Eine aktuelle der Studie von zwei Mitgliedern der Abteilung Geoinformatik der Universität Heidelberg untersucht mit aktuellen Machine Learning Analysemethoden (u.a. multilayer perceptron neutral network (MLP), support vector machine (SVM) and random forest (RF)) den raumzeitlichen Zusammenhang zwischen Mustern im Radfahrverhalten und dem Grad wie stark die Rad-Pendler Luftverschmutzung ausgesetzt sind. Diese Arbeiten auf Basis umfangreicher Datensätze von Strava stellen erste Schritte für weitergehende Anwendungen im Bereich Stadtplanung und Gesundheitsforschung dar. 

http://www.geog.uni-heidelberg.de/gis/heigit_bigspatialdata.html

Weiter Informationen: http://giscienceblog.uni-hd.de/2017/03/31/utilizing-crowdsourced-data-for-studies-of-cycling-and-air-pollution/

Sun, Y., & Mobasheri, A. (2017). Utilizing Crowdsourced Data for Studies of Cycling and Air Pollution Exposure: A Case Study Using Strava Data. International Journal of Environmental Research and Public Health, 14(3), 274.