Einführung und Ziel der Arbeit

Die Bewegungstrajektorien von Fahrzeugen erlauben Rückschlüsse auf raum-zeitliche Situationen. So können beispielsweise Haltepunkte detektiert werden oder auch Stausituationen, oder auch Anomalien wie temporär nicht zu befahrende Straßensegmente.

In der Arbeit sollen in einem großen Trajektoriendatenbestand solche Muster automatisch erkannt werden

Der Datenbestand umfasst sehr viele Trajektorien. Bei Interesse kann ein Schwerpunkt auf die skalierbare Datenanalyse mittels Hadoop und Spark gelegt werden.

Aufgaben

1.   Sichtung der Literatur zur Analyse von Trajektoriendaten

2.   Sichtung des Datensatzes und Identifikation der zu analysierenden Muster

3.   Entwicklung und Programmierung eines Verfahrens zur Mustererkennung

Werkzeuge / Daten

►    Fahrzeugtrajektorien

►    Literatur zu verwandten Arbeiten

Anforderungen

►    Programmierkenntnisse (z.B. Python)

►    Kenntnisse und Interesse an räumlicher Datenanalyse

Kontakt

►    Dr. Udo Feuerhake (udo.feuerhake@ikg.uni-hannover.de)

►    Prof. Dr.-Ing. habil. Monika Sester (monika.sester@ikg.uni-hannover.de, 0511 762- 3588)