Der Anwendungsfall „Stockwerkerkennung“ versucht, mehrere Datenquellen zusammenzuführen, um für jedes Gebäude die Anzahl der Stockwerke zu erfassen und diese Information gezielt einem Gebäude zugeordnet in eine Datenbank aufnehmen zu können. Die vorliegenden Datenquellen stellen dabei die Grundrissdaten der Gebäude sowie Bilder der Fassaden aus der Straßenbefahrung Leipzig dar, welche mit Geokoordinaten versehen sind.
Um die Anzahl der Stockwerke zu erkennen, wurde ein überwacht-lernendes, neuronales Netz trainiert, welches Fassadenobjekte im Bild erkennt: Fenster, Türen, Gauben, Geschäfte und Dachfenster.
Architektonische Besonderheiten als potenzielle Fehlerquellen
Bei der Analyse traten auf mehreren Ebenen Schwierigkeiten auf. Ein Faktor aus architektonischer Sicht ist, dass es in einer Stadt verschiedene Gebäudetypen gibt, welche sich nach ihren Baujahren voneinander unterscheiden und somit verschiedene Merkmale besitzen. Vergleicht man einen Altbau (Baujahr 1890) und einen Plattenbau (Baujahr 1960), so ist sofort für das menschliche Auge eine unterschiedliche Anordnung der Fenster und eine unterschiedliche Höhe der Fenster bzw. der Geschosse generell erkennbar. Altbauten können zudem Verzierungen wie Erker oder Türmchen besitzen. Moderne Gebäude sind eventuell komplett verglast.
Eine weitere Schwierigkeit besteht in den Gebäudebildern, die mittels Straßenbefahrung zur Verfügung gestellt werden. So kann es sein, dass auf der straßenseitigen Fassade nicht für jedes Geschoss ein Fenster zu sehen ist oder die Fenster durch Bäume oder Sträucher verdeckt werden und somit auch nicht auf den Bildern erkennbar sind.
Optimal: KI als Unterstützung für die Stockwerkerkennung
Diese Faktoren bilden die Fehlerquellen in diesem Anwendungsfall. In aktuellen Ergebnissen erreicht die trainierte KI eine unterschiedliche Erkennungsquote für verschiedene Gebäudetypen: ca. 88% richtige Erkennung für Altbau, ca. 60% für Plattenbauten und Einfamilienhäuser. Im Projekt wird ebenfalls ein Anwendungsfall behandelt, bei dem Gebäudetypen unterschieden werden sollen. Die Nutzung dieser Kategorisierung vorher könnte dabei helfen, die Quoten weiter zu verbessern.
Zu beachten gibt es bei diesem Anwendungsfall Folgendes: zum Einen handelt es sich hierbei um ein Experiment um zu prüfen, ob KI ein gutes Mittel ist um die Stockwerkanzahl automatisiert zu erfassen. Zum anderen muss die abgeleitete Information stimmen, wenn sie in die städtischen Datenbanken eingetragen werden soll. Während der Arbeit an diesem Anwendungsfall ist klar geworden, dass die Stockwerkserfassung nicht vollautomatisiert und ungeprüft erfolgen kann. Daher werden zudem die KI-Methoden in ein Tool mit grafischer Oberfläche integriert. So wird eine Erkennungshilfe geschaffen, die eine halb-automatisierte, schnelle Erfassung der Stockwerke durch Hilfestellung ermöglicht.
Forschungspartner ScaDS.AI
Umgesetzt wurde die Stockwerkerkennung durch das ScaDS.AI der Universität Leipzig im Rahmen des CUT-Teilprojektes „Transformative, experimentelle Forschung“. Mit seinem Schwerpunkt auf KI-Methoden und Big Data Analysen steht das ScaDS.AI den Städten im Projekt als Forschungspartner zur Seite.