Feinstaubalarm!

Analysieren Sie mit Ihrem eigenen Ansatz die Feinstaubbelastung Ihrer Universitätsstadt

Im Rahmen der Data Science Challenge haben Sie die Möglichkeit, einen eigenen Ansatz zur cloud-basierten Datenanalyse zu entwickeln und damit im direkten Vergleich gegen andere Teilnehmer anzutreten. Auf der BTW 2019 in Rostock präsentieren Sie Ihre Ergebnisse die von einer Fachjury, bestehend aus Vertretern von Forschung und Industrie, bewertet werden. Der erste bis dritte Platz wird mit einem Preisgeld honoriert.

Preise

• Erster Platz: 500 Euro
• Zweiter Platz: 300 Euro
• Dritter Platz: 200 Euro

Vorgehen

Zeitgleich mit dieser Ausschreibung werden Beispieldatenquellen sowie dazu passende Beispielaufgaben bekanntgegeben. Nutzen Sie diese Datenquellen und Aufgaben, um darauf aufbauend Ihr Konzept zu entwickeln und einen ersten Prototypen zu entwickeln. Anschließend bewerben Sie sich bis zum unten genannten Datum mit einer zweiseitigen Beschreibung Ihres Konzeptes. Nach Bekanntgabe der zugelassenen Teilnehmer werden einen Monat vor der BTW 2019 die für die Challenge zu verwendeten Datenquellen und Aufgaben bekanntgegeben. Diese sind so gewählt, dass Sie die wesentlichen Aspekte Ihres Konzeptes weiter verwenden können; jedoch muss innerhalb eines Monates Ihr Konzept an die neuen Daten angepasst werden, um die Aufgabe zu lösen. Es ist somit von Vorteil, einen möglichst adaptiven Ansatz zu entwickeln.

Im Rahmen der Challenge müssen die neuen Datenquellen integriert und analysiert werden. Das Ergebnis der Analyse kann optional visualisiert werden oder in rein textueller Form, beispielsweise als Handlungsempfehlung, ausgegeben werden. Die Teilnehmer haben freie Auswahl in Bezug auf die verwendeten Cloud-Dienste und Cloud-Technologien. Ihr Ansatz kann verfügbare Dienste und Werkzeuge integrieren oder neue entwickeln.

Die Data Science Challenge richtet sich an Doktoranden sowie Studierende höherer Fachsemester. Die Teilnahme ist als Einzelperson oder als Team möglich. Die Teilnahme an der Data Science Challenge erfordert, dass mindestens eine Person pro Team für die BTW registriert ist, um die Ergebnisse vor Ort zu präsentieren. Für Studierende ist die Registrierung im Rahmen der Data Science Challenge mit keinen Kosten verbunden.

Ablauf

• 26.10.2018: Bekanntgabe der Beispieldatenquellen und Beispielaufgaben zur Entwicklung des Ansatzes und eines Prototypen.
• Anschließend Bewerbung als Teilnehmer durch Einreichung des Ansatzes. Beschreiben Sie kurz ihr entwickeltes Konzept und die dafür verwendeten Technologien. Geben Sie ggf. eigene relevante Vorarbeiten oder Erfahrung in dem Bereich an.
• 30.11.2018 21.12.2018: Bewerbungsschluss
• 10.01.2019: Bekanntgabe der angenommenen Teilnehmer
• 04.02.2019: Bekanntgabe und Bereitstellung der Datenquellen und Aufgabe für die Data Science Challenge. Ab diesem Zeitpunkt beginnt die Challenge: Sie haben einen Monat Zeit, Ihren Ansatz an die veränderte Situation anzupassen.
• 05.03.2019: Präsentation der Ergebnisse auf der BTW 2019 in Rostock
• 06.03.2019: Bekanntgabe der Gewinner und Preisverleihung
• 11.03.2019: Alle Teilnehmer erhalten eine Einladung einen wissenschaftlichen Beitrag über ihren Ansatz einzureichen.

Angenommene Beiträge

• Georges Alkhouri (ScaDS Leipzig), Moritz Wilke (ScaDS Leipzig):
  Deep Learning zur Vorhersage von Feinstaubbelastung
  
  
• Christian Schmitz (Uni Stuttgart), Dhiren Devinder Serai (Uni Stuttgart), Tatiane Escobar Gava (Uni Stuttgart):
  Prediction of air pollution with machine learning
  
  
• Stefan Hagedorn, Kai-Uwe Sattler (TU Ilmenau):
  Peaks and the Influence of Wheather, Traffic, and Events on Particulate Pollution
  
  
• Mahdi Esmailoghli (TU Berlin), Sergey Redyuk (TU Berlin), Ricardo Martinez (DFKI), Ziawasch Abedjan (TU Berlin, DFKI), Tilmann Rabl (TU Berlin, DFKI), Volker Markl (TU Berlin, DFKI):
  Explanation of Air Pollution Using External Data Sources
  
  
• Lucas Woltmann (TU Dresden), Claudio Hartmann (TU Dresden), Wolfgang Lehner (TU Dresden):
  Assessing the Impact of Driving Bans with Data Analysis

Aufgabe für das Finale

Wählen Sie für ihre Analysen einen Ballungsraum oder eine Stadt, die von Fahrverboten betroffen ist und über eine ausreichende Dichte von Sensoren verfügt (etwa Stuttgart, Hamburg, Ruhrgebiet). Stellen Sie zunächst sicher, dass Sie nur vertrauenswürdige Sensoren verwenden, die keine falschen Messwerte liefern und nur wenige Aussetzer in den Aufzeichnungen aufweisen. Verschneiden Sie die Daten von luftdaten.info mit weiteren Daten vom Deutschen Wetterdienst oder dem Deutschen Zentrum für Luft- und Raumfahrt.

