Mobile standortbestimmende Geräte, wie Smartphones, erlauben es Bürgern räumliche Informationen zu erzeugen - bekannt als Volunteered Geographic Information (VGI). Personen, unabhängig von ihrem Wissen, kulturellem Hintergrund oder Interessen tragen diese geografischen Informationen bei und pflegen bzw. tauschen sie. Dabei haben diese Daten verschiedene Formen, wie z.B. Text, Bilder und Karten. Wegen ihres großen Potenzials wurden VGI Daten im letzten Jahrzehnt für vielerlei Aufgaben genutzt, wie z.B.: Umweltüberwachung, Analyse von Bewegungen und Krisenmanagement. Allerdings beinhalten VGI Daten auf verschiedenen Ebenen Unsicherheiten, da sie von verschiedenen Quellen stammen, die verschiedene Technologien mit verschiedenen Detail- und Präzisionsgraden nutzen. VGI Unsicherheitsmaße bestehen daher aus einer Kombination von kontext-, nutzungs- und formatbasierten Maßen. Der Mangel an hochentwickelten Methoden zur Datenfusion hindert die Nutzung des vollen Potentials von VGI Daten. Um das Potential von VGI im Rahmen der SPP Ausschreibung zu ermitteln, schlagen wir die Entwicklung von Visual Analytics Methoden vor, um die semi-automatische Extraktion und Fusion verschiedener VGI Daten und die Bewertung sowie Aggregation verschiedener Unsicherheitsquellen zu ermöglichen, um Probleme im Massenmobilitätskontext zu lösen. Massenmobilität ist im Fokus unterschiedlicher Forschungsfelder (z.B. Demographie und Krankheitsausbreitung). Drei Ursachen leiten die räumliche und zeitliche Mobilität von Menschen: Teilnahme (Entscheidung zur Teilnahme an einem Event mit bestimmtem Ort und Zeit), Existenz (tägliches Überleben, z.B., zur Arbeit gehen) und Nachahmung (jemand anderem folgen, z.B. in der Freizeit). Ziel dieses Projektes ist es Methoden zu erforschen, um die menschliche Mobilität in Bezug auf diese drei Ursachen mittels unterschiedlicher VGI Quellen aufzudecken. Die Ergebnisse sollen genutzt werden, um Probleme durch/bei Massenansammlungen in Städten zu entschärfen, z.B. sozialer Stress und Angststörungen. Des Weiteren werden wir Methoden erforschen, um inhärente Unsicherheitsquellen und propagierte Unsicherheiten in fusionierten VGI Daten zu bewerten, um die Genauigkeit von Mobilitätserkenntnissen zu erhöhen. Diese Erkenntnisse werden z.B. Städteplaner in ihrer Arbeit unterstützen, masseninduzierte Dilemmata zu lindern. Ohne eine geeignete Bearbeitung von Unsicherheiten können wir weder vertrauenswürdige neue Erkenntnisse gewinnen, noch die gefundenen Muster aussagekräftig visualisieren. Da vollautomatische Systeme Unsicherheiten nicht vollständig abschätzen können, muss der Benutzer in den Analyseprozess integriert werden. Visual Analytics ist eine Technik, welche die Stärken eines Computers mit menschlichen Fähigkeiten (kreatives Denken und großes Hintergrundwissen) verbindet. Mittels Visual Analytics werden wir in der Lage sein mit den Unsicherheiten der Daten umzugehen, Fachwissen einzubeziehen und neues Wissen aus heterogenen VGI Daten abzuleiten.
