open_access
Refine
Year of publication
Document Type
- Article (221)
- conference proceeding (article) (61)
- Working Paper (57)
- Report (36)
- conference proceeding (presentation) (33)
- Preprint (21)
- Handout (11)
- conference proceeding (summary) (10)
- Other (10)
- Part of a Book (9)
Language
- English (283)
- German (217)
- Multiple languages (1)
- Spanish (1)
Publication reviewed
- begutachtet (325)
- nicht begutachtet (169)
Keywords
- Tourismus (35)
- Forschungsprojekt „Jugendarbeit mit Perspektive“ (JumP) (29)
- Bayern (15)
- Umfrage (14)
- Digitalisierung (13)
- Spieltheorie (12)
- Tourismusforschung (11)
- Reiseverhalten (10)
- Künstliche Intelligenz (8)
- OnPro (8)
Institute
- Fakultät Maschinenbau (90)
- Kempten Business School (66)
- Fakultät Tourismus-Management (52)
- Fakultät Elektrotechnik (47)
- Bayerisches Zentrum für Tourismus (41)
- Fakultät Informatik (39)
- BZPD - Bayerisches Forschungszentrum Pflege Digital (37)
- Fakultät Betriebswirtschaft (37)
- IFM - Institut für Fahrerassistenz und vernetzte Mobilität (33)
- Fakultät Soziales und Gesundheit (29)
Der Projektverbund UMWELTnanoTECH wurde 2013 vom Bayerischen Staatsministerium für Umwelt und Verbraucherschutz gestartet und erstreckte sich über eine Laufzeit von drei Jahren. Es waren neun bayerische Hochschulen beteiligt. Die insgesamt zehn Teilprojekte gliederten sich in neun Forschungsprojekte und ein Koordinierungsprojekt. Jeweils drei der Forschungsprojekte waren in den thematischen Schwerpunkten Organische Photovoltaik, Energiespeicher und Thermoelektrizität zusammengefasst. Über die Tätigkeiten des Verbunds wurde in mehr als 70 Beiträgen berichtet, darunter über 30 wissenschaftliche Originalartikel in internationalen Fachzeitschriften und über 15 Konferenzbeiträge. Es wurden mehrere Kapitel für Fachbücher verfasst, in die die Erkenntnisse der Projekte eingeflossen sind. Ziele und Ergebnisse der Projekte wurden in knapp 20 nichtwissenschaftlichen Beiträgen und Meldungen im Internet, in Magazinen und Berichten zusammengefasst. In allen Schwerpunkten konnten die untersuchten nanotechnologischen Anwendungen auch mit Hilfe umweltverträglicherer Verfahren und Materialien realisiert werden, ohne dadurch entscheidend an Leistungsfähigkeit einzubüßen.
Wie kann man Studierende in ihrer individuellen Persönlichkeitsentwicklung unterstützen und Kompetenzen vermitteln und fördern, damit sie für das spätere Berufsleben gut vorbereitet sind? Im Masterstudiengang für Fahrerassistenzsysteme und Advanced Driver Assistance Systems (ADAS) werden – unterstützt durch den Forschungsschwerpunkt „Innovative Lehr- und Lernformen“ – angehende Ingenieurinnen und Ingenieure konfrontiert mit neuen Lehr-/Lernformaten. Dazu zählen das agile Projektmanagement-Tool Scrum ebenso wie Design-Thinking-Workshops, die auch in Unternehmen eingesetzt werden, um neue Ideen zu entwickeln und in Teams strukturiert Lösungen für Herausforderungen der Zukunft zu finden.
In the Automotive industry and especially in the ADAS domain, functions like “Vehicle Detection”, “Lane Detection” undergo a very costly and time-consuming validation process before their final deployment in the vehicle.
After the completion of the development process, image based detection algorithms usually rely on huge data sets of previously recorded data for performance testing and validation. Though vision data sets like “KITTI Vision Benchmark Dataset” and others are currently available for public use, there still lies numerous requirements that need
to be satisfied and steps that need to be followed in order to pave the way for a proper and meaningful use of the recorded data sets in the scope of image based function testing and validation. Using the publicly available recorded data may be in some cases a good starting point but as we all know sooner or later we will need a more
customized/personalized recorded data sets that capture more precise and detailed specifications like the camera’s technical specifications or even its mounting position in the car. Furthermore, depending on the image based function under investigation, recorded data should also reflect certain driving scenarios in specific environmental conditions (rain, snow, fog, at sun rise, at daytime, at night …) or specific driving parameters like, speed,acceleration, grip, car
orientation, position in lane, etc. that that may be too hard to safety due to safety, financial restrictions or even time
limitations.
In this article we present a method which indicates the most important parameters of influence concerning the fuel consumption and regulated emissions. Using RDE measurements a consumption map of the vehicle and enhanced mathematical models are created that allow the prediction of fuel consumption and emissions for simulated driving routes.
