IIASA
Institution: International Institute for Applied Systems Analysis and ETH Zurich
Projektleitung: Ian McCallum and Benedikt Soja
Schlossplatz 1, 2361 Laxenburg 2361 / Robert-​Gnehm-Weg 15, 8093 Zürich, Schweiz
eMail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein! / Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
Telefon: +43 2236 807 328

Das CAMALIOT-Projekt (Anwendung der Technologie des maschinellen Lernens für GNSS IoT-Datenfusion)

Das Projekt CAMALIOT integriert Daten aus dem Internet der Dinge (IoT), einschließlich Smartphones, und traditionelle Datenquellen des Globalen Navigationssatellitensystems (GNSS), um Technologien für Big Data, Datenfusion und maschinelles Lernen (ML) zu nutzen und zu demonstrieren, wie diese Daten in verschiedenen wissenschaftlichen Anwendungen genutzt werden können. 

Die allgemeinen Ziele des CAMALIOT-Projekts sind: 

  • Bewertung des Potenzials verschiedener Quellen von GNSS-Rohdaten für die Einbindung in Algorithmen des maschinellen Lernens; 
  • Entwicklung einer Crowdsourcing-Android-Smartphone-App für die Erfassung von GNSS-Rohdaten durch Crowdsourcing;
  • Implementierung eines Big-Data-Repositorys für die anschließende Datenfusion (d. h. Daten von Smartphones und anderen Internet-of-Things-Anbietern) mit herkömmlichen GNSS-Datenquellen; und
  • Definition und Umsetzung von zwei Anwendungsfällen im Zusammenhang mit der Verbesserung der Vorhersage von extremen Wetterereignissen in der Atmosphäre und im Weltraum. 

Das Projekt befindet sich derzeit in der Crowdsourcing-Phase und eine Kampagne wurde am 17. März 2022 gestartet. Die CAMALIOT-Android-App nutzt die Vorteile von Zweifrequenz-Chipsätzen, die jetzt in einigen Android-Mobiltelefonen verfügbar sind, und zeichnet Daten von allen verfügbaren Satelliten auf. Ziel der Crowdsourcing-Kampagne ist es, so viele GNSS-Rohdaten wie möglich von möglichst vielen Orten auf der ganzen Welt per Crowdsourcing zu sammeln. Die Daten werden dann in Algorithmen des maschinellen Lernens zur Bestimmung troposphärischer Parameter einfließen, die die Wettervorhersage auf der Erde und die Überwachung des Weltraumwetters unterstützen, das für den Satellitenbetrieb und die Kommunikation wichtig ist. Weitere Informationen über die Ergebnisse werden auf www.camaliot.org veröffentlicht, sobald das Projekt fortgeschritten ist.

Das Projekt hat drei Hauptpartner: (i) die European Space Agency (ESA), die das Projekt finanziert und wissenschaftliche Unterstützung leistet; (ii) die ETH Zürich, die das Projekt leitet und die maschinellen Lernmodelle für die Wettervorhersage entwickelt; und (iii) das International Institute for Applied Systems Analysis (IIASA), das die CAMALIOT Crowdsourcing-App entwickelt hat und die Datenerfassungskampagne leitet, wie auf der Website beschrieben. 

Schlagwörter
  • wetter

Medien

Gelesen 221 mal| Letzte Änderung am Dienstag, 17 Mai 2022 10:15