Projekte im Sose 2018

Mobile Luftqualitätsmessungen (MobiOnAir)

  • Betreuung: Prof. Dr. Daniela Nicklas und das Mobi Team
  • Teilnehmer: 8

Im Rahmen des Projekts sollen das Thema „Luftdatenqualität“ aus verschiedenen Gesichtspunkten beleuchtet und bearbeitet werden. Im Fokus stehen dabei Feinstaubsensoren. Neben offiziellen Messstationen gibt es immer mehr sogenannte Citizen Science-Projekte, bei denen Bürger günstige Sensoren verwenden, um die Luftdatenqualität direkt an ihrem Wohnort zu messen. Auch in Bamberg gibt es bereits einige solcher Messstationen. 

In unserem aktuellen Projekt, Mobi-Luft (WiSe 17/18), bearbeiten wir unter anderem die folgenden Forschungsfragen: Wie gut sind diese Sensoren? Was lässt sich aus den Messwerten ablesen? Und wie hängen die Messwerte von weiteren Faktoren wie z.B. Windrichtung oder Straßenverkehr zusammen? Wie können unsere Feinstaubsensoren, mit Low-Power-Wide-Area Network (LPWAN), konkret LoRa, mobil werden?

Dieses Projekt wird auf den Ergebnissen von Mobi-Luft aufbauen. Schwerpunkt ist die Gegenüberstellung von mobilen und stationären Feinstaubsensoren. Hierfür soll eine Testumgebung entwickelt werden. Es werden die folgenden Forschungsfragen beanwortet: Wie kann man mobil und stationär generierte Daten vergleichen? Was lässt sich aus den verschiedenen Messwerten ablesen? Wie kann eine solche Testumgebung konzeptionell umgesetzt werden? Als UseCase dient die Idee, mobile Luftqualitätsmessungen mit Bussen der Linie 910 durchzuführen (Innenstadt, Domberg, ...).

Das Projekt findet im Rahmen des Innovationslabors „Living Lab“ statt. Es wird in Kooperation mit der Hochschule Coburg, Prof. Dr. Thomas Wieland durchgeführt. Die Bereitschaft, auch Termine in Coburg wahrzunehmen und mit Teammitgliedern aus Coburg zusammenzuarbeiten, wird erwartet.

Annotationsbasierte Segmentierung und Klassifikation von Bildbeständen

  • Betreuung: Prof. Dr. Andreas Henrich, Martin Bullin
  • Teilnehmer: 15

Das Projekt adressiert die semantische Lücke bei Bildern, d.h. die Diskrepanz zwischen den Informationen, die man in einem Bild erkennen kann, und denen, die einem Computer zu dem Bild vorliegen. 

Da viele Bildbestände annotiert sind - jedoch ohne eine Zuordnung der Annotationen zu Bildsegmenten - liefern Bildsuchen zu Bildausschnitten oft unzureichende Ergebnisse. Gerade Verfahren des maschinellen Lernens (ML) zur Ähnlichkeitssuche könnten von diesen Mehrinformationen durch Segmentierung profitieren. 

Der Kernteil des Projekts wird darin liegen, Segmente in Bildern zu identifizieren. Auf der einen Seite sollen mit Hilfe von annotierten Bildbeständen die optimalen Features zur Segmentierung gefunden werden. Features stellen dabei tiefergehende Bildinformationen wie Farb- oder Texturverteilungen dar. 

Auf der anderen Seite sollen ML-Verfahren ausgewählt und eingesetzt werden, die mit den erzeugten Features eine sinnvolle Segmentierung und inhaltlich passendende Zuordnung der Annotationen durchführen. Die Ergebnisse sollen schließlich in einer kleinen Suchlösung für Bilder Einsatz finden.

AI Birds – qualitative physikalische Schlussfolgerungen und maschinelles Lernen zum Meistern eines Strategiespiels

  • Betreuung: Prof. Dr. Diedrich Wolter, Prof. Dr. Ute Schmied
  • Teilnehmer: 20

Ziel des Projektes ist es, den autonom agierenden Agenten BamBirds für die Teilnahme an der nächsten Weltmeisterschaft in „AI Birds“ (eine Variante von „Angry Birds“) fit zu machen.

Das Computerspiel Angry Birds wurde von Forscherinnen und Forschern innerhalb der künstlichen Intelligenz ausgewählt als ein Maßstab der Fähigkeit zum intelligenten Umgang mit Alltagswissen. Um nämlich im Spiel erfolgreich sein zu können, muss ein grobes Verständnis physikalischer Zusammenhänge auf ein Spiel übertragen werden und strategische Entscheidungen unter Unsicherheit getroffen werden. Das macht Angry Birds schwieriger als beispielsweise Strategiespiele mit vollständiger Information wie zum Beispiel Go oder Schach.

