Skip to main content Skip to main navigation

Projekt | Daystream

Laufzeit:
Data Analytics and AI for Secure, Trusted, and Reliable Mobility  (Datenanalytik und KI für sichere und zuverlässige Mobilität)

Data Analytics and AI for Secure, Trusted, and Reliable Mobility (Datenanalytik und KI für sichere und zuverlässige Mobilität)

Das Kernziel des Projekts DAYSTREAM ist die Entwicklung datengetriebener Anwendungen zur Früherkennung, zeitnahen Verfolgung und bestmöglichen Vorhersage von sicherheits- und ablaufkritischen Mobilitäts-Ereignissen. Hierzu sollen neue Datenressourcen durch die automatische Interpretation, Erweiterung und semantische Vernetzung bestehender Daten geschaffen werden. Ziel ist es, diese neuen Datenbestände so in die mCloud einzuspeisen, dass sie den Wert bestehender Daten erhöhen und zusammen mit diesen die Grundlage für eine Vielfalt künftiger Anwendungen bilden. Für die echtzeitnahe Ereigniserkennung werden verschiedenste strukturierte und unstrukturierte Datenquellen fortlaufend analysiert, ausgewertet und ggf. verknüpft. Die Analyse der Datenströme erfolgt aufgrund der zu erwartenden, massiven Datenmengen unter Einsatz modernster Big Data Technologie. Für die Real-Time-Datenverarbeitung soll insbesondere Apache Flink zum Einsatz kommen, eine skalierbare und hoch-performante Plattform zur Verarbeitung von “Big Data” Datenströmen. Ein wichtiger Aufgabenschwerpunkt des Vorhabens wird die Erforschung und Implementierung von massiv parallelen Verfahren des Maschinellen Lernens, der Zeitreihenanalyse, des Clusterings und der Anomalieerkennung sein. Das DFKI ist Koordinator des Verbundprojekts, zu dessen Partnern die DB Sicherheit GmbH, die idalab GmbH, die Universität Kassel und die Rhein-Main-Verkehrsverbund Servicegesellschaft mbH gehören.

Das Projekt DAYSTREAM ist Teil der Forschungsinitiative „mFund“, die vom Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) unter Förderkennzeichen 19F2031A gefördert wird.

Partner

DB Sicherheit GmbH, idalab GmbH, Universität Kassel und die Rhein-Main-Verkehrsverbund Servicegesellschaft mbH.

Publikationen zum Projekt

  1. Towards Automated Data Cleaning Workflows

    Mohammad Mahdavi; Felix Neutatz; Larysa Visengeriyeva; Ziawasch Abedjan

    In: Robert Jäschke; Matthias Weidlich (Hrsg.). Proceedings of the Conference on "Lernen, Wissen, Daten, Analysen". GI-Workshop-Tage "Lernen, Wissen, Daten, Analysen" (LWDA-2019), September 30 - October 2, Berlin, Germany, Pages 10-19, CEUR, 9/2019.

Fördergeber

BMVI - Bundesministerium für Verkehr und digitale Infrastrukturen

19F2031A

BMVI - Bundesministerium für Verkehr und digitale Infrastrukturen