Hierachisches Clustering up der AAO

  • Hallo zusammen,


    ich hoffe ich bin hier im Teil des Forums richtig, da es ja noch keine fertige AAO zum exportieren gibt.

    Ich hab früher schonmal gespielt und jetzt nochmal neu angefangen. Ich finde es sehr anstrengend eine AAO zu pflegen und vorallem übersichtlich zu halten.

    Ja es gibt die Möglichkeit alle Einsätze einzeln zu erstellen, jedoch gibt das eine richtig lange Liste, was ziemlich übersichtlich ist.

    Ich finde eine Lösung, wo man nach Kategorien clustert kann ziemlich elegant. Dadurch sinkt ebenfalls der Pflegeaufwand bei neuen Einsätzen.

    Ich hab dann mal meine angestaubten Python "Skills" aus dem Studium hervorgeholt und hab mich mal am Clustern probiert. Ich füge mal zwei Bilder hinzu was für die WF und FW herausgekommen ist.

    (Ich hoffe man kann es lesen, bei der Qualität stehen der Computer und ich auf Kriegsfuß)

    Im folgenden kurz das Vorgehen für die es interessiert.


    Folgende Probleme am Ergebnisse sind mir aufgefallen:

    • Die Menge der Fahrzeuge hat am meisten Impact. Dadurch verlieren Sonderfahrzeuge an Impact und es sind z.B nicht alle GW-Höhenrettung Einsätze geclustert auch wenn ich das erwartet hatte.
      • Es könnte hier eine Normalisierung der Daten helfen. Hat vielleicht jemand eine Idee welcher Algorithmus hier nützlich wäre?
      • Andere Wege das Gewicht der Sonderfahrzeuge zu erhöhen.
    • Die Einsätze sind thematisch nicht ähnlich was es schwer macht eine passende intuitive AAO Kategorie zu bilden. Beispielsweise hatte ich schon vorher Einsätze wie Zimmerbrand, Kaminbrand, Schornsteinbrand u.a zum Stichwort Hausbrand zusammengefasst. Nicht ganz effizient aber Ausbreitungen sind abgedeckt und es ist viel übersichtlicher.
      • Macht es hier Sinn auf Stichworte zu setzten welche man vorher in das Clustering mit einbezieht?
      • Eventuell könnte man auch den Datensatz weiter auseinander ziehen.


    Ich würde mich freuen wenn der ein oder andere ein bisschen Input für mich hätte. Die Graphen für die anderen Bereiche (THW und Pol) reiche ich noch nach wenn ich sie lesbarer gemacht habe.


    Viele Grüße

  • Tizzy Hier ist deine Frage richtig, der Forenteil war zwar richtig, aber bitte nicht für jede Frage einen eigenen Thread.

    Schade, dass es hier in den Sammelthread verschoben wurde, da wird das nur untergehen. Ich fände Off-Topic oder Scripte & Zusatzprogramme hier passender als dem Sammelthread! Edit: Danke fürs Verschieben in einen eigenen Thread Calli01 😊


    Zum Projekt selber: Herzlich Willkommen im Forum Tizzy !

    Sieht auf jeden Fall schon mal interessant aus, aber ich seh noch nicht ganz, wie daraus mal eine intuitive AAO werden könnte um ehrlich zu sein – ich lasse mich da aber gerne überraschen!


    Es könnte hier eine Normalisierung der Daten helfen. Hat vielleicht jemand eine Idee welcher Algorithmus hier nützlich wäre?
    Andere Wege das Gewicht der Sonderfahrzeuge zu erhöhen.

    Vielleicht könnte man hier mit einem Seltenheitswert arbeiten? Je seltener das Fahrzeug, desto höher gewichtet wäre z.B. eine Idee. Damit dürften Einsätze mit FwK-Anforderung eher gruppiert werden, als die mit DLK-Anforderung.


    Die Einsätze sind thematisch nicht ähnlich was es schwer macht eine passende intuitive AAO Kategorie zu bilden. Beispielsweise hatte ich schon vorher Einsätze wie Zimmerbrand, Kaminbrand, Schornsteinbrand u.a zum Stichwort Hausbrand zusammengefasst. Nicht ganz effizient aber Ausbreitungen sind abgedeckt und es ist viel übersichtlicher.

    Macht es hier Sinn auf Stichworte zu setzten welche man vorher in das Clustering mit einbezieht?
    Eventuell könnte man auch den Datensatz weiter auseinander ziehen.

    Ja, hier würde ich denke ich auch mit dem Einsatzstichwort arbeiten. Das würde zumindest Gruppierungen von namentlich ähnlichen Einsätzen bewirken. Für weitere Gruppierung wäre vielleicht ein erster Schritt in Richtung NLP notwendig. Da bräuchte man dann irgendwie ein Model, welches sowas wie dein genanntes Beispiel findet. Das könnte aber evtl. ein bisschen Overpowered sein?

    Über die POIs kann man aber auf jeden Fall auch arbeiten für alle Einsätze, die POIs erfordern.


    Aber auskennen tu ich mich mit Clustering und so überhaupt nicht, dementsprechend bin ich da gespannt, wie sich das projekt weiterentwickelt. Halte uns gerne auf dem Laufenden :)


    Im folgenden kurz das Vorgehen für die es interessiert.

    Ich hoffe, du hast hierfür https://www.leitstellenspiel.de/einsaetze.json genutzt und nicht die "Hilfe zu diesem Einsatz" jedes Einsatzes konsultiert und ausgelesen? :S



    Viele Grüße && weiter so mit diesem Projekt :)

  • Hey,
    erstmal danke fürs Feedback. Das mit den POIs ist ne gute Idee, dass muss ich mir nochmal anschauen.

    Ich hoffe, du hast hierfür https://www.leitstellenspiel.de/einsaetze.json genutzt und nicht die "Hilfe zu diesem Einsatz" jedes Einsatzes konsultiert und ausgelesen? :S

    *Hust* Natürlich *Hust*. Ne Danke für die Info, die Datei kannte ich noch nicht. Hab das 2x ausgelesen und dann meine eigene JSON erstellt. Aber gut zu wissen, dass es das gibt, dass hätte mir doch etwas Zeit erspart.


    Ja, hier würde ich denke ich auch mit dem Einsatzstichwort arbeiten. Das würde zumindest Gruppierungen von namentlich ähnlichen Einsätzen bewirken. Für weitere Gruppierung wäre vielleicht ein erster Schritt in Richtung NLP notwendig. Da bräuchte man dann irgendwie ein Model, welches sowas wie dein genanntes Beispiel findet. Das könnte aber evtl. ein bisschen Overpowered sein?

    NLPs kenne ich mich auch nicht aus, wenn da keiner ne leichte Lösung hat fällt das eher raus.

    Vielleicht könnte man hier mit einem Seltenheitswert arbeiten? Je seltener das Fahrzeug, desto höher gewichtet wäre z.B. eine Idee. Damit dürften Einsätze mit FwK-Anforderung eher gruppiert werden, als die mit DLK-Anforderung.

    Denke das wird die Lösung sein, da mache ich mir mal gedanken wie man das intelligent macht.


    Wenn das hier untergehen sollte, kann ich ja nochmal in ein paar Wochen nach Fortschritt einen neuen Thread unter Skripte o.ä aufmachen.

  • Ich finde das auch ein spannendes und interessantes Projekt.