Am vergangenen Montag, dem 31. Juli, veranstalteten wir einen Mapathon zum Kartieren von Straßenqualität, an dem sowohl Studierende als auch Forscher*Innen teilgenommen haben. In gemeinsamer Anstrengung wurden fast 50 % aller vorausgewählten Straßenbilder aus 34 afrikanischen Ländern klassifiziert. Diese wertvollen Daten dienen dazu, Machine-Learning-Algorithmen darauf zu trainieren, befestigte und unbefestigte Straßen in Afrika (südlich der Sahara) zu identifizieren, was humanitäre Hilfe erheblich erleichtern wird.
Insbesondere in Regionen, in denen humanitäre Hilfe lebenswichtig ist, spielen Straßenzustand und Ausbau des Straßennetzes eine entscheidende Rolle bei der Bestimmung der Reisezeit. Die bei diesem Mapathon aufbereiteten Daten tragen daher dazu bei, wesentliche Parameter zu ermitteln, die effiziente Hilfe in Krisenzeiten ermöglichen. Unser Ziel ist es, durch das Training von Machine-Learning-Algorithmen mit den neu klassifizierten Bildern wollen wir raumbezogene Anwendungen, wie z. B. die Routenplanung im Katastrophenfall, verbessern und so einen positiven Einfluss auf humanitäre Maßnahmen ausüben.
Wir bedanken uns bei allen Teilnehmenden und Mitwirkenden, die zum Erfolg dieser Veranstaltung beigetragen haben. Die kollektiven Bemühungen der Teilnehmenden haben uns zu erheblichen Fortschritten in unserem Bestreben verholfen, eine zuverlässige Quelle für Straßenqualitätsdaten zu schaffen, die von humanitären Organisationen genutzt werden kann.
Wir freuen uns, ankündigen zu können, dass der nächste Mapathon in den ersten Wochen des kommenden Semesters stattfinden wird. Wir freuen uns auf die fortgesetzte Unterstützung und aktive Teilnahme sowohl von bekannten Gesichtern als auch von neuen Enthusiast*Innen.