InMeA
Im Kontext des Projektes InMeA vervollständigen Nachwuchswissenschaftlerinnen und –wissenschaftler im Rahmen von Forschungsarbeiten eine leistungsfähige und effiziente Methodik zur automatischen Datenanalyse, die universell auf anwendungsfallbasierte und reale Messdaten der Infrastruktur, des Verkehrs und der Umwelt angewendet werden kann.
An der Bauhaus-Universität Weimar stehen umfangreiche Datensätze in den Fachgebieten „Structural Health Monitoring“ (deutsch: Methode zur strukturellen Bewertung von Bauwerken) und „Umweltorientierte Verkehrsplanung“ zur Verfügung. Sie beinhalten z.B. Sensordaten von Oberleitungsmasten aus Spannbeton eines repräsentativen Abschnitts der Eisenbahnstrecke zwischen Erfurt und Leipzig. Weitere Datensätze stellen Informationen zu Verkehrsaufkommen und -fluss sowie ergänzenden Umweltparametern des Stadtgebiets Erfurt zur Verfügung. Für die Analyse dieser Infrastruktur- und Umweltmessdaten bietet sich die Konzeption bzw. der Einsatz Intelligenter Methoden an, so dass hier z.B. 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. Die Hochschule Schmalkalden ist u.a. langjährig im Fachgebiet „Adaptive Signalanalyse“ tätig, so dass effiziente Methoden zur automatischen Datenanalyse geschaffen wurden. Neben klassischen Analyseverfahren werden hier Methoden des Maschinellen Lernens genutzt, die entsprechend datengetrieben optimiert wurden. Innerhalb der im Verbundprojekt umzusetzenden Forschungsarbeiten werden die zur Verfügung stehenden Datensätze in enger Zusammenarbeit mittels dieser universellen Methodik analysiert und damit ein erheblicher Kompetenzzuwachs im nachwuchswissenschaftlichen Bereich der Datenanalyse in den beteiligten Fachgebieten erwartet.