According to recent research, 16% of the people between 16 and 65 in Amsterdam have low literacy skills. This hinders societal participation in tasks such as voting, paying taxes, reissuing documents, or applying for social benefits. Thus, as part of our Amsterdam for All project, we have set on a mission to research the use of AI for measuring and improving the readability of municipal communication.
SignLab Amsterdam is a cross-faculty research lab at the University of Amsterdam, founded in 2020. It brings together a long tradition of sign linguistics in Amsterdam with recent advances in artificial intelligence.
Bringing traditional sign linguistics and artificial intelligence
The SignLab investigates how signs and signed sentences are structured and interpreted across sign languages, and how new signs and structures emerge and evolve over time. SingLab investigates Sign Language of the Netherlands, but also many other sign languages, including Filipino Sign Language, Catalan Sign Language, and Russian Sign Language.
SignLab uses traditional methods to collect and analyze data (video recording and manual annotation), but also develops new methods making use of computer vision and machine learning techniques. Based on the patterns found in the data, the Lab develop theoretical models of how signed sentences are structured and how they are interpreted. These models make precise predictions, which are tested on further data, for instance from other sign languages. This allows it to refine our theoretical models further and further, and gain a better understanding of how sign languages, and human languages in general, work.
More information about the SignLab can be found on the official website. Here you can read about some focus areas of the research conducted, about the ways in which research is applied and you can find various publications on this theme.
The City of Amsterdam has the ambition of becoming a free, open, and sustainable city, fostering equal opportunities for everyone. Artificial intelligence could help us in this endeavour by providing us with diverse, innovative tools to measure and improve the physical, digital and social accessibility of our city.
This collection highlights a handful of innovative solutions for accessibility, and especially initiatives closely related to Amsterdam.
Dit project heeft als doel om innovatieve oplossingen en interventies te ontwikkelen die de toegankelijkheid en mobiliteit voor alle bezoekers en bewoners van Amsterdam kunnen verbeteren.
Beschrijving
In het project "Social Mobility" richten we ons op zowel de toegankelijkheid van openbaar vervoer als op de huidige stedelijke infrastructuur die het gebruik ervan toegankelijk maakt. Dat wil zeggen, de stedelijke infrastructuur die een gemakkelijke toegang mogelijk maakt tussen verschillende punten in de stad te voet, met een rolstoel, scootmobiel, enzovoort. In dit project willen we data en kunstmatige intelligentie (AI) gebruiken om de toegankelijkheid van de stad in kaart te brengen en te verbeteren.
Het verbeteren van de toegankelijkheid is een belangrijk aspect van de Amsterdamse visie. Om dit te bereiken, voeren we een reeks experimenten en interventies uit gericht op het meten en verbeteren van de toegankelijkheid en algehele mobiliteit van de stad. Ons doel is om stadsbestuurders te voorzien van tijdige, accurate gegevens en analyses, zodat ze weloverwogen beslissingen kunnen nemen op basis van tastbaar bewijs. Uiteindelijk is ons doel om een breed scala aan belanghebbenden in staat te stellen om inclusiviteit en toegankelijkheid voor alle bezoekers en inwoners van Amsterdam te bevorderen.
Doelstelling
Het algemene doel van het project is om innovatieve oplossingen en interventies te ontwikkelen die de toegankelijkheid en mobiliteit voor alle bezoekers en bewoners van Amsterdam kunnen verbeteren. Bijvoorbeeld het integreren van een routeplanner en een inclusief MaaS-systeem. Met toegankelijkheidsinformatie zullen gebruikers eerder gebruik maken van het openbaar vervoer dan van AOV (aanvullend openbaar vervoer).
Looptijd
2023 - 2024 (verwacht)
Opdrachtgevers
Debbie Dekkers (Smart Mobility Team - Stedelijke Innovatie en R&D)
Samenwerking met V&OR, World Enabled, Cliëntenbelang, Vervoerregio.
CommuniCity is a transformative citizen-centred EU funded project. It will launch 100 Tech Pilots in Europe in urban and peri-urban areas to empower marginalised communities.
Description
The project builds on awarded European as well as national and local innovation programmes, methods, living labs and platforms. It brings the learnings of these together and devises an inclusive, community-driven, agile innovation, and experimentation model.
