Feed on
Posts
Comments

Heidelberger Geoinformatiker machen im Projekt „SocialMedia2Traffic“ geokodierte Informationen nutzbar

Navigationsdienste benötigen aktuelle Verkehrsinformationen, um geeignete Routen zu ermitteln und die Fahrzeit möglichst genau zu berechnen. Dafür können nun auch frei zugängliche Daten aus Sozialen Medien und der Weltkarte OpenStreetMap genutzt werden. Ein entsprechendes System, mit dem sich aus ihnen die Verkehrsgeschwindigkeit abhängig von der Tageszeit ableiten lässt, haben jetzt Geoinformatikerinnen und Geoinformatiker der Universität Heidelberg und des Heidelberg Institute for Geoinformation Technology (HeiGIT) entwickelt. Im Rahmen des Projekts „SocialMedia2Traffic“ integrierten die Wissenschaftler diese Informationen für elf Städte – darunter Berlin, London und New York – in den HeiGIT-Dienst „openrouteservice“, um die Routenplanung zu verbessern und die Berechnung der Ankunftszeit zu präzisieren.

Two routes at different time of day generated using openrouteservice

Abbildung 1: Zwei Routen zu unterschiedlichen Tageszeiten, berechnet durch den openrouteservice unter Berücksichtigung der modellierten Verkehrsgeschwindigkeit. Abbildung: Abteilung Geoinformatik

Mit Hilfe von Methoden des maschinellen Lernens entwickelten die Forscherinnen und Forscher unter der Leitung von Prof. Dr. Alexander Zipf innerhalb der einjährigen Projektlaufzeit Modelle, die auf Grundlage von geokodierten Daten aus dem Kurznachrichtendienst Twitter und dem frei verfügbaren Kartensystem OpenStreetMap die Verkehrsgeschwindigkeit auf innerstädtischen Straßen bestimmen können. Diese Informationen sind kostenlos und frei nutzbar, anders als die Geodaten, die üblicherweise in Navigationsdienste einfließen. Die stadtbezogenen Modelle ziehen aus der räumlichen Dichte der Tweets in der Nähe von Straßen und der damit einhergehenden menschlichen Aktivität Rückschlüsse auf den daraus resultierenden Verkehrsfluss.

Die Wissenschaftler des Geographischen Instituts der Universität Heidelberg und des HeiGIT verwendeten dafür Standortinformationen aus insgesamt zehn Millionen Tweets aus der Zeit von Januar 2018 bis März 2020, mit denen die Tweet-Dichte berechnet wurde. Nach diesem Prinzip könnten in Zukunft auch Daten aus weiteren Social-Media-Plattformen in derartige Modelle integriert werden. Zusätzlich wurden pro Stadt mehrere Tausend Autofahrten simuliert – basierend auf der Bevölkerungsverteilung und OpenStreetMap-Daten. Aktuell arbeiten die Forscherinnen und Forscher nun daran, die Genauigkeit ihres Systems weiter zu verbessern und für weitere Städte nutzbar zu machen.

„Mit dem von uns entwickelten System lässt sich nicht nur die Genauigkeit von freien Navigationsdiensten erhöhen. Die Modellergebnisse könnten außerdem genutzt werden, um Fuß- und Radrouten abseits viel befahrener Straßen vorzuschlagen oder räumlich hochaufgelöste Karten zu verkehrsbedingten CO2-Emissionen zu erstellen“, erklärt Prof. Dr. Alexander Zipf, Leiter der Abteilung Geoinformatik am Geographischen Institut der Universität Heidelberg und Geschäftsführer des von der Klaus Tschira Stiftung getragenen Heidelberg Institute for Geoinformation Technology.

Die Arbeit des HeiGIT zielt darauf, den Wissens- und Technologietransfer im Bereich Geoinformatik zu verbessern. Die Mitglieder des Instituts entwickeln dazu intelligente Routing- und Navigationsdienste für nachhaltige Mobilität und stellen Geodaten für die Unterstützung humanitärer Einsätze zur Verfügung. Sie nutzen zudem innovative Dienste aus dem Spatial Data Mining und Maschinellem Lernen, um nutzergenerierte Geodaten – zum Beispiel OpenStreetMap – zu analysieren, zu verarbeiten und zu visualisieren.

