Smart cities

25 maart 2019

Interactie tussen branches

Door het aanbieden van activiteiten tussen de branches wordt leden meerwaarde van het lidmaatschap geboden. Wij brengen bedrijven uit verschillende FHI-branches bij elkaar en stimuleren de samenwerking. Zo ontstaan er nieuwe netwerken, nieuwe kansen en wordt de verzuiling doorbroken.

Bijna overal in Europa is de publieke overheid bezig met de ontwikkeling van Smart City-concepten. We koppelen de data van sensoren, camera’s en social media aan elkaar in grote datacenters en vergroten hiermee de veiligheid, de voorspelbaarheid en verminderen energieverbruik en opstoppingen. Klinkt allemaal simpel en positief. Toch is het niet altijd wat het lijkt. Hoe kom je van een smart building tot een smart city? En hoe slim moet een smart building eigenlijk zijn? Waar zitten de uitdagingen en waar moet je beginnen?

Welkom bij de bijeenkomst waarbij we dieper ingaan op het onderwerp smart cities!

We zetten de deuren van FHI open voor leden van FHI en gemeenten. We zoomen in op wat er speelt. Waar liggen de kansen en de uitdagingen? Waar kunnen we aansluiting op elkaar vinden?
Schuif aan bij de bijeenkomst om een inkijkje te krijgen in de wetenschappelijke wereld van data science als ondersteuning voor smart cities!

Programma

14:00	Ontvangst
14:30	Introductieronde en verwachtingen
15:00	Lezing door Edwin Koose over Smart Buildings
15:30	Pauze
16:00	Lezing door Graydon over voorspelmodellen
16:30	Interactie tussen de branches
17:15	Borrel

Locatie: FHI, Leusderend 12 in Leusden

Oeps! We konden je formulier niet vinden.

Lukt het niet om aan te melden of ontvangt u geen automatische bevestiging van de registratie?
Stuur een mailtje aan Leonie van der Smeede.

Edwin Koose
Directeur Ventus IT Professionals en Business Analyst Smart Building TU Delft

Vanuit de TU Delft directie ICT is Edwin de linking pin tussen de directies Vastgoed en ICT. Zijn input bestaat uit het toepassen van aanwezige kennis en ICT diensten, maar zeer zeker ook uit het opvullen van ontbrekende kennis en diensten op het gebied van “Smart Building”. Veel van het werk van Edwin bestaat uit het in kaart brengen van vastgoedprojecten, het bekendmaken van deze projecten binnen ICT, ICT afdelingen betrekken bij vastgoedprojecten en beide disciplines laten samenwerken, het bewaken van voortgang en uiteraard actief meeschrijven met programma’s van eisen (PvE) / een Cookbook.

Het toepassen van “Smart Building” functionaliteiten dienen te leiden tot substantiële reductie van de operationele kosten (energie, onderhoud, schoonmaak, etc.) alsmede het verbeteren en ondersteunen van het onderwijs en onderzoek in de meest brede zin.

In een Smart Building/Campus zijn alle technologie en alle omgevingsfactoren afgestemd op de student, werknemer of bezoeker en de bijbehorende activiteiten die in het gebouw worden ontplooid. Vanaf de parkeerplaats tot een ontvangstruimte en van de individuele werkplek tot aan de college-/vergaderzalen denkt het gebouw mee, leert, stimuleert en verzamelt een enorme hoeveelheid gegevens die gebruikt kunnen worden om processen te optimaliseren, fouten te verminderen en de gebruikservaring te verbeteren.

De gebouwgebonden installaties, gebruikersinstallaties en ICT dienen de student/gebruiker dus integraal te ondersteunen in de werkzaamheden op én activiteiten buiten de werkplek. De gebouwgebonden installaties & ICT dienen hieraan ondersteunend te zijn. De ambities op het gebied van een intelligent gebouw dienen ook gekoppeld te zijn aan de duurzaamheidsambities van de TU Delft. Integratie van systemen mogen de beschikbaarheid, betrouwbaarheid en exclusiviteit van het netwerk daarom voor de gebruiker niet negatief of ongewenst beïnvloeden.

Graydon over nieuwe data science-technieken voor preciezere voorspellingen

Wat zijn goede indicatoren voor de verhuizing van een bedrijf? Hoe voorspel je groei? Tot nu toe zijn er alleen aannames hierover, maar er is geen echte blauwdruk voor. Data-wetenschappers ontwikkelen voorspelmodellen op basis van big data. Daarnaast worden de nieuwste inzichten en toepassingen voor gegevenswetenschap gebruikt om de voorspellende kracht van beschikbare bedrijfsmodellen te verbeteren.

Wanneer je iets doet dat niemand eerder heeft geprobeerd, kom je vaak moeilijkheden tegen, zo goed, niemand heeft het ooit eerder gezien!

Tijdens deze lezing zullen we je door de gegevens, de modellering, de problemen (en oplossingen!) leiden om voor verschillende soorten bedrijven de kans te voorspellen om van de ene plaats naar de andere te gaan. Voor dit gebruik hebben we 10 jaar aan gegevens geanalyseerd voor twee miljoen bedrijven met ongeveer 100 descriptors / functies en een mooi voorspellend model geproduceerd met behulp van willekeurig forest in het Google Cloud Platform.