Der Artikel befasst sich mit der Nutzung digitaler Technologien zur Verbesserung städtischer Mobilitätssysteme. Hauptaugenmerk liegt dabei auf der Stadt Zwickau, die in Kooperation mit der Westsächsischen Hochschule innovative Ansätze entwickelt, um die Kluft zwischen technologisch führenden und nachziehenden Städten zu überbrücken. Es wird betont, dass trotz finanzieller und personeller Einschränkungen durch den Einsatz von Open-Source-Technologien und den Aufbau von Partnerschaften, auch kleinere Kommunen fortschrittliche Verkehrslösungen implementieren können. Das Projekt Z-Move 2025 dient als Beispiel, wie datenorientierte Infrastrukturen ohne umfassende Ressourcen Fortschritte in der kommunalen Mobilität ermöglichen können. Dabei werden insbesondere TinyML-Technologien hervorgehoben, die es ermöglichen, Machine Learning lokal und energieeffizient auf Mikrocontroller-basierten Systemen durchzuführen, was Datenschutz und Kosteneffizienz fördert. Die Ergebnisse des Artikels zeigen, dass der Erfolg solcher Entwicklungen stark von der Verfügbarkeit von Ressourcen, Fachwissen und Kooperationen abhängt.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Datenbasierte Strategien für Mobilitäts- und Verkehrsplanung in kommunalen Bereichen: Intelligente Methoden zur effizienten Nutzung begrenzter Ressourcen

  • Erik Höhne,
  • Oliver Scharf,
  • Maximilian Schlachte

摘要

Der Artikel befasst sich mit der Nutzung digitaler Technologien zur Verbesserung städtischer Mobilitätssysteme. Hauptaugenmerk liegt dabei auf der Stadt Zwickau, die in Kooperation mit der Westsächsischen Hochschule innovative Ansätze entwickelt, um die Kluft zwischen technologisch führenden und nachziehenden Städten zu überbrücken. Es wird betont, dass trotz finanzieller und personeller Einschränkungen durch den Einsatz von Open-Source-Technologien und den Aufbau von Partnerschaften, auch kleinere Kommunen fortschrittliche Verkehrslösungen implementieren können. Das Projekt Z-Move 2025 dient als Beispiel, wie datenorientierte Infrastrukturen ohne umfassende Ressourcen Fortschritte in der kommunalen Mobilität ermöglichen können. Dabei werden insbesondere TinyML-Technologien hervorgehoben, die es ermöglichen, Machine Learning lokal und energieeffizient auf Mikrocontroller-basierten Systemen durchzuführen, was Datenschutz und Kosteneffizienz fördert. Die Ergebnisse des Artikels zeigen, dass der Erfolg solcher Entwicklungen stark von der Verfügbarkeit von Ressourcen, Fachwissen und Kooperationen abhängt.