Objective
Through this model, CommuniCity engages in co-creation processes first involving local communities in the definition of local challenges, and then in the development of innovative solutions through Open Calls. These will be promoted at the national, regional and European levels. The project will provide new insights into local community innovation processes, and apply inclusive and sustainable models to allow the solutions to be replicated and scaled-up across Europe.
The core partner cities (Amsterdam, Helsinki and Porto) are leading smart communities of co-creation aiming to push the frontier of community-driven innovation. The consortium is highly experienced in such approaches and initiatives, since CommuniCity represents a continuation of the successful H2020 OrganiCity and SynchroniCity projects.
Pilots in Amsterdam
Empowering low literate citizens of Amsterdam with the help of A.I.
Amsterdam has 33.3% more low-literate citizens than average for the Netherlands. Tolkie has developed a tool that helps low-literate users to overcome obstacles in a complex text. Organizations embed our tool into their website and by doing so they enhance the accessibility of their online platform. Our current solution is developed together with low-literate people. In an iterative process of acquiring user needs, designing and developing a solution, testing with the target audience, adjusting the design, etc. we developed the tool we have now. Our tool currently operates on a per-word basis, meaning that the target audience gets reading aid when they encounter difficult words. However, complexity of a text lies not only in difficult words, but also in complex sentence structures, the use of jargon and proverbial language, the structure of longer texts, etc. During this challenge we are going to extend our reading aid and we want to achieve that with the use of AI and other modern technologies.
WeSolve, driving change with inclusion
The platform built by WeSolve ApS represents a powerful opportunity for the city to showcase its activities and engage with young people, particularly those born in disadvantaged conditions. By using technology to create an active and accessible platform, the city can make youth engagement smoother and more effective. Target groups: Through the WeSolve platform, young people can participate in a wide range of activities that foster social cohesion, build trust, and create meaningful connections with others. These activities are aimed at developing skills, supporting communities, and building a brighter future for everyone involved with a particular attention to disadvantaged youth. Objectives: WeSolve can be used as a powerful tool by municipalities to enhance the level of disadvantaged youth engagement in order to create a safer, more connected, and more engaged community. By empowering young people through community-based initiatives and promoting social cohesion, WeSolve platform results as the means through which municipalities can reduce the likelihood of criminal activity and create a brighter future for young people born in disadvantaged conditions.
Co-creating & piloting assistive robot FLOo for parents with disabilities
Together with the open call and co-investment of youthcare organization Levvel, Garage2020 will pilot the co-designed assistive robot FLOo in Amsterdam for parents with intellectual disabilities in vulnerable positions in society. The project aims to improve the self-esteem of parents, enhance family life, promote self-reliance in parenting, and break the cycle of problems by utilizing the services of the FLOo robot, which provides easily accessible and always available care and support without judgement.
The project is focused on marginalized families in Amsterdam, where one or both parents have intellectual disabilities. These families are in vulnerable positions, have poor access to good healthcare and parenting support, and often live at or below the poverty line. In the pilot we will focus on three families in Amsterdam (already in care with Levvel) with in-depth piloting of additional support of FLOo and use co-creation methods to customise FLOo to the needs of every specific family. There are about 23000 – 46000 parents that face challenges in child rearing because of these disabilities in the Netherlands. Between 2000-3000 children are born within vulnerable families every year. Many of them live in cities like Amsterdam (exact numbers are not publicly accessible).
Audio-to-audio translation for status holders, in real-time, powered by AI
Status holders are required to go through a participation and immigration process (PIP) at the municipality of Amsterdam. However, employees at the municipality (klantmanagers) and status holders often don’t speak the same language. Klantmanagers speak mostly Dutch, and status holders often Arabic or Tigrinya. Translators are not always available or viable. They are expensive, take time to organize, are not always available in the short term, and sometimes make errors. Meanwhile, most status holders speak languages that have an oral tradition; hence verbal communication is preferred. There are barriers to communication between klantmanagers and status holders.
Objective: Better communication would improve the experience throughout the process for both. To achieve this, Switch AI develops speech technology that does audio-to-audio translation, in real-time! A solution built using the power of state-of-the-art AI technology.
Solution: Switch will build a software service that leverages speech recognition, translation and personalized speech generation AI models. The service will aid klantmanagers and status holders to communicate in their own languages. This service can be integrated with various applications developed by Gemeente Amsterdam, such as the PIP app.
