Raumbezogenes Data-Mining

Hypothesengenerierende Entdeckung von entwicklungs- und planungsrelevanten Raummustern

Das Projekt setzt sich zum Ziel, nach einer explorativen Datenanalyse für Indikatoren des Monitors der Siedlungs- und Freiraumentwicklung (u. a. Analyse der Verteilung, Erstellung von charakteristischen und informativen Graphiken, z. B. Boxplots, Perzentilbändern, Lorenzkurven und Streudiagrammen für Indikatoren) nach verborgenen planungsrelevanten Raummuster im hochdimensionalen Geodatenbestand des IÖR-Monitors in Deutschland zu suchen. Beim Aufspüren dieser impliziten Raummuster auf Gemeindebasis werden sowohl hypothesengeleitetes als auch hypothesengenerierendes Data Mining durchgeführt. Bei der hypothesengeleiteten Extraktion werden vor dem eigentlichen Data Mining Hypothesen aufgestellt und entsprechend Entscheidungen bezüglich Indikatoren und Methoden getroffen. Hier soll Synergie der Methodenentwicklung und inhaltlich-theoretischen Überlegungen erzielt werden, um schneller zum Ziel und gleichzeitig zu leicht interpretierbaren Ergebnissen zu kommen. Beim hypothesengenerierenden Data Mining wird das Hauptinteresse auf die Entdeckung räumlicher Regelhaftigkeiten und Muster gelegt, die interpretiert werden müssen.

Das Leibniz-Institut für ökologische Raumentwicklung e. V. wird gemeinsam durch Bund und Länder gefördert.

FS Sachsen

Diese Maßnahme wird mitfinanziert mit Steuermitteln auf Grundlage des vom Sächsischen Landtag beschlossenen Haushaltes.