@inproceedings{OPUS4-3785,
  title     = {30. Forum Bauinformatik},
  editor    = {Steiner, Maria and Theiler, Michael and Mirboland, Mahsa},
  organization    = {Bauhaus-Universit{\"a}t Weimar},
  doi       = {10.25643/bauhaus-universitaet},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20180917-37854},
  pages     = {424},
  abstract  = {Die Bauhaus-Universit{\"a}t Weimar ist seit langer Zeit mit dem Forum Bauinformatik eng verbunden. So wurde die Veranstaltung 1989 hier durch den Arbeitskreis Bauinformatik ins Leben gerufen und auch das 10. und 18. Forum Bauinformatik (1998 bzw. 2006) fand in Weimar statt. In diesem Jahr freuen wir uns daher besonders, das 30. Jubil{\"a}um an der Bauhaus-Universit{\"a}t Weimar ausrichten zu d{\"u}rfen und viele interessierte Wissenschaftler und Wissenschaftlerinnen aus dem Bereich der Bauinformatik in Weimar willkommen zu heißen. Das Forum Bauinformatik hat sich l{\"a}ngst zu einem festen Bestandteil der Bauinformatik im deutschsprachigen Raum entwickelt. Dabei steht es traditionsgem{\"a}ß unter dem Motto „von jungen Forschenden f{\"u}r junge Forschende", wodurch insbesondere Nachwuchswissenschaftlerinnen und ‑wissenschaftlern die M{\"o}glichkeit geboten wird, ihre Forschungsarbeiten zu pr{\"a}sentieren, Problemstellungen fachspezifisch zu diskutieren und sich {\"u}ber den neuesten Stand der Forschung zu informieren. Zudem wird eine ausgezeichnete Gelegenheit geboten, in die wissenschaftliche Gemeinschaft im Bereich der Bauinformatik einzusteigen und Kontakte mit anderen Forschenden zu kn{\"u}pfen. In diesem Jahr erhielten wir 49 interessante und qualitativ hochwertige Beitr{\"a}ge vor allem in den Themenbereichen Simulation, Modellierung, Informationsverwaltung, Geoinformatik, Structural Health Monitoring, Visualisierung, Verkehrssimulation und Optimierung. Daf{\"u}r m{\"o}chten wir uns ganz besonders bei allen Autoren, Co-Autoren und Reviewern bedanken, die durch ihr Engagement das diesj{\"a}hrige Forum Bauinformatik erst m{\"o}glich gemacht haben. Wir danken zudem Professor Große und Professor D{\´i}az f{\"u}r die Unterst{\"u}tzung bei der Auswahl der Beitr{\"a}ge f{\"u}r die Best Paper Awards. Ein herzliches Dankesch{\"o}n geht an die Kollegen an der Professur Informatik im Bauwesen der Bauhaus-Universit{\"a}t Weimar f{\"u}r die organisatorische, technische und beratende Unterst{\"u}tzung w{\"a}hrend der Planung der Veranstaltung.},
  subject      = {Bauinformatik},
  language  = {de}
}
@inproceedings{FediorHamel,
  author    = {Fedior, Marco and Hamel, Wido},
  title     = {Simulationsumgebung zur Evaluation von umweltorientierten Verkehrsmanagement-Strategien},
  series = {30. Forum Bauinformatik},
  booktitle = {30. Forum Bauinformatik},
  editor    = {Steiner, Maria and Theiler, Michael and Mirboland, Mahsa},
  organization    = {Bauhaus-Universit{\"a}t Weimar},
  doi       = {10.25643/bauhaus-universitaet.3867},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20190328-38678},
  pages     = {6},
  abstract  = {Der vorliegende Beitrag beschreibt die Problematik bei der Prognose verkehrsbedingter Schadstoff-Immissionen. Im Mittelpunkt steht die Entwicklung und der Aufbau einer Simulationsumgebung zur Evaluation von umweltorientierten Verkehrsmanagement-Strategien. Die Simulationsumgebung wird {\"u}ber die drei Felder Verkehr, Emission, Immission entwickelt und findet zun{\"a}chst Anwendung in der Evaluation verkehrlicher Maßnahmen f{\"u}r die Friedberger Landstraße in Frankfurt am Main.},
  subject      = {Verkehr},
  language  = {de}
}
@unpublished{SteinerBourinetLahmer,
  author    = {Steiner, Maria and Bourinet, Jean-Marc and Lahmer, Tom},
  title     = {An adaptive sampling method for global sensitivity analysis based on least-squares support vector regression},
  doi       = {10.25643/BAUHAUS-UNIVERSITAET.3832},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20181218-38320},
  pages     = {1 -- 33},
  abstract  = {In the field of engineering, surrogate models are commonly used for approximating the behavior of a physical phenomenon in order to reduce the computational costs. Generally, a surrogate model is created based on a set of training data, where a typical method for the statistical design is the Latin hypercube sampling (LHS). Even though a space filling distribution of the training data is reached, the sampling process takes no information on the underlying behavior of the physical phenomenon into account and new data cannot be sampled in the same distribution if the approximation quality is not sufficient. Therefore, in this study we present a novel adaptive sampling method based on a specific surrogate model, the least-squares support vector regresson. The adaptive sampling method generates training data based on the uncertainty in local prognosis capabilities of the surrogate model - areas of higher uncertainty require more sample data. The approach offers a cost efficient calculation due to the properties of the least-squares support vector regression. The opportunities of the adaptive sampling method are proven in comparison with the LHS on different analytical examples. Furthermore, the adaptive sampling method is applied to the calculation of global sensitivity values according to Sobol, where it shows faster convergence than the LHS method. With the applications in this paper it is shown that the presented adaptive sampling method improves the estimation of global sensitivity values, hence reducing the overall computational costs visibly.},
  subject      = {Approximation},
  language  = {en}
}