Bevorzugter Zitierstil für diesen Vortrag
|
|
- Benedikt Wetzel
- vor 6 Jahren
- Abrufe
Transkript
1 Bevorzugter Zitierstil für diesen Vortrag Axhausen, K.W. (2016) Big Data und Mobilität: Welche Verkehrsprobleme können Big Data nicht lösen?, Vortrag bei der -KONFERENZ Big Data - Herausforderung fu r Wissenschaft und Gesellschaft, Universität Bielefeld, Oktober 2016.
2 Big Data und Mobilität: Welche Verkehrsprobleme können Big Data nicht lösen? KW Axhausen IVT ETH Zürich Oktober 2016
3 Danksagung A Loder für die Arbeiten zum PW/GA Besitz G Sarlas und R Fuhrer zum Lohn-Errreichbarkeitszusammenhang L Sun für die big data Analyse P Fourie und A Erath für MATSim SG und MATSim CEPAS
4 Aktuelle Probleme in z.b. Singapur
5 Busgeschwindigkeiten in Singapur (2012) Sun, 2013
6 Zeitliche Abstände der Busses einer Linie (SG) (2012) Sun, 2013
7 Konzeptioneller Ansatz
8 Verkehr ist ein System sich selbstorganisiernder, bewegender Warteschlangen
9 Die entscheidende kurzfristige Wechselwirkung ist die zwischen der Kapazität, d.h. der Anzahl Zeitfenster (slots) für die gewünschte Geschwindigkeit und der momentanen Nachfrage
10 Wartezeiten als Funktion der Auslastung (M/M/1) 150 Mittlere Wartezeit [sek] W S 1 = W µ λ = µ ( µ λ) % 20% 40% 60% 80% 100% Belastung [Prozent der Leistungsfähigkeit]
11 Stadtverkehr als geregeltes System 75 Knotenpunktsformen unter amerikanischen Bedingungen unter bestimmten Annahmen zur Verteilung der Belastung; einspurig Mittlere Wartezeit [Fz/h] Zwei-Stop-Schilder Alles-Stop-Schilder LSA ohne Abbiegespuren Kreisverkehr LSA mit Abbiegespuren 0 1'000 2'000 3'000 4'000 Gesamtverkehrsstärke [Fz/h]
12 Freie Strecke als selbstorganisierendes System 5000 Gestörter Verkehr Freier Verkehr Verkehrsstärke [Fz/h] Verkehrsdichte [Fz/km] Momentane Geschwindigkeit [km/h]
13 Freie Strecke - Fundamentaldiagramm (k, q) 5000 Verkehrsstärke [Fz/h] Verkehrsdichte [Fz/km]
14 CH: Mittlere Zusammenbruchwahrscheinlichkeit 10% Schwerverkehr: Quelle: Bernard und Axhausen (2009) S.13 P b 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 15-25% 5-15% 0-5% Auslastung: r 60 =Q 60 /C VSS 14
15 Big data im Verkehr: Das Versprechen 15
16 Das Versprechen Bei aktueller Erfassung aller Bewegungen (der Nutzer und der Fahrzeuge) und der Fahrtwünsche kann den Kunden das richtige Zeitfenster (slots) gezeigt oder zugeteilt werden und sofort die notwendigen Fahrscheine/zeuge reserviert oder verkauft werden
17 Makler als Umsetzer des Versprechens Slots in Fahrzeugen: Taxi: Uber, Lyft, Grab, (und jede Taxizentrale) Mitfahren: bla-bla-car (und jede Mitfahrzentrale) Lastern: gogovan (und jede Spedition) Fahrzeuge: alle carsharing Unternehmen ÖV und mehr: moovel, MaaS, etc. Slots im Netz: Dieser Markt ist im Verkehr noch nicht richtig da (Parkplatzreservierungssysteme) Telephonunternehmen
18 Die Erfassungstechnologien Querschnitt: Schleifen, Laser, RFID, SRMF, CCTV (Bilderkennung), Präsenz: (GPS+) GSM, Wifi, Blue tooth, CCTV, Waagen, Mikrophon Bewegung: (GPS+) GSM, Smartcards, verknüpfte Systeme: CCTV, Smartcards, Wifi, oder Bluetooth Fahrtwunsch: Einzelfahrschein, verknüpfte Reservierung, (QZ- Matrixschätzung)
19 Die Probleme der Erfassungstechnologien Vollständigkeit GPS, GSM, RFID, SRMF, Blue tooth, Wifi selektive Ausstattung der Personen und Fahrzeuge GPS, GSM, CCTV, Blue tooth, Wifi, RFID durch Verschattung Genauigkeit, z.b. Fehler in der Videoauswertung Eichung der Schleifen, Waagen Spiegelung der Signale durch Gebäude Nichtnutzung: Smartcards, Einzelfahrscheine, (Monatskarten)
20 Fahrtwunschimputation Unverknüpfte Daten: Nicht individualisiert: (Dynamische) OD Matrizen Verknüpfte Daten: Individualisierte Impution mit historischen Daten Problem: Über längere Zeit und entfernte Orte verknüpfte Daten verletzen die Datenschutzansprüche in Europa und anderenorts
21 Was hilft das bei
22 fehlenden slots für die Fahrtwünsche (Jakarta 2014) Source: globalindonesianvoices.com 22
