Städtische Umwelt mit KI messen
Daten zur städtischen Geometrie (z.B. Häuserfassaden) und Umweltdaten (z.B. die Lufttemperatur) bilden die Basis, um das lokale städtische Klima detailliert erfassen und daraus Maßnahmen für eine verbesserte Klimaanpassung ableiten zu können. Im Projekt Intelligence for Cities (I4C) werden verschiedene Techniken entwickelt, mit welchen die Erzeugung dieser Datengrundlage zur Stadtentwicklung in Zukunft deutlich verbessert werden kann.
Erfassung und Interpretation städtischer Geometrie mit KI
Ziel ist die Erstellung einer 3D-Karte der Stadt Freiburg, in der Objektklassen (Häuser, Bäume, etc.) mit Hilfe von Techniken tiefer neuronaler Netze erkannt und mit einem Label versehen werden. Die Basis bilden vorhandene und im Projekt generierte Mobile Mapping Daten, in unserem Fall georeferenzierte Bild- und Laserscandaten. Das zur Interpretation genutzte künstliche neuronale Netz (KNN) soll im Vergleich zu bisherigen 2D Methoden direkt auf 3D Daten arbeiten. Wissenschaftlich wird dabei ein neuronales Netz für die semantische Segmentierung von kolorierten Punktwolken entworfen. Für die benötigten Trainings- und Validierungsdaten werden Punktwolken von Teilbereichen der Stadt Freiburg annotiert (siehe Abbildung 1). Um den zeitintensiven Annotierungsprozess intuitiver und effizienter zu gestalten, werden unterschiedliche Methoden und Strategien in Kombination mit bestehenden Tools entwickelt. Zuletzt werden KI-basierte Preloader für die 3D-Visualisierung erforscht, die es ermöglichen, dass die erfassten und bearbeiteten Daten in einer Browseranwendung visualisiert werden (ähnlich dem bestehenden 3D-Modell der Stadt Freiburg).
Verbesserung der lokalen Wettererfassung und Umweltbeobachtung mit Hilfe von KI
Ziel ist es, die Analyse räumlicher und zeitlicher Wettermuster auf lokaler Ebene in Städten zu verbessern, indem verschiedene Datenquellen mittels Methoden von Künstlicher Intelligenz harmonisiert und validiert werden. Über bestehende Messstationen und mithilfe eines eigens errichteten Stadtklimamessnetzes werden Umweltdaten, wie Lufttemperatur, Niederschlag, Windgeschwindigkeit und Globalstrahlung erhoben. Da es sich um Daten aus unterschiedlichen Quellen (u.a. Universität Freiburg, Deutscher Wetterdienst) sowie verschiedener Citizen Science Projekte handelt, müssen diese Daten harmonisiert, die Datenqualität sichergestellt und validiert werden. Für die Datenaufbereitung und die Netzwerkoptimierung werden universell (d.h. nicht auf Freiburg beschränkt) einsetzbare KI-Tools entwickelt. Die resultierenden, räumlich und zeitlich hoch aufgelösten Wetterdaten werden als Validierungs- und/oder Eingangsdaten für Wetter- und Klima-Simulationen und Syntheserechnungen verwendet und der breiten Bevölkerung in Echtzeit visuell aufbereitet.