Aufbau einer Crowd Remote Sensing App zur Klassifizierung und Visualisierung gefährlicher Regionen in der Innenstadt
Samson Katt / Pexels
Von Verkehrsstaus und unsicheren Straßenverhältnissen bis hin zu potenziellen Gefahren für unsere persönliche Sicherheit wie Vandalismus und schlechte Straßenbeleuchtung gibt es viele Risiken, die unser Wohlbefinden und unsere Lebensqualität beeinträchtigen können. Das Hauptproblem besteht darin, dass wir nicht immer über diese Risiken informiert und daher nicht in der Lage sind, angemessen darauf zu reagieren. Diese Informationslücken können zu unsicheren Entscheidungen und gefährlichen Situationen führen.
Genau hier setzt das Projekt CityGuard an. Die Digitalisierung ermöglicht uns den Austausch relevanter Informationen in Echtzeit über das Internet, um uns gegenseitig zu unterstützen. Eine frei verfügbare Plattform kann dazu beitragen, das Bewusstsein für Gefahren zu schärfen und die Sicherheit der Menschen zu verbessern. Durch die Nutzung von Geodaten und die kollektive Intelligenz der Crowd (größere Menge an Menschen wie eine Community) kann ein umfassenderes Bild der Sicherheitslage geschaffen werden. Dies ermöglicht den Nutzer:innen der Plattform, fundierte Entscheidungen zu treffen und sich vor potenziellen Gefahren zu schützen. Eine Anwendung, die so eine Plattform umsetzt, adressiert das gesellschaftlich relevante Thema der Sicherheit und fördert den Zusammenhalt und die Solidarität innerhalb der (lokalen) Gemeinschaft.
Das CityGuard-Projekt baut auf einer Data Challenge der inovex GmbH in Kooperation mit dem Digital and Data Literacy in Teaching Lab als Projektförderer auf, in dessen Rahmen ein Konzept und die grundlegenden Funktionalitäten einer Crowd Remote Sensing App entwickelt werden sollen.
Unser Ziel ist es, zu ergründen, in welchem Rahmen eine datengetriebene Plattform dazu beitragen kann, die Sicherheit in der Stadt und die Lebensqualität zu verbessern. Dabei wollen wir vor allem Lösungen für die folgenden Fragen finden:
1. Welche Technologien und Infrastruktur werden für eine solche Anwendung und das Sammeln und Auswerten der Daten benötigt?
2. Wie kann die Sicherheit von Regionen in der Stadt durch einfache Fragen gemessen werden, um zugleich aussagekräftige Daten zu erhalten, die nicht stark von Falschmeldungen und Spam verfälscht sind und die Anonymität der Nutzer:innen und weitere Aspekte des Datenschutzes zu gewährleisten?
Im Rahmen des Projekts soll eine Prototyp-App für die Klassifizierung und Visualisierung gefährlicher Regionen in der Innenstadt entwickelt werden, die Nutzer:innen eine Plattform für den Austausch von Daten über Risikofaktoren bietet. Dabei soll eine Stadtkarte angezeigt werden, auf der man sowohl seinen Standort als auch für ausgewählte Risikofaktoren relevante Gebiete ablesen kann. Weiterführend könnte im Projekt oder darüber hinaus auch ein Algorithmus implementiert werden, der Routen berechnet, um diese Gebiete einfacher vermeiden zu können.
Zudem soll ein Konzept entwickelt und umgesetzt werden, welches einen verantwortungsbewussten Mechanismus für das automatische Sammeln und Auswerten von Daten mittels Remote Crowd Sensing ermöglicht. Um die erforderlichen Daten zu sammeln, können die Nutzer:innen Gefahrenmeldungen abgeben und Entwarnungen für bestimmte Bereiche geben. Die App soll verschiedene Kategorien von Risikofaktoren wie u. a. Vandalismus, Unfälle, Verschmutzung/Vermüllung, Straßenschäden/Gehwegschäden, Schädlingsbefall, Unwetterschäden, Alkoholmissbrauch und unzureichende Straßenbeleuchtung unterstützen. Durch die Zusammenführung dieser Funktionen bietet das Projekt eine innovative Lösung zur Verbesserung der Sicherheit in der Innenstadt durch die aktive Beteiligung der Nutzenden.
Studierendenprojekt: Aufbau einer Crowd Remote Sensing App zur Klassifizierung und Visualisierung gefährlicher Regionen in der Innenstadt
Förderzeitraum: 01.10.2023 - 31.03.2024 (6 Monate)
Studierende: Duru Zeynep Kececi, Marvin Mielchen
Mentor:in: Dr. Lothar Hotz, Eylem Tas