RSS staat voor Rich Site Summary. Maar ook voor Real Simple Syndication en voor RDF Site Summary. De deskundigen zijn het er dus duidelijk nog niet over eens. De verschillende benamingen hebben wel dezelfde inhoudelijke betekenis: RSS wordt gebruikt door content-providers om digitale informatiestromen te kunnen genereren, publiceren en -nog belangrijker- deze wereldwijd onvertraagd over het internet te kunnen distribueren. Meerdere informatiestromen (RSS-feeds) kunnen door de ontvanger weer worden gebundeld in één persoonlijk informatiekanaal. Vanwege die laatste eigenschap wordt RSS ook wel het syndicatie-protocol genoemd.
Gepersonificeerde portals zijn in opmars. Volgens Gerard Bierens is Netvibes.com momenteel beste uitwerking van de gepersonaliseerde portal. Hij beschrijft de ontwikkelingen van kennisportals en illustreert het gebruik van Netvibes. De basis waarmee Netvibes gebruikers naar zich toetrekt is, naast de gelikte interface, de veelzijdigheid van de ingebouwde RSS-lezer en de mogelijkheid om een groot aantal webservices binnen één en dezelfde interface te integreren.
Het bekende Amazon recept van "anderen die dit boek bestelden, kochten ook..." wordt ook steeds populairder voor persoonlijke verzamelingen van bookmarks: "anderen die dit artikel of deze website bookmarkten, vonden ook..." Zet je bookmarks online, op je naam of onder pseudoniem. Importeren vanuit Explorer of Firefox is geen probleem. En met iin klik kun je grasduinen door de verzamelingen van gelijkgeonteresseerden. De kans dat je kwalitatief goede bronnen vind is daardoor groot, en op basis van een annotatie, trefwoord of waarderingsscore kun je snel scannen of er iets voor je bij zit. Vergelijk dat eens met de zoekresultaten van bijvoorbeeld Google waarbij je zelf telkens het kaf weer van het koren moet scheiden. Social bookmarks: hoe werkt het precies, en wat kan dit betekenen voor het Hoger Onderwijs?
Bevoorrading en retourstromen in stedelijke gebieden zijn kostbaar en gebonden aan veel regelgeving. Er is verkeersdruk en parkeren (op laad- en losplekken) is vaak slecht mogelijk. Dit project bekijkt een nieuwe techniek om verkeersstromen in Amsterdamse straten te observeren en de relatie te leggen met de bevoorrading van winkels, van de markt en van andere bedrijven en partijen in een straat. Met dit inzicht kan er in samenwerking met vervoerders, leveranciers, ondernemers en bewoners bekeken worden welke oplossingen er zijn om de verkeersdruk te verminderen. Het slimmer en schoner regelen van de bevoorrading en inzameling van afval betekent een beter leefklimaat, een betere bereikbaarheid en niet in de laatste plaats een bruisende wijk waar het prettig vertoeven is. Het samenbrengen van de benodigde data is arbeidsintensief en zal in verband met concurrentie posities en privacy niet altijd mogelijk zijn. Schattingsmodellen en metingen worden daarom ingezet. Een andere techniek is om daadwerkelijk in een winkelstraat te gaan observeren. Fysiek is dat zeer arbeidsintensief en camerabeelden mogen meestal niet worden gebruikt in verband met privacy. Met artificiële intelligentie kunnen objecten (en personen) uit beeldmateriaal worden herkend. Daarover zijn succesverhalen in een social media context gepresenteerd, en recent ook in verkeersomgevingen (vaak snelwegen). In dit project willen we gedetailleerd beeldmateriaal (foto’s) verzamelen, om te zien welke informatie kan worden geleerd met beeldherkennings-algoritmes. Het betreft een verkennend bruikbaarheidsonderzoek met een aantal praktijkpartners.
Beleidsmakers en educatieve instellingen voorzien van inzichten in fietsgedrag en verkeerssituaties. Dit raak publiekssubsidievoorstel presenteert een innovatief multidisciplinair project dat zich richt op leveren van deze inzichten d.m.v. geavanceerde AI technologie.
Fietsen is diepgeworteld in de Nederlandse cultuur en draagt bij aan een duurzame, gezonde en mobiele samenleving. Met de opkomst van nieuwe (elektrische) vervoersmiddelen, neemt ook de complexiteit van het verkeer toe en ontstaan er nieuwe veiligheidsuitdagingen. Om deze effectief aan te pakken, is het van groot belang om beleidsmakers en educatieve instellingen te voorzien van diepgaande inzichten in fietsgedrag en verkeerssituaties. Met dit project richten we ons op het leveren van deze inzichten door middel van geavanceerde AI-technologieën. De huidige software-oplossingen gericht op het verbeteren van de verkeersveiligheid zijn vaak beperkt in hun functionaliteit en toepassingsgebied. Ze richten zich voornamelijk op het tellen en volgen van verkeersdeelnemers, zonder de complexiteit van fietsverkeer te analyseren. Ons project onderscheidt zich door het gebruik van recente state-of-the-art AI-methoden om complexe verkeerssituaties en fietsgedrag automatisch te analyseren en te classificeren. Ons AI-gestuurde systeem maakt gebruik van Nederlandse videobeelden afkomstig van zowel statische camera's als camera's gemonteerd op fietsers. Hierdoor kunnen we onveilig fietsgedrag en risicovolle situaties herkennen en aanbevelingen doen aan beleidsmakers voor infrastructuuraanpassingen. Het implementeren van AI in opleidingen zoals ruimtelijke ordening zal leiden tot een verfrissend curriculum dat studenten future-proof opleidt. Samen werken we aan de ruimtelijke ontwikkeling van de toekomst. Bovendien kunnen de AI-tools worden gebruikt om lesmateriaal te ontwikkelen, waardoor zij beter inzicht krijgen in de factoren die bijdragen aan onveilige situaties en hoe zij hun gedrag kunnen aanpassen om het risico op ongevallen te verminderen. Het aanvragende consortium bestaat uit een multidisciplinair team van onderzoekers en studenten uit de AI, computer vision, verkeerspsychologie, verkeerskunde en ruimtelijke ontwikkeling, die samenwerken met publieke instellingen en commerciële partners aan een open-source intelligent softwaresysteem. Samengevat zal dit project niet alleen de huidige kennis over fietsgedrag en verkeersveiligheid uitbreiden, maar ook de manier waarop beleidsmakers en educatieve instellingen met deze kwesties omgaan transformeren.
