• Medientyp: Elektronische Hochschulschrift; Masterarbeit; E-Book
  • Titel: Algorithmische Erkennung von Gefahrenlagen durch Interpretation urbaner Daten
  • Beteiligte: Hartart, Florian [VerfasserIn]
  • Erschienen: REPOSIT HAW Hamburg, 2018-10-02
  • Sprache: Deutsch
  • DOI: https://doi.org/20.500.12738/8466
  • Schlagwörter: Anomalieerkennung
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Die vorliegende Masterthesis thematisiert die Erkennung von Gefahrenlagen im städtischen Raum durch algorithmische Auswertung urbaner Daten aus sozialen Netzwerken, Sensornetzwerken und Open Data-Portalen. Am Beispiel der Stadt Hamburg wird gezeigt, dass urbane Daten zwar vorhanden sind, ihre potentiellen Möglichkeiten und Inhalte jedoch zum jetzigen Zeitpunkt nicht in Echtzeit repräsentiert werden können. Wesentliches Merkmal der Datenanalyse ist die Integration des Knowledge Discovery in Databases (KDD-)Prozesses in die Netzwerke einer Stadt. Zur Auswertung sind verschiedene Methoden der künstlichen Intelligenz und des maschinellen Lernens zielführend; es werden verschiedene Auswertungsalgorithmen vorgestellt. Zur Einschätzung der Realisierbarkeit einer Echtzeiterfassung wird das Text Mining als eine Spezifikation des Data Mining fokussiert. Die Interaktion mit den gewonnenen Informationen erfolgt in spezialisierten Sensorik-Leitstellen. Die gewonnenen Erkenntnisse bilden für Wissenschaft und Praxis einen theoretischen Mehrwert und regen weitere Forschung an. ; This master’s thesis addresses the recognition of dangerous situations in urban areas through the algorithmic evaluation of urban data collected from social networks, sensor networks and Open Data portals. As an example, the city of Hamburg shows that whilst there is indeed urban data available for the city, at present potential opportunities and contents cannot be represented in real time. An essential feature of the data analysis is the integration of the Knowledge Discovery in Databases (KDD) process into the networks of a city. Different methods of artificial intelligence and machine learning are conducive to the evaluation; various evaluation algorithms are presented. For the assessment of the feasibility of a real-time connection, text mining is focused on as a specification of data mining. The interaction with the information obtained is done in specialised sensor control centres. The knowledge obtained constitutes a theoretical added value for ...
  • Zugangsstatus: Freier Zugang
  • Rechte-/Nutzungshinweise: Urheberrechtsschutz