Die Kernidee des Forschungsprojektes „KI-Modelle für Smart Cities am Beispiel Einzelhandel und Smart Parking in Dortmund“ wurde bedauerlicherweise stark von der COVID-19 Pandemie beeinflusst. Während der initialen Phase des Projekts und durch Diskussion mit Projektteilnehmern der Osudio GmbH (heute SQLI GmbH ) wurde schnell klar, dass das Projekt nicht wie geplant fortzusetzen war. Das bestätigte sich auch schnell mit den initial geplanten Daten-Providern wie Dortmund Data (DoData ) oder DORTMUND Tourismus GmbH . Ein Beispiel war die Trendanalyse von Parken und Einkaufen zu bestimmten Erlebnissen in Dortmund (bspw. DORTMUND Tourismus GmbH), die auch Daten zur Verfügung stellen über Events und Erlebnisse im Raum Dortmund. Durch COVID-19 fanden keine Ereignisse statt und der stationäre Einzelhandel war geschlossen. Trotzdem bestand Interesse von allen das Projekt und die Kollaboration fortzuführen. Daher wurden ähnliche Ziele vereinbart, die zumindest auf alten bestehenden Daten der Stadt Dortmund aufbauen konnten. Es wurde klar, dass ein Dashboard für die Datenanzeige sowie KI-Modelle oder Statistikmodelle in dem Kontext auch interessant wäre. Dieses sogenannte „Daten-Visualisierungs-Dashboard“ (bspw. Bild 1) wurde in der Projektlaufzeit realisiert sowie einige Vorhersagemodelle basierend auf Autoregressionsmethoden. Die Verwertung ist bereits gestartet.
Projektziele
Die Forschungskooperation beinhaltet neben der Analyse der vorhandenen Datenquellen und der Erprobung von verschiedenen Vorhersagemodellen, vor allem auch den Aufbau eines flexiblen und erweiterbaren Daten-Visualisierungs-Dashboard. Dabei sollten primär zum Test die Daten der Stadt Dortmund benutzt werden, wobei das Dashboard selbst später auch für andere Städte nutzbar sein sollte. Darüber hinaus sollte das Dashboard vor allem auch für „nicht IT oder KI-Experten“ nutzbar sein.
Projektergebnisse
Der erste wissenschaftliche Beitrag war die tiefe Analyse vorhandener Datensätze für das Dashboard. Beispiel dieser Datenquellen waren Realtime Daten der Stadt Dortmund, oder die Verknüpfung von Event- Verkehrs- und Verkaufsdaten. Weiterhin auch eine detaillierte Prüfung der Verfügbarkeit von öffentlichen Daten für die Datenanalyse und initiale Trends und Prognosen. Wie bereits geschildert hatte leider COVID-19 auf das Projekt einen enormen Einfluss, so dass einige Projektziele und damit auch geplante Ergebnisse geändert werden mussten. Neben den angesprochenen Problemen des Parkings in Dortmund mangels Events, waren leider auch viele historische Daten aus Datenschutzgründen nicht erhältlich. Darüber hinaus lagen öffentliche Daten auch oft (noch) nicht in der nötigen Granularität vor. Fazit dieser Datenanalyse Periode brachte also nur wenige Möglichkeiten für signifikante langfristige Vorhersagen oder die Anwendung von komplexeren Verfahren des Maschinellen Lernens (MLs).
Deswegen wurde auf statistische Datenmethodik zurückgegriffen und einige Vorhersagemodelle in der Projektlaufzeit erstellt, was ein weiterer wissenschaftlicher Beitrag des Projekts war. Beispiele waren zu erwartende Anzahl von Studierenden per Semester per Studiengang an der TU Dortmund (siehe Bild 1), zu erwartende Autopendler-Situation in Dortmund und Umgebung, Radfahrer per Stunde pro Wochentag in Dortmund, sowie Arbeitslosenzahlen und Anzahl Flugbewegungen und Fluggäste am Flughafen Dortmund. Dazu wurde vor allem die Methode der „Autoregression“ auf verschiedene Datenquellen angewandt. Diese Methoden werden häufig auf Zeitreihen Datenwerte angewandt die Beobachtungen widerspiegeln, die über die Zeit von sich selber abhängen und einfache Vorhersagen liefern.
Der letzte wissenschaftliche Beitrag war die Erzeugung einer Benutzten freundlichen „Daten-Visualisierungs-Dashboard“, welches die obengenannten Autoregressionsmodelle sowie Daten flexibel anzeigt. Durch Einsatz dieses Dashboards können Projektpartner wie die DoData GmBH nun die Daten in viel besserer Form viel einfacher sichten und sogar Vorhersagemodelle ansehen. Vorher wurde mühsame zusammenkopierte Exceltabellen von verschiedenen Quellen manuell erzeugt. Das Projekt wurde daher von allen Projektpartnern trotz starker COVID-19 Krise als Erfolg angesehen.
Nächste Schritte
Das Forschungszentrum verwertet die Projektergebnisse dieses Kooperationsprojektes bereits im CASA HealthCare Lab im Rahmen der Forschung an dem Acute Respiratory Distress Syndroms (ARDS) und weiteren medizinischen Zeitreihendaten. Die Verwertung der Projektergebnisse ist auch in das ON4OFF Projekt eingeflossen, wo weitere Zeitreihen im Bereich des stationären Einzelhandels analysiert wurden. Die DoData GmbH sowie Osudio GmbH (nun SQLI Deutschland GmbH) verwertet die Ergebnisse in Studien und prüft die Integration in zukünftige Services, auch evtl. über die Grenzen von Dortmund hinaus.
Projektpartner
Prof. Dr. – Ing. Morris Riedel, Forschungszentrum Jülich
Stefan Herold, Geschäftsführung, Osudio Deutschland (nun SQLI Deutschland)