Das Projekt „SocialMedia2Traffic“ wurde im Rahmen der Innovationsinitiative mFUND des Bundesministeriums für Digitales und Verkehr mit rund 100.000 Euro gefördert. Mit dieser Initiative unterstützt das Ministerium seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und durch die Bereitstellung von offenen Daten auf dem Portal mCLOUD.

Die Ergebnisse sind in einer interaktiven Web-Karte visualisiert und über die mCLOUD oder die SM2T API zum Download verfügbar.

Related projects and publications:

Over the last two years, we have witnessed the ever-fast growth of micro-mobility services (e.g., e-bikes and e-scooters), which brings both challenges and innovations to the traditional urban transportation systems. For example, they provide an opportunity to better address the “last mile” problem due to their convenience, flexibility and zero emission. As such, it is essential to understand why and how urban dwellers use these micro-mobility services across space and time. To tackle this challenge, we, a joint research team from Heidelber University, HeiGIT, Utrecht University, University of Warwick, and Tongji University, recently published a paper in Computers, Environment and Urban Systems.

In this paper, we aim to understand spatiotemporal trip purposes of urban micro-mobility through the lens of dockless e-scooter user behavior. We first develop a spatiotemporal topic modeling method to infer the underlying trip purpose of dockless e-scooter usage. Then, using Washington, D.C. as a case study, we apply the model to a dataset including 83,002 valid user trips together with 19,370 POI venues and land use land cover data to systematically explore the trip purposes of micro-mobility across space and time in the city. The results confirm a set of uncovered 100 Trips Topics as an informative and effective proxy of the spatiotemporal trip purposes of micro-mobility users. Though the proposed approach cannot yet fully replace traditional OD surveys in understanding user trip purposes considering the sophisticated socio-economic driving factors, it provided a promising low-cost and mode-oriented complement to standard OD user surveys. As potential applications, the modeling approach developed and the insights shared in this paper will be helpful for city authorities and policymakers to evaluate the impact of micro-mobility service in addition to existing public transit network and adjusting their transportation regulations accordingly, for dockless e-scooter companies to optimize their vehicle deployment by wisely reallocating their vehicle fleets, and also for mobile APP providers to estimate trip purposes based on their mobility patterns and provide timely POI recommendations

In conclude, our findings in this work provide enlightening insights for city authorities and dockless e-scooter companies into more sustainable urban transportation planning and more efficient vehicle fleet reallocation at a city-level.

Li, H., Yuan, Z., Novack, T., Huang, W., Zipf, A., (2022) Understanding spatiotemporal trip purposes of urban micro-mobility from the lens of dockless e-scooter sharing. Computers, Environment and Urban Systems, 96, 101848, June 2022, https://doi.org/10.1016/j.compenvurbsys.2022.101848

Previous related work:

  • Huang, W. and Li, S. (2018): An approach for understanding human activity patterns with the motivations behind. International Journal of Geographical Information Science (IJGIS), 2018.
    https://doi.org/10.1080/13658816.2018.1530354
  • Huang, W., Xu, S., Yan, Y. and Zipf, A. (2018): An exploration of the interaction between urban human activities and daily traffic conditions: A case study of Toronto, Canada. Cities, 2018. https://doi.org/10.1016/j.cities.2018.07.001
  • Novack T., R. Peters, A. Zipf (2018): Graph-Based Matching of Points-of-Interest from Collaborative Geo-Datasets. ISPRS International Journal of Geo-Information, 7(3), 117-134. DOI:10.3390/ijgi7030117.
  • Yan, Y., M. Eckle, C.-L. Kuo, B. Herfort, H. Fan and A. Zipf (2017): Monitoring and Assessing Post-Disaster Tourism Recovery Using Geotagged Social Media Data. International Journal of Geo-Information, ISPRS IJGI. 6(5), 144; doi:10.3390/ijgi6050144
  • Rousell A. and Zipf A. (2017): Towards a landmark based pedestrian navigation service using OSM data. International Journal of Geo-Information, ISPRS IJGI, 6(3): 64.
  • Steiger, E., B. Resch, J. Porto de Albuquerque, A. Zipf (2016): Mining and correlating traffic events from human sensor observations with official transport data using self-organizing-maps. Transportation Research Part C: Emerging Technologies. Vol 73, Dec.16, pp 91–104. http://dx.doi.org/10.1016/j.trc.2016.10.010
  • Zipf, A. (2002): Location aware mobility support for tourists. Trends & Controversies. IEEE Intelligent Systems. Journal. Special Issue on “Intelligent Systems for Tourism”. November/December 2002. S.57-59.


