Big-Data-Analyse soll Staus in Städten vorhersagen

London als Versuchsstadt (Bild: Pixabay/Fxxu)

Wissenschaftler der King Abdulaziz University (KAU) in Saudi-Arabien haben ein Big-Data-Analysesystem entwickelt, um räumlich-zeitliche Events wie etwa Staus in Städten vorhersagen zu können. Um die Stadtverwaltung, Behörden und Bürger vorzeitig über entsprechende Ereignisse informieren zu können, setzen sie auf eine Kombination aus Cluster-Computing, maschinellem Lernen und die Geocoding-Applikation von Google Maps. Als Basis der Datenanalyse dienen Millionen von Twitter-Meldungen. Erste Testläufe des Systems im Grossraum London verliefen vielversprechend.

"Da die Zahl der mit dem Internet verbundenen Geräte und der Menschen, die online ihre aktuellen Erfahrungen austauschen, kontinuierlich angestiegen ist, wird jede Minute eine riesige Menge an nützlichen Daten generiert", zitiert "Techxplore" den KAU-Forscher Sugimiyanto Suma. Mithilfe dieser Informationen und deren gründlicher Analyse könnte die Verbreitung und das Verständnis über den Verkehr und andere städtische Ereignisse künftig deutlich verbessert werden, ist der Wissenschaftler überzeugt und weiter: "Mein Projekt zeigt eine mögliche Anwendung in einer Smart City." Das entwickelte System soll dabei sowohl der Stadtverwaltung als auch den Bürgern "ein Gefühl der gegenwärtigen Geschehnisse in ihrer Stadt vermitteln", um möglichst rechtzeitig Entscheidungen treffen zu können. "Mithilfe von Daten auf sozialen Online-Medien und einer ausgereiften technischen Big-Data-Analyseinfrastruktur könnten wir in Zukunft räumlich-zeitliche Events sehr schnell erkennen und sogar vorhersagen", verspricht Suma.

Genauigkeit verbessern

Um dieses Versprechen Wirklichkeit werden zu lassen, greifen der Forscher und sein Team auf das Open-Source-Framework für Cluster Computing Apache Spark und die Daten-Visualisierungs-Software Tableau zurück. Zusätzlich wird auch die Geocoding-Programmierschnittstelle von Google Maps genutzt, mit der sich der örtliche Ursprung von Twitter-Meldungen feststellen lässt.

"Im Zuge von Tests im Grossraum London konnten wir empirisch zeigen, dass es beispielsweise möglich ist, Verkehrsstaus und andere Ereignisse aufzuspüren und zu lokalisieren", schildert Suma erste Ergebnisse. Nun gehe es aber darum, die räumliche und zeitliche Dimension und Genauigkeit des Systems weiter zu verbessern. "Wir könnten zum Beispiel auch andere Daten von Social-Media-Plattformen wie Facebook oder News-Portalen in die Analyse einbinden und neue Algorithmen entwickeln, um noch bessere Analyseergebnisse zu erzielen", so der Experte. http://spark.apache.org http://tableau.com