Herausforderung 1
Big Data: Analyse und nun Castingstädtische Luftverschmutzung
Titel der Herausforderung und allgemeine Fakten
Die große Idee: Sensibilisierung der städtischen Bevölkerung für Luftschadstoffe Bevölkerung
Art der Herausforderung: Mini (4 Wochen)
Eigentümer der Herausforderung: Lokales Tourismus-Informationszentrum
ModeratorIn: Evaldas Vaiciukynas
Kontaktdaten des Moderators: Evaldas.Vaiciukynas@ktu.lt
Die Herausforderung steht im Zusammenhang mit dem Thema Big Data
Kontext & Relevanz: allgemein in Bezug auf SDG / spezifisch für einen beruflichen Anwendungsbereich
Die Weltgesundheitsorganisation hat sich dafür eingesetzt, dass gesundheitsrelevante Indikatoren zur Belastung durch Luftverschmutzung in Haushalten und in der Umwelt sowie zur Krankheitslast in das formale System der SDG-Indikatoren aufgenommen werden.
Zu den SDG-Zielen, die für die Luftverschmutzung in Haushalten von Bedeutung sind, gehören:
SDG 3 - eine wesentliche Verringerung der durch Luftverschmutzung verursachten Todesfälle und Krankheiten;
SDG 11 - Verringerung der Umweltauswirkungen von Städten durch Verbesserung der Luftqualität.
Der Bericht zu SDG 11 enthält Daten zur jährlichen Luftverschmutzung in Städten. Dennoch wären detailliertere Daten (z. B. Tagesstatistiken) für die Stadtbewohner nützlich, um die lokale Situation zu überwachen und Aktivitäten oder Reisen zu planen.
Variationen der Herausforderung
Das Projekt World Air Quality Index veröffentlicht einen neuen speziellen Datensatz "Worldwide COVID-19 dataset", der dreimal täglich aktualisiert wird und etwa 380 Großstädte in der Welt ab Januar 2022 bis heute abdeckt. Die Daten enthalten tägliche Statistiken über die wichtigsten Luftschadstoffarten (so2, pm25, pm10, co, o3) sowie meteorologische Faktoren (Temperatur, Luftfeuchtigkeit, Druck, Windgeschwindigkeit, Tau).
Variante 1: Aufspüren gefährlicher Verschmutzungsmuster. Analytisches Dashboard, das die historischen Tendenzen der Luftverschmutzung in einer ausgewählten Stadt visuell zusammenfasst. Die Lösung soll Aufschluss darüber geben, in welchen Monaten des Jahres und an welchen Wochentagen die Schadstoffbelastung am höchsten ist.
Variante 2: Vorhersage der Luftverschmutzung eine Woche im Voraus. Analytisches Dashboard, das eine Vorhersage der Luftverschmutzung in einer ausgewählten Stadt ermöglicht. Die Lösung sollte es ermöglichen, ein multivariates Zeitreihenmodell (neuronales Netz, ARIMAX, Prophet) auf historischen Daten zu trainieren. Da die Luftverschmutzung auch von meteorologischen Faktoren abhängt, ist die Einbeziehung von Prognosen dieser Faktoren wichtig.
Geschäftspartner in der Industrie oder in einem Forschungsbereich
Lokale Tourismusinformationszentren, Reisebüros, verschiedene Umweltorganisationen.
Voraussetzungen der Lernenden
Funktionale Anforderungen
Software: Datenanalyse-Software
Hardware: NICHT ZUTREFFEND
Arbeitsraum: Forschungslaboratorien
Auswirkungen
Der Bericht zu SDG11 enthält Daten zur jährlichen Luftverschmutzung in Städten. Dennoch wären detailliertere Daten (z. B. Tagesstatistiken) für die Bürgerinnen und Bürger der Städte nützlich, um die Situation vor Ort zu überwachen und Aktivitäten oder Reisen zu planen.
Offene Themen und Fragen
Das Herunterladen von Daten kann mehrere Minuten dauern, so dass eine Lösung den Kompromiss zwischen dem Vorhandensein der neuesten Daten und dem Versuch, sie zu häufig herunterzuladen, berücksichtigen sollte. Ein gewisses Caching, ein Zeitstempel für den letzten Download und ein asynchroner Download im Hintergrund könnten in Betracht gezogen werden, um diesem Problem Rechnung zu tragen. Ähnliche Probleme in Bezug auf die langsame Laufzeit könnten bei der Verwendung von Zeitreihenvorhersagemethoden in Variante 2 der Aufgabe auftreten.
Eine weitere Frage ist der Umfang der Lösung der Aufgabe - soll sie nur für ein bestimmtes Land/eine bestimmte Stadt oder für alle in den Daten verfügbaren Länder/Städte durchgeführt werden? Sollte die Lösung nur den zusammengesetzten Luftqualitätsindex oder auch seine Bestandteile verwenden?
