Journal of Theoretical & Computational Science

Journal of Theoretical & Computational Science
Offener Zugang

ISSN: 2376-130X

Abstrakt

Social Sensing und Big Data Analytics: vom Katastrophenmanagement bis zur öffentlichen Gesundheit

Zhenlong Li

Schnelle Katastrophen, auf die man sich oft nur schwer vorbereiten und auf die man nur schwer reagieren kann, machen das Katastrophenmanagement weltweit zu einer anspruchsvollen Aufgabe. Traditionelle Datenerfassungsmethoden wie Fernerkundung und Feldvermessungen liefern während oder unmittelbar nach Katastrophenereignissen oft keine zeitnahen Informationen. Social Sensing ermöglicht es allen Bürgern, Teil eines großen Sensornetzwerks zu werden, das kostengünstig und umfassender ist und ständig Informationen zur Lagewahrnehmung sendet. Allerdings sind die mit Social Sensing erfassten Daten (wie Tweets) oft massiv, heterogen, verrauscht und in mancher Hinsicht unzuverlässig. Zusammen stellen diese Probleme eine große Herausforderung dar, Social Sensing für die Entscheidungsfindung im Katastrophenmanagement unter extremem Druck voll auszuschöpfen. Dieser Vortrag berichtet über unsere jüngsten Bemühungen, Social Sensing und Big Data Analytics zur Unterstützung des Katastrophenmanagements einzusetzen. Anhand von Anwendungsbeispielen aus der Praxis identifiziert dieser Vortrag die wichtigsten Herausforderungen bei der Verwendung großer Social-Sensing-Daten für das Katastrophenmanagement und stellt unsere Lösungen vor. Abschließend wird ein Forschungsbeispiel zur Verwendung von Social-Media-Daten zur Verfolgung der Bevölkerungsbewegung während der COVID-19-Pandemie diskutiert, um zu demonstrieren, wie Social Sensing und Big Data Analytics in der öffentlichen Gesundheitsforschung eingesetzt werden können.

Haftungsausschluss: Diese Zusammenfassung wurde mithilfe von Tools der künstlichen Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.
Top