ActOnAir - Erfassung und Analyse persönlicher Belastungsinformationen und Umweltdaten zur Identifikation von Handlungsalternativen

Abgeschlossen
Gesamt-Architektur-Konzept des Projektes i3mainz, CC BY SA 4.0

Dieses Projekt verfolgt einen neuartigen Ansatz zur Erfassung, Kombination und Analyse persönlicher Belastungsinformationen und feinmaschiger Umweltdaten. Hieraus werden individuelle Handlungsempfehlungen identifiziert, bewertet und überwacht. Potentielle Nutzer sind Personen, die ihre allergologische Belastung durch Bestandteile der Atemluft vermindern möchten, bzw. dies aufgrund gesundheitlicher Vorbelastungen notwendigerweise tun müssen.

Motivation

Luftverschmutzung stellt das größte auf Umweltfaktoren basierende Gesundheitsrisiko dar. So besagen die neuesten statistischen Hochrechnungen der Weltgesundheitsorganisation (WHO), dass jeder achte Todesfall weltweit auf verschmutzte Luft zurückgeht. In der EU verlieren laut einem jüngst veröffentlichten Bericht der Europäischen Kommission jährlich etwa 400.000 Menschen durch Folgeerkrankungen der Luftverschmutzung ihr Leben – zehnmal so viele wie durch Verkehrsunfälle.

Auf der anderen Seite wird die Menge der verfügbaren Informationen über die eigene Umwelt durch tragbare Sensoren geradezu potenziert, die eigenen Sinne praktisch vervielfacht. Umso bedeutender erscheint die Notwendigkeit, aus den erfassbaren Daten auch richtige und verlässliche Handlungsempfehlungen abzuleiten. Denn ein Mehr an Daten heißt keineswegs auch ein Mehr an anwendbaren und nützlichen Informationen. Das ActOnAir-Konzept verknüpft die aus einem individuellen Umfeld gewonnen Sensordaten mit einer Big Data-Analyse und somit Messwerte und Prognosen mit medizinischem Wissen.

Die konkreten Ziele sind:

  • Bereitstellung kostengünstiger, mobiler Sensoren für eine umfassende Messung von Luftschadstoffen.
  • Entwicklung einer Integrationsplattform zur Anbindung unterschiedlichster Sensoren sowie zur sicheren Übermittlung von Sensordaten an Cloud-basierte Analysebausteine
  • Bereitstellung passgenauer Data Mining- und Prognoseverfahren zur Ermittlung individueller Belastungsmuster und Bereitstellung von medizinisch validen Handlungsempfehlungen in Echtzeit
  • Eine aus den genannten Komponenten bestehende anwenderfreundliche und erweiterbare Gesamtlösung für Individualpersonen zur Erfassung ihrer Schadstoffexposition und persönlichen Belastungssymptome, der Berechnung individueller Belastungsmuster sowie der zeitgerechten Bereitstellung von Handlungsempfehlungen

Aktivitäten

Zum Start des Projektes wurde eine Gesamtarchitektur entwickelt (siehe Abbildung 1), welche zudem in ein erstes Datenfluss-Konzept übertragen wurde. Die Architektur zeigt die 4 Hauptkomponenten, von denen das i3mainz den Bereich der Integrationsplattform zur Anbindung unterschiedlichster Sensoren übernimmt. Hierzu wurde ein System entwickelt, welches Datenflüsse erzeugt und verarbeitet. Diese Datenflüsse bestehen aus Eingangsquellen, Prozessschritten und Datenspeichern, welche flexibel zu Datenströmen kombiniert werden können. Im weiteren Projektverlauf wurden die einzelnen Dienste, welche für die Verarbeitung notwendig sind entwickelt und mehreren Szenarien getestet.

Resultate

Als Ergebnis des Projektes wurde ein Prototyp bereitgestellt, welcher unterschiedliche Sensordaten einlesen und verarbeiten kann. Anschließend werden die gesammelten Daten analysiert und personalisierte Risiken errechnet. Die vom i3mainz entwickelte Integrationsplattform nutzt zur Verarbeitung Microservices, welche durch Spring Cloud Data Flow orchestriert werden (siehe Abbildung 2). Dies geschieht durch Definition von Datenströme, welche Nachrichten über sogenannte Messaging-Dienste austauschen und dann weiterverarbeiten. Die Art der Dienste lässt sich in „Sources“, „Processors“, „Sinks“ und „Task“ aufteilen. Die drei Erstgenannten werden für Datenströme und der Letztgenannte für „Batch-Jobs“ verwendet. Die Persistence und Standardisierung der Sensordaten erfolgt u.a. über OGC Standards, wie den Sensor Observation Service (SOS). Im Projekt wurde solch ein Dienst unter Verwendung des Frameworks von 52°north aufgesetzt. Zu den weiteren entwickelten Komponenten zählen:

  • API zur Integration von Sensordaten aus der mobilen Anwendung: Diese Komponente erlaubt die Speicherung der Sensordaten beispielsweise aus der mobilen Smartphone-Anwendung.
  • Datenbereitstellung an die Data Mining-Komponente: Diese Komponente fungiert als „Sink“ und erlaubt die Speicherung von Daten über eine Datenbankschnittstelle in der Data-Mining-Komponente. Dabei können Metadaten und Sensorinformationen separat betrachtet werden.
  • Speicherung der Sensorinformationen in einen SOS: Diese Komponente erlaubt das Speichern der Sensordaten über das transaktionale Profil des Sensor Observation Service. Dieser Services wurde so konzipiert, dass er mehrere Modi der Sensorerstellung ermöglicht. So kann der Sensor initial beim Start des Dienstes aus fest definierten Daten registriert werden, oder durch eine dynamische Erzeugung auf Basis der verarbeiteten Nachrichten.
  • Adapter für Umweltdaten-Services: Hier wurden Adapter für unterschiedliche Daten und Sensorkonzepte entwickelt. Diese ermöglichen das Hinzufügen unterschiedlicher Wetter- und Umweltfaktoren, wie beispielsweise Temperatur, Feinstaub oder Ozon. Die jeweiligen Dienste lassen sich über Konfigurationsparameter steuern.
  • Datenverarbeitung: Für die interne Verarbeitung der Daten, sind wesentliche Prozesse implementiert worden. Dies beinhaltet vor allem die Entwicklung von Diensten, welche die Daten zur Weiterverarbeitung der notwendigen Struktur anpassen. Allerdings wurde auch prototypisch ein Dienst implementiert, welcher ein Isochronen-Polygon bestimmen kann, welches dann bei der weiteren Sensordatenselektion verwendet werden könnte.
  • Data Fusion Komponente: Zur Verknüpfung und Aufbereitung der unterschiedlichen Daten zu einem Datensatz, welcher für das Data Mining verwendet werden kann, wurden Komponenten entwickelt, die zu einem Art Batch-Job zusammengefasst werden. Diese Komponenten erlauben die Zusammenführung mehrerer Messwerte, über unterschiedliche Methoden, welche für die einzelnen Messphänomene dezidiert konfiguriert werden können.