Damit Geoinformationen sicher und einfach genutzt werden können und Hilfsorganisationen bei Katastrophen bessere Orientierung haben, gibt es das HeiGIT.

Unterwegs in einer fremden Stadt? Kein Problem, jedes normale Smartphone hat heute eine Satellitenverbindung. Die Routenplanung wird dabei immer besser. Dank Geoinformationen finden Rollstuhlfahrer heute niedrige Bordsteine und Hilfsorganisationen Rettungswege nach einer Katastrophe. Damit solche Daten sicher und einfach genutzt werden können, gibt es HeiGIT, das von der Klaus Tschira Stiftung getragene „Heidelberg Institute for Geoinformation Technology“.

Campus Reporter Nils Birschmann hat sich dort erkundigt und mit dem wissenschaftlichen Direktor Alexander Zipf gesprochen.

Im Radiobeitrag erläutert er die Arbeit des HeiGIT.

From 5 June - 11 June 2022 the ISPRS Congress took place in Nice, France. The 3DGeo research group had three paper contributions which can now be found online:

(1) Virtual Laser Scanning of Dynamic Scenes Created From Real 4D Topographic Point Cloud Data.

Find all details in the video (link) and paper and check the related project website.

Winiwarter, L., Anders, K., Schröder, D. & Höfle, B. (2022): Virtual Laser Scanning of Dynamic Scenes Created From Real 4D Topographic Point Cloud Data. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. V-2-2022, pp. 79-86.


(2) Integration of Kalman Filtering of Near-Continuous Surface Change Time Series into the Extraction of 4D Objects-by-Change

Find all details in the related paper and see the 4D Objects-By-Change project website.

Anders, K., Winiwarter, L., Schröder, D. & Höfle, B. (2022): Integration of Kalman Filtering of Near-Continuous Surface Change Time Series into the Extraction of 4D Objects-by-Change. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XLIII-B2-2022, pp. 973-980.

4D object-by-change (4D-OBC) extracted at an example location of detected changes. a) Time series of changes with 4D-OBC timespan marked by red vertical lines. The location of the time series in the scene is marked in (b). Close-up maps show bitemporal changes at (c) the detected start and (d) the detected end epoch with the spatial extent of the 4D-OBC (red polygon).

4D object-by-change (4D-OBC) extracted at an example location of detected changes. a) Time series of changes with 4D-OBC timespan marked by red vertical lines. The location of the time series in the scene is marked in (b). Close-up maps show bitemporal changes at (c) the detected start and (d) the detected end epoch with the spatial extent of the 4D-OBC (red polygon).

(3) Evaluation of UAV-borne photogrammetry and UAV-borne laser scanning for 3D topographic change analysis of an active rock glacier.

Find all details in the video (link) and paper and check the related project websites of AHK-4D and Multi-Directional 3D topographic Change.

Zahs, V., Winiwarter, L., Anders, K., Bremer, M. Rutzinger, M. Potůčková, M., Höfle, B. (2022): Evaluation of UAV-borne photogrammetry and UAV-borne laser scanning for 3D topographic change analysis of an active rock glacier. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XLIII-B2-2022, pp. 1109-1116. DOI: 10.5194/isprs-archives-XLIII-B2-2022-1109-2022.

Introduction

Since the release of the ohsome quality analyst (short OQT) in February of last year, we have been working on developing an accessible yet powerful toolkit which provides end users insights on the quality of OpenStreetMap (OSM) data. An overview of the functionality additions made to OQT over this time period can be found in the changelog. However, for this blog post, we wish to introduce two more recent additions in functionality. The recent changes expand the flexibility of the API and transferability of the data provided for humanitarian organisations, public administrations, as well as researchers and other institutions.