Video avatar translation widget
The Municipality of Amsterdam seeks solutions to help enhance citizens’ understanding of the Dutch National Immunisation Programme and improve overall health outcomes, particularly among those with low literacy skills and those from diverse backgrounds. XS2Content (XS2AUDIO BV) will address this need through the application Video avatar translation widget.
Target Groups:
People who speak a different language
Low-literacy individuals
People with low family care
Parents and young people with a Moroccan or Turkish background
Objectives:
Reach hard-to-reach target groups through the use of video content in addition to text
Reduce video-creation time by leveraging AI technology
Convert existing text into spoken videos with real-life, lip synced avatars in multiple languages
Make healthcare information more accessible by converting written content into video format
Ensure easy accessibility by sharing videos on social media and web-widgetsany
Project duration
September 2022 - September 2025
Commissioned by/Partners
Gemeente Amsterdam
University of Amsterdam
The Amsterdam University of Applied Sciences
Open & Agile Smart Cities (Belgium)
Demos Helsinki
Forum Virium Helsinki
Porto Domus Social
Porto Digital
Sociedade Portuguesa de Inovação
European Network of Living Labs
The Computer Vision Center (Generalitat de Catalunya & Universitat Autònoma de Barcelona)
Engineering The Digital Transformation Company (Italy)
Het PEER project is een Europese samenwerking waarbinnen mens-AI interactie onderzocht wordt met als doel de gebruiker centraal te stellen, transparantie te vergroten, en de AI oplossing personaliseerbaar te maken. Binnen Amsterdam richten we ons op een toegankelijke routeplanner voor mensen met mobiliteitsbeperkingen.
Beschrijving
Het hyPEr ExpeRt collaborative AI assistant (PEER) project is een door het EU Horizon programma gefinancierd project waarin we samenwerken met academische en industriële partners. Het doel van het project is om de gebruiker centraal te stellen bij zowel het ontwerp als ook de ontwikkeling, implementatie en evaluatie van AI-systemen. Hierdoor wordt echte samenwerking tussen mens en AI mogelijk. Het project richt zich op de toepassing van AI in complexe sequentiële besluitvormingsproblemen.
Specifiek zal de stad Amsterdam zich richten op de creatie van een zeer personaliseerbare toegankelijke routeplanner, waarin burgers routes door Amsterdam kunnen vinden die zijn afgestemd op hun individuele toegankelijkheidsbehoeften en -voorkeuren. Dit valt binnen ons bredere doel om de stad toegankelijk te maken voor alle burgers, als onderdeel van het Amsterdam for All project.
In Amsterdam zullen we een prototype routeplanner creëren, mede-ontworpen met eindgebruikers die behoefte hebben aan toegankelijke routes. Bovendien zullen we een API creëren die toegankelijkheidsinformatie over mogelijke routes in Amsterdam publiekelijk beschikbaar stelt. Onze academische partners zullen helpen bij het identificeren van de juiste functionaliteit voor nieuwe algoritmen die ze zullen ontwikkelen voor personaliseerbare en uitlegbare AI. Dit met als doel om de gebruikers in staat te stellen om de juiste adviezen te krijgen van de toegankelijke routeplanner, wanneer we deze algoritmen integreren in ons prototype.
Doelstelling
Het is onze hoop dat een personaliseerbare routeplanner de stad toegankelijker maakt voor iedereen. Het gaat hierbij om een prototype, waarmee we willen aantonen dat het mogelijk is om inclusieve routeplanners aan te bieden. Door hierbij aansluiting te zoeken met lokale partners willen we momentum genereren. Voor evaluatie werken we nauw samen met organisaties zoals Cliëntenbelang.
Binnen dit project zullen we volledig open source ontwikkelen, rekening houdend met eventuele privacy-gevoeligheid van data. Hierdoor zullen onze resultaten optimaal gedeeld kunnen worden. Datzelfde geldt voor de methodologie rondom de mens-AI interactie, die in de toekomst steeds relevanter zal worden.
