Sprungmarken

Servicenavigation

Hauptnavigation


Sie sind hier: 

Bereichsnavigation


Hauptinhalt

Abschätzung räumlicher Strukturen aus unsicheren Sensordaten

Räumliche Autokorrelation ist ein statistisches Merkmal, dass zur Beurteilung räumlicher Strukturen verwendet werden kann. Entsprechende Methoden wie etwa Moran's I finden auch in der Raumplanung weitläufige Anwendung.

Ein kürzlich von Jun.-Prof. Dr. René Westerholt (RAM) zusammen mit Kollegen der ETH Zürich und HERE Technologies Schweiz publiziertes Papier schlägt zwei neue Wege vor, um die Zuverlässigkeit von Beobachtungen in die Schätzung räumlicher Autokorrelation mittels Moran's I zu integrieren. Die vorgeschlagenen Lösungen werden anhand von zwei Fallstudien getestet, von denen eine auf realen Messungen von Temperaturen und Bewegungsdaten basiert und die andere synthetische Daten verwendet. Die Ergebnisse zeigen, dass die Art und Weise, wie Zuverlässigkeitsinformationen in die Moran's I-Schätzungen einbezogen werden, einen starken Einfluss darauf hat, wie das Maß auf unbeständige verfügbare Informationen reagiert. Es wird gezeigt, dass absolute Zuverlässigkeitsinformationen bei der Behandlung des Problems unterschiedlicher Kontexte wesentlich weniger aussagekräftig sind als relative Konzepte, die unabhängig vom allgemein vorhandenen Unsicherheitsgrad zuverlässigeren Beobachtungen mehr Gewicht beimessen. Die vorgestellten Ergebnisse stellen angesichts der Unsicherheiten mit denen viele neuartige Daten behaftet sind (z.B. Sensordaten, Daten aus sozialen Medien, Big Data allgemein) eine wichtige Anregung für den Diskurs über die Einbeziehung von Unsicherheiten in räumliche Autokorrelationsmaße dar. Das vollständige Papier wurde als Full-Paper im Rahmen der International Conference on Geographic Information Science veröffentlicht und ist hier verfügbar.

Kontakt: Jun.-Prof. Dr. René Westerholt