The results show that the simulated fuel consumption fits the measured consumption of the vehicle very good. The deviations between calculated and measured NO2 and NO are relatively high. This is due to the lack of simulation of the emissions after-treatment which is not possible as the relevant parameters are not monitored.
Further investigations are planned for hybrid vehicles, extended environmental con-ditions and modelling of the aftertreatment.
Hintergrund: Fluktuierende erneuerbare Energien erfordern flexible Kraftwerke zum Lastausgleich
Projektziele: Erhöhung der Flexibilität kommunaler Kraft-Wärme-Kopplungsanlagen (KWK) durch:
- Optimierte Anlagendynamik
- Wärmespeicherung
- Nutzung von Power-to-Heat
- Einbindung von Strommärkten
Vorgehensweise:
- Instationäre Prozesssimulation der Anlagen
- Nicht-lineare Optimierung der Anlageneinsatzplanung
- Demonstration durch Einbindung in die Leitstandstechnik
- Erstellung eines Betreiberleitfadens
Load Forecasting in District Heating Systems Using Stacked Ensembles of Machine Learning Algorithms
(2021)
For district heating, heat demand forecasting is playing a key role for an optimised power plant dispatch. Machine Learning can help to significantly improve forecasts of thermal loads. The prediction quality of neural networks is higher than that of decision trees in most cases. However, compared to decision trees neural networks have weaknesses when extrapolating outside known ranges. This work presents a novel method called “Deep DHC” (Deep Learning for District Heating and Cooling), which combines these two approaches in order to benefit from strengths of both methods. On the one hand, the novel approach uses conventional decision tree based regression algorithms such as the AdaBoost and Random Forest, as well as artificial neural networks. In addition to common feed forward neural networks (FNN), a deep learning network structure, which consists of long short-term memory (LSTM) cells, is used for the first time. The LSTM method has already proven to be very powerful in modern speech recognition. In order to achieve best possible heat demand forecasts, the aforementioned methods for load forecasting are combined and weighted by an additional machine learning method. Results show that it is possible to achieve a further improvement in forecasting quality for district heating loads by purposefully combining individual forecasting methods. Hence, mean and absolute deviations are significantly reduced in comparison to the individual methods.
Hintergrund: Die COVID-19 Pandemie stellt Bewohner von Altenpflegeeinrichtungen, deren Angehörige bzw. Besucher ebenso wie Mitarbeitende vor große Herausforderungen. Viruseindämmenden Maßnahmen wirken sich stark auf das Wohlbefinden der betroffenen Personengruppen aus. Material und Methode: Systematische Literatursuche nach Studien zu psychosozialen Folgen der Pandemie für Bewohner, deren Angehörige bzw. Besucher und Mitarbeitende und Zusammenführung der Ergebnisse mittels narrativer Synthese.
Ergebnisse: 756 Studien wurden gesichtet, 15 Arbeiten eingeschlossen. Die Daten wurden zwischen Februar und Juni 2020 mit Teilnehmenden aus 14 Ländern erhoben. Es wurden v.a. Einsamkeit, Trauer und Depressivität, aber auch Angst, als häufige Reaktionen der Bewohner auf die Kontakt- und Besuchsrestriktionen berichtet. Bewohner mit kognitiven Einschränkungen litten stärker unter den Auswirkungen, auch wenn es gegenteilige Hinweise gibt. Angehörige bzw. Besucher berichteten ebenfalls von einer Zunahme ihrer Einsamkeit und einer reduzierten Lebensqualität. In den Befragungen der Mitarbeitenden schildern diese Angst vor einer Infektion sowohl bei sich als auch bei den Bewohnern. Infizierte Mitarbeitende in den USA äußerten Wut darüber, nicht ausreichend geschützt geworden zu sein. Darüber hinaus berichteten Mitarbeitende von einer erheblichen Mehrbelastung.
Schlussfolgerung: Infolge der Pandemie und der ergriffenen Maßnahmen wurden negative psychosozialen Folgen bei Bewohnern, deren Angehörigen bzw. Besuchern und den Mitarbeitenden berichtet. Der abzuleitende Unterstützungsbedarfe der drei Personengruppen sind unterschiedlich und sollten bei zukünftigen Maßnahmen hinsichtlich der Pandemie stärker mitevaluiert werden.
The present study investigated the mental workload associated with driving a vehicle equipped with Lane Keeping Assistance System (LKAS). Specifically, an experiment was carried out with16participants driving with LKAS in four real-world scenarios. Effects on mental workload were evaluated with psychophysiological measures such as heart rate and skin conductance response (SCR). The driving performance, which is also a measure of evaluating mental workload, was assessed by measure such as steering reversal rate, variation of lateral position and steering effort. The result suggested that LKAS has reduced physical workload in the steering task. However, the lane keeping performance was not improved. Moreover, the NASA-TLX showed that participants perceived higher mental workload while driving with LKAS. This effect was mirrored in the SCR. The objective data showed that LKAS was associated with higher steering reversal rate, which might explain the reason of participants perceiving higher mental workload. Overall, it was suggested that the mental workload was higher with the tested LKAS.