[WIE:] Vrije Universiteit Brussel (Coördinator) (BE), Gemeente Amsterdam, Afdeling Innovatie (NL), Fujitsu Services Gmbh [DE], Centre Aquitain des Technologies del'Information et Electroniques (CATIE) (FR), Instituto de Engenhariade Sistemas e Computadores, Tecnologia e Ciencia (INESC TEC) (PT), Fundacio Eurecat (ES), Alpha Consultants s.r.l. (IT), Technische Universiteit Eindhoven (TU/E) (NL), Univerzita Karlova (CZ), Uniwersytet Jagiellonski (PL), MC Shared Services S.A. - Sonae (PT), Proditec (FR) , Continental Engineering Services Portugal Unipessoal lda. (PT) [WAAR:] Use cases in o.a. Amsterdam (NL) en Porto (PT) (maar ook op andere plaatsen). [LOOPTIJD:] 4 jaar, start September 2023 [ROL AMSTERDAM:] Amsterdam is partner in dit project, en eigenaar van de accessible route planner use case [TOTAALBUDGET:] 7.737.900 euro [HOEVEEL VOOR AMSTERDAM:] 351.250 euro [SUBSIDIEPROGRAMMA:] Horizon Europe [Contactpersoon:] Maike Ehlert <maike.ehlert@amsterdam.nl>
AI wordt ingezet voor de verbetering van toegankelijkheid in Amsterdam
Voor velen van ons zijn dagelijkse activiteiten vanzelfsprekend. Zoals zelfstandig het openbaar vervoer nemen, wandelen in het centrum van de stad, toegang krijgen tot online diensten of naar een restaurant gaan. Helaas is dat niet voor iedereen het geval. De gemeente Amsterdam heeft de ambitie om een vrije, rechtvaardige en duurzame stad voor alle burgers te maken. Toegankelijkheid speelt hierin een grote rol. In dit artikel geven we inzicht in de projecten en AI oplossingen op het gebied van toegankelijkheid door middel van het Amsterdam for All initiatief.
Bron: Pexels
Amsterdam for All
Amsterdam for All bestaat uit een reeks experimenten om de bereikbaarheid en toegankelijkheid van de stad te meten. Hiermee geven we ambtenaren de juiste gegevens en analyses, zodat ze hun beslissingen kunnen baseren op tastbaar bewijs. Daarmee wordt het leven voor iedereen in de stad toegankelijk gemaakt.
Het uiteindelijke doel van het AI team is om door middel van goed ontworpen en geïmplementeerde producten, diensten, omgevingen en apparatuur het leven van mensen met een beperking makkelijker te maken. Wij geloven dat het mogelijk moet zijn voor mensen met een beperking om te genieten van dagelijkse activiteiten met dezelfde inspanning als mensen zonder beperking. Door het meten van toegankelijkheid in de stad verkennen we de problemen waar burgers en organisaties tegenaan lopen. Aan de hand hiervan stellen we prioriteiten en creëren we AI gerelateerde oplossingen.
Bron: www.amsterdamintelligence.com
Stoepen, fietsen en andere lastige objecten
Mensen met een beperking hebben vaak problemen met obstakels op de stoep. Dit komt vanwege de te lange oversteekplaatsen of ontbrekende opritten. Ook ontbrekende markeringen en te hoog geplaatste drukknoppen zijn een probleem. Hierdoor kunnen ze hun dagelijkse activiteiten niet op dezelfde manier uitvoeren als mensen zonder beperking.
Fietsen zijn een ander relevant knelpunt voor de toegankelijkheid doordat ze bij het blokkeren van de weg een gevaar vormen. Door gebruik te maken van historische tellingen van het aantal obstakels op trottoirs (bv. fietsen), is het mogelijk om aan de hand van de kenmerken van de straat of buurt te voorspellen hoe groot de kans is dat er obstakels op de stoep zullen zijn. De nabijheid van een café of school kan de aanwezigheid van fietsen verklaren. Hoe kunnen we de aanwezigheid of afwezigheid van dergelijke kenmerken in kaart brengen?
Toegankelijkheid in kaart brengen
Het in kaart brengen van toegankelijkheidsobstakels kan een uitdagende taak zijn. Een oplossing is de start van Project Sidewalk. Dit is een systeem die de straten van een stad virtueel verkennen en de informatie daarvan in kaart brengt. Een soortgelijke aanpak is het nemen van luchtfoto’s met lidar-gegevens. Lidar-gegevens worden gebruikt om de hoogte van bijvoorbeeld troittoirs nauwkeirig te meten, en luchtfotos worden gebruikt om oversteekplaatsen te bepalen. Het AI team concludeerde dat we met panoramabeelden het bestaan of ontbreken van voetgangerskenmerken konden vaststellen. Enkele voorbeelden van voetgangerskenmerken zijn obstakels, opritten, oversteekplaatsen, drukknoppen, tactiele markeringen en straatmeubilair. Toch blijft het een hele opgave om nauwkeurige metingen en tijdsvoorspellingen te doen op basis van panoramabeelden. Dit geldt ook voor de toegankelijkheid van gebouwen, niet-visuele informatie en het contrast van trottoirs en borden.
