A trend - cars
Beobachtung von wirtschaftlichen Aktivitäten und Trends
Hintergrund
Wirtschaftliche Aktivitäten, wie z.B. die Anzahl an Containern in Häfen, die Auslastung von Parkplätzen vor Geschäften oder die Anzahl an Autos in den Produktionsstätten, können frühe Indikatoren von wirtschaftlichen Trends und Entwicklungen sein. Diese Informationen in Echtzeit zu sammeln und zu analysieren, kann es Banken und Unternehmen ermöglichen, Aktienkurse und Umsätze genauer vorherzusagen und somit frühzeitig auf dem Finanzmarkt zu agieren.
Solche Aktivitäten können durch den Einsatz von Remote Sensing, Computer Vision und Machine Learning (ML) Methoden in Echtzeit beobachtet und automatisch ausgewertet werden. Das Ziel ist ein Tool, das wertvolle Informationen über aktuelle wirtschaftliche Entwicklungen bereitstellt.
Herausforderungen
Durch die automatische Auswertung von Satelliten- und Drohnenbildern können wirtschaftliche Aktivitäten in Echtzeit überwacht werden. Dafür wird ein ML Algorithmus implementiert, der in der Lage ist, in Bild- und Radardaten Objekte zu identifizieren und klassifizieren, indem er mit einem ausreichend großen gelabelten Datensatz trainiert wurde.
Die Beobachtung der Aktivitäten erfordert allerdings meist die Erkennung von kleineren Objekten, wie z.B. Autos, Schiffe, Container, Güterwagen etc., wofür Bilddaten mit einer hohen Auflösung benötigt werden. Außerdem sollte die Datenquelle eine möglichste hohe Aktualisierungsfrequenz haben, um die Aktivitäten kontinuierlich überwachen und Trends schnell erkennen zu können. Open Source Satellitendaten erfüllen diese Anforderungen in der Regel nicht, weshalb entweder kommerzielle Datenquellen oder individuelle UAV Befliegungen verwendet werden sollten.
Lösungsansatz
Die Erkennung und Klassifizierung von Objekten in Bilddaten ist eine Standardanwendung von Machine Learning. Spezielle Convolutional Neural Networks (CNN), wie z.B. U-Net oder Mask R-CNN Architekturen, sind dabei die gängisten Methoden. Diese sind außerdem in der Lage, mehrere Objekte in einem Bild zu detektieren. Dadurch können verschiedene Faktoren, z.B. Anzahl an Schiffen und Containern, gleichzeitig beobachtet werden, und somit detailliertere Erkenntnisse über die wirtschaftlichen Aktivitäten gewonnen werden.