In vielen Anwendungsbereichen werden Daten mit Raum- und Zeitbezug in schnell wachsender Anzahl erhoben. Dadurch existiert große Nachfrage nach skalierbaren Analysemethoden, welche ein systematisches Vorgehen erlauben und auf eine fundierte theoretische Grundlage basieren. Raum-Zeit-Daten und insbesondere Bewegungsdaten, beziehen geographischen Raum, Zeit und multidimensionale Attribute mit ein und stellen dadurch erhebliche Herausforderungen an die Analyse. Wir beabsichtigen theoretische Grundlagen für die Analyse von Raumzeitdaten zu entwickeln, welche auf mögliche Variationen der grundlegenden Eigenschaften der Daten eingehen. Wir werden dabei die generischen Analyseaufgaben für verschiedene Arten von Bewegungsdaten (quasi-kontinuierliche und ereignisbasierte) als auch unterschiedliche Sichten auf Bewegungen (trajektorie- und verkehrsorientierte) identifizieren. Das Ziel des Projekts ist, angemessene Analysemethoden zu entwickeln, welche visuelle, interaktive und algorithmische Techniken zu skalierbarer Analyse kombinieren. Die algorithmischen Techniken werden Trajektorien, Verkehrssituationen, Ereignisse und korrespondierende multidimensionale Attribute clustern, aggregieren und zusammenfassen. Dadurch wird ein Überblick auf die Daten geschaffen und bedeutsame Muster von potentiellem Interesse extrahiert. Visuelle und interaktive Techniken erlauben dem Benutzer, automatisierte Algorithmen zu steuern und ihr Wissen in den Analyseprozess einzubringen. Ebenso liefert die Visualisierung der transformierten Daten dem Benutzer wichtiges Feedback und führt zum besseren Verständnis. Eine enge Integration von visuellen und automatischen Techniken ist ausschlaggebend für den Erfolg von Raum-Zeit-Analyse.
