Raumbezogenes Data Mining

Raumbezogenes Data Mining – hypothesengenerierende Entdeckung von entwicklungs- und planungsrelevanten Raummustern

Projektlaufzeit: 01.04.2011 – 30.04.2014

Kooperationsprojekt mit dem Leibniz-Institut für ökologische Raumentwicklung (IÖR)

Das Projekt setzt sich zum Ziel, verborgene planungsrelevante Raummuster im hochdimensionalen Geodatenbestand für deutsche Gemeinden zu extrahieren. Zunächst wird eine explorative Datenanalyse für jede Variable des Geodatenbestandes durchgeführt (u. a. Analyse der Verteilung, Erstellung von charakteristischen und informativen Graphiken, z. B. Boxplots, Perzentilbändern, Lorenzkurven und Streudiagrammen für die Variablen bzw. Indikatoren). In enger Kooperation mit dem Leibniz-Institut für ökologische Raumentwicklung werden der Geodatenbestand aufgebaut und Methoden sowie Werkzeuge für das raumbezogene Data Mining entwickelt. Beim Aufspüren dieser impliziten Raummuster auf Gemeindebasis werden sowohl hypothesengeleitetes als auch hypothesengenerierendes Data Mining durchgeführt. Bei der hypothesengeleiteten Extraktion werden vor dem eigentlichen Data Mining Hypothesen aufgestellt und entsprechend Entscheidungen bezüglich Indikatoren und Methoden getroffen. Hier soll Synergie der Methodenentwicklung und inhaltlich-theoretischen Überlegungen erzielt werden, um schneller zum Ziel und gleichzeitig zu leicht interpretierbaren Ergebnissen zu kommen. Beim hypothesengenerierenden Data Mining wird das Hauptinteresse auf die Entdeckung räumlicher Regelhaftigkeiten und Muster gelegt, die interpretiert werden müssen.