23 Kurzfristige Lösungen Information über Alternativen vor Fahrtbeginn Fahrzeiten Verkehrsmittel Ziele Kurzfristig dynamische Preise: Zur räumlichen und/oder zeitlichen Verlagerung oder Unterdrückung des Fahrtwunsches (z.b. Uber: surge pricing) Verkehrsregelung: Lichtsignalanlagen Spursperrungen/öffnungen
24 Langfristige Lösungen Schaffung oder Vernichtung von slots Bessere Nutzung der vorhandenen Infrastruktur (LSA, AF, ETCS, usw.) Strassenraum Schieneninfrastruktur ÖV-Linien und deren Frequenz Mittelfristige dynamische Preise: Zur Verlagerung oder Unterdrückung des Fahrtwunsches (z.b. Singapur: ERP; SFpark für die Parkplätze) Statische Preise: Verkehrsmittelwahl oder Wahl der Fahrscheinklasse Fahrzeugbesitzsteuern (Zölle, Luxussteuern, COE (SG))
25 Bewertung und Verfügung über die Lösungen Kurzfristig ( min): Automatisierte Systeme Fixe (lokale) Zielfunktionen, die schnell messbar sind Zeithorizont 0.5 bis 30 (60) min Statistische Zusammenhänge ohne kausale Begründung Mittelfristig (Tag) Nutzergleichgewicht Systemoptimum Langfristig: Kosten-Nutzen-Analysen (Verhandelte) teure Zielfunktionen Zeithorizont bis zu 30 Jahre oder mehr Modelle mit kausalen Begründungen
26 Modelle für langfristige Prognosen
27 Agentenbasierte Simulation Singapores
28 Vereinfachtes Gesamtmodel tax income Income Productivity Number Pop, Firm tax car tax GA n car n GA Acc car Acc bus Acc rail fee car fee PT q car q bus q rail mmfd v car v bus v rail budget transport %cap car %cap bus%cap rail
29 Was wissen wir?
30 Erreichbarkeit und Produktivität: Schweiz Income Productivity Acc car Acc bus Acc rail
31 Bevölkerungserreichbarkeit mit dem ÖV: 2010 Axhausen et al., 2015
32 Räumliches Regressionsmodelle (nicht alle Variablen) Y: Ln mean salary Estimate Sig. Estimate Sig. Estimate Sig. Axhausen et al., 2015 Intercept 6.43*** 7.07 *** 6.89*** Ln car accessibility 0.01** 0.02 *** 0.01** Ln public transport accessibility 0.01** 0.01*** 0.01* Ln number of local employed 0.02 *** 0.01*** 0.01*** From outside Switzerland *** *** *** Average duration in-post 0.00 * 0.01 *** 0.01 *** Ln average age 0.36 *** 0.24 *** 0.32 *** Men 0.17 *** 0.07 *** 0.13 *** lamda parameter 0.33*** 0.41*** 0.40 *** Nagelkerke pseudo-r-squared # observations
33 Erreichbarkeit und Mobilitätswerkzeuge: Schweiz 2010 n car n GA Acc car Acc bus Acc rail
34 Schweiz: Besitz und Haushaltseinkommen
35 Schweiz: Besitz und Gesamterreichbarkeit
36 Fahrzeuge und Geschwindigkeiten q car MFD v car
37 3d MFD (Zürich, FCD & Schleifen) Stadtzentrum Loder et al., 2016
38 3d MFD (Zürich, FCD & Schleifen) Stadtzentrum Loder et al., 2016
39 (Big data) in den Modellen für die langfristigen Ansätze Volkszählung (auf Hektarraster) Lohnerhebung Gebäuderegister Netze Querschnitte: Schleifen, smart card Bewegungen: FCD, smart card, GSM Small data : Mikrozensen (Verkehrsverhalten, Zeitbudgettagebücher) Stated choice Experimente Natürliche Experimente im Netz oder Preissystem
40 Was könnte man machen?
41 Beobachtung der familiar strangers im ÖV
42 Sun et al., 2013 Anzahl Kontakte versus Nutzungshäufigkeit der Busse 42
43 Montag Sun,
44 Dienstag Sun,
45 ... Freitag Sun,
46 ... über die ganze Woche Sun,
47 Eine,kleine Welt in Singapurs Bussen Eine Komponente bis Mittwoch Durchmesser: 6 Pfadlänge: 2.95 (Zufallsgraph: 2.63) Quelle: Sun, et al Durchschnttlocher Clusteringkoefficient: 0.19 (Zufallsgraph: 4.5x10-4 ) Small-world Watts DJ & Strogatz SH (1998) Collective dynamics of small-world networks. Nature 393:
48 Zusammenfassung
49 Im Querschnitt oder wiederholte Querschnitte Big data erlaubt: Bessere Nutzung der bestehenden Kapazitäten Umsetzung von Knappheitspreise Höheres Bewusstsein der Gesellschaft Ihrer selbst Schnellere Erstellung der Modelle und ihre bessere Eichung 49
50 Im Längsschnitt Big data erlaubt: Bessere Imputation der Fahrtwünsche Bessere Imputation aller Konsumwünsche Erfassung der Privatsphäre durch Bewegungsbilder Kontaktmuster (Telephon, facebook, , etc.) Nutzungsmuster (Bücher, Zeitschriften, etc.) 50
51 Big data Ersetzt nicht Die Verhandlung über die gesellschaftlichen Zielfunktionen Die Verhandlung über die gesellschaftlichen Lösung 51
