Mobilitätsdatenanalyse (Modul MW2436)
Kontakt
Kontaktadresse: pr.mda.ftm@ed.tum.de
Online verfügbar
Das Praktikum wird im WiSe 2025 ausschließlich als Präsenz-Veranstaltung abgehalten. Nähere Informationen finden sich im moodle-Kurs
TUMonline
| Vortragende/r (Mitwirkende/r) | |
|---|---|
| Nummer | 0000003794 |
| Art | Praktikum |
| Umfang | 4 SWS |
| Semester | Wintersemester 2025/26 |
| Unterrichtssprache | Deutsch |
| Stellung in Studienplänen | Siehe TUMonline |
| Termine | Siehe TUMonline |
Teilnahmekriterien
Beschreibung
• Grundlagen der (Geo-) Datenanalyse
• OSM/GIS
• Methoden in der Datenanalyse und Visualisierung
• Räumlich-zeitliche Daten und Clustering/Heatmaps
• Experiment 1: Datenerfassung und Fahrverhalten
• Experiment 2: Persönliche Mobilitätsdatenanalyse
• Projekt: Klassifizierung durch maschinelles Lernen
• OSM/GIS
• Methoden in der Datenanalyse und Visualisierung
• Räumlich-zeitliche Daten und Clustering/Heatmaps
• Experiment 1: Datenerfassung und Fahrverhalten
• Experiment 2: Persönliche Mobilitätsdatenanalyse
• Projekt: Klassifizierung durch maschinelles Lernen
Inhaltliche Voraussetzungen
Python Grundkenntnisse
Lehr- und Lernmethoden
Das Modul findet in Form eines Praktikums statt. Ein Praktikumstermin findet dabei je nach Termin in 1-2 Blöcken statt. Jeder Block beginnt mit der Erläuterung theoretischer Grundlagen zur Mobilitätsdatenanalyse in frontaler Wissensvermittlung mittels Präsentation und Live-Programmierung. Anschließend bearbeiten die Studierenden konkrete Aufgaben aus der Praxis in Form von betreuter Einzel- und Gruppenarbeit. In zwei Sonderterminen werden Versuche zur Mobilitätsdatenanalyse durchgeführt, wobei die Studenten unter Aufsicht aktiv an der Versuchsdurchführung teilnehmen. Mit diesen Methoden lernen die Studierenden also beispielsweise, die wesentlichen Elemente einer Datenanalyse Pipeline für Mobilitätsdaten kennen und sind in der Lage selbst ein entsprechendes Framework mit Open-Source Software aufzubauen. Sie lernen die verschiedenen Möglichkeiten und Formate der Datensammlung, Aggregation und Speicherung kennen und können selbstständig Mobilitätsaufzeichnungen durchführen und die gesammelten Daten vorverarbeiten und auswerten.