Hochschule RheinMain PUBLIKATIONEN-REPOSITORIUM
Not a member yet
421 research outputs found
Sort by
Development of Charging Infrastructure for Electric Vehicles in Russelsheim: An Overview on Project CLEVER – Electric City
Get PDFBundesministerium für Wirtschaft und Energie: Sofortprogramm „Saubere Luft 2017-2020“The number of battery electric vehicles (BEVs) and plug-in hybrid electric vehicles (PHEVs) is increasing worldwide. In this respect, developing a dense and extensive charging infrastructure network is required as soon as possible to deal with the increasing number of electric vehicles (EVs). However, high integration of charging infrastructure into the grid challenges the electrical distribution grid substantially owing to the additional loads. This paper introduces the project “CLEVER (Charging Low Emission Vehicles in Russelsheim) – Electric City”, funded by the German Federal Ministry of Economic Affairs and Energy. The main objective of this project is to build the necessary charging infrastructure and develop strategies in a mid-sized German town called Russelsheim am Main with 65,000 inhabitants. The second objective is to understand how to optimize the management of this charging infrastructure including two battery storage systems supplied by renewable energy sources.Published Versio
Untersuchung des Überholvorgangs zwischen Autofahrenden und Radfahrenden im Hinblick auf Sicherheitsempfinden und Verkehrsfluss
No full textPublished Versio
Das Crowdinvesting-Modell für Startups - keine Assetklasse für schwache Nerven
Get PDFCrowdinvesting bietet Privatinvestoren die Möglichkeit, sich auch mit relativ geringen Geldbeträgen an Startups zu beteiligen. Jedoch haben die Anleger durch eine Vielzahl teils öffentlichkeitswirksamer Pleiten einen Totalverlust des eingesetzten Kapitals erlitten. Die Ausfallraten deutscher Startup-Schwarmfinanzierungen liegen um die 30%. Diese können noch nicht durch die durchaus signifikanten Renditen einiger weniger erfolgreicher Unternehmen kompensiert werden. Die Probleme liegen in der Risikoklassifizierung durch die Plattformen, in adversen Selektionseffekten und Moral Hazard.Crowdinvesting allows private investors to invest in startup companies with moderate financial commitments. However, investors have had to endure a total loss on their invested capital in a number of mostly highly publicized bankcruptcies. The default rates of German crowdinvesting initiatives are around 30%. These losses can not yet be compensated by significant returns on the few successful companies. The problems are mainly the risk classification by the platforms, adverse selection effects and moral hazard.Published Versio
A comparative study of social interaction frequencies among social network members in five countries
No full textElectro mobility acceptance: The influence of political bonus and malus factors
Get PDFLink zur Konferenzseite: https://transp-or.epfl.ch/heart/2020.phpPublished Versio
Automated Source Code Completion by Retrieval-oriented Unsupervised Learning
No full textIn dieser Thesis wird ein Modell vorgestellt, welches große Lücken im Quellcode der
Programmiersprachen Java und Python füllen kann. Das Modell besteht aus zwei Untermodellen:
einem Retriever und einem Generator. Das Besondere an dem Modell ist der Fuision-in-Decoder
und retrieval-basierte Ansatz, der auf einer punkte-basierten Bewertung (Relevance Scores) beruht.
Mit dem aufgezeigten Training kann der Retriever auf einer nicht markierten Sammlung (Corpus)
von Quellcode trainiert werden. Das Modell lernt, indem es zufällig ausgeschnittene Lücken in den
Token-Sequenzen einer Quellcode-Passage füllt, mit der Unterstützung von Gold Passagen – dies
sind vollständige Passagen ohne maskierte Lücke, von welchen die Abfrage (Query) abstammt –
oder anderen Quellcode-Passagen aus dem Corpus. Bevor eine Vorhersage für eine Lücke erstellt
wird, wird ein großer Corpus aus Quellcode-Schnippseln nach hilfreichen Passagen durchsucht, die
dem Modell helfen sollen, eine bessere Vorhersage abzugeben. Ein Kernaspekt ist die Benutzung
von Relevance Scores, welche die Nützlichkeit einer Passage für einen gegebenen Query darstellt.
Diese Scores werden vom Generator erzeugt und dem Retriever im Training vorgegeben, um diese
mit seinem Encoding nachzustellen. Das Generator Training ist abhängig von dem Retriever, da nur
einige wenige Passagen zeitgleich vom Generator verarbeitet werden können, um aus diesen
Informationen zu kombinieren. Abschließend wird ein Index für den ganzen Corpus erzeugt, um
eine k-Nearest-Neighbour Suche der vom Retriever encodierten Passagen durchführen zu können.