52 Fragen?
53 Appendix
54 Estimation of models Spatial error model full model Axhausen et al., 2015 Year 2000 Year 2005 Year 2010 Independent Variable: Ln mean salary Estimate Pr(> t ) Estimate Pr(> t ) Estimate Pr(> t ) Intercept *** *** *** Ln car accessibility ** *** ** Lnpublic transport accessibility ** *** * Ln number of local employed *** *** *** Commuter from outside Switzerland *** *** *** Short residence permit *** *** *** Average duration in-post * *** *** Ln average age *** *** *** Men *** *** *** Tertiary education *** *** *** Professional training *** *** *** Further vocational training *** *** *** Teaching degree ** *** *** Highschool diploma *** * ** Vocational training *** Positions with highest demands *** *** *** Positions with qualified indep. work *** *** *** Positions with professional skills *** *** *** Working (3rd sector) *** *** Working (other private sector) *** *** *** Working (manufacturing) *** *** *** Working (FIRE) *** *** Working (hotel, restaurants) *** *** *** lamda parameter *** *** *** AIC AIC ols Nagelkerke pseudo-r-squared Residuals' spatial autocorrelation OLS residuals' spatial autocorrelation *** *** *** # observations Signif. codes: 0 *** ** 0.01 *
55 Model formulation 1/2 Choice environment Case Choice Probability 1 None P + = Φ / ( x + β + ; x / β / ;Ρ / ) 2 Car & no ticket P / = Φ / ( x + β + ;x / β / ;Ρ / ) 3 Car & local ticket P ) = Φ ) (x + β + ;x / β / x ) β ) ;Ρ ) ) 4 Car & GA P F = Φ ) (x + β + ;x / β / ;x ) β ) ;Ρ ) ) 5 No car & local ticket P F = Φ ) (x + β + ; x / β / ; x ) β ) ;Ρ ) ) 6 No car & GA P G = Φ ) (x + β + ; x / β / ;x ) β ) ;Ρ ) ) Likelihood function x AB L(α) = δ ' φ ) β + x- +, β / x- /, β ) x- ) ;P 3 dx5 + 1 δ x low x up : φ / β + x- +,β / x- / ;P 2 dx5 x low Estimation method: Maximum simulated likelihood in Stata using Newton Raphson technique Using draws to compute the integral
56 Model formulation 2/2 δ Φ H φ H β Sample selection dummy, equal to 1 if observation holds season ticket N-dimensional cumulative distribution function of the normal distribution N-dimensional probability density function of the normal distribution Parameters of the model Σ Symmetric correlation matrix with typical elements ρ KL and ρ KK = 1. The same correlations appear in both Σ / and Σ ) by using their Cholesky decomposition and estimating the Cholesky factors in the model α x NO,PQR Parameter vector to be estimated that contains all β and Cholesky factors of Σ Upper and lower limits of integration domain, determined by values of each observation
57 Switzerland: Ownership models (1/2) Seasonticket owner Car available Age *** *** Age squared *** *** Male *** *** Working *** *** University level education *** ** Log of monthly household income *** *** Center of agglomeration *** *** Constant ***
58 Switzerland: Ownership models (2/2) Seasonticket owner Car available Local access to public transport: E *** *** Local access to public transport: D *** *** Local access to public transport: C *** *** Local access to public transport: B *** *** General accessibility *** *** Surplus public transport acc *** *** Surplus workplace accessibility *** ***
59 Switzerland: GA given season ticket (2/2) General abonnement Secondary residence *** Log of monthly household income *** Self-reported distance [1000km] *** Constant *** Error correlations Car available GA Season ticket Car available -0.24
Bevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Axhausen, K.W. (2016) Welche Wege vorwärts?, Vortrag bei der Regionalplanung Zürich und Umgebung (RZU), Zürich, November 2016. Welche Wege vorwärts? KW Axhausen
MehrBevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Axhausen, K.W. (2017) Ansätze zur Modellierung des Verkehrsverhaltens, Plenarvortrag bei der Statistischen Woche 2017 der Deutsche Statistische Gesellschaft, Rostock,
MehrLagrange Principle and Boltzmann Distribution of Wealth
