Lmst

#ProjektSeminar

Lust, mit Feinstaubdaten von Fahrrädern zu jonglieren? 🚲 💨 🤹

Wir suchen Interessierte in #Tübingen für #ProjektSeminar #BachelorArbeit #MasterArbeit, die sich dieser Goldgrube an neuartigen #Feinstaub- und Umweltdaten (aus #Karlsruhe) annehmen.

Infos zum #CitizenScience projekt: https://cyclesense.de/

📷 Michel Weber

#Fahrrad #FahrradBubble #bike #3dPrinting #dataAnalysis

Ein kleiner grauer Kasten, 3D gedruckt, auf einem Fahrradlenker, links ein kleiner Knopf. Rechts hält eine Hand den Lenker fest.

CycleSense – Citizen ScienceFeinstaubmessung auf dem FahrradIm Forschungsprojekt CycleSense aus Karlsruhe werden Feinstaub und andere Um-weltdaten wie Temperatur, Luftfeuchtigkeit sowie die GPS Position mit kleinenMessmodulen gemessen, die am Fahrradlenker befestigt werden. Die Module wur-den in einer ersten Phase des Projektes entwickelt. Nun folgt die Anwendung dieserin einer Citizen Science Messkampagne mit Start am 30.06.2025.Zunächst werden 100 Messgeräte an Freiwillige in Karlsruhe ausgegeben, diedamit jeweils für drei Monate in ihrem Alltag die Messgeräte verwenden. Nachdieser Zeit werden die Messgeräte durch das Projektteam gewartet und daraufhinan eine weitere Testgruppe herausgegeben...... Ein Teil der im Projekt gemessenen Daten wird tagesaktuell auf einen Servergeschickt und kann von dort aus ausgewertet werden. Durch die mobilen Messun-gen in dieser Größenordnung soll durch das Projekt ein wertvoller, sich kontinu-ierlich erweiternder Datensatz gesammelt werden, der auf verschiedene Fragen hinausgewertet werden kann.: Wir suchen motivierte Student*innen, die Lusthaben im Rahmen ihres Projektseminars, ihrer Bachelorarbeit oder ihrerMasterarbeit einen Teil des Datensatztes auszuwerten. Melde dich bei Interes-se bei Prof. Jens Bange (jens.bange@uni-tuebingen.de) oder bei Michel (mic.weber@student.uni-tuebingen.de), der Teil des Projektteams ist . Weitere Infoszum Projekt findest du auf der Website cyclesense.de.

Client Info

Server: https://mastodon.social

Version: 2025.04

Repository: https://github.com/cyevgeniy/lmst