HTML Snippets

Our initial idea behind OQT was to show the quality of OSM data in an easily comprehensible manner. A new feature of the release 0.9.0 is an API response to be retrieved as an HTML snippet. This snipped presents the end user with a visual representation of the indicator results such as threshold curves and the OQT-traffic-light labelling schema which provides quality information on a respective indicator. Primarily, this makes it easier to embed a given API response on a webpage for sharing user results. This functionality is either accessible through the web application or Command Line Interface.

Understanding the functionality of the HTML snippet can easily be described in an exemplary API GET request through the interactive Swagger interface for the API (See left figure below). Once executed, the HTML snippet is found in the properties of the GeoJSON response. Embedding this snipped in an HTML document will look like the image on the right hand side of the figure below. We hope that this new functionality allows OQT Indicators or Reports to be used in a versatile way outside the OQT website.

Expanding Data Input options

A second new feature worth highlighting is the possibility for a user to provide the OSM data as input when requesting Indicators from the OQT API. This is useful for cases where the user already has the OSM data. For requests using a custom AOI as input to the OQT API providing the OSM data itself will lead to a much faster computation of the indicator.

In practice, to make use of these features the user has to define a custom layer object and use it as a parameter of a request to the API. A layer consists of a name, a description and the OSM data. The format of the OSM data has to match the structure of the ohsome API request response.
An example request can be found on the interactive Swagger interface of the API.

Once selected, a sample request body is displayed. Have a look at the structure of the data field. It resembles the result field of an ohsome API response.

Currently, this feature is restricted to requests for the Mapping Saturation indicator. It is planned to make this feature available for all indicators and eventually for reports as well. If you would like to use it for another indicator, please reach out to us!

Final Notes

In addition to those new features to OQT various smaller changes have been made, all to be found in the changelog. If you have any ideas, feedback or would like to contribute to OQT feel free to contact our team via ohsome@heigit.org. OQT is Open Source and the development is done on GitHub where contributions are welcome.

The further development of OQT of course does not end here. We have a couple of interesting new additions in the pipeline, one of them being a new Building Completeness indicator which uses machine learning to predict the completeness of buildings in OSM for a certain Area of Interest.

Related Work

OQT relies on OSM data processed by the ohsome framework developed at HeiGIT. The aim of the ohsome framework is to make OSM’s full-history data more easily accessible for various kinds of data analytics tasks, such as data quality analysis, on a regional, country-wide, or global scale. Here you find a list of related blog posts and publications:
Blogposts:

Publications

Du willst Deine Management- und Forschungsexpertise zum Wohle der Gesellschaft und Umwelt einsetzen? Du willst HeiGIT dabei unterstützen die Verfügbarkeit und Qualität von Geodaten zu verbessern und Geoinformatik-Methoden weiterzuentwickeln, die für offene, gemeinnützige Anwendungen im Bereich Nachhaltigkeit, Mobilität und humanitäre Hilfe eingesetzt werden? Das ist unsere Mission!

Die HeiGIT gGmbH ist ein forschungsorientiertes, gemeinnütziges Start-up mit den Zielen Technologietransfer und angewandte Forschung im Bereich der Geoinformatik. Wir arbeiten insbesondere in gemeinnützigen Bereichen wie humanitärer Hilfe oder anderen Themen zum Wohle der Gesellschaft und der Umwelt. Anwendungsgebiete umfassen neben humanitärer Hilfe und Katastrophenmanagement, die nachhaltige Mobilität oder freie Anwendungen sowie offene Datenprodukte zur Unterstützung von Nachhaltigkeit und Climate Action.