Jürgen Mimkes, Physics Department, Paderborn University, Germany Geoffrey M. Willis, S. Elmsall, W. Yorkshire, UK Coworkers: Mario Hillebrand, Christian Denk, Thorsten Fründ, Stefan Kallerhoff Jürgen Mimkes,
MehrBevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Axhausen, K.W. (2004) Mobilität der Zukunft - Zukunft der Mobilität, Vortrag, Swiss Mobility Day, Bern, Juni 2004. 1 Mobilität der Zukunft - Zukunft der Mobilität
MehrBeispiel 5 (Einige Aufgaben zur Cobb-Douglas-Produktionsfunktion)
Beispiel 5 (Einige Aufgaben zur Cobb-Douglas-Produktionsfunktion) Aufgabe (Die Schätzung der CD) Source: M.D. Intriligator: Econometric Models, Techniques and Applications, North Holland, Amsterdam 978
MehrBayesian updating in natural hazard risk assessment
International Forum on Engineering Decision Making, Third IFED Forum, Shoal Bay, Australia, 12-15 15 December 2007 1/23 Bayesian updating in natural hazard risk assessment Mathias Graf, Kazuyoshi Nishijima,
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrGeostatistics for modeling of soil spatial variability in Adapazari, Turkey
1 Geostatistics for modeling of soil spatial variability in Adapazari, Turkey Jack W. Baker Michael H. Faber (IBK) ETH - Zürich 2 Practical evaluation of liquefaction occurrence Obtained from empirical
MehrLevel of service estimation at traffic signals based on innovative traffic data services and collection techniques
Level of service estimation at traffic signals based on innovative traffic data services and collection techniques Authors: Steffen Axer, Jannis Rohde, Bernhard Friedrich Network-wide LOS estimation at
MehrContaminant Mass Discharge Estimation in Groundwater Based on Multi-Level Well Data. Evaluation of Expected Errors. Markus Kübert, Michael Finkel
Contaminant Mass Discharge Estimation in Groundwater Based on Multi-Level Well Data Evaluation of Expected Errors Markus Kübert, Michael Finkel Center for Applied Geoscience, University of Tübingen Decision-Support
Mehriid N(0, σ 2 ), b i, ε ij unabhängig i, j
Aufgabe 2 Betrachten Sie erneut den Datensatz zum Blutdruck. Als Signifikanzniveau wird in dieser Aufgabe α = 5% verwendet. (a) Fitten Sie folgendes Modell in R, wobei gender i = 0, falls Person i weiblich
MehrParametric Spectral Estimation
Parametric Spectral Estimation Exercises for Digital Signal Processing II Exercise 2.3.26 Stefan Goetze / Volker Mildner Infos about the examination Diploma students: Oral examinations on March, 29 th.-
MehrBevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Becker, H. (2016) Verkehrsplanung für das Zeitalter des Autonomen Fahrens, Vortrag, Generalversammlung VöV, Lugano, September 2016. 1 Verkehrsplanung für das Zeitalter
MehrFRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1
FRAGESTUNDE Dr. Christian Schwarz 1 #2 - Allgemein Q: Müssen wir den Standard Error händisch berechnen können? R: Nein. Q: Hat das Monte Carlo Experiment irgendeine Bedeutung für uns im Hinblick auf die
MehrBevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Axhausen, K.W. (2016) Autonome Fahrzeuge: Erste Überlegungen, Vortrag, Sommerakademie der Studienstiftung, Magliaso, September 2016. 1 Autonome Fahrzeuge: Erste
MehrDer Einfluss des Benzinverbrauchs auf die Wertminderung von Gebrauchtwagen
Der Einfluss des Benzinverbrauchs auf die Wertminderung von Gebrauchtwagen Konferenz Verkehrsökonomik und politik, Berlin, 11. Juni 2015 Alex Kihm Colin Vance Hintergrund Zwischen 2007 und 2014 erlebte
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrGPS-Daten und Mobilitätsforschung Exploring the potentials of automatically collected GPS data for travel behaviour analysis - A Swedish data source
GPS-Daten und Mobilitätsforschung Exploring the potentials of automatically collected GPS data for travel behaviour analysis - A Swedish data source Stefan Schönfelder, K.W. Axhausen, N. Antille und M.
MehrEin universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt
Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Joachim Gerß joachim.gerss@ukmuenster.de Institute of Biostatistics and Clinical Research Overview 1.
