Detailansicht
Qualitätsmerkmale einer Lärmkartierung auf Crowdsourcing-Basis
Erfassung, Aufbereitung und Präsentation gezeigt an einem Beispiel
Mario Kindig
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
DOI
10.25365/thesis.35122
URN
urn:nbn:at:at-ubw:1-29910.04221.238653-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit beschäftigt sich mit der Erfassung, Aufbereitung und Visualisierung von Schall im Raum. Der Schall soll hierbei mit Hilfe einer Crowdsourcing-Methode ermittelt werden und dabei sollen u.a. auch die Fragen beantwortet werden, wie man selbst Lärmkarten erstellen kann und ob in Zukunft die Auslagerung von Leistungen an freiwilligen Akteuren in diesem Bereich sinnvoll ist oder nicht. Im Zuge dieser Untersuchung kommt dabei einerseits eine spezielle Smartphone-App, die den Lärm messen kann, und andererseits die Software „ArcGIS“ zum Einsatz. Dabei soll mit Hilfe eines professionellen Schallpegelmessgerätes gleichzeitig auch die Datenqualität verglichen und beurteilt werden. Im Zuge der Untersuchungen hat sich dabei gezeigt, dass zwar die Messwerte mittels Smartphone-App im Allgemeinen zu gering sind, die selbst erstellten Lärmkarten jedoch trotzdem als Überblick über den vorherrschenden Umgebungslärm dienen können. In Zukunft könnte hier aufgrund verbesserter Hardware, insbesondere der eingebauten Mikrofone in den Smartphones, noch einiges an Potenzial stecken und somit auch noch bessere Ergebnisse daraus resultieren.
Schlagwörter
Schlagwörter
(Deutsch)
Lärmkartierung Crowdsourcing
Autor*innen
Mario Kindig
Haupttitel (Deutsch)
Qualitätsmerkmale einer Lärmkartierung auf Crowdsourcing-Basis
Hauptuntertitel (Deutsch)
Erfassung, Aufbereitung und Präsentation gezeigt an einem Beispiel
Publikationsjahr
2014
Umfangsangabe
XII, 131 S. : Ill., graph. Darst., Kt.
Sprache
Deutsch
Beurteiler*in
Andreas Riedl
AC Nummer
AC12239117
Utheses ID
31140
Studienkennzahl
UA | 066 | 856 | |