Datenanalyse

Analytics und Big Data im Praxis-Check

29.12.2015
Von Thomas Boué

Ein aktuelles Projekt bindet deswegen Floating-Car Daten ein (Positions- und Zeitdaten aus Fahrzeugen, die sich im Verkehr befinden). Auf 2.700 Kilometern Autobahnen, Bundesstraßen und niederrangigen Straßen erfasste und verglich das System in einem Pilotversuch im Frühjahr 2015 die Daten aus Floating-Car Quellen mit denen aus dem Sensornetzwerk. Um Lücken in der Abdeckung an Wochenenden und nachts auszugleichen, zog es zudem historische Daten hinzu.

Floating-Car-Daten verbessern die Genauigkeit der Verkehrsinformationen in
Bayern.
Floating-Car-Daten verbessern die Genauigkeit der Verkehrsinformationen in
Bayern.
Foto: INRIX

Die Ergebnisse zeigten die große Verlässlichkeit der neuen Datenquelle (90 Prozent Übereinstimmung mit den Daten der fest installierten Sensoren). Darüber hinaus ließ sich die Datenlage des Sensornetzwerks erheblich verbessern. Rund drei Viertel der Daten, die in diesem Zeitraum analysiert wurden, stammten aus Echtzeitdaten von Fahrzeugen im Verkehr. Diese aktuellen Verkehrsinformationen bewahren Reisende in Bayern vor Staus und reduzieren die Umweltbelastung.

Malaria-Bekämpfung mit Big Data Analytics

Doch auch dort, wo nicht Fahrzeuge, sondern Menschen in Bewegung sind, können Daten einen konkreten Nutzen bringen: Die Big-Data-Spezialistin Caroline Buckee von der Harvard School of Public Health in Boston erstellte zusammen mit ihrem Ehemann Nathan Eagle mithilfe mobiler Daten von 15 Millionen Handys in Kenia Muster für Malariainfektionen. Auf diese Weise konnten sie Infektionsherde identifizieren, um die Behörden bei der Bekämpfung der Krankheiten zu unterstützen.

So war ihnen bei ihrer Analyse eine bestimmte Mobilfunkzelle besonders aufgefallen: Menschen, die nahe der Stadt Kericho im westlichen Hochland Nachrichten verschickten oder Anrufe tätigen, reisten mit dreifacher Wahrscheinlichkeit im Vergleich zu anderen in den Landstrich nordöstlich des Viktoriasees, der von den Gesundheitsbehörden als Malariaherd identifiziert worden war.

Ein Blick auf ein Satellitenbild der Gegend offenbarte den Grund dafür: eine Teeplantage, die von Wanderarbeitern bestellt und geerntet wurde. Mit Hilfe dieser Erkenntnis konnte eine besser Strategie im Kampf gegen die Krankheit gefunden werden: Da die Infektion von Moskitos ausgeht und nicht von Mensch zu Mensch übertragen wird, war es sinnvoller, die Maßnahmen zur Eindämmung auf das Ursprungsgebiet der Seuche zu konzentrieren.

Die Big-Data-Spezialistin Caroline Buckee erstellte mithilfe mobiler Daten von 15 Millionen Handys in Kenia Muster für Malariainfektionen.
Die Big-Data-Spezialistin Caroline Buckee erstellte mithilfe mobiler Daten von 15 Millionen Handys in Kenia Muster für Malariainfektionen.
Foto: Harvard School of Public Health
Zur Startseite