Über
Forschungsschwerpunkt
Atakilti Brhanu Kiros ist Doktorand im Bauingenieurwesen an der Ariel University, spezialisiert auf GeoAI, Geodatenwissenschaft und intelligente Mobilitätssysteme. Seine Forschung untersucht, wie multimodale Stadtdaten, maschinelles Lernen, Erdbeobachtung und urbane digitale Zwillinge die Vorhersage der Fußgängermobilität, Zugänglichkeitsanalysen und evidenzbasierte Stadtplanung unterstützen können. Atakilti trägt zum METROPOLIS-Projekt für urbane digitale Zwillinge am Architectural Artificial Intelligence Research Lab bei.
Aktuelle Arbeit
Seine Doktorarbeit konzentriert sich auf die Entwicklung übertragbarer und erklärbarer GeoAI-Modelle zur Vorhersage der Fußgängeraktivität in Städten mit unterschiedlichen urbanen Strukturen, Klimazonen, Sensornetzwerken und Datenverfügbarkeit. Seine Arbeit integriert Fußgänger-Sensordaten mit urbaner Morphologie, Verkehrsnetzen, Zugänglichkeit, sozioökonomischen Indikatoren, Wetter, Fernerkundung und weiteren geospatialen Informationen. Seine Arbeit untersucht szenariobasierte Fußgängervorhersagen unter Bedingungen des städtischen Wachstums und des Klimawandels sowie die Entwicklung interpretierbarer digitaler Werkzeuge für Forscher, Stadtplaner, Kommunen und Entscheidungsträger.
Hintergrund
Vor Beginn seines Promotionsstudiums arbeitete Atakilti als Dozent, Forscher und akademische Führungskraft in Informatik und Informationstechnologie an der Mekelle University, Äthiopien.
Interessen
Zu seinen breiteren Interessen zählen räumlich-zeitliches maschinelles Lernen, erklärbare KI, multimodale Fusion geospatialer Daten, inklusive Mobilität und verantwortungsvolle urbane künstliche Intelligenz.
Projekte
Ausbildung
- M.Sc. Mekelle University Nov 2013 – Apr 2016
- B.Ed. Mekelle University Nov 2006 – Jul 2009
Beschäftigung
- PhD Student Ariel University Oct 2025 – Heute
- Lecturer Mekelle University Nov 2012 – Heute
Publikationen
Weitere Publikationen
GeoAI and Multimodal Geospatial Data Fusion for Inclusive Urban Mobility: Methods, Applications, and Future Directions
GeoAI and Multimodal Geospatial Data Fusion for Inclusive Urban Mobility: Methods, Applications, and Future Directions
Integration of Predictive Data Mining Models and Knowledge Base System for Tax Fraud Detection: A Case Study of the Tigray Revenue Development Authority
Cloud-based Machine Learning Adoption Model for Higher Education Institutions
Tigrigna language spellchecker and correction system for mobile phone devices
1 weitere anzeigen
Conceptual Framework to Adopt Cloud Based M-Learning for Higher Education Institutions: Ethiopian Perspective
Echte städtische Probleme mit KI lösen?
Wir begrüßen Bewerbungen von Forschenden, Designern und Praktikern aus verschiedenen disziplinären Hintergründen. Wenn Sie daran interessiert sind, zur Forschung an der Schnittstelle von KI, Design und Stadtforschung beizutragen, ermutigen wir Sie, sich zu bewerben und unserem Team beizutreten.