This project addresses the growing challenge of extreme weather events, such as floods, heatwaves, and windstorms, which seriously threaten the reliability of energy networks. These low-probability high-impact events are spatially correlated and can cause widespread physical and economic damage. Traditional methods fall short in assessing the resilience of these complex networks when facing these events. Combining applied probability, graph theory, and stochastic optimization, we develop new models and strategies for enhancing the resilience of these networks. We focus on finding cost-effective and flexible network reconfiguration strategies that operators can use to prevent and mitigate damage during such extreme weather events.

Dit onderzoek richt zich op het gebruik van actuele verkeersdata bij goederenvervoer (stadslogistiek) in de metropoolregio Amsterdam. Hierbij ligt de focus op de toepassing bij de levering van levensmiddelen aan winkels, convenience stores en consumenten. Dit onderzoek doen wij in nauwe samenwerking met Ahold en Simacan, welke de praktische uitvoering op zich nemen. In dit onderzoeksproject wordt de beschikbare laad- en loscapaciteit in relatie gebracht tot de actuele positie en de verwachte aankomsttijd van vrachtwagens op de laad- en loslocatie én bovendien worden op basis hiervan, en actuele verkeersdata, uniforme rerouting en bufferinstructies gegenereerd die door boodcomputersystemen verwerkt en aan de chauffeurs gecommuniceerd kunnen worden. Deze functionaliteit draagt bij aan verbetering van de doorstroming van goederenvoervoer, en de leefbaarheid van binnensteden. Het laatstgenoemde door het voorkomen van onveilige situaties met dubbel geparkeerde vrachtwagens en door vermindering van onnodig gereden kilometers. De effecten zullen meetbaar zijn en tot de gewenste gevolgen leiden wanneer deze uiteindelijk breed worden toegepast. Verschillende stakeholders profiteren van de uitkomsten van dit onderzoek: vervoerders en verladers kunnen branstofkosten en transportkosten reduceren, beter planningen maken, het wagenpark optimaal inzetten, bezitting laad-losplaatsen betrouwbaarder krijgen en de snelheid van leveringen verhogen. Ontvangers van goederen kijgen beter inzicht in aankomsttijd van vrachtwagens, beter voorradbeheer en hebben minder verkeershinder bij de winkels. Wegbeheerders kunnen bestaande infrastructuur beter benutten en onderhouden, en hun verkeersmanagement verbeteren door beschikbaarheid data/informatie. De effectiviteit van de toepassing wordt gemeten en geplaatst in het licht van mogelijkheden voor opschaling binnen de logistieke sector of opschaling bij andere modaliteiten.

Green Amsterdam Logistics Area lab (GALA-lab) De Metropoolregio Amsterdam heeft een forse uitdaging op bereikbaarheid en leefbaarheid. Goederenstromen, volumineus en ‘fijnmazig’, moeten naar/door/uit de dichtbevolkte regio. Ook personenstromen nemen toe (forensen, toeristen). Behoefte aan extra woningen, bedrijven en kantoren zorgen voor grote druk op schaarse ruimte en leefbaarheid. GALA-lab beoogt een DLL in twee gebieden, Haven/West-as/Stad en RAI/Zuid-as/Schiphol. Het doel is dmv data meer grip te krijgen op goederen- en personenstromen en via het ontwikkelen van éen of meerdere control tower(s) goederen- en personenstromen integraal te beheersen. Bovendien wordt beoogd transportstromen ‘groener’ te maken, dmv bijvoorbeeld waterstof en elektrisch vervoer.

Neurons operate on vastly different time scales, spiking in milliseconds while adapting their beats over minutes. Understanding these time scales is crucial for their function. While single-neuron time-scale theories exist, much less is known about neuronal ensembles. This project uses advanced mathematical techniques to study networks of neurons with time-scale separation. We aim to answer whether the slow-fast rhythm observed in a single neuron is preserved in a network. This research addresses a key milestone in understanding brain function by exploring complex dynamics in neuronal networks.

Flexible and user-adaptive statistical inference In this proposal we want to develop mathematical theory for testing many hypotheses simultaneously. Our new theory brings a threefold flexibility into the research: in terms of sample size, analysis and model choice. The researcher may look at the data and the intermediate results, and decide on that basis to add more data, to add more hypotheses – or focus on the most promising ones – and she does not have to restrict herself to a specific pre-specified model. In the mean time our methods retain strong statistical error guarantees.