Treffer: Analysis of movement data using ArcGIS in the cloud ; Analyse von Bewegungsdaten mit ArcGIS in der Cloud

Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers ; Räumliches Data Mining ist ein schnell wachsendes Anwendungsgebiet durch das immense Wachstum in der Verfügbarkeit von räumlichen Daten. Der Grund für dieses Wachstum ist gegeben durch diverse Anwendungen wie: Fernerkundung, GIS, städtische Planungsvorhaben, Social Media und Location Based Services. Durch Anwendung von Methoden des räumlichen Data Minings und Datenanalyse kann wertvolles Wissen extrahiert werden. Dieses Wissen kann dazu verwendet werden um Entscheidungen auf Basis der räumlichen Datengrundlage zu treffen. Diese Datenbasierten Entscheidungen werden immer wichtiger. Da ein Großteil der verfügbaren Daten einen signifikanten räumlichen Anteil hat, ist auch die Anwendung räumlicher Algorithmen ein essenzieller Bestandteil von modernen Data Mining. Der in dieser Diplomarbeit verwendete Datensatz basiert auf Benutzerdaten einer Smartphone Applikation für Indoor Navigation. Diese Applikation wurde für eine Messe in Kopenhagen entwickelt. In dieser Studie soll evaluiert werden, ob es möglich ist diese Bewegungsdaten mit den Werkzeugen einer kommerziellen GIS Software zu analysieren um wertvolles Wissen zu erlangen. Die von der Software bereitgestellten Funktionen wurden in eigens erstellte Python Skripte implementiert um als Post Processing Datensätze automatisch analysieren zu können. Indem die Möglichkeiten dieser Methoden im Post Processing getestet wurden ist es möglich eine Vorhersage über eine potentielle Anwendung für Echtzeitanwendungen zu treffen. Es wurde außerdem evaluiert welchen Einfluss die Prozessierung der Daten in der Cloud hat. Die Ergebnisse dieser Studie sind, dass es durchaus möglich ist aus dem vorhandenen Datensatz, wertvolles Wissen zu extrahieren, obwohl gewisse Limitierungen beobachtet werden konnten. Diese Limitierungen, beziehen sich vorwiegend auf Aspekte der Datenakquisition. Erstens, um gewisse Phänomene wie Bewegungsmuster detektieren zu können, sind große Datenmengen in einem dichten Zeitrahmen ...