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
MehrEmpirische Wirtschaftsforschung in R
Empirische Wirtschaftsforschung in R Schätzung der keynesianischen Geldnachfragefunktion auf Basis von Daten der dänischen Volkswirtschaft Jonas Richter-Dumke Universität Rostock, Institut für Volkswirtschaftslehre
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrIntroduction FEM, 1D-Example
Introduction FEM, D-Example /home/lehre/vl-mhs-/inhalt/cover_sheet.tex. p./22 Table of contents D Example - Finite Element Method. D Setup Geometry 2. Governing equation 3. General Derivation of Finite
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
Mehr4 Grundsätzliche Überlegungen zur Geschwindigkeit
4-1 4 Grundsätzliche Überlegungen zur Geschwindigkeit Im Verkehrswesen stellt die Geschwindigkeit bzw. die Reisezeit eine zentrale Größe dar. Sie gilt dabei gewöhnlich als objektiv messbare, physikalische
Mehr6.4 Kointegration Definition
6.4 Kointegration 6.4.1 Definition Nach Engle und Granger (1987): Wenn zwei oder mehrere Variablen I(1) sind, eine Linearkombination davon jedoch I() ist, dann sind die Variablen kointegriert. Allgemein:
MehrWorkshop Aktuelle Entwicklungen bei der Auswertung von Fernerkundungsdaten für forstliche Aufgabenstellungen
Workshop Aktuelle Entwicklungen bei der Auswertung von Fernerkundungsdaten für forstliche Aufgabenstellungen Schätzung von Holzvorräten und Baumartenanteilen mittels Wahrscheinlichkeitsmodellen Haruth
MehrKURS EINFÜHRUNG IN DIE ABSCHÄTZUNG UND PROGNOSE DER VERKEHRSNACHFRAGE. 13.-15. Oktober 2010 25.-26. November 2010
KURS EINFÜHRUNG IN DIE ABSCHÄTZUNG UND PROGNOSE DER VERKEHRSNACHFRAGE 13.-15. Oktober 2010 25.-26. November 2010 ETH Hönggerberg Gebäude HIL 8093 Zürich Einführung in die Abschätzung und Prognose der Verkehrsnachfrage
MehrA closer look at the M/G/R PS model for TCP traffic
A closer look at the M/G/R PS model for TCP traffic July 23, 2001 Institute of Communication etworks Munich University of Technology 1 Outline Simulation Scenario Sojourn Time Formulas Investigated Scenarios
MehrHidden Markov Model ein Beispiel
Hidden Markov Model ein Beispiel Gegeben: Folge von Beobachtungen O = o 1,..., o n = nass, nass, trocken, nass, trocken Menge möglicher Systemzustände: Z = {Sonne, Regen} Beobachtungswahrscheinlichkeiten:
MehrOpen queueing network model of a computer system: completed jobs
E Queueing Networks E Queueing Networks Open queueing network model of a computer system: Stream of new jobs Disk CPU Printer Stream of completed jobs Magnetic Tape E.164 E Queueing Networks "Central-Server-Model
MehrLogistische Regression
Logistische Regression Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Logistische Regression Beispiel 1: Herzerkrankungsdaten aus Framingham Log Odds Modell Beispiel 1: Einfluss von Blutdruck Maximum
MehrWirtschaftlichkeit. VeloCity Vienna. Speakers: Bernhard Fink, MVV, Markus Schildhauer, ADFC. ADFC-MVV folding bike
ADFC-MVV folding bike VeloCity Vienna Speakers: Bernhard Fink, MVV, Markus Schildhauer, ADFC ADFC-MVV folding bike 14.06.2013 Folie: 1 The use of Wirtschaftlichkeit bike and public transport is very environmental
MehrFEM Isoparametric Concept
FEM Isoparametric Concept home/lehre/vl-mhs--e/cover_sheet.tex. p./26 Table of contents. Interpolation Functions for the Finite Elements 2. Finite Element Types 3. Geometry 4. Interpolation Approach Function
MehrAccreditation of Prior Learning in Austria
Accreditation of Prior Learning in Austria Birgit Lenger ibw Institut für Bildungsforschung der Wirtschaft Institute for Research on Qualifications and Training of the Austrian Economy October, 2009 TOPICS
MehrSBB-Studie: Benzinpreis und Bahnnutzung. Claude Weis. Kay W. Axhausen
SBB-Studie: Benzinpreis und Bahnnutzung Claude Weis Kay W. Axhausen Travel Survey Metadata Series 39 June 2013 Travel Survey Metadata Series SBB Studie: Benzinpreis und Bahnnutzung Claude Weis IVT, ETH
MehrAir-Sea Gas Transfer: Schmidt Number Dependency and Intermittency
Air-Sea Gas Transfer: Schmidt Number Dependency and Intermittency Bernd Jähne, Reinhard Nielsen, Christopher Pop, Uwe Schimpf, and Christoph Garbe Interdisziplinäres Zentrum für Wissenschaftliches Rechnen
MehrChoice Based Airline Revenue Management Modeling with Flexible Substitution Patterns
Choice Based Airline Revenue Management Modeling with Flexible Substitution Patterns Frauke Seidel -EURO2013Rome- 03.07.2013 Frauke Seidel CBARM 03.07.2013 1/1 Content Frauke Seidel CBARM 03.07.2013 2/1
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
MehrGRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem
GRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem GIS based risk assessment and incident preparation system Gregor Lämmel TU Berlin GRIPS joined research project TraffGo HT GmbH Rupprecht
MehrVocational Education and Training (VET) in Switzerland and Schaffhausen
Presentation at Information Event February 18, 2015 Karin Baumer, Office for Vocational Education and Training Vocational Education and Training (VET) in Switzerland and Schaffhausen Seite 1 Commercial
MehrFundamentale Matrix: 8-Punkte Algorithmus
Übungen zu Struktur aus Bewegung Arbeitsgruppe Aktives Sehen Sommersemester 2003 Prof. Dr-Ing. D. Paulus / S. Bouattour Übungsblatt 5 Fundamentale Matrix: 8-Punkte Algorithmus Gegeben sei eine Menge von
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
MehrWakefield computation of PETRAIII taper section Laura Lünzer
Wakefield computation of PETRAIII taper section Laura Lünzer 16. Dezember 2011 TU Darmstadt Fachbereich 18 Institut Theorie Elektromagnetischer Felder Laura Lünzer Geometry of tapered structure Undulator
MehrIntroduction FEM, 1D-Example
Introduction FEM, 1D-Example home/lehre/vl-mhs-1-e/folien/vorlesung/3_fem_intro/cover_sheet.tex page 1 of 25. p.1/25 Table of contents 1D Example - Finite Element Method 1. 1D Setup Geometry 2. Governing
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrSummary Details for Performance, Duration and Acoustic Measurements for the. Aircon 10S Wind Turbine. UK MCS Certification Summary
Summary Details for Performance, Duration and Acoustic Measurements for the Aircon 10S Wind Turbine UK MCS Certification Summary Certificate Number MCS TUV0007 Small Wind Turbine Certification Summary
Mehra) Name and draw three typical input signals used in control technique.