Zur Stärkung der Management-Aktivitäten in HeiGIT suchen wir baldmöglichst einen

Senior Science Manager

Innovation & Research Manager (m, f, d), 100%, unbefristet

Deine Aufgaben liegen in enger Kooperation mit dem bestehenden Management-Team in der abteilungsübergreifenden Weiterentwicklung, Initiierung und Umsetzung neuer Forschungsprojekte und Aktivitäten in allen Gruppen und Themenbereichen der HeiGIT gGmbH. Diese sollen die offenen, gemeinnützigen Anwendungen und neue innovative Geodatenprodukte der HeiGIT zum Wohle der Gesellschaft oder der Umwelt verbessern oder ermöglichen. Dabei stehen die folgenden Themen und Aufgaben im Fokus:

  • Strategische Konzeption neuer R&D-Aktivitäten, Dienste, Projekte und Anwendungen sowie offener Geodatenprodukte auf Basis von OpenStreetMap, Open Geodata und nutzergenerierten Geodaten aus Citizen Science und Social Web, v.a. in den Bereichen humanitäre Hilfe, Umwelt & Gesundheit, Nachhaltigkeit & Mobilität & Katastrophenmanagement & ‘actionable’ Geodaten.
  • Schnittstelle zwischen Forschungs- und Entwicklungsaktivitäten der HeiGIT gGmbH und externen Partnern wie NGOs, Citizen Science Gruppen, Wissenschaft, Wirtschaft und Verwaltung
  • Enge Zusammenarbeit mit und Unterstützung des Managements der HeiGIT gGmbH
  • Auftrags- und Projektakquise im nationalen & internationalen Umfeld
  • Operatives Projektmanagement (Koordination & Administration)
  • Unterstützung des Wissens- und Innovations-Managements, sowie des Technologietransfers zwischen den Teams in HeiGIT und den Wissenschaftlern der GIScience Research Group der Universität Heidelberg
  • Kommunikation und Präsentation intern und mit externen Partnern und Nutzern

Wir erwarten:

  • eine Team-orientierten, hochmotivierten Senior Scientist:in mit
  • mehrjähriger Erfahrung in Projektakquise und -leitung (national / international)
  • Zusammenarbeit in interdisziplinären Teams (v.a. Geographie & Informatik, sowie weiteren Fachrichtungen)
  • Breite und tiefe Kenntnis vielfältiger F&E Förderorganisationen und -möglichkeiten (national, international)
  • Erfahrung in einer oder mehreren der genannten Anwendungsdomänen zum Wohle der Gesellschaft und Umwelt
  • idealerweise Leitungserfahrung
  • Universitätsabschluss bzw. Promotion
  • Interesse an Arbeiten an der Schnittstelle zwischen Wissenschaft und Anforderungen aus der Praxis mit Umsetzungen für verschiedene Anwendergruppen (z.B. Anforderungen von Hilfsorganisationen, Umweltorganisationen, staatlichen Stellen, Wissenschaftlern & Bürger etc.)
  • Ausgezeichnete Kommunikations- und Präsentationsfähigkeiten (Deutsch & Englisch)
  • Deutschkenntnisse bevorzugt (Kommunikation mit nationalen Förderorganisationen und Behörden)

Wir bieten

eine attraktive, hervorgehobene Position (bis zu 100%, unbefristet) in einem interdisziplinären Team in einem hochdynamischen und wachsenden Feld an der Schnittstelle zwischen angewandter Forschung und praktischer Anwendung zum Wohle der Gesellschaft und Umwelt. Die HeiGIT gGmbH arbeitet als An-Institut der Universität Heidelberg eng mit der GIScience Research Group der Universität Heidelberg zusammen, die Mitglied im Interdisziplinären Zentrum für Wissenschaftliches Rechnen (IWR) und im Heidelberg Center for the Environment (HCE) der Exzellenzuniversität Heidelberg ist. Wir bieten ein anregendes interdisziplinäres Umfeld mit vielen Möglichkeiten zur persönlichen Entwicklung in einer der lebenswertesten Städte Deutschlands. HeiGIT erhält eine Basisfinanzierung durch die Klaus Tschira Stiftung (KTS), Heidelberg.

Die Stelle soll so bald wie möglich permanent besetzt werden. Bitte sende Deine aussagekräftige Bewerbung mit Lebenslauf, Zeugnissen, Referenzen usw.

baldmöglichst – idealerweise bis zum 10.06.2022 - digital an stefan.gumbrich@heigit.org.

Wir freuen uns auf Deine Bewerbung!

HeiGIT

For english version see below

HeiGIT und das Deutsche Rote Kreuz unterstützen das Mozambique Red Cross in einem Projekt zur Sensibilisierung für das Hochwasserrisiko und zum Aufbau von Kapazitäten zur Verringerung des Katastrophenrisikos in Maputo.

