InMeA: Intelligente Methoden zur automatischen und nachvollziehbaren Analyse umfangreicher Infrastruktur-, Verkehrs- und Umweltmessdaten

Abstract

An der Bauhaus-Universität Weimar stehen umfangreiche Datensätze in den Fachgebieten Structural Health Monitoring und Umweltorientierte Verkehrsplanung zur Verfügung. Diese Daten wurden innerhalb bereits abgeschlossener Forschungsprojekte mit projektbezogenen Fragestellungen analysiert und beinhalten Sensordaten von Oberleitungsmasten aus Spannbeton eines repräsentativen Abschnitts der Eisenbahnstrecke zwischen Erfurt und Leipzig. Außerdem beinhaltet ein weiterer Datensatz Informationen zum Verkehrsaufkommen und -fluss sowie zu ergänzenden Umweltparametern im Stadtgebiet Erfurt. Für die Analyse dieser Infrastruktur- und Umweltmessdaten bietet sich die Konzeption bzw. der Einsatz intelligenter Methoden an, so dass hier der strukturelle Zustand von Oberleitungsmasten bestimmt werden kann. Weiterhin ist in Städten die automatische Bewertung der Luftqualität zur Förderung der Nachhaltigkeit in urbanen Lebensräumen von Interesse. Hierfür sind jeweils leistungsfähige und effiziente Methoden der automatischen Datenanalyse erforderlich, die universell auf verschiedene anwendungsfallbasierte und reale Messdaten angewendet werden können. Die Hochschule Schmalkalden ist u.a. langjährig im Fachgebiet Adaptive Signalanalyse tätig, sodass effiziente Methoden zur automatischen Datenanalyse geschaffen wurden. Neben klassischen Analyseverfahren werden hier Methoden des Maschinellen Lernens genutzt, die entsprechend datengetrieben optimiert wurden. Innerhalb der umzusetzenden Forschungsarbeiten wird die Methodik zunächst erweitert, sodass u.a. Apriori-Wissen berücksichtigt und eine Interpretierbarkeit der Entscheidungsfindung gewährleistet werden kann. Insgesamt werden die zur Verfügung stehenden Datensätze in enger Zusammenarbeit mittels dieser Methodik analysiert und damit ein erheblicher Kompetenzzuwachs im nachwuchswissenschaftlichen Bereich der Datenanalyse in den beteiligten Fachgebieten erwartet. Das Projekt bildet damit die Grundlage für eine neue wiss. Kooperation der Partner.