Dieser Text wurde automatisch übersetzt und kann daher vom Original abweichen. Aus dieser Übersetzung können keine Rechte abgeleitet werden.
Dass Blockchain, IoT und Datascience interessante Technologien sind, ist keine Neuigkeit. Dass sie auch im Gesundheitswesen und in der Mobilität anwendbar sind, haben 19 Studenten am vergangenen Montag während der Präsentationen der Ergebnisse des ersten und zweiten Quartals 2018 des ICT Lab Utrecht bewiesen.
Impfregistrierung mit Blockchain
Das Impfbuch, in dem Impfungen für Reisende registriert werden, ist dringend überholungsbedürftig. Es gibt keine Kontrolle über die derzeit erfassten Daten. Dies führt zu einem fragmentierten Ansatz, falscher Registrierung und Betrug. Außerdem hat man ein großes Problem, wenn man sein Buch verliert (und das passiert gelegentlich...).
Wenn das Impfbuch digitalisiert würde, könnten die erfassten Datenzusammensetzungen überprüft werden. Außerdem bietet die Digitalisierung Möglichkeiten, die Nutzer des Buches zu registrieren und zu autorisieren. Blockchain bietet den Mehrwert, dass keine zentrale Partei vertraut werden muss, die die Daten überwacht (und ändern kann).
Ana, Joris, Karim, Lex und Timo haben Möglichkeiten zur Digitalisierung des Impfbuches unter Verwendung von Blockchain erforscht. Die Ergebnisse ihrer Demo, die sie am Montag live präsentierten, sind so vielversprechend, dass sie sich ab September ein halbes Jahr lang dem Bau einer funktionierenden und getesteten Anwendung widmen werden.
Big Data im Gesundheitswesen
Es stehen Tonnen von offenen Gesundheitsdaten zur Verfügung, aber kann man damit auch wirklich etwas anfangen? Je mehr Daten, desto besser denkt man vielleicht, aber die Verwendbarkeit von Daten hängt stark von ihrer Verknüpfbarkeit ab.
Bram, Christiaan, Koshin, Steven und Thijs untersuchten, wie man Gesundheitsdaten nutzen kann, um sogenannte Hotspots zu identifizieren. Sie reduzierten eine große Menge an Daten auf einen Datensatz, in dem Daten miteinander verknüpft wurden. Anschließend reduzierten sie diesen "Schweizer Käse" an Daten auf ein schön gefülltes Excel-Arbeitsblatt, in dem eine Vielzahl von Indikatoren pro Gemeinde gegenübergestellt wird. Diese Daten wurden verwendet, um die Verwendbarkeit von Modellen zu prüfen, indem verschiedene Machine-Learning-Ansätze darauf angewendet wurden.
Intelligente Überwachungszone
Es gibt nur wenige Länder auf der Welt, in denen wie in den Niederlanden die meisten Fahrradschlösser mehr wert sind als das Fahrrad selbst. Trotz dieser massiven Kettenschlösser hat die Niederlande ein Fahrraddiebstahlproblem. Schätzungsweise werden jährlich 450.000 Fahrräder gestohlen. Die Stadt Utrecht prüft nun, ob IoT in Kombination mit RFID-Tags verwendet werden kann, um den Fahrraddiebstahl zu reduzieren. Das Konzept funktioniert wie folgt: Es werden 2 RFID-Tags am Fahrrad angebracht und 1 RFID-Tag am Schlüsselbund. An einem Fahrradabstellplatz wird ein UHF-RFID-Leser installiert, ähnlich den Toren an Bahnhöfen, jedoch mit höherer Sendeleistung. Wenn eine Person ihr Fahrrad abstellt, erfasst der Leser die drei RFID-Tags. Nach dem Abstellen des Fahrrads verbleiben zwei Sender zurück (am Fahrrad) und ein Sender (am Schlüsselbund) verlässt die Zone. Das System registriert dies als eine Person, die ihr Fahrrad abschließt und weggeht. Diese Daten werden dann über das LoRa-Netzwerk in die Cloud gesendet. Wenn dann die beiden Sender ohne den dritten Sender die Zone verlassen, deutet dies darauf hin, dass das Fahrrad gestohlen wird. Allerdings gibt es noch viele Fragen zu diesem Konzept. Was ist die Reichweite des UHF-RFID-Lesers? Und ist LoRa eine geeignete Technologie, um die Daten zu übertragen? Wie können die RFID-Tags am besten am Fahrrad befestigt werden? Was sind mögliche Störfaktoren für das Auslesen der RFID-Tags?
Um diese Fragen zu beantworten, haben Anton, Armand, Leon und Wessel eine Testinstallation am Hooghiemstraplein in Utrecht aufgebaut.
VRI und Fahrraddaten
Fahrradleitungen auf der Straße wurden platziert, um mit Ampeln zu kommunizieren: Wenn ein Radfahrer darüber fährt, "weiß" die Ampel, dass es Zeit ist, auf Grün zu schalten. Eine schöne Nebenwirkung ist, dass man diese Schleifen nutzen kann, um die Anzahl der Radfahrer, die darüber fahren, zu zählen. Das passiert nicht immer besonders genau, ein Teil der Radfahrer wird übersehen. Wie können diese Schleifen kalibriert werden, damit sie genau messen?
Daan, Jawad, Rami, Steven und Younes untersuchten Muster in VRI-Daten von Radfahrern in der Utrechter Innenstadt. Sie entdeckten, dass bestimmte Unterschiede zwischen den Zählungen der Schleifen ein guter Indikator für 'Verkehrsdichte' (Fahrradstaus und Staus) sind. Auf diese Weise ist eine Kalibrierung der Schleifen für die Messung von Effekten bestimmter Infrastrukturänderungen nicht unbedingt erforderlich.