Das Besiegen menschlicher Spieler in Angry Birds wird deshalb als nächster Durchbruch in der Künstlichen Intelligenz (KI) gesehen.

Beacons and motion: Context-aware activity recognition

  • Betreuung: Prof. Dr. Daniela Nicklas and the mobi team
  • Teilnehmer: 8

Within the Living Lab, a Beacon network is installed that can be used for indoor localization.

The inshoerance sensor insole is a  wearable with motion sensing, cognitive alarming and real-time localization features that can detect our Beacons, e.g. whether someone moves in the stair case or in front of the cafeteria.

In this 9 ECTS project, we implement and compare activity recognition algorithms for this motion sensor and see how we can improve it by considering context information like location (based on Beacons) or time (like lecture times or cafeteria opening hours).

This project will be carried out in cooperation with the Bamberg company Safectory GmbH.

Projekte im WiSe 2017/18


Wie gut ist unsere Luft?

  • Betreuung: Prof. Dr. Daniela Nicklas, Simon Steuer
  • Teilnehmer: 9 (+ Coburger Teilnehmer)

Wir können viele Tage ohne Nahrung, bis zu vier Tage ohne Wasser, aber keine 10 Minuten ohne Luft überleben. Seit den 80gern hat sich zwar die Luftqualität in Deutschland stark verbessert, aber immer noch belasten Feinstaub oder Stickoxide unsere Gesundheit.

Im Rahmen des Projekts sollen das Thema „Luftdatenqualität“ aus verschiedenen Gesichtspunkten beleuchtet und bearbeitet werden. Im Fokus stehen dabei Feinstaubsensoren. Neben offiziellen Messstationen gibt es immer mehr sogenannte Citizen Science-Projekte, bei denen Bürger günstige Sensoren verwenden, um die Luftdatenqualität direkt an ihrem Wohnort zu messen.

Im Projekt „luftdaten.info“ des OK Lab Stuttgart entsteht so beispielsweise eine deutschlandweite Karte von Feinstaubmessungen, deren Daten öffentlich zur Verfügung stellen und für Analysen genutzt werden können. Auch in Bamberg gibt es bereits einige solcher Messstationen. Wir wollen herausfinden: Wie gut sind diese Sensoren? Können sie LPWAN-Technologien angefragt werden? Was lässt sich aus den Messwerten ablesen? Und wie hängen die Messwerte von weiteren Faktoren wie z.B. Windrichtung oder Straßenverkehr zusammen?

Das Projekt wird in Kooperation mit der Hochschule Coburg, Prof. Dr. Thomas Wieland durchgeführt.

Mit freundlicher Unterstützung von Transition Bamberg und Bluepingu e.V.


Visualisierung von Verkehrszahlen auf Autobahnen mit aktuellen Web-Technologien

  • Betreuung: Dr. Daniel Blank, Sebastian Boosz
  • Teilnehmer: 25

Die Daten der Zählstellen auf Autobahnen (und Bundesstraßen) sind in gut aufbereiteter Form und fein aufgeschlüsselt frei zugänglich.

Im Projekt soll in Teams von ca. 4 Personen an der Analyse und Visualisierung der Daten gearbeitet werden. Auf Client-Seite sollen aktuelle Web-Frameworks wie z.B. D3 eingesetzt werden. Auf der Server-Seite kann z.B. auf Java-basierte Technologien zurückgegriffen werden.

Das Projekt ist zunächst „Daten-getrieben“. Die Teams sollen auf Basis einer Sichtung der verfügbaren Daten überlegen, welche Visualisierungen für entsprechende Zielgruppen hilfreich sein könnten und diese dann in einer Web-Anwendung umsetzen.

Eine gedachte übergeordnete Zielsetzung könnte die Unterstützung von politischen Entscheidern bei Überlegungen zur Zukunft des Autobahnnetzes sein.


Entwicklung und Umsetzung eines Spielkonzepts mit der Warcraft 3 Engine

  • Betreuung: Stefan Kufer, Sebastian Hahn, Andreas Henrich
  • Teilnehmer: 10

Im Rahmen des Projekts soll ein Spielkonzept ausgearbeitet und in einem vereinfachten Game Design Dokument (GDD) zu Papier gebracht werden. Anschließend wird das Konzept mit der Warcraft 3 Engine umgesetzt. Es werden auch alternative Projektvorschläge z.B. Simulatoren, berücksichtigt, welche allerdings auch mit der Warcraft Engine umgesetzt werden müssen.

Grundlagen des Gamedesigns werden vermittelt. Hierbei werden Mechaniken wie z.B. die Game Loop, Artifical Intelligence oder das Balancing angesprochen.