Optional: Schauen Sie sich die Dokumentation "Das Diesel-Desaster" an. In dem Film werden verschiedene Fragestellungen aufgeworfen, wie

• Wie hat sich das Verkehrsaufkommen in den Städten mit Fahrverboten verändert?
• Ist eine Korrelation zwischen der Lebenserwartung und der Feinstaubbelastung erkennbar? Sind die bisherigen Studien vom Helmholtz-Institut bestätigbar?
• Welche weiteren Faktoren, neben dem Verkehr, spielen eine Rolle bzgl. der Feinstaubbelastung? Finden sie öffentliche Events, die zu einer kurzzeitigen Steigerung der Feinstaubbelastung führen.
• Wie kann durch die Integration von mehreren Messdaten ein bundesweit einheitlicheres Bild der Feinstaubbelastung erstellt werden?

Erstellen Sie eine Analyse, die eine Fragestellung von gesellschaftlicher Relevanz beantwortet.

Datenquellen

Primärer Datensatz:

• lufdaten.info: https://archive.luftdaten.info/

Die folgenden Datenquellen sind optional:

• Deutscher Wetterdienst: ftp://ftp-cdc.dwd.de/pub/CDC/observations_germany/climate/
• Umweltbundesamt: https://www.umweltbundesamt.de/daten/luftbelastung/aktuelle-luftdaten#/stations?
• European Environmental Agency: http://discomap.eea.europa.eu/map/fme/AirQualityExport.htm bzw. https://www.eea.europa.eu/data-and-maps/explore-interactive-maps/up-to-date-air-quality-data

Bewertungskriterien

Die Bewertung und Auswahl der Gewinner umfasst die folgenden Kriterien:

• Neuheit und Umsetzbarkeit der Ergebnisse, wie groß ist das Potential zur Vermeidung von Feinstaub?
• Vollständigkeit / Umfang der Ergebnisse
• Gesellschaftliche Relevanz
• Datenvisualisierung
• Live-Präsentation am 05.03.2019 auf der BTW

Bewerbungsaufgabe

Beispieldaten und Beispielaufgaben

Nutzen Sie folgende Datenquellen und Beispielaufgaben, um ihren Ansatz zu entwerfen und sich zu bewerben. Die Datenquellen und die Beispielaufgabe für die Data Science Challenge werden ca. einen Monat vor der BTW 2019 bekanntgegeben. In diesem Zeitraum haben Sie die Gelegenheit, Ihren gewählten Ansatz an die neue Aufgabe anzupassen und diese zu lösen. Die Beispieldaten und Beispielaufgaben wurden dabei so gewählt, dass Sie die wesentlichen Aspekte Ihres Ansatzes weiterverwenden können.

Beispieldaten:

• luftdaten.info: https://archive.luftdaten.info/
  • Die zu untersuchenden Daten sind auch in der IBM Cloud über ein IBM Watson Studio Notebook bereitgestellt: https://tinyurl.com/yd3wtfuy
• Beschränken Sie sich dabei auf die Daten aus Ihrer Universitätsstadt bzw. der näheren Umgebung.

Beispielaufgaben:

• Bereinigen Sie die Daten bzw. stellen Sie Datenqualität sicher (Tipp: Der Feinstaubsensor liefert nicht bei allen Umweltbedingungen korrekte Werte).
• Finden Sie interessante Sachverhalte und Muster. Visualisieren Sie Ihre Ergebnisse.
• Versuchen Sie vorherzusagen, wie die Feinstaubbelastung in der nahen Zukunft aussehen könnte.
• Entdecken Sie mögliche größere, zusammenhängende "No go"-Areale, an denen die Feinstaubbelastung zu groß ist bzw. zu groß sein wird.

Bewerbung

Die Bewerbung erfolgt über die Einreichung einer zweiseitigen (nicht strikt) Beschreibung (auf Deutsch oder Englisch), die kurz Ihren geplanten Ansatz skizziert und die verwendeten Technologien auflistet. Geben Sie ggf. relevante eigene Vorarbeiten oder Erfahrung in dem Bereich an.

Verwenden Sie für Ihre Bewerbung die LNI Vorlage der GI: Siehe Beitragseinreichung.

Die Bewerbung erfolgt mittels ConfTool: https://www.conftool.com/btw2019/ (Data Science Challenge Track). Bei Fragen wenden Sie sich bitte an Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!.

Viel Erfolg!