimes, retail provision and population changes that may explain this evolution. Practical implications: The findings allow identification of land use patterns in Hamilton city and potential areas where new restaurants could be developed. Also, the usefulness of geo-coded data in identifying clustering effects is highlighted. Originality/value: Existing location studies relate mostly to site selection criteria in the retailing industry while few have considered the evolution of restaurant locations in a specific geographic area. This paper offers a case study of Hamilton city and highlights the usefulness of GIS techniques in understanding locational patterns.
MULTIFILE
There has been a rapidly growing number of studies of the geographical aspects of happiness and well-being. Many of these studies have been highlighting the role of space and place and of individual and spatial contextual determinants of happiness. However, most of the studies to date do not explicitly consider spatial clustering and possible spatial spillover effects of happiness and well-being. The few studies that do consider spatial clustering and spillovers conduct the analysis at a relatively coarse geographical scale of country or region. This article analyses such effects at a much smaller geographical unit: community areas. These are small area level geographies at the intra-urban level. In particular, the article presents a spatial econometric approach to the analysis of life satisfaction data aggregated to 1,215 communities in Canada and examines spatial clustering and spatial spillovers. Communities are suitable given that they form a small geographical reference point for households. We find that communities’ life satisfaction is spatially clustered while regression results show that it is associated to the life satisfaction of neighbouring communities as well as to the latter's average household income and unemployment rate. We consider the role of shared cultural traits and institutions that may explain such spillovers of life satisfaction. The findings highlight the importance of neighbouring characteristics when discussing policies to improve the well-being of a (small area) place.
DOCUMENT
Communicatieprofessionals geven aan dat organisaties geconfronteerd worden met een almaar complexere samenleving en daarmee het overzicht verloren hebben. Zo’n overzicht, een ‘360 graden blik’, is echter onontbeerlijk. Dit vooral, aldus diezelfde communicatieprofessionals, omdat dan eerder kan worden opgemerkt wanneer de legitimiteit van een organisatie ter discussie staat en zowel tijdiger als adequater gereageerd kan worden. Op dit moment is het echter nog zo dat een reactie pas op gang komt als zaken reeds in een gevorderd stadium verkeren. Onderstromen blijven onderbelicht, als ze niet al geheel onzichtbaar zijn. Een van de verklaringen hiervoor is de grote rol van sociale media in de publieke communicatie van dit moment. Die media produceren echter zoveel data dat communicatieprofessionals daartegenover machteloos staan. De enige oplossing is automatisering van de selectie en analyse van die data. Helaas is men er tot op heden nog niet in geslaagd een brug te slaan tussen het handwerk van de communicatieprofessional en de vele mogelijkheden van een datagedreven aanpak. Deze brug dan wel de vertaling van de huidige praktijk naar een hogere technisch niveau staat centraal in dit onderzoeksproject. Daarbij gaat het in het bijzonder om een vroegtijdige herkenning van potentiële issues, in het bijzonder met betrekking tot geruchtvorming en oproepen tot mobilisatie. Met discoursanalyse, AI en UX Design willen we interfaces ontwikkelen die zicht geven op die onderstromen. Daarbij worden transcripten van handmatig gecodeerde discoursanalytische datasets ingezet voor AI, in het bijzonder voor de clustering en classificatie van nieuwe data. Interactieve datavisualisaties maken die datasets vervolgens beter doorzoekbaar terwijl geautomatiseerde patroon-classificaties de communicatieprofessional in staat stellen sociale uitingen beter in te schatten. Aldus wordt richting gegeven aan handelingsperspectieven. Het onderzoek voorziet in de oplevering van een high fidelity ontwerp en een handleiding plus training waarmee analisten van newsrooms en communicatieprofessionals daadwerkelijk aan de slag kunnen gaan.
In opdracht voor het ministerie van Sociale Zaken en Werkgelegenheid voeren de Hogeschool Utrecht en Panteia onderzoek uit naar de doelmatigheid en doeltreffendheid van ophogingen bij overheidsvorderingen.
MKB-maakbedrijven, en specifiek plaatbewerkingsbedrijven, worden steeds meer geconfronteerd met complexe productieplanning en -besturing (PPB) als gevolg van de hoge variatie in producten die in lage volumes gevraagd worden (HVLV). Het is een uitdaging om deze variatie op efficiënte wijze te verwerken met de beschikbare productiecapaciteit. Plaatbewerkingsbedrijven hebben een standaard procesafloop van lasersnijden, kanten en lassen/assembleren. Binnen deze procesafloop worden vaak noodzakelijke lokale optimalisatie nagestreefd, zoals materiaal-efficiëntie bij lasersnijden, insteltijdreductie bij kanten en beschikbaarheid van onderdelen bij lassen/assembleren. Deze lokale optimalisaties werken vaak niet in harmonie samen en kunnen elkaar zelfs tegenwerken. Dit leidt tot een structureel onbetrouwbare doorlooptijd van orders. De PPB van plaatbewerkingsbedrijven is op te delen in verschillende deelproblemen (orderrelease, ordertoewijzing, orderclustering, doorlooptijdvoorspelling, werkbalancering) die op verschillende PPB-niveaus (tactisch, operationeel, uitvoerend) plaatsvinden. Dit onderzoek is dan ook een verkennende stap in een reeks van studies waarin we ons richten op het data gedreven ondersteunen van de verschillende deelproblemen. Elk deelprobleem vereist een specifieke machine learning-oplossing maar moet ook onderling kunnen communiceren. Dit KIEM-onderzoek richt zich op het data gedreven ondersteunen van het uitvoerende planningsniveau waar de teamleider de orders toewijst aan de machines en de orders clustert om omsteltijd te beperken. De onderzoeksvraag luidt als volgt: "Hoe kunnen mkb-plaatbewerkingsbedrijven machine learning inzetten ter ondersteuning van beslissingen rondom de optimale toewijzing en clustering van orders, met specifieke aandacht voor datavereisten, algoritmeselectie en validatie van het systeem?" De focus ligt op het onderzoeken van benodigde data, geschikte algoritmen en methoden om de effectiviteit en het gebruik van ML-gebaseerde oplossingen te valideren. Het resultaat is een demonstrator die de toepassing en validatie van ML-modellen illustreert in een realistische setting. Deze aanpak biedt handvatten voor mkb-plaatbewerkingsbedrijven om data en technologie in te zetten voor een verbeterde productieplanning.
