Crowd sourcing Plattformen wie das Ushahidi-Framework nutzen die Internetgemeinde um beispielsweise tausende Notrufe aus Katastrophengebieten manuell auszuwerten. Dies unterstützt Hilfsorganisationen bei der Koordination ihrer Maßnahmen basierend auf aktueller Lageinformation und –karten. Gleichermaßen ermöglicht diese verteilt abgegebene Lageinformation die detaillierte Rekonstruktion eines Katastrophenereignisses und ist somit unerlässlich für eine forensische Analyse. Die manuelle Auswertung und Erstellung der sogenannten crowdmaps durch die meist anonyme Internetgemeinde erfolgt jedoch derzeit ohne die Möglichkeit, Zuverlässlichkeit und Genauigkeit der Information und deren Auswertung ableiten zu können. Für eine belastbare forensische Analyse ist eine solche Qualitätsbewertung jedoch zwingend erforderlich. Ziel des Projektes ist es folglich, Methoden und Algorithmen zu entwickeln, welche die verteilt erfasste Rauminformation automatisch verarbeiten, hinsichtlich ihrer Qualität und Zuverlässigkeit bewerten und zur Analyse bereitstellen. Ein globaler Lösungsansatz wird in der getrennten Modellierung funktionaler und semantischer Aspekte gesehen. So können konkrete räumlichen Relationen einzeln funktional modelliert und zu einer räumlichen Szene verknüpft werden. Dabei ist sowohl der eingebettete räumliche Zusammenhang als auch der globale Kontext zu berücksichtigen.
Das FDA-Projekt „Crowd Sourcing im Desastermanagement“ ist als eine Komponente einer gesamtheitlichen forensischen Katastrophenanalyse zu sehen, da es einen elementaren Teilaspekt der Prozesskette abdeckt. So steht es einerseits in direktem Kontext zum FDA-Projekt „Social Sensors for rapid (damage) assessment in disaster management“. Dieses untersucht, welche Information für die Abschätzung eines Schadensereignisses erforderlich ist und welche Plattformen diese bereitstellen. Anderseits werden durch die Ergebnisse des vorliegenden Projektes Informationen beispielsweise für die FDA-Projekte „Methodik zur (schnellen) Abschätzung der ökonomischen Auswirkungen von Naturkatastrophen in Industrieunternehmen“ oder „Schnelleinschätzungen der Auswirkungen von Naturereignissen auf den Verkehr und deren volkswirtschaftlicher Bewertung“ bereitgestellt.

 

 

 

 

 

 

 

 

 

 

Abb. 1: Textdatenformat, strukturiert als XML

 

 

 

 

 

 

 

Abb. 2: Screenshot eines lokalisierten Ereignisses basierend auf drei Beschreibungen im urbanen Katastrophenmanagement

Abb. 3: Räumliche Bewertungsfunktion

Abb. 4: Prototy Seneca zur Verarbeitung von Textmeldungen

 

 

 

 

Volunteered Geographic Information for Disaster Management Potential, Challenges, Solutions.

In Citizen e-Participation in Urban Governance