Zur Verbesserung der Datenlage ist nun, relativ kurzfristig, ein Mapathon für kommenden Montag 23.05. ab 18 Uhr geplant. Zu Beginn wird es eine kurze Einführung des Mozambique Red Cross zu dem Projekt und dann darüber hinaus, in Kooperation mit dem HeiGIT, eine Einführung in Missing Maps und das Mappen an sich geben.

Der Mapathon wird auf Englisch sein, allerdings können Verständnisfragen und Austauschpunkte bei Bedarf selbstverständlich auch auf Deutsch geregelt werden.

Hier schon ein kurzer Überblick zu dem Projekt:

Die Aufgabe fällt in den Rahmen des Projekts “Improving the Readiness of the CVM and the Humanitarian Disaster Risk Reduction Capacities of Vulnerable Urban Communities in Greater Maputo”. Einer der Aspekte, die für die Durchführung des Projekts notwendig sind, ist die Kenntnis der zu intervenierenden Gebiete, ihrer Merkmale, Anfälligkeiten, Risiken usw., wobei die Karte eine der Möglichkeiten ist, den Ort zu kennen. Das Hindernis besteht darin, dass es nur wenige Informationen über diese Gebiete gibt und dass die vorhandenen Karten nicht auf dem neuesten Stand sind, was die Durchführung dieser Aufgabe motiviert.

Wer schon Kenntnisse über das Mappen hat, kann auch schon vorher loslegen: https://tasks.hotosm.org/projects/12585/#description

Gerne könnt ihr euch für den Mapathon über Eventbrite anmelden: https://www.eventbrite.de/e/beginner-mapathon-help-for-mozambique-red-cross-tickets-344017735307

Über eine rege Teilnahme freuen sich sicherlich nicht nur das Deutsche Rote Kreuz, das Mozambique Red Cross und das HeiGIT!

Liebe Grüße,

das HeiGIT und DRK-Missing Maps Team!

Ref:
Scholz, S., Knight, P., Eckle, M., Marx, S., Zipf, A. (2018):
Volunteered Geographic Information for Disaster Risk Reduction: The Missing Maps Approach and Its Potential within the Red Cross and Red Crescent Movement. Remote Sens., 10(8), 1239, doi: 10.3390/rs10081239.

———————————————————————————————————————-

Dear all,

HeiGIT and the German Red Cross support the Mozambique Red Cross in a current project around flood risk awareness and disaster risk reduction capacity building in Maputo.

In order to improve the data situation, a mapathon is planned for next Monday 23rd of May, starting at 6 pm. At the beginning there will be a short introduction of the Mozambique Red Cross to the project and then, in cooperation with the HeiGIT, an introduction to Missing Maps and the mapping itself.

The Mapathon wil be held in English and can be participated by beginners, with no mapping experience.

A short project overview:

The task comes within the scope of the project Improving the Readiness of the CVM and the Humanitarian Disaster Risk Reduction Capacities of Vulnerable Urban Communities in Greater Maputo. One of the aspects necessary for carrying out the project is to know the areas to be intervened, their characteristics, vulnerabilities, risks, etc., with the map being one of the ways of knowing the place. The obstacle is that there is little information mapped on these areas and the maps that exist are not up to date, which motivates the accomplishment of this task.

If you already have some experience in mapping, you can start even before: https://tasks.hotosm.org/projects/12585/#description

You can register for the event on Eventbrite: https://www.eventbrite.de/e/beginner-mapathon-help-for-mozambique-red-cross-tickets-344017735307

We are looking forward to the event!

Best wishes,

your HeiGIT and GRC-Missing Maps Team!


Ref:
Scholz, S., Knight, P., Eckle, M., Marx, S., Zipf, A. (2018): Volunteered Geographic Information for Disaster Risk Reduction: The Missing Maps Approach and Its Potential within the Red Cross and Red Crescent Movement. Remote Sens., 10(8), 1239, doi: 10.3390/rs10081239.

