ForschungBig Data und Machine Learning
Big Data und Machine Learning – Abgeschlossene Projekte

Big Data und Machine Learning – Abgeschlossene Projekte

  • Mining GPS-Trajectory Data for Map Refinement and Behavior Detection
    In today’s world, we have increasingly sophisticated means to record the movement of moving objects such as vehicles, humans and animals in the form of spatio-temporal trajectory data. As a consequence of this development, increasing volumes of such data are being accumulated at an extremely fast rate. A trajectory is usually represented by an array of structured positions in space and time, i.e. each has a signature of specific location (geospatial coordinate tags) in time (time stamp tags).
    Jahr: 2017
  • Q-Trajectories - Dezentrale Bestimmung von Bewegungsmustern aus Trajektorien
    Ziel dieses Teilprojekts ist die Erkennung und Bewertung von Bewegungsmustern in Trajektorien mit Hilfe effizienter, dezentraler Analysemethoden. Dabei sollen Auffälligkeiten und kritische Verhaltensweisen ausfindig gemacht werden. Anwendungsmöglichkeiten für ein derartiges Verfahren könnten u.a. größere Sensor-/Kameranetze zur Überwachung von Menschenmengen (z.B. Stau, Gruppenverhalten, …) oder zur Beobachtung von Verhalten von Tieren sein.
    Jahr: 2017
  • Anomalous Pattern Detection from GPS-Trajectories
    The anomalous pattern detection is of great interest for the applications in the areas of navigation/driver assistant system, surveillance and emergency management. In this work we focus on the GPS-Trajectories finding where the driver is encountering navigation problems.
    Jahr: 2017
  • RainCars
    Ziel des Projektes RainCars ist die Verbesserung bisheriger Methoden zur Niederschlagsschätzung durch die Verwendung von Sensoren in Autos. Überschwemmungen verursachen auch in Deutschland regelmäßig große Schäden. Eine bessere flächendeckende Erfassung des Niederschlags könnte für genauere Vorhersagen sorgen. Ziel des Projekts RainCars ist die Verbesserung der räumlichen Niederschlagsschätzung durch zusätzliche Messungen mit Autos deren Scheibenwischer als Sensoren zur Regenmessung dienen. Der Kerngedanke: Relativ ungenaue Messungen an sehr vielen Orten sind besser als exakte Messungen an sehr wenigen Orten.
    Team: Fitzner, Sester
    Jahr: 2017
    Förderung: DFG