Fortschritte in der Positionierungstechnologie haben die Erfassung enormer Datenmengen über die Bewegung verschiedenster Objekte in unterschiedlichen Bereichen ermöglicht, was den Bedarf an skalierbaren Methoden zur Analyse solcher Daten geweckt hat. Als Reaktion darauf sind in letzter Zeit eine Reihe von Methoden und Werkzeugen im Bereich Data Mining, geografische Visualisierung, Informationsvisualisierung und Visual Analytics entstanden. Die meisten dieser Ansätze befassen sich jedoch ausschließlich mit Bewegungsdaten, ohne den raumzeitlichen Kontext der Bewegung zu berücksichtigen – also die Eigenschaften verschiedener Orte und Zeiten sowie räumliche, zeitliche und raumzeitliche Objekte, die die Bewegung beeinflussen und/oder von ihr beeinflusst werden.

Dieses Projekt zielt darauf ab, theoretische Grundlagen und neuartige skalierbare Methoden zur Analyse von Bewegung im Kontext zu entwickeln, unter Nutzung sowohl expliziter Kontextinformationen in Form von Datensätzen als auch impliziter Kontextinformationen im Wissen menschlicher Analysten. Die Methoden kombinieren interaktive visuelle Schnittstellen mit rechnergestützten Techniken, um die synergetische Zusammenarbeit von Mensch und Computer zu fördern.

Das Projekt entwickelt Ansätze, die den Übergang von der explorativen Analyse von Bewegungsdaten hin zur Erstellung expliziter formaler Modelle ermöglichen, welche die Ergebnisse der Visual-Analytics-Prozesse repräsentieren. Im theoretischen Teil wird ein konzeptuelles Modell der Bewegung, ihres raumzeitlichen Kontexts sowie möglicher Beziehungen zwischen Bewegung und Kontext erarbeitet. Darauf aufbauend werden eine Taxonomie von Analyseaufgaben und eine Taxonomie von Methoden entwickelt, die Leitlinien für die Wahl analytischer Methoden und Werkzeuge in Abhängigkeit von Analysezielen und Dateneigenschaften bieten. Die entwickelte Theorie und Methodik wird durch die Erstellung prototypischer Softwarewerkzeuge und deren Evaluation in realen Anwendungsszenarien überprüft.