Wahrscheinlichkeitsbasierte Anfragebearbeitung in Unsicheren Raumzeitlichen Daten

• Antragsteller: Professor Dr. Matthias Renz
• Fachliche Zuordnung: Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
• Förderung: Förderung von 2013 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 240143479

Mit der weiträumigen Verfügbarkeit von Satelliten-, RFID-, GPS- und Sensor-Technologien, werden raum-zeitliche Daten, also Daten die sowohl Ort- als auch Zeit-Information enthalten, im großen Maßstab gesammelt. Datensätze die derartige Informationen enthalten werden demzufolge zunehmend größer, ergiebiger, komplexer und allgegenwärtig. Eine effiziente Verwaltung solcher Daten ist von höchster Wichtigkeit bei einer Vielzahl von Anwendungsgebieten. Allerdings sind solche Daten von Natur aus unpräzise, zum einen durch die Ungenauigkeit von Sensorgeräten als auch durch die Unvollständigkeit von raum-zeitlichen Informationen die aus zeit-diskrete Beobachtung gewonnen werden.Ziel dieses Projektes ist die Untersuchung von effizienten sowie effektiven Methoden zur Modellierung, Anfragebearbeitung und Datenanalyse von unsicheren raum-zeitlichen Daten. Die in diesem Projekt zu entwickelnden Anfragemethoden sollen in der Lage sein die Vertrauenswürdigkeit von Anfrage- und Analyseergebnissen zu maximieren. Dies kann erreicht werden indem die Information die aus potentiell unsicheren raum-zeitlichen Daten gewonnen werden kann möglichst vollständig in den Anfrageprozess integriert wird. Die größten Herausforderungen sind hierbei die Komplexität der Beschreibung der Unsicherheit in den Daten, die Berücksichtigung von möglichen Abhängigkeiten innerhalb der zugrunde liegenden Daten, sowie der Umgang mit sehr großen Datenmengen. Um diese Probleme in den Griff zu bekommen versuchen wir stochastische Modelle für die Modellierung von unsicherer Bewegung von Objekten im Raum einzusetzen. Auf Basis dieser Modelle werden wir erste Algorithmen und Techniken entwickeln um die wichtigsten raum-zeitlichen Anfrageprädikate, wie z.B. Bereichsanfragen, Nächste-Nachbarn-Anfragen und Schnittanfragen wahrscheinlichkeitsbasiert effizient zu unterstützen. Die größte Herausforderung hierbei ist, mögliche Ergebnisse mit den dazugehörigen Wahrscheinlichkeiten dass es sich wirklich um ein Ergebnis handelt, zurückzugeben. Damit können die Ergebnisse dem Nutzer, nach dem Wahrscheinlichkeitswert absteigend sortiert, zurückgegeben werden, wodurch der Nutzer nützliche Information über die Vertrauenswürdigkeit der zurückgegebenen Antworten erhält. Darüber hinaus werden für unsichere raum-zeitliche Daten Data-Mining Techniken, wie z.B. Clustering und die Erkennung von Mustern, erforscht. Auch hier wollen wir direkt Modelle für (stochastische) Unsicherheit berücksichtigen um Ergebnisse mit einem zugehörigen Grad an Verlässlichkeit zurückgeben zu können.Die oben genannten Ziele sollen zunächst durch die Anwendung analytischer Methoden erreicht werden. Für den Fall dass analytische Methoden auf Grund zu hoher Berechnungskomplexität fehlschlagen sollten, werden wir numerische Ansätze erforschen um die Ergebniswahrscheinlichkeiten zu approximieren, wobei Garantien bzgl. der Genauigkeit dieser Approximationen gegeben sein sollen.

• DFG-Verfahren: Sachbeihilfen