Datenmanagement und Visualisierung von Unfalldaten: Unterschied zwischen den Versionen

Aus Kompetenzportal
Wechseln zu: Navigation, Suche
 
 
(5 dazwischenliegende Versionen von 3 Benutzern werden nicht angezeigt)
Zeile 3: Zeile 3:
 
|Projektbeginn=2006/03/01
 
|Projektbeginn=2006/03/01
 
|Projektabschluss=2008/12/31
 
|Projektabschluss=2008/12/31
|Projektpartner=Zusammenarbeit Extern: fiv - Forschungsinstitut für Verkehrssicherheit GmbH
+
|Projektpartner=fiv - Forschungsinstitut für Verkehrssicherheit GmbH
|Mittelgeber=Private Wirtschaft/Forschungsinstitut für Verkehrssicherheit FIV GmbH (Auftragsforschung)
+
|Mittelgeber=Private Wirtschaft, Forschungsinstitut für Verkehrssicherheit (FIV) GmbH
 
|Fakultät=Fakultät für Wirtschaftswissenschaften
 
|Fakultät=Fakultät für Wirtschaftswissenschaften
 
|Hyperlink=http://www.wi.hs-wismar.de/~steffan/fiv.html, http://www.uni-rostock.de/forschun/transfer/lta/2006_3/LTA_3_2006.pdf
 
|Hyperlink=http://www.wi.hs-wismar.de/~steffan/fiv.html, http://www.uni-rostock.de/forschun/transfer/lta/2006_3/LTA_3_2006.pdf
 
|Projektinhalt=Durch ein spezielles Risikodecoding können bis zu 90% der schweren Unfälle vermieden werden. Das relationale Datenmodell entspricht weitgehend dem Konzept eines Data Warehouse, wobei die Bestimmung der Risikopotenziale als Datenaggregation angesehen werden kann. Generische Strukturen ermöglichen eine überregionale Anwendung des Verfahrens. Ziel ist die Anbindung an kartografische Datenbanken mobiler Navigationsgeräte. Dazu wird an einem automatisierten Verfahren zur Integration der streckenbezogenen Risikoinformation gearbeitet. Die alphanumerischen Merkmalssequenzen werden durch die Arbeitsgruppe KIWI – Künstliche Intelligenz in der Wirtschaftsinformatik analysiert. <br>
 
|Projektinhalt=Durch ein spezielles Risikodecoding können bis zu 90% der schweren Unfälle vermieden werden. Das relationale Datenmodell entspricht weitgehend dem Konzept eines Data Warehouse, wobei die Bestimmung der Risikopotenziale als Datenaggregation angesehen werden kann. Generische Strukturen ermöglichen eine überregionale Anwendung des Verfahrens. Ziel ist die Anbindung an kartografische Datenbanken mobiler Navigationsgeräte. Dazu wird an einem automatisierten Verfahren zur Integration der streckenbezogenen Risikoinformation gearbeitet. Die alphanumerischen Merkmalssequenzen werden durch die Arbeitsgruppe KIWI – Künstliche Intelligenz in der Wirtschaftsinformatik analysiert. <br>
Ziel ist es, Scores und Risikoklassen für Unfälle vorherzusagen.<br>
+
Ziel ist es, Scores und Risikoklassen für Unfälle vorherzusagen. <br>
 
'''Forschungsschwerpunkt:''' IT-Systeme und Medien
 
'''Forschungsschwerpunkt:''' IT-Systeme und Medien
 
}}
 
}}

Aktuelle Version vom 8. Dezember 2010, 16:36 Uhr

Datenmanagement und Visualisierung von Unfalldaten
Projektleitung Rüdiger Steffan , Prof. Dr.-Ing.
Kürzel
Projektbeginn 01. März 2006
Projektabschluss 31. Dezember 2008
Projektpartner fiv - Forschungsinstitut für Verkehrssicherheit GmbH
Projektbeteiligte
Projektmittel
Mittelgeber Private Wirtschaft, Forschungsinstitut für Verkehrssicherheit (FIV) GmbH
Fakultät(en) Fakultät für Wirtschaftswissenschaften
Forschungsschwerpunkte(e)
Hyperlink http://www.wi.hs-wismar.de/~steffan/fiv.html, http://www.uni-rostock.de/forschun/transfer/lta/2006_3/LTA_3_2006.pdf

Inhalt

Durch ein spezielles Risikodecoding können bis zu 90% der schweren Unfälle vermieden werden. Das relationale Datenmodell entspricht weitgehend dem Konzept eines Data Warehouse, wobei die Bestimmung der Risikopotenziale als Datenaggregation angesehen werden kann. Generische Strukturen ermöglichen eine überregionale Anwendung des Verfahrens. Ziel ist die Anbindung an kartografische Datenbanken mobiler Navigationsgeräte. Dazu wird an einem automatisierten Verfahren zur Integration der streckenbezogenen Risikoinformation gearbeitet. Die alphanumerischen Merkmalssequenzen werden durch die Arbeitsgruppe KIWI – Künstliche Intelligenz in der Wirtschaftsinformatik analysiert.
Ziel ist es, Scores und Risikoklassen für Unfälle vorherzusagen.
Forschungsschwerpunkt: IT-Systeme und Medien