Art der Arbeit: Bachelorarbeit

Fachlicher Hintergrund:

Ein Gebäude ist mit vielen Sensoren ausgestattet. Dazu gehören z.B. Bewegungsmelder. Diese sind mit Feldbussen verbunden. Wir wollen die Sensordaten langfristig aufzeichnen und auswerten. Die Daten sollen benutzt werden, um Sondersituation, wie z.B. eine Panik oder ein Feuer im Gebäude registrieren zu können.

Aufgabenbeschreibung:

Im Rahmen der Arbeit sollen Möglichkeiten entwickelt und erprobt werden, mit deren Hilfe Abweichungen vom "normalen" Verhalten der Personen im Gebäude erkannt werden. Darüber hinaus soll untersucht werden, ob die Sensordaten ausreichen, um beispielsweise zurückbleibende Personen während eines Feuers zu erkennen.

Es sollen folgende Fragestellungen beantwortet werden:

  • Welche Daten stehen in welcher Qualität zur Verfügung?
  • Reichen die Daten für die genannten Anwendungen aus?
  • Welche Methoden eignen sich für die Auswertung?

Mögliche Arbeitsschritte:

  • Betrachtung der Datenquellen und der Datenqualität.
  • Betrachtung von möglichen Auswertealgorithmen und Verfahren?
    • Grundlagen Maschinelles Lernen
    • Bekannte Qualitätsparameter zur Bewertung der Verfahren
  • Konzipierung eines Prototyps
    • Entwicklung des Verfahrens
    • Festlegung der Architektur unter Berücksichtigung der Netzwerkstrukturen (z.B. Cloud- oder Edge-Computing)
  • Umsetzung eines Prototyps
  • Erprobung und Bewertung anhand der Qualitätsparameter

Die genaue Festlegung des Themas erfolgt in Abstimmung mit dem Betreuer.

Literatur und Ressourcen:

  • Peters, M., Goltz, J., Wiedenmann, S., & Mundt, T. (2019, July). Using Machine Learning to Find Anomalies in Field Bus Network Traffic. In International Conference on Security, Privacy and Anonymity in Computation, Communication and Storage (pp. 336-353). Springer, Cham.
  • Krüger, F., Kasparick, M., Mundt, T., & Kirste, T. (2014, June). Where are my colleagues and why? Tracking multiple persons in indoor environments. In 2014 International Conference on Intelligent Environments (pp. 190-197). IEEE.
  • Mundt, T., Wiedenmann, S., Goltz, J., Bauer, J., & Jung, M. (2019, June). Detecting Intrusive Behaviour of People in a Building through Data Analysis and Anomaly Detection in Home Automation Systems. In 2019 10th IFIP International Conference on New Technologies, Mobility and Security (NTMS) (pp. 1-7). IEEE.
  • Mundt, T., Krüger, F., & Wollenberg, T. (2012, November). Who refuses to wash hands? privacy issues in modern house installation networks. In 2012 Seventh International Conference on Broadband, Wireless Computing, Communication and Applications (pp. 271-277). IEEE.
  • Aschendorf, Bernd. "Funktionen der Gebäudeautomation." Energiemanagement durch Gebäudeautomation. Springer Fachmedien Wiesbaden, 2014.
  • Merz, Hermann, Thomas Hansemann, and Christof Hübner. "Gebäudeautomation." München: Carl-Hanser-Verlag (2010).

Betreuer: Dr. Thomas Mundt (thomas.mundt@uni-rostock.de)

Voraussetzungen: Keine besonderen.