12 minutes Page 1 LAST NAME FIRST NAME MATRIKEL-NO. Problem 1 (2 points each) a) Name and draw three typical input signals used in control technique. b) What is a weight function? c) Define the eigen value
MehrDas Lineare Regressionsmodell
Das Lineare Regressionsmodell Bivariates Regressionsmodell Verbrauch eines Pkw hängt vom Gewicht des Fahrzeugs ab Hypothese / Theorie: Je schwerer ein Auto, desto mehr wird es verbrauchen Annahme eines
MehrLS Kopplung. = a ij l i l j. W li l j. = b ij s i s j. = c ii l i s i. W li s j J = L + S. L = l i L = L(L + 1) J = J(J + 1) S = s i S = S(S + 1)
LS Kopplung in many electron systems there are many li and si the coupling to for total momentum J depends on the energetic ordering of the interactions orbital momenta interaction W li l j = a ij l i
MehrDienstleistungsmanagement Übung 5
Dienstleistungsmanagement Übung 5 Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Economics Information and Service Systems (ISS) Saarland University, Saarbrücken, Germany Besprechung Übungsblatt 4 Slide
MehrFinanzierung betriebsspezifischer vs. allgemeiner Qualifizierung
4.4.2 (1) Finanzierung betriebsspezifischer vs. allgemeiner Qualifizierung Expected annual earnings Post-training level of output D A 1 X 3 B G 2 E C Marginal product in job B Marginal product in job A
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
MehrNewest Generation of the BS2 Corrosion/Warning and Measurement System
Newest Generation of the BS2 Corrosion/Warning and Measurement System BS2 System Description: BS2 CorroDec 2G is a cable and energyless system module range for detecting corrosion, humidity and prevailing
MehrUnkomplizierter Hotelservice, herzliche Aufmerksamkeit und lokale Gastgeber. Uncomplicated hotel service with attentive, warm-hearted, local hosts
Unkomplizierter Hotelservice, herzliche Aufmerksamkeit und lokale Gastgeber Uncomplicated hotel service with attentive, warm-hearted, local hosts BESONDERHEITEN Meetingräume im neuen Easy Design smart,
MehrBerlin Demography Forum, March 18-20, Demography Compass
Berlin Demography Forum, March 18-20, 2015 Demography Compass In addition to the panel discussions, the Berlin Demography Forum wants to contribute some original insights. It has developed a set of indicators
MehrCausal Analysis in Population Studies
Causal Analysis in Population Studies Prof. Dr. Henriette Engelhardt Prof. Dr. Alexia Prskawetz Randomized experiments and observational studies for causal inference inference Historical dichotomy between
MehrCycling. and / or Trams
Cycling and / or Trams Experiences from Bern, Switzerland Roland Pfeiffer, Departement for cycling traffic, City of Bern Seite 1 A few words about Bern Seite 2 A few words about Bern Capital of Switzerland
MehrTeil 1: Verkehrsplanung
ALLGEMEINE VORGABEN BITTE GEBEN SIE, WENN NICHT ANGEGEBEN, ALLE EINHEITEN MIT AN UND SCHREIBEN SIE IHRE ERGEBNISSE NUR IN DIE FREIEN FELDER. BEACHTEN SIE, DASS NICHT ALLE ZWISCHENSCHRITTE AUF DEN SBLÄTTERN
MehrDigitales Zürich. Gerhard Schmitt ETH Zürich, Singapore-ETH Centre SEC 5. Juli Gerhard Schmitt. Information Architecture. 5.
Digitales Zürich ETH Zürich, Singapore-ETH Centre SEC 5. Juli 2016 5. Juli 2016 1 Was ist eine intelligente Stadt der Zukunft? Smart People Smart City Responsive City Big Data in der Stadtplanung: Gebäude,
MehrA parameterised 3D-Structure-Model for the state of Bremen (Germany)
A parameterised 3D-Structure-Model for the state of Bremen (Germany) An application for detailled groundwater flow and transport studies Bremen Geography and Geology 3 Bremen Geography and Geology 4 Structual
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrJan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008
Ermittlung dynamischer Fahrzeiten für die City-Logistik Jan Ehmke Doktorandenworkshop 2008 St. Andreasberg, 10.03.2008 Inhalt Einführung Planung in der City-Logistik Erhebung dynamischer Fahrzeiten Konzeption
Mehr1 Gliederung Zeitreihenökonometrie. Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09. Dr. Sylvia Kaufmann.
Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09 Dr Sylvia Kaufmann Februar 2009 Angewandte Ökonometrie, Sylvia Kaufmann, FS09 1 1 Gliederung Zeitreihenökonometrie Einführung
MehrEuropean Qualification Strategies in Information and Communications Technology (ICT)
European Qualification Strategies in Information and Communications Technology (ICT) Towards a European (reference) ICT Skills and Qualification Framework Results and Recommendations from the Leornardo-da-Vinci-II
MehrEingebettete Taktübertragung auf Speicherbussen
Eingebettete Taktübertragung auf Speicherbussen Johannes Reichart Workshop Hochgeschwindigkeitsschnittstellen Stuttgart, 07.11.2008 Unterstützt durch: Qimonda AG, München Institut für Prof. Elektrische
MehrPrognoseintervalle für y 0 gegeben x 0
10 Lineare Regression Punkt- und Intervallprognosen 10.5 Prognoseintervalle für y 0 gegeben x 0 Intervallprognosen für y 0 zur Vertrauenswahrscheinlichkeit 1 α erhält man also analog zu den Intervallprognosen
MehrOrdinale abhängige Variablen. Einführung Regressionsmodelle für ordinale Variablen Empirisches Beispiel Ausblick
Kap. 6: Ordinale abhängige Variablen Einführung Regressionsmodelle für ordinale Variablen Empirisches Beispiel Ausblick 6.1 Einführung Typische ökonomische Beispiele für ordinale abhängige Variablen: Bildungsniveau
MehrPunktschätzer Optimalitätskonzepte
Kapitel 1 Punktschätzer Optimalitätskonzepte Sei ein statistisches Modell gegeben: M, A, P ϑ Sei eine Funktion des Parameters ϑ gegeben, γ : Θ G, mit irgendeiner Menge G, und sei noch eine Sigma-Algebra
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Das Programmpaket R Installierung und Pakete R als Taschenrechner Laden von Datensätzen und Einlesen von Daten Hilfe und Dokumentation Einfaches Datenmanagement Univariate
MehrData Mining and Data Analysis using the Example of cross-border Traffic Management during Extreme Weather Events
Data Mining and Data Analysis using the Example of cross-border Traffic Management during Extreme Weather Events Dipl.-Ing. Marc Hohloch Extreme Weather Events and the Impact for Mobility of Rescue Forces
MehrBeispiel: Wer gewinnt die Bundestagswahl
Beispiel: Wer gewinnt die Bundestagswahl Literatur: Helmut Norpth und Thomas Gschwend: The chancellor model: Forecasting German elections. International Journal of Forecasting 26 (2010) 42-53. Prognosemodell
MehrAnwendungen agentenbasierter Verkehrsmodelle
17. März 2016, IVT ETH Zürich, Verkehrsingenieurtag 2016 Anwendungen agentenbasierter Verkehrsmodelle Marcel Rieser Senozon AG rieser@senozon.com Agentenbasierte Verkehrsmodelle 2 Nachfragemodellierung
MehrAutonomes Fahren Technologien und Chancen
Shaping the future Autonomes Fahren Technologien und Chancen Roland Siegwart, ETH Zurich www.asl.ethz.ch www.wysszurich.ch ETH, Januar 31, 2017 Roland Siegwart 31.01.2017 1 Mobilität der Puls unserer Gesellschaft
MehrProposal for Belt Anchorage Points
Proposal for Belt Anchorage Points Heiko Johannsen Johannes Holtz Page 1 NPACS Belt Anchorage Points Positions acquired based on car measurements Front seats In most rear position Rear seats Upper Fwd
MehrWenn die Nachfrage des Arbeitgebers doch einen Einfluss
3.2. Mindestlöhne Wenn die Nachfrage des Arbeitgebers keinen Einfluss auf den Lohn ausübt (Fall sog. "vollkommener" bzw. vollständiger Konkurrenz), dann senkt ein Mindestlohn oberhalb des Gleichgewichtslohns
MehrInvestigation of Performance Gain in n Systems due to Antenna Switching Using Simulated Radiation Patterns
Investigation of Performance Gain in 80.n Systems due to Antenna Switching Using Simulated Radiation Patterns D. Kornek, H. Rabe, S.K. Hampel, O. Schmitz, G. Armbrecht, I. Rolfes Institut für Hochfrequenztechnik
MehrExtended Petri Nets for. Systems Biology. LFE Practical Informatics and Bioinformatics. Department Institut für Informatik.