Humans rely on clean water for their health, well-being, and various socio-economic activities. During the past few years, the COVID-19 pandemic has been a constant reminder of about the importance of hygiene and sanitation for public health. The most common approach to securing clean water supplies for this purpose is via wastewater treatment. To date, an effective method of detecting wastewater treatment plants (WWTP) accurately and automatically via remote sensing is unavailable. Together with a team from the University of Heidelberg, HeiGIT, Chinese Academy of Sciences (CAS), Helmholtz-Zentrum Dresden-Rossendorf (HZDR), and Institute of Advanced Research in Artificial Intelligence (IARAI), we have recently published a scientific paper to tackle this challenge, which is now openly available in International Journal of Applied Earth Observation and Geoinformation.


In this paper, we provide a solution to this task by proposing a novel joint deep learning (JDL) method that consists of a fine-tuned object detection network and a multi-task residual attention network (RAN). By leveraging OpenStreetMap (OSM) and multimodal remote sensing (RS) data, our JDL method is able to simultaneously tackle two different tasks: land use land cover (LULC) and WWTP classification. Moreover, JDL exploits the complementary effects between these tasks for a performance gain. We train JDL using 4,187 WWTP features and 4,200 LULC samples and validate the performance of the proposed method over a selected area around Stuttgart with 723 WWTP features and 1,200 LULC samples to generate an LULC classification map and a WWTP detection map. Extensive experiments conducted with different comparative methods demonstrate the effectiveness and efficiency of our JDL method in automatic WWTP detection in comparison with single-modality/single-task or traditional survey methods. Moreover, lessons learned pave the way for future works to simultaneously and effectively address multiple large-scale mapping tasks (e.g., both mapping LULC and detecting WWTP) from multimodal RS data via deep learning.

In conclusion, the proposed method offers a promising solution of automatic WWTP detection by consuming freely available VGI data and multimodal RS data, which also shows great potential in business applications.

Li, H., Zech, J., Hong, D., Ghamisi, P., Schultz, M., Zipf, A. (2022) Leveraging OpenStreetMap and Multimodal Remote Sensing Data with Joint Deep Learning for Wastewater Treatment Plants Detection. International Journal of Applied Earth Observation and Geoinformation, Volume 110, June 2022, 102804, https://doi.org/10.1016/j.jag.2022.102804

Previous related work:

  • Li, H. J. Zech, C. Ludwig, S. Fendrich, A. Shapiro, M. Schultz, A. Zipf (2021): Automatic mapping of national surface water with OpenStreetMap and Sentinel-2 MSI data using deep learning.. International Journal of Applied Earth Observation and Geoinformation, Vol 104, 2021, 102571. https://doi.org/10.1016/j.jag.2021.102571.
  • Li, H.; Ghamisi, P.; Rasti, B.; Wu, Z.; Shapiro, A.; Schultz, M.; Zipf, A. A Multi-Sensor Fusion Framework Based on Coupled Residual Convolutional Neural Networks. Remote Sensing. 2020, 12, 2067. DOI: https://doi.org/10.3390/rs12122067
  • Li, H., Herfort, B., Huang, W., Zia, M., and Zipf, A. (2020): Exploration of OpenStreetMap Missing Built-up Areas using Twitter Hierarchical Clustering and Deep Learning in Mozambique. ISPRS Journal of Photogrammetry and Remote Sensing. https://doi.org/10.1016/j.isprsjprs.2020.05.007
  • Herfort, B., Li, H., Fendrich, S., Lautenbach, S., Zipf, A. (2019): Mapping Human Settlements with Higher Accuracy and Less Volunteer Efforts by Combining Crowdsourcing and Deep Learning. Remote Sensing 11(15), 1799. https://doi.org/10.3390/rs11151799
  • Y. Yan, M. Schultz & A. Zipf (2019): An exploratory analysis of usability of Flickr tags for land use/land cover attribution, Geo-spatial Information Science, DOI: 10.1080/10095020.2018.1560044
  • Schultz, M., Voss, J., Auer, M., Carter, S., and Zipf, A. (2017): Open land cover from OpenStreetMap and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 63, pp. 206-213. DOI: 10.1016/j.jag.2017.07.014
  • Jokar Arsanjani, J., Helbich, M., Bakillah, M., Hagenauer, J., & Zipf, A. (2013). Toward mapping land-use patterns from volunteered geographic information. International Journal of Geographical Information Science, 2264-2278. DOI:10.1080/13658816.2013.800871.
  • Jokar Arsanjani, J., Mooney, P., Zipf, A., Schauss, A., (2015): Quality assessment of the contributed land use information from OpenStreetMap versus authoritative datasets. In: Jokar Arsanjani, J., Zipf, A., Mooney, P., Helbich, M., OpenStreetMap in GIScience: experiences, research, applications. ISBN:978-3-319-14279-1, PP. 37-58, Springer Press.

