Nachdem Ende August das Expertenrating für die Gewichtung der Landmarks durchgeführt wurde, wurden die Ergebnisse im nächsten Schritt exemplarisch für zwei Ebenen des Campus der WU in ArcGIS visualisiert. Dazu waren folgende Schritte notwendig:
- Lokale Speicherung: Um die Daten weiterverarbeiten zu können, wurden die Ausgangsdaten von PostgreSQL lokal als Feature Class gespeichert. Dazu wurden diese zuerst via “Add Query Layer” hinzugefügt und anschließend via “Export Data” lokal gespeichert. Wichtig war dabei, immer explizit das “Unique Identifier Field” unter den erweiterten Optionen anzugeben, da es sonst Probleme beim Zugriff auf die Daten gab. Die Daten aus der zentralen Raumdatenbank der WU, die die Kategorien der einzelnen Räume enthält, wurden als Tabelle von einem csv-Export importiert und anschließend über einen Join mit den Rooms-Layern verbunden. Dadurch stand für jeden Raum auch die entsprechende Kategorie zur Verfügung.
- Erstellung der Landmark-Layer: Nachdem die Daten lokal gespeichert waren, konnte daraus die Landmark-Layer erstellt werden. Dazu wurden je nach Layer unterschiedliche Abfragen erstellt. Die Raumkategorien wurden über eine attribute-Abfrage zur Kategorienbezeichnung extrahiert, bei den POIs war der Name auch in einem separaten Attribut gespeichert und konnten so abgefragt werden. Aufzüge wurden über das Routingnetzwerk identifiziert – es wurden jene Segmente ausgewählt, die als Typ “Aufzug” zugewiesen hatten. Bei den Stiegen war die Auswahl etwas aufwendiger, da hier ja üblicherweise nur der Anfang und das Ende der Stiege relevant ist. Daher wurden über das Routingnetzwerk zuerst die Stiegensegmente identifiziert und anschließend über ein Tool die Anfangs- und Endpunkte der Stiegen extrahiert.
Alle selektierten Elemente wurden jeweils als eigene Feature Class gespeichert. - Zuweisung der Gewichtungs-Werte: Jeder Feature Class wurde im nächsten Schritt ein neues Feld “weight” hinzugefügt und der jeweilige Gewichtungswert aus dem Expertenrating zugewiesen.
- Erstellung von Visualisierungs-Vorlagen: Um jeder Feature Class auf einfache Weise das selbe Visualisierungs-Schema zuzuweisen, wurden für jeden Geometrietyp eigene Vorlagen erstellt. Diese beruhen auf einem quantitativen, graduierten Farbschema mit 7 Quantilen-Klassen. Als Farbschema wurde “cold to hot diverging” ausgewählt.
- Zweisung der Visualierungs-Vorlagen: Die exemplarisch erstellen Visualisierungsvolagen wurden über “Symbology – Import” jeder Feature Class zugewiesen. Als “Value Field” wurde jeweils das erstelle Feld “weight” ausgewählt.
Und das Ergebnis sieht zum Beispiel so aus (Ebene 04):
