InMeA: Intelligente Methoden zur automatischen und nachvollziehbaren Analyse umfangreicher Infrastruktur-, Verkehrs- und Umweltmessdaten

Projektpartner:
Prof. Dr. rer. nat. Tom Lahmer, Bauhaus-Universität Weimar, Fakultät Bau- und Umweltingenieurwissenschaften
Prof. Dr.-Ing. Uwe Plank-Wiedenbeck, Bauhaus-Universität Weimar, Fakultät Bau- und Umweltingenieurwissenschaften
Prof. Dr.-Ing. Andreas Wenzel, Hochschule Schmalkalden, Fakultät Elektrotechnik 

Projektleitung: 
Prof. Dr. rer. nat. Tom Lahmer (Verbundkoordinator)
Dr.-Ing. Christian Walther (Ansprechpartner)
Institut für Strukturmechanik
Fakultät Bau- und Umweltingenieurwissenschaften 

Projektlaufzeit: 1. September 2022 bis 31. August 2025

Drittmittelgeber: BMBF

Fördersumme:
555.125,26 Euro Bauhaus-Universität Weimar
302.441,56 Euro Hochschule Schmalkalden

Beschreibung:
An der Bauhaus-Universität Weimar stehen umfangreiche Datensätze in den Fachgebieten Structural Health Monitoring (Professur Stochastik und Optimierung, Prof. Dr. rer. nat. Tom Lahmer) und Umweltorientierte Verkehrsplanung (Professur Verkehrssystemplanung, Prof. Dr.-Ing. Uwe Plank-Wiedenbeck) zur Verfügung. Diese Daten wurden innerhalb bereits abgeschlossener Forschungsprojekte mit projektbezogenen Fragestellungen analysiert. Sie beinhalten Sensordaten von Oberleitungsmasten aus Spannbeton eines repräsentativen Abschnitts der Eisenbahnstrecke zwischen Erfurt und Leipzig. Weitere Datensätze stellen Informationen zu Verkehrsaufkommen und -fluss sowie ergänzenden Umweltparametern des Stadtgebiets Erfurt zur Verfügung. Für die Analyse dieser Infrastruktur- und Umweltmessdaten bietet sich die Konzeption bzw. der Einsatz Intelligenter Methoden an, so dass hier z.B. der strukturelle Zustand von Oberleitungsmasten bestimmt werden kann. Weiterhin ist in Städten die automatische Bewertung der Luftqualität zur Förderung der Nachhaltigkeit in urbanen Lebensraumen von Interesse. Hierfür sind jeweils leistungsfähige und effiziente Methoden der automatischen Datenanalyse erforderlich, die universell auf verschiedene anwendungsfallbasierte und reale Messdaten an-gewendet werden können. Die Hochschule Schmalkalden ist u.a. langjährig im Fachgebiet Adaptive Signalanalyse (Professur Technische Informatik, Prof. Dr.-Ing. Andreas Wenzel) tätig, so dass effiziente Methoden zur automatischen Datenanalyse geschaffen wurden. Neben klassischer Analyseverfahren werden hier Methoden des Maschinellen Lernens genutzt, die entsprechend datengetrieben optimiert wurden. Innerhalb der im Verbundprojekt umzusetzenden Forschungsarbeiten wird die Methodik zunächst erweitert, sodass u.a. a priori-Wissen berücksichtigt und eine Interpretierbarkeit der Entscheidungsfindung gewährleistet werden kann. Insgesamt werden die zur Verfügung stehenden Datensätze in enger Zusammenarbeit mittels dieser Methodik analysiert und damit ein erheblicher Kompetenzzuwachs im nachwuchswissenschaftlichen Bereich der Datenanalyse in den beteiligten Fachgebieten erwartet. Das Projekt bildet damit die Grundlage für eine neue wissenschaftliche Kooperation der Bauhaus-Universität Weimar und der Hochschule Schmalkalden.