english  | Home | Impressum | Datenschutz | KIT

Deep Learning Algorithmen für wetterbedingte Luftqualitätsprognose in Smart-City Anwendungen

Deep Learning Algorithmen für wetterbedingte Luftqualitätsprognose in Smart-City Anwendungen
Typ:Bachelor-/ Masterarbeit
Datum:offen (zu vergeben)
Betreuer:

M. Eng. Gabriela Molinar

Deep Learning Algorithmen für wetterbedingte Luftqualitätsprognose in Smart-City Anwendungen

.
.

Umfeld

Die Luftverschmutzung gehört zu den gravierendsten Problemen vieler Großstädte. 45 Zigaretten „raucht“ man pro Tag, wenn man die Luft in einigen großen Städten an einem schlechten Tag einatmet. [1]

Im Zusammenarbeit mit der Firma ITK und dem Forschungszentrum Informatik ist ITIV nun im Bereich Luftqualitätsmonitoring, -prognose und -regelung tätig. Die Idee ist ein System zur Klimaüberwachung zu entwickeln, das Daten zum Schadstoffgehalt, zur Luftfeuchtigkeit und zur Pollenbelastung sammelt und analysiert. Städte können diese Daten nutzen, um Maßnahmen zur Verbesserung der Luftqualität einzuleiten, beispielsweise Verkehrsströme umzulenken.

Anhand von den gemessenen Daten werden KI Modelle gebildet, welche eine Prognose des Schadstoffanteiles in einem Zeithorizont von einigen Tagen erzeugt. Anhand dieser Vorhersage wird einen intelligenten Verkehrsmanagement zum Umleiten der Autos durchgeführt.

Eine Bachelor-/Masterarbeit in diesem Bereich hätte als Ziel, unter anderem, die Entwicklung der KI Modelle anhand von verteilten Luftqualitätsmessungen und Wetterdaten.

 

[1] „Smart-City Challenges“, Bosch Webseite: https://www.bosch.com/de/stories/smart-city-challenges/ [Accessed: 03.12.2018]

 

Aufgaben

  • Analyse und Weiterentwicklung der für die Anwendung Luftqualitätsprognose entwickelten Modelle.
  • Benchmark unterschiedlicher Verfahren

 

Voraussetzungen

  • Motivation
  • Kreative, lösungsorientierte und selbstständige Arbeitsweise.
  • Studium Elektrotechnik oder Informatik.