Institut für Raumbezogene Informations- und Messtechnik
Hochschule Mainz - University of Applied Sciences

BAM - Big-Data-Analytics in Environmental and Structural Monitoring

Ein interdisziplinĂ€res Team der Hochschule Mainz erforscht im Hinblick auf Big-Data die Potentiale aktueller Data Mining- und Machine Learning Verfahren fĂŒr Fragestellungen mit Raum-Zeit-Bezug.
Motivation und Ziele: 
Ziel des Forschungsvorhabens ist es, Verfahren bereitzustellen, die den Nutzen stark wachsender Datenmengen mit Raumbezug erhöhen. So werden im Bereich Smart City auf Machine Learning basierende Informationssysteme entwickelt, welche mittels Analyse und Visualisierung Entscheidungsfindungen erleichtern. Ferner wird der Autonomiegrad optischer Monitoringsysteme auf der Basis von Bildanalyse mithilfe von Deep-Learning-Systemen gesteigert.
 
AktivitĂ€ten: 
Durch Interessensaustausch mit verschiedenen Projektpartnern aus dem MobilitĂ€tssektor konnten Schnittmengen entdeckt, Use Cases entwickelt und vielversprechende Daten zusammengefĂŒhrt werden. Auf dieser Basis implementierten Alexander Rolwes und Thomas MĂŒller eine prototypische Anwendung zur Vorhersage der Parkhausauslastung in Mainz. Aktuell widmen sie sich der Weiterentwicklung der Vorhersage sowie der Integration in ein ganzheitliches Steuerungsmodell zur Nutzung von Off-Street ParkflĂ€chen. DarĂŒber hinaus untersuchen sie die ZusammenhĂ€nge zwischen rĂ€umlichen Einflussfaktoren und dem Parkverhalten.
 
Kira Zschiesche und Denise Becker realisierten vielversprechende Verfahren zum Monitoring von VerĂ€nderungen an Bauwerken. Unter anderem erlangten sie Erkenntnisse in Verbindung mit Methoden aus dem Structural Health Monitoring, indem sie optische Schwingungsmessung an Bauwerken vornahmen und erprobten erste AnsĂ€tze zur automatischen Rissdetektion. Um die Sicherheit im Gleisbereich zu erweitern, entwickelten sie mittels eines Deep Learning Ansatzes eine Softwarelösung, welche durch den Einsatz von KĂŒnstlicher Intelligenz ZĂŒge in Bildern identifiziert. ZukĂŒnftig wird das Team Verfahren zur automatischen Targetdetektion erforschen, um den Automatisierungsgrad bei verschiedenen Prozessen zu steigern.

Eckdaten

Zeitraum:     01.04.2019 - 31.03.2022
  • – Prof. Dr. Gunther Piller (FB Wirtschaft)
  • – Lisa Mosis B.Sc.(Geoinformatik und Vermessung)
  • – Thomas MĂŒller M.Sc. (FB Wirtschaft)
  • – Linda Rau M.Sc. (Geoinformatik und Vermessung)
Kooperation:
  • – Carl-Zeiss-Stiftung

Fördersumme:     750.000,- €
Titelbild:
  • Ablaufschema des Projekts, Grafik: Vanessa Liebler fĂŒr das i3mainz, CC BY-SA 4.0
,

Nachrichten

Auf dem 198. DVW-Seminar "BIM und Vermessung", welches die Gesellschaft fĂŒr GeodĂ€sie, Geoinformation und Landmanagement am 19. MĂ€rz 2021 in einer online-


Durchschnittlich verbringt ein deutscher PKW-Nutzer im Jahr 41 Stunden mit der Suche nach einem Parkplatz, Tendenz durch den kontinuierlich zunehmenden Grad


Kurz bevor in Deutschland im MĂ€rz 2020 die meisten öffentlichen Veranstaltungen abgesagt oder ins Internet verlegt wurden, fand in Freiburg noch eine nur


Bastian Plaß wurde am 10. MĂ€rz mit dem Förderpreis 2019/2020 des VDI Rheingau-Bezirksvereins e.V. ausgezeichnet. Die Preisverleihung fand im Rahmen der


Verwandte Projekte

Industrieroboter gewinnen durch ihre vielfÀltige Einsetzbarkeit sowohl in vielen Bereichen der Industrie als auch in der Messtechnik an Interesse. In Verbindung mit einem optischen

In den zurĂŒckliegenden Jahren kann auf eine erfolgreiche Zusammenarbeit mit dem Institut fĂŒr Steinkonservierung e.V. (IfS) zurĂŒckgeblickt werden.

Publikationen

Optische Schwingungsmessung: Status, Integration, Pros und Contras

2020

K. Zschiesche,
L. Rau,
M. SchlĂŒter

PDF / RTF

GeoMonitoring 2020

Am Beispiel einer Eisenbahn-StahlbrĂŒcke erarbeiten wir prototypisch die relevanten Einzelschritte von der mobilen Erfassung kontrollierter Schwingungsdaten bis zur Integration in die Bauwerksdatenmodellierung (BIM). Dieser Aufsatz umfasst einen Abriss bestehender Systeme zur Schwingungsbeobachtung an gealterten Bestandsbauwerken und geht dabei besonders auf die Vor- und Nachteile der optischen Schwingungsmessung ein. Es zeigt sich, dass die optische Schwingungsmessung hierbei eine wirtschaftliche ErgĂ€nzung zu bestehenden Systemen darstellt. NĂ€her beschrieben wird das Erfassen von Schwingungen mittels modularer Digitalkameratachymetrie. PrĂ€zisionstachymeter können mit Digitalkameras am Okular kombiniert werden. Diese Erweiterung in Verbindung mit der digitalen Bildverarbeitung ermöglicht die automatische Detektion von Zielen und somit auch die berĂŒhrungslose Erfassung von Schwingungen. Es ist nicht erforderlich das Ziel mit dem Fadenkreuz konkret anzuvisieren. UnzugĂ€ngliche Objekte, wie z.B. BrĂŒckenbauwerke, Fabrikschlote oder TĂŒrme fĂŒr Windenergieanlagen, können ohne Signalisierung durch die modulare Digitalkameratachymetrie hochfrequent durch die Messung natĂŒrlicher Ziele diskret, optisch und ad hoc erfasst werden. Es ist kein Eingriff am Objekt notwendig.