Tot zo ver..
Helaas weten mensen met een beperking vaak niet van tevoren of zij gebruik kunnen maken van een openbaar gebouw. Toegankelijkheidsinformatie over openbare gelegenheden wordt vaak handmatig ingevoerd, waardoor er voor veel gebieden in de stad informatie ontbreekt. Het gevolg hiervan is dat burgers naar een locatie gaan om er vervolgens achter te komen dat hun toegang onmogelijk is. Wij denken dat het herkennen van bepaalde toegankelijkheidsrichtlijnen kan worden gedaan aan de hand van bestaande beelden, en we zouden deze beoordelingen automatisch aan plaatsen kunnen geven. Dit zou bezoekers in staat stellen snel na te gaan welke faciliteiten worden aangeboden voor een groot aantal plaatsen. Tegelijkertijd zou het de stad in staat stellen te controleren welke plaatsen toegankelijk zijn, na te gaan of het in de loop der jaren beter gaat en beleid te maken op basis van de verzamelde informatie. Op deze manier hopen we een stad te vormen die voor iedereen toegankelijk is.
Using Artificial Intelligence to measure accessibility
De gemeente Amsterdam heeft de ambitie om haar burgers zo veel mogelijk een onafhankelijke en gelijkwaardige participatie te bieden. Mensen met een beperking ondervinden echter een grote variatie aan belemmeringen bij het zich verplaatsen in of het actief deelnemen aan de stad. De recente vooruitgang op het gebied van kunstmatige intelligentie kan volgens ons van cruciaal belang zijn bij het vinden en oplossen van deze knelpunten. Om een zinvolle, nuttige en bruikbare toepassing van AI te garanderen, is het team van Amsterdam Intelligence een samenwerking aangegaan met World Enabled. In dit artikel leggen Maarten Sukel en Cláudia Pinhão uit hoe ze verschillende onderzoeksrichtingen hebben gekozen en waarom ze denken dat ze nuttig kunnen zijn.
The City of Amsterdam has the ambition to offer its citizens independent and equal participation as much as possible. However, people with disabilities encounter a high variety of barriers when moving around or participating in the city. We believe recent advancements in artificial intelligence can be crucial in finding and solving these bottlenecks. To guarantee a meaningful, useful and usable application of AI, we have partnered with World Enabled, who will guide us through the process.
"Recent studies suggest that 25% of all people encounter barriers in cities based on age or disability. With the right partnerships and tools we can accelerate the development and deployment of new urban tech and G2G solutions at scale. We look forward to embarking on this journey and leveraging the combined technical capabilities of Intelligent Amsterdam and World Enabled. - Dr. Victor Pineda, President of World Enabled
The advancements in the field of Artificial Intelligence potentially open up a whole range of new possibilities in tackling this topic, allowing for new ways to measure accessibility with a generic and scalable approach. Over the past months, we have been talking to experts about city design, diversity and inclusion to find out which problems need to be tackled.
In the next few years, we will be using the powers of Artificial Intelligence to help cities become more accessible. In this blog post, we will describe how we chose the different research directions, possible ways to tackle them, and why we think they can be beneficial.
Choosing the topics
To kick start this topic, together withWorld Enabled, we have gathered an international team of accessibility experts in a workshop to understand which accessibility-related information could be extracted from street panorama images (collected every year by the City of Amsterdam and saved after removing privacy sensitive information such as license plates and people). The experts were divided into three groups and we asked them to:
Annotate the selected images with a red sticky note for bad accessibility practices and a green sticky note for good practices, writing down their explanation.
Identify what type of accessibility-related information is missing on the city panorama images.
Remote workshop exercises on Miro. Source: Amsterdam Intelligence
We concluded that panorama images could allow us to identify the existence or lack of pedestrian features, such as obstacles, curb ramps, crossings. push buttons, tactile markings, street furniture, between others. However, precise measurements, time predictions, non-visual information, buildings accessibility and the contrast of pavements and signs cannot be evaluated from street view panorama images alone, due to visual properties or the dynamic lighting of the images.