Zusätzlich werden Übungen zu diversen Themen z.B. Artifical Intelligence mit der Warcraft Engine durchgeführt.

Weitere Informationen zu Warcraft selbst und zur Entwicklungs-Community finden sich unter:
http://eu.blizzard.com/de-de/games/war3/

https://www.hiveworkshop.com/


Autonome Segelroboter: Sensorinterpretation im Fluss

  • Betreuung: Prof. Dr. Diedrich Wolter
  • Teilnehmer: 4

Ziel dieses Projektes ist die Entwicklung eines robustes Verfahrens zur Steuerung eine Segelroboters gemäß den Regeln des internationalen Wettbewerbs. Eine Motivation der Forschungen in diesem Gebiet ist es, kleine Schiffe (< 1m Länge) als  mobile Sensorplattformen nutzen zu können. Die erste Herausforderung liegt in einer geeigneten Interpretation der auf dem Schiff aufgenommenen Sensordaten, um zuverlässig Kurs halten zu können sowie den weiteren Kurs windabhängig planen zu können. Die Kursplanung ist eine weitere Herausforderung, da trotz fehlender Information möglichst gute Entscheidungen getroffen werden müssen.  Projektteilnehmende können in diesem Projekt praktische Erfahrungen in der Verarbeitung von Sensordaten sammeln und Ihre Kenntnisse in Verfahren zur Dateninterpretation vertiefen. Sie können Techniken zur Handlungsplanung unter Unsicherheit und mit grob definierten Zielen erlernen, sowie sich in systemnahe Programmierung eines eingebetteten Robotiksystems vertiefen.


Campus-Spiel für Erstsemester

  • Betreuung: Aboubakr El Hacen Benabbas, Golnaz Elmamooz
  • Teilnehmer: 13

Wenn man "neu" an einer Universität ist, ist es schwer, sich zurechtzufinden. Man könnte eine Standort-basierte Suchmaschine (z.B.  Google Maps) nutzen, doch was, wenn man nicht weiß, nach was genau man sucht? Das Ziel dieses Projekts ist, ein Mobile Spiel für neue Studenten zu entwickeln. Nachdem sie es gespielt haben, sollten sie die wichtigsten Orte des Studentenlebens in Bamberg kennen, wie die unterschiedlichen Universitätsgelände (ERBA, Feki,...), wichtige Verwaltungsbüros und Treffpunkte in der Freizeit, wie die Untere Brücke.

2004 wurde bereits ein solches Spiel unter dem Namen "NexusRallye" für das Universitätsgelände der Universität Stuttgart entwickelt. Das folgende Paper gibt einen Eindruck, wie ein solches Spiel designed und entwickelt werden könnte:

Nicklas, N. Hönle, M. Moltenbrey, and B. Mitschang, “Design and Implementation Issues for Explorative Location-based Applications: the NexusRallye,” 2004, p. 167―182.

 

 

Projekte im SoSe 2017


Mobilität von Studierenden

Das Living Lab ist eine Infrastruktur für die Smart City Forschung. Wir haben vor, mehrere Sensoren und Geräte, die Sensoren ähneln, zu nutzen, um Umgebungsdaten zu sammeln. Außerdem möchten wir den Bereich nach und nach vergrößern und einen großen Teil der Stadt abdecken. Expansion bedeutet anspruchsvollere Aufgaben, wie das Überwachen der Status der genutzten Sensoren. In diesem Projekt beobachten wir die Mobilität der Studierenden innerhalb und zwischen den Universitätsgebäuden (z.B.: ERBA <-> FEKI). Wir werden unterschiedliche Methoden nutzen, um die Mobilität zu messen und die gesammelten Daten analysieren, um Muster zu erkennen und Verbesserungen vorzuschlagen, z.B. dem Busdienst der Stadtwerke. Da Daten eine ausschlaggebende Rolle spielen, müssen wir die Qualität der gesammelten Daten und die Wirkung der verarbeiteten Ergebnissen untersuchen. Ausgehend von der Anzahl der Teilnehmer werden wir möglicherweise eine oder mehrere der folgenden Technologien nutzen: 

  • WIFI tracking mit sogenannten Flowtrackern
  • Menschen zählen und tracken im ERBA Foyer
  • Crowdsensing mit einer Mobile App (die im Projekt entwickelt wird)

Wir haben vor, die gesammelten Informationen mit den Vorlesungsplänen zu korrelieren.

Lernziele: 

  • Designen und Implementieren von Mobilitätsstudien
  • Analysieren von Sensoren Daten mit Themen der Datenqualität
  • Lernen, Mobile Applikationen für Android Geräte zu entwicklen

Mit freundlicher Unterstützung von Rakete 7 GmbH und Safectory GmbH.