Unter dem Thema „Urbane Mobilität und Logistik“ trafen sich in Hamburg kreative Köpfe, um gemeinsam die Zukunft der Mobilität zu gestalten.
Entwickler, Designer, Stadtplaner und alle, die Mobilität und City-Logistik bequemer, umweltfreundlicher und digital vernetzt besser machen wollen – der Hackathon ist offen für jeden, der Spaß daran hat, originelle Lösungen zu entwickeln. Unter dem Thema „Urbane Mobilität und Logistik“ suchen die Veranstalter kreative Köpfe, die Interesse daran haben, die Zukunft der Mobilität von morgen zu gestalten. In Teams unterteilt, haben die Teilnehmer spannende Aufgaben der Partner aus dem Bereich Mobilität, Logistik und IT zu lösen.
Datum
01. Nov 2019 – 02. Nov 2019
Location
Hammerbrooklyn. Digital Campus.
Stadtdeich 2 – 4
20097 Hamburg
Event Host
Logistik-Initiative Hamburg, hamburg-logistik.net
Auch dieses Jahr hat die hochkarätige Jury Preise für die besten Projekte des Hackathons vergeben.
Ältere Menschen sind häufig überfordert, wenn sie mit der Bahn weitere Strecken zurücklegen müssen. Zu ihrer Unterstützung wurde G.E.R.D.A entwickelt, laut Gewinnerteam ein „Mobilitätsassistent für Digital Immigrants und Digital Dinosaurs“, der extra benutzerfreundlich angelegt ist. Genutzte Tools: IBM Watson Assistent, Android Studio, Google Dienste. Genutzte Daten: Open street maps.
Die Zweitplatzierten entwickelten eine ÖV-Netzanalyse zur Identifikation von Schlüsselverbindungen und -haltestellen. Dazu konvertierten sie ÖPNV-Fahrplandaten in Graphen und nutzten sie zur Analyse in Programmen, die in der Sozialforschung und Analyse des Hamburger Bus- und Bahnnetzes verwendet werden. Genutzte Daten: Open Data GTFS-Feed des HVV. Genutzte Tools: Python, QGIS, PostGIS, Gephi.
trasHVV ist eine Bilderkennungs-KI mit dem ultimativen Ziel: saubere Bahnhöfe. Das Team baute eine KI zu bauen, die bei der Müllerkennung auf Bahnhöfen unterstützt. Denn Tungi und Mirko meinen: Pünktliche Züge und freundliches Bahnpersonal mögen ein Dauerbrenner sein, aber Sauberkeit am Bahnhof sollte zum Fokusthema werden. Genutzte Tools: NodeRed, Tensorflow.js, IBM cloud for hosting.
Team Einfach Ankommen
Nahverkehrs-App für Kinder, Senioren, nichttechnologieaffine Menschen. Genutzte Daten: OpenStreetmap, PZ Daten. Genutzte Tools: Android Studio, Figma.
Team Graphbusters
Virtualisierung und Individualisierung von Verkehr: Dynamische virtuelle Ampeln zur Konfliktlösung zwischen selbstfahrenden und menschengesteuerten Fahrzeugen. Genutzte Tools: Go, Typescript, Swift, React.
Team Marudor
marudor.de: Eine Plattform für genaue Echtzeitinformationen rund um den Bahnverkehr, mit Fokus auf Abfahrtstafeln und inzwischen ein DB Navigator Ersatz. Genutzte Daten: DB Open Data, PZ Daten, andere Daten.
Team OpenGeoEdu
Ausgangsfrage: Gibt ein einen Anstieg der Feinstaubwerte, wenn Kreuzfahrtschiffe im Hafen liegen? Genutzte Daten: luft.hamburg.de, luft.info, hafen hamburg. Genutzte Tools: Python, QGIS, R.
Team Benjamin & Jannis
Ein System zum Echtzeit-Vergleich von GPS-Daten öffentlicher Fahrzeuge, mit dem Verspätungen und Störungen schneller und transparenter kommuniziert werden können. Genutzte Daten: PZ-GPS-Daten aus Frankfurt.
