Smart Cities mit Daten aus Sozialen Netzwerken gestalten

Räumliche Verteilung von Tweets im Mittelmeer-Raum (copyright by Martin Werner)
Verteilung von Tweets im Mittelmeerraum (Bild von Martin Werner)

5. Juli 2019 – Bis zum Jahr 2050 sollen laut einer Schätzung der Vereinten Nationen 63% aller Menschen in Megacities leben. Städteplaner sehen sich durch die Migration in die Städte mit neuen Fragestellungen konfrontiert: Wie viele Menschen leben überhaupt in einem Distrikt? Was sind die Anforderungen an die Infrastruktur? Wie können die Flächen ideal genutzt werden? Gemeinsam mit Wissenschaftlern der Technischen Universität München und des Deutschen Zentrum für Luft- und Raumfahrt arbeitet der Munich Aerospace-Stipendiat Matthias Häberle an Antworten auf diese Fragen. Hierzu nutzt er Daten aus Sozialen Netzwerken.

Um urbane Räume besser zu gestalten, ist die Erdbeobachtung eine wertvolle Informationsquelle. Hochaufgelöste satellitengestützte Erdbeobachtung liefert Einblicke in das Erscheinungsbild der Erdoberfläche. Detaillierte Satellitenaufnahmen sind zuverlässig dazu in der Lage, etwa zwischen Wohnhäusern und Industrieanlagen zu unterscheiden. Doch spezifische Konstellationen, z.B. ob in einem Haus in der Innenstadt ein Laden betrieben wird, lassen sich noch nicht erkennen. Die Sozialen Netzwerke könnten hierbei helfen.

Mithilfe von Daten aus den Sozialen Netzwerken könnte die konventionelle Erdbeobachtung umgekrempelt werden, denn sie liefern wertvolle Rauminformationen. Eine neue Technologie soll dabei helfen, die Daten von Erdbeobachtungssatelliten mit anderen Datenquellen zu verknüpfen. So können Datensätze erstellt werden, die vielfältige räumliche Eigenschaften miteinander kombinieren und das Verständnis eines Phänomens verbessern. Speziell Twitter mit seinen weltweit 330 Millionen Nutzern könnte mit seinen Abermilliarden an Text- und Bildnachrichten (Tweets) Hinweise auf urbane Eigenschaften liefern und die eingeschränkte Perspektive von Satellitendaten erweitern.

Der Munich Aerospace-Stipendiat Matthias Häberle verfolgt einen neuartigen Ansatz, der ausgewählte Tweets mit der konventionellen Erdbeobachtung kombinieren soll: „Zahlreiche Tweets werden innerhalb von Gebäuden oder auf der Straße abgeschickt. Wenn man diese reichhaltige Datenquelle mit hochauflösenden Satellitenaufnahmen fusioniert, könnten Gebäudetypen viel besser bestimmt werden“, so Häberle. Folgt man dem jungen Wissenschaftler, könnte unser Abbild vom urbanen Raum also um detaillierteres Wissen erweitert werden. Zum Beispiel könnten Städteplaner anhand der Gebäudetypen die Anforderungen an die örtliche Infrastruktur besser einschätzen.

In der Munich Aerospace-Forschungsgruppe „Fusion of Remote Sensing and Social Media Data“ wird eine enorme Menge an Tweets mit Hilfe des Natural Language Processing untersucht. Mit dieser Methode können aus Textnachrichten Informationen über das physische Umfeld abgeleitet werden. Zum Beispiel werden Word Embeddings verwendet, um Text ohne großen Verlust von syntaktischen und semantischen Informationen in einem multidimensionalen Eigenschaftsraum abzubilden. So kann Sprache maschinenlesbar abgebildet und zur Weiterverarbeitung in Deep Learning-Systemen herangezogen werden.

Die Urbanisierung stellt Städte vor zunehmende Herausforderungen. Ein innovativer Einsatz von Data Science trägt dazu bei, die knappen urbanen Flächen sinnvoll zu gestalten und die Vision von Smart Cities zu verwirklichen. In Deep Learning liegen Chancen: In Kombination mit neuen Datenquellen kann es zur Verbesserung der Bestimmung von Gebäudetypen und damit des Verständnisses von Städten und urbanen Prozessen führen.

Newsliste

Der Newsletter von Munich Aerospace informiert Sie halbjährlich über Neuigkeiten, Veranstaltungen und Ausschreibungen des Vereins.