Automatisiertes Erkennen von Baustellen anhand von Luftbildern und neuronalen Netzen

Montag, 1. Februar 2021

Automatisiertes Erkennen von Baustellen anhand von Luftbildern und neuronalen Netzen

Mithilfe von künstlichen neuronalen Netzen sollen Baustellen anhand von Luftbildern identifiziert werden.

Ziel des Projekts

Die Statistik der Baugenehmigungen ist eine Vollerhebung, deren Daten aus den Verwaltungsunterlagen der Bauaufsichtsbehörden und Angaben der Bauherr(inn)en gewonnen werden. Bei Antragstellung einer Baugenehmigung füllt die Bauherrin bzw. der Bauherr einen Statistikbogen aus, der zusammen mit dem Antrag beim Bauamt abgegeben wird. Die ausgefüllten Statistikbögen werden anschließend durch die Bauämter an die Statistischen Ämter der Länder weitergeleitet. Die Anzahl der eingegangenen Statistikbögen bildet bis dato jedoch die einzige Informationsquelle zur Abschätzung der tatsächlichen Grundgesamtheit der Statistik der Baugenehmigungen. Zur Wahrung der hohen Qualitätsstandards in der amtlichen Statistik werden deshalb neue Kontroll- und Validierungsmaßnahmen erprobt.

Mithilfe von modernen Bilderkennungsmethoden sowie Luftbildern (den sogenannten digitalen Orthophotos) soll ein Verfahren entwickelt werden, das es ermöglicht, Baustellen automatisiert zu erkennen. Die so gewonnenen Daten bilden das Baugeschehen in Nordrhein-Westfalen punktuell ab. Indirekt lassen sich folglich auch Informationen über erteilte Baugenehmigungen ableiten, die zur weiteren Qualitätssicherung der Statistik genutzt werden können.

  • Methodisches Vorgehen

Zur Auswertung von Luftbildern werden mit der Nutzung von künstlichen neuronalen Netzwerken (KNN) Methoden des maschinellen Lernens angewendet. Da KNN-Verfahren dem Konzept synaptischer Verbindungen in biologischen Nervensystemen nachempfunden sind, müssen auch KNNs vor der Bearbeitung einer Problemstellung mit bereits verfügbaren Daten trainiert werden. Die „Neuronen“ dieses künstlichen Nervensystems werden durch sogenannte Knoten dargestellt, welche Informationen aufnehmen, verarbeiten und an nachgelagerte Knoten weitergeben. Die Vernetzung der einzelnen Knoten erfolgt über sogenannte Kanten, die entsprechend der Stärke und der Bedeutung der Verbindung gewichtet werden. Durch diesen Aufbau ist das KNN in der Lage, aus Daten zu lernen und Muster in ihnen zu erkennen.  

Für die Anwendung auf die Statistik der Baugenehmigungen wird  (wie auch bei dem Projekt „Deep Solaris“) ein spezieller Typ eines KNN, das Convolutional Neural Network (Gefaltetes Neuronales Netzwerk, kurz: CNN) verwendet. Dieses eignet sich insbesondere für die Bildverarbeitung, da es in der Lage ist, die direkte Umgebung von Objekten zu berücksichtigen.

Auf Grundlage der digitalen Orthophotos wurde ein manuell klassifizierter Datensatz erstellt, auf dessen Basis der CNN-Algorithmus trainiert wird. Der Trainingsdatensatz beinhaltet Bildkacheln, die zu 30 Prozent Baustellen beinhalten.

  • Datengrundlage
  • Statistik der Baugenehmigungen
  • Digitale Orthophotos aus NRW mit einer Bodenauflösung von 10 cm x 10 cm (DOP10) (Eigner: Geobasis NRW, Geobasisdaten der Kommunen und des Landes NRW)

Footermap Title