Extended Petri Nets for Systems Biology Selina Sommer LFE Practical Informatics and Bioinformatics Department Institut für Informatik Outline Extended Petri nets for the simulation of network dynamics
MehrAS Path-Prepending in the Internet And Its Impact on Routing Decisions
(SEP) Its Impact on Routing Decisions Zhi Qi ytqz@mytum.de Advisor: Wolfgang Mühlbauer Lehrstuhl für Netzwerkarchitekturen Background Motivation BGP -> core routing protocol BGP relies on policy routing
MehrThe Intelligent-Driver Model with Stochasticity:
The Intelligent-Driver Model with Stochasticity: New Insights into Traffic Flow Oscillations TU Dresden ISTTT 22, Chicago. July 2017 1 1 Overview Ø Traffic Flow Oscillations: Empirical Facts - Stationary
MehrSimulation of Longitudinal Beam Dynamics
Fachgebiet Theoretische Elektrotechnik und Numerische Feldberechnung PD Dr. Markus Clemens DESY Beam Dynamics Meeting Simulation of Longitudinal Beam Dynamics, Markus Clemens Chair for Theory in Electrical
MehrVerkehrsplanung (Verkehr I)
Vorname: Legi-Nr.: Unterschrift: Aufgabe Mögliche Punkte Erreichte Punkte 1 11 2 11 3 12 4 14 5 12 Total 60 Prüfung Verkehrsplanung (Verkehr I) Hinweise: Es sind alle Aufgaben und Fragen zu lösen / beantworten.
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrFIVNAT-CH. Annual report 2002
FIVNAT-CH Schweizerische Gesellschaft für Reproduktionsmedizin Annual report 2002 Date of analysis 15.01.2004 Source: FileMaker Pro files FIVNAT_CYC.FP5 and FIVNAT_PAT.FP5 SUMMARY TABLE SUMMARY RESULTS
MehrJoining weed survey datasets for analyses on a European scale a proposal
Joining weed survey datasets for analyses on a European scale a proposal Jana Bürger Bärbel Gerowitt Crop Health, University Rostock, Germany European Weed Research Society WG Meeting Weeds and Biodiversity
MehrEuropean IAIDO Summer Seminar 2015 Germany 15th 17th August
European IAIDO Summer Seminar 2015 Germany 15th 17th August We are proud to present a European IAIDO Summer Seminar with Morita Sensei and Oshita Sensei in Augsburg, Germany. We invite all Iaidoka regardless
MehrZufällige stabile Prozesse und stabile stochastische Integrale. Stochastikseminar, Dezember 2011
Zufällige stabile Prozesse und stabile stochastische Integrale Stochastikseminar, Dezember 2011 2 Stabile Prozesse Dezember 2011 Stabile stochastische Prozesse - Definition Stabile Integrale α-stabile
Mehrauf differentiellen Leitungen
Eingebettete Taktübertragung auf differentiellen Leitungen Johannes Reichart Kleinheubacher Tagung Miltenberg, 28.09.2009 Institut für Prof. Elektrische Dr.-Ing. und Optische Manfred Nachrichtentechnik
MehrLösung - Übungsblatt 10
Lösung - Übungsblatt 10 Aufgabe 2: Siehe Outputfile Aufgabe 2 a) Regressionsgleichung - Equation 1: price = β 1 + β 2 lotsize + β 3 sqrft + β 4 bdrms + u i Fit: price = β 1 + β 2 lotsize + β 3 sqrft +
MehrMehrfache und polynomiale Regression
Mehrfache und polynomiale Regression Kriteria für die Durchführung einer Regression Jonathan Harrington Bitte datasets.zip (unter 5.5, Tabellarische Daten) neu herunterladen und in pfad auspacken Einfache
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrPoisson Regression. Verallgemeinerte Lineare Modelle (GLMs)
Poisson Regression Verallgemeinerte Lineare Modelle (GLMs) 28.11.2011 Poisson Regression Aus der Einführungsvorlesung Poisson-Verteilung ist in der Regel gut geeignet, um Anzahlen zu modellieren. Frage
MehrTauchen mit Übergewicht (Adipositas)
Tauchen mit Übergewicht (Adipositas) Dr. med. Bernd Winkler Universitätsklinikum Ulm Klinik für Anästhesiologie Sektion Notfallmedizin Adipositas - Einteilung 27.02.2012 Tauchen bei Adipositas 2 Adipositas
MehrDGFI part of project PN 5: status report
Deutsches Geodätisches Forschungsinstitut (DGFI-TUM) Technische Universität München DGFI part of project PN 5: status report Ralf Schmid, Mathis Bloßfeld, Michael Gerstl, Detlef Angermann Deutsches Geodätisches
MehrPilot project: Social firm gadplus
Pilot project: Social firm gadplus Context Canton of Berne 1 001 281 inhabitants 46 418 welfare recipients Of these, 40 % foreigners 4.6 % proportion of social welfare 10 000 unemployed (approx.) Organisation
MehrModul 1: Verkehr und Verkehrsplanung Theoretische Ansätze und Modelle
Modul 1: Verkehr und Verkehrsplanung Theoretische Ansätze und Modelle Programm Kay W. Axhausen Markus Friedrich Raphael Fuhrer DAS Verkehrsingenieurwesen Oktober 2015 DAS Verkehrsingenieurwesen Modul 1:
MehrBevorzugter Zitierstil für diesen Vortrag
Bevorzugter Zitierstil für diesen Vortrag Bösch, P.M. (2016) Kapazitätsauswirkungen vollautonomer Fahrzeuge in der Schweiz, 26. PTV Traffic Anwenderseminar, Karlsruhe, Oktober 2016. 1 Kapazitätsauswirkungen
Mehr