Workshop results that answer ‘what could we identify with panorama images?’ Source: Amsterdam Intelligence
Workshop results that answer ‘what can’t we identify with panorama images?’ Source: Amsterdam Intelligence
This workshop allowed us to understand the broad spectrum of measuring accessibility for pedestrian mobility, for which many data sources are required. To prioritize and define our research directions we followed the following methodology:
Collected the accessibility guidelinesfor designing a barrier-free public space, from the municipality of Amsterdam and United Nations Enabled;
Combined the resultsof the workshop and the accessibility guidelines, categorized and described each accessibility-related feature;
Created a survey for accessibility expertsto measure the level of impact for each feature. By high impact, we meant the features that answer the need of most disability types and/or the pain points more often reported;
Created a survey for data scientiststo measure feasibility, regarding the available datasets;
Prioritized based on the surveys’ results.We selected the city features evaluated with the highest impact and feasibility.
People with disabilities frequently have trouble with obstacles on the sidewalk; crosswalks that are too long; missing curb ramps; missing tactile markings; press buttons positioned too high. These don’t allow them to proceed with their daily activities the same way people without disabilities do. So how could we map the presence or absence of such features?
It can be a challenging task to map accessibility obstacles. Fortunately, systems likeproject sidewalkallow us to virtually explore the streets of a city and label this type of information. Similar approaches could be done usingaerial imagesorlidar data. Aerial data can, for example, be used to locate crosswalks and Lidar data to measure the height of sidewalks accurately.
In the end, the collected data can be used to automatically detect these features in the whole city using computer vision techniques. Thus, this could result in a method for regularly measuring accessibility in a cost-effective way and on a large scale.
The applications of this data could feature both city officials and citizens. On one hand, we could give city officials updates on the city’s changing accessibility levels and identify which areas still need attention. On the other hand, we could add an extra layer of information to existing route planning systems, so they could offer more personalised routes to citizens.
Bicycle count prediction
Bicycles are another relevant accessibility bottleneck mentioned in our surveys, very characteristic of Amsterdam. Even though bicycles are considered temporary obstacles, they are still obstacles that can delay, block or be a hazard, especially for people with disabilities.
The dynamic nature of bicycles makes them harder to detect. However, by using historical counts of the number of obstacles on sidewalks (e.g. bicycles), it could be possible to use the characteristics of the street or neighbourhood to predict how likely it is that there will be obstacles on the sidewalk. The proximity of a bar would explain the presence of bikes during the evening, and a school would have more bikes parked during working hours.
The benefits of predicting the positioning of such obstacles can be twofold. On one hand, we can help city officials to identify busy areas of the city. With that information they can make informed decisions, as for example, add more bicycle parking in certain areas. On the other hand, we could add an extra layer of information to existing route planning systems, so they could offer more personalised routes to citizens, where they can avoid temporary obstacles or at least be aware of them.
Venue accessibility assessment
Unfortunately, people with disabilities (especially wheelchair users) frequently do not know if they can use a public building beforehand. Accessibility information about public venues is often entered manually, so there is missing information for plenty of areas in the city. As a result, citizens can end up going to a venue only to figure out that their entrance is impossible.
Some platforms offer information about the accessibility of certain venues. For example, onwheelmapyou can find information about wheelchair ramps and accessible toilets. Even though it is a great initiative, it is limited by users entering this information. Another example is street view images, where it is possible to look at a certain venue and check if the door is wide enough. However, this still needs to be done manually, by the user. All these tasks could be replaced by computer vision techniques.
We believe that recognizing certain accessibility guidelines can be done through existing images, and we could give these ratings to places automatically. This would allow visitors to quickly verify what facilities are offered for a large quantity of venues. At the same time it would allow the city to monitor which venues are accessible, check if it is improving over the years, and allow the creation of policy based on the collected information.
Conclusion
In the next few years we will be working on these challenges, and while we do this we will continue to describe how it is going and what new insights have been generated. We do think that these are all promising new applications of AI, and hope that measuring accessibility with these types of techniques will eventually make the city accessible for all.
"The Amsterdam for All initiative developed in partnership with World Enabled will effectively leverage the powers of emerging technologies to address data gaps and unlock new and compelling solutions to a variety of access and inclusion barriers in the city. " - Ger Baron, CTO City of Amsterdam