 


KĂŒnstliche Intelligenz als Strategie in der IngenieurgeodĂ€sie – erste Schritte im Bahnumfeld

2020

B. Plaß,
K. Zschiesche,
T. Altinbas,
D. Karla,
L. Rau,
M. SchlĂŒter

PDF / RTF

zfv – Zeitschrift fĂŒr GeodĂ€sie, Geoinformation und Landmanagement

FĂŒr die Arbeiten im Gleisbereich ist ein System zur Erfassung von Zugfahrten unverzichtbar. KĂŒnstliche Intelligenz kann einen Teil dazu beitragen. Im Folgenden wird ein erster Ansatz, basierend auf Deep Learning Technologie, vorgestellt, welcher auf Grundlage von Bilddaten automatisch ZĂŒge detektiert und so zu mehr Sicherheit im Gleisbereich beitragen kann. DarĂŒber hinaus ist eine Softwarelösung entwickelt worden, welche den umfangreichen und bisher arbeitsintensiven Datenvorbereitungsaufwand signifikant reduziert. Im vorliegenden Beitrag werden das Potenzial und die flexible Einsetzbarkeit von KĂŒnstlicher Intelligenz im ingenieurgeodĂ€tischen Kontext aufgezeigt.

A system for recording train rides for work in the track area is crucial. The usage of Artificial Intelligence contributes to this. In the following article a first approach based on Deep Learning is presented, that automatically detects trains on the base of image data and can lead to more safety in the track area. In addition, a software has been developed that reduces the extensive and work-intensive data preparation effort significantly. This article presents the potential and the flexible deployment of Artificial Intelligence in the engineering geodetic domain.


BIM in der Praxis − AnsĂ€tze zur Integration von Structural Health Monitoring in ein Bestands-BIM

2020

K. Zschiesche,
L. Rau,
M. SchlĂŒter

PDF / RTF

Leitfaden GeodÀsie und BIM

Structural Health Monitoring (SHM) dient zur Bestimmung und Überwachung des Zustands eines Bauwerks. Dabei kommt es zu kontinuierlicher oder periodischer Erfassung von großen Datenmengen, je nachdem ob auf bauwerksintegrierte Sensorik zurĂŒckgegriffen werden kann, oder ob die Er-fassung z. B. als vermessungstechnische Dienstleistung erfolgt. BIM bietet die Möglichkeit der Bereitstellung großer Datenmengen, der Prozessintegration und der Dokumentation vermessungstechnischer Leistungen (Clemen et al. 2019). Dadurch ermöglicht die Verbindung dieser beiden Methoden eine interdisziplinĂ€re Auswertung verschiedenster Informationen ĂŒber das Bauwerk innerhalb einer Plattform. Die frĂŒhzeitige Erkennung möglicher ZustandsĂ€nderungen der Bausubstanz hat insbesondere im Hinblick auf die Nachhaltigkeit der Lebens- und Nutzungsdauer des Objekts, von Bauteilen und von Bauteilschichten eine besondere Bedeutung. Eine effiziente ZugĂ€nglichkeit von SHM-Daten kann durch Integration dieser in die Bauwerkdatenmodellierung erfolgen (Zschiesche et al. 2020). Beispielhaft wird im vorliegenden Bericht die Integration in ein Bestands-BIM von zuvor erfassten und ausgewerteten Messergebnissen erprobt. Wie in Del Grosso et al. (2017) und Valineja-dshoubi et al. (2017) beschrieben, wird mittels dem Plug-in Keynote Manager sowie des Revit-Plug-ins BIM One und der Software Autodesk Revit das Vorgehen evaluiert.


Ein Smart City Dashboard fĂŒr die rĂ€umliche Analyse Machine Learning basierter Parkplatz-Vorhersagen

2020

A. Rolwes,
T. MĂŒller,
K. Böhm

PDF / RTF

8. Deutsches GeoForum 2020 - Bedeutung der Geoinformation fĂŒr Gesellschaft und Wirtschaft







RÀumliche Verortung von textbasierten Social-Media-EintrÀgen am Beispiel von Polizei-Tweets

2020

S. Ruthmann,
A. Rolwes,
K. Böhm

PDF / RTF

FOSSGIS Konferenz 2020

Ziel der Forschungsinitiative ist die Untersuchung der rĂ€umlichen Verortung deutscher Tweets auf Basis von verfĂŒgbaren Standardwerkzeugen. ZunĂ€chst werden die spezifischen Herausforderungen im Kontext der Sprache und der Eigenschaften von Tweets betrachtet. Die darauffolgende Entwicklung eines grundlegenden, algorithmischen Ablaufs schließt mit der Implementierung eines Prototyps ab. Dieser bildet die Basis fĂŒr die Evaluation der Genauigkeit und fĂŒhrt zur Betrachtung des Verbesserungspotentials.