Hiermit möchte wir Sie herzlich zum HGG Vortrag von

Prof. Dr. Britta Klagge (Universität Bonn) zum Thema

“Erneuerbare Energien als Entwicklungschance? Deutschland und Kenia im Vergleich”

einladen.
Der Vortrag findet am Dienstag (17.05.2022) um 19:15 Uhr im kleinen Hörsaal des KIPs (INF 227) der Universität Heidelberg statt.

hgg.urz.uni-heidelberg.de

Der zunehmende Einsatz erneuerbarer Energien geht mit einer grundlegenden Transformation bestehender Energiesysteme einher, die im deutschen Sprachraum unter dem Begriff Energiewende verhandelt wird. Die damit verbundenen Umstrukturierungen sind konflikthaft, bergen aber neben der Vermeidung von Treibhausgasemissionen auch Chancen für die wirtschaftliche und soziale Entwicklung.
Im Vortrag werden die mit erneuerbaren Energien einhergehenden Entwicklungschancen anhand von Beispielen aus Deutschland und Kenia vorgestellt und anschließend aus einer geographischen Perspektive vergleichend analysiert.

It is our great pleasure to inform about the new “Robert and Christine Danziger Scholarships“ 2022 for doing a PhD in Geoinformatics at Heidelberg University.

Please make yourself familiar with the research topics at GIScience Heidelberg and HeiGIT (e.g. projects, papers) when suggesting potential topics for your PhD research.

Short facts:

The Robert and Christine Danziger Scholarship is awarded to very good up-and-coming doctoral students from Africa (primarily from Ghana or another country in West and Central Africa) who are planning a doctorate at Heidelberg University in the fields of Geoinformatics (or Political Science) and who need help with funding their doctorate.

Learn more about everything you need to consider when applying, on this page.

WHAT DOES THE FUNDING LOOK LIKE?

  • The amount of the scholarship for doctoral students is 1,200 € per month.
  • The award period is generally 2 years. An extension is possible on request and if all requirements are met (academic performance, financial hardship, availability of funds) for an additional maximum period of 2 semesters.

WHEN AND HOW CAN I APPLY?

You can apply for a scholarship from 1 May to 15 July, 202.

Please send your application documents by email to danziger_stipendium@uni-heidelberg.de.

WHICH APPLICATION DOCUMENTS ARE REQUIRED?

Please submit the following application documents during the application period:

    • Signed application form
    • Current preformance records: University diploma that qualifies for a doctorate (original certificate) including the final grade as well as an official translation in German or English and if available, an official conversion of the diploma to the German grading system.
      If your university diploma is not available by the end of the application period, it is sufficient to submit a provisional certificate from the university confirming your academic performances, so far (ideally with a grade of all examinations, so far), that states that you expect to complete your course of study by the start of the semester following the application period. Please note that you have to submit your missing certificate by the start of the lecture period.
    • Curriculum vitae in table form
    • Letter of motivation with reference to the topic of the doctorate
    • Recommendation (letter of recommendation) for a doctorate from the possible doctoral supervisor (this must be received by the end of the application period)
    • Proof of citizenship
    • Evidence confirming your financial situation (money available each month, pay slip of the parents, own wage slips etc.)

Many years of friendship and cooperation connect us to Ghana and, more recently, to other parts of West and Central Africa as well. With the scholarship, we want to support talented young people from African countries wishing to come to Heidelberg University to start and successfully complete a Master’s degree or a doctorate. Where financial resources are limited, a scholarship can be crucial. Programs of study in the fields of Geography, Political Science and Sociology are particularly important to us.” – Christine and Robert Danziger

We do thank Christine and Robert Danziger cordially for this wonderful opportunity!

Older Posts »