Das Modell ist in der Lage, mit dem iterativen Training zu lernen und sich so zu verbessern, dass es
die Grund-Modelle übertrifft mit denen es initialisiert wurde. Einige Verbesserungen an der
Architektur des Modells sind inspiriert von den Beobachtungen des Modells in den durchgeführten
Versuchsreihen. Zum Beispiel werden mehr nicht-hilfreiche Passagen künstlich hinzugegeben, um
den Unterschied in den Relevance Scores zwischen hilfreichen und nicht-hilfreichen Passagen zu
vergrößern. Von dem Training des Retrievers mit Gold Passagen profitiert das Gesamtmodell, da
der Retriever dem Generator ermöglicht, andere Kombinationen von Retriever und Generator, die
nicht mit Gold Passagen trainiert wurden, um bis zu 31% zu übertreffen.This thesis proposes a model to predict large gaps inside source code written in the programming
languages java and python. The model is internally split into two sub-models: retriever and
generator. The speciality of the model is the Fusion-in-Decoder- and retrieval-approach based on
relevance scores. With the proposed training a retriever can be trained unsupervised on a corpus of
source code. The model learns by filling in random masked out token sequences from a source code
query, with the help of gold passages – the full passage without the masked out part from which a
query originates – or other source code passages from the corpus. Before generating a prediction, a
large document corpus consisting of source code snippets is searched to find useful passages that
assist the model in giving a better prediction of the missing code. A core aspect is the usage of
relevance scores that represent the usefulness of a given passage for answering a specific query.
These scores are produced by the generator and given to the retriever in training to replicate them
with its encoding. The generator training depends in turn on the retriever, as only some passages can
be processed simultaneously by the generator to perform passages combination. Afterwards an
index is applied to the retriever-encoded corpus of passages to conduct a k-nearest-neighbour
search.
The model was built iteratively and was continuously evaluated. The resulting model is able to
improve with iterative learning and outperforms the base models it was initialized with. Some
changes in the model architecture were inspired by observation of its behaviour, e.g. providing the
retriever in its training with negative samples to push the distinguishment of useful and useless
passages to a corresponding query helps the retriever to score better in the experiments. The training
of the model benefits from using gold passages in the training of the retriever, as the resulting
retriever enables the generator to outperform a generator-retriever-combination that was not trained
with gold passages up to 31% depending on the mask length
Fallstudie am Beispiel Darmstadt-Arheilgen
Get PDFIn der aktuellen Debatte um die Nutzung des öffentlichen Raums steht unter anderem die Flä-
cheninanspruchnahme durch parkende Autos in der Kritik. Ein Teilaspekt ist dabei die Fest-
stellung, dass Pkw im öffentlichen Raum parken, obwohl für sie ein Stellplatz im privaten
Raum zur Verfügung stünde. Ein solches Parkverhalten ist zwar straßenverkehrsrechtlich legal,
es widerspricht aber generellen stadt- und verkehrsplanerischen Zielsetzungen, wie sie bei-
spielsweise in der Stellplatzbaupflicht zum Ausdruck kommen, und ist daher als Fehlnutzung
des öffentlichen Raums einzuordnen. Diese Fehlnutzung ist insbesondere dann problematisch,
wenn sie zu Beeinträchtigung anderer Verkehrsteilnehmender führt, beispielsweise indem ver-
botenerweise auf Gehwegen geparkt wird. In welchem Umfang derartige Fehlnutzungen vor-
kommen, ist allerdings bisher weitgehend unerforscht.
In der vorliegenden Studie wird das Ausmaß der Fehlnutzungen an Hand einer Fallstudie in
Darmstadt-Arheilgen abgeschätzt. Mit Hilfe eines experimentellen Designs war es möglich, das
Parkverhalten im Normalzustand zu vergleichen mit dem Parkverhalten in einer Sondersitua-
tion, in der temporär auf Straßenabschnitten von insgesamt vier Kilometern Länge ein Haltver-
bot eingerichtet war.
Die Ergebnisse legen den Schluss nahe, dass für nahezu zwei Drittel der auf den untersuchten
Straßen parkenden Pkw Stellplätze auf privaten Grundstücken zur Verfügung stünden, die aber
im Regelfall nicht genutzt werden. Fehlnutzungen machen somit einen erheblichen Teil des
ruhenden Kfz-Verkehrs aus. Im Untersuchungsgebiet ist dies insofern besonders problema-
tisch, als illegales und zum Teil behinderndes Gehwegparken in mehr als der Hälfte der unter-
suchten Straßenabschnitte der Regelfall ist.
Angesichts des im Fallbeispiel ermittelten Ausmaßes an Fehlnutzungen des öffentlichen Raums
erscheint es erforderlich, das Phänomen auch in anderen Städten und Quartierstypen zu unter-
suchen und so eine breitere empirische Basis zu schaffen. Kommunen müssen verstärkt und
systematisch planerische, ordnungsrechtliche und kommunikative Aktivitäten unternehmen,
um die Nutzung von Stellplätzen im privaten Raum zu forcieren. Dies gilt vor allem dort, wo
das Parken den Straßenraum dominiert, Aufenthalts- und ästhetische Qualität des öffentlichen
Raums mindert und zu Behinderungen des Fuß-, Fahrrad- und Kfz-Verkehrs führt. Die Ergeb-
nisse der Studie bieten überdies Anlass für Verkehrsplanung und Verkehrspolitik, das beste-
hende System der (Un-)Ordnung und (Nicht-)Lenkung des ruhenden Verkehrs auf den Prüf-
stand zu stellen und wirksame Instrumente eines integrierten Parkraummanagements für den
öffentlichen und den privaten Raum zu etablieren