Author: Irene F.

Die drei mit dem ILNM generierten Routenbeschreibungen zeigen, dass der Ansatz des ILNM grundsätzlich funktioniert. Für einen realen Einsatz in einem Produktivsystem sollten das Model jedoch noch etwas weiterentwickelt werden. Meine Vorschläge für Verbesserungen und eine Weiterentwicklung sind:

1. Verbesserung der Selektions-Parameter durch empirische Studien: Die Parameter des Landmark-Selektionsprozesses beruhen auf Heuristiken. Diese könnten jedoch durch empirische Studien verbessert werden, um z.B. die Werte für die Minimum-Länge für Routensegmente, für welche Bestätigungs-Landmarks ausgewählt werden, oder die relativen Gewichtungsänderungen für die unterschiedlichen Faktoren zu optimieren.
2. Anwendung auf eine größere Anzahl von Beispielrouten: Um den Ansatz weiter zu verbessern, sollte er auf eine größere Anzahl von Beispielrouten angewandt werden, da dadurch weitere mögliche Probleme oder Verbesserungsmöglichkeiten aufgedeckt werden können.
3. Definition von unterschiedlichen, angepassten Bufferzonen: Anstatt einen einzigen Wert für die Generierung der Sichtbarkeits-Bufferzonen zu verwenden, könnten unterschiedliche Werte verwendet werden, um die Genauigkeit im Landmark-Selektionsprozess zu verbessern. Diese Werte könnten z.B. abhängig von der Breite der jeweiligen Korridore sein und als Attribut für die Netzwerkroutensegmenete gespeichert werden.
4. Mehrere Bestätigungs-Landmark für lange Routensegmente: Im ILNM wird für Routensegmente ab einer bestimmten Länge ein Bestätigungs-Landmark ausgewählt. Die Beschränkung auf genau ein Landmark für lange Routensegmente ist jedoch nicht immer sinnvoll. Zum Beispiel könnten für sehr lange Segmente zusätzliche Landmarks aufgenommen werden. Oder Landmarks, die eine sehr hohe Gewichtung besitzen, sollten in jedem Fall in der Beschreibung erwähnt werden.
5. Überprüfung auf bereits ausgewählte Landmarks: Es ist möglich, dass das selbe Landmark für mehrere Funktionen in einer Routenbeschreibung ausgewählt wird. Beispielsweise könnte eine Tür als “durchquertes Landmark” und als “Landmark an einem Entscheidungspunkt” ausgewählt werden: “Go along the path. You will cross one door. Turn left after the door.” In manchen Situation kann das verwirrend sein. Deshalb könnte im Algorithmus überprüft werden, ob das Landmark bereits für eine andere Funktion ausgewählt wurde.
6. Überprüfung der Reihenfolge der gewählten Landmarks: Es ist möglich, dass für ein Routensegment unterschiedliche Anweisungen erzeugt werden. Beispielsweise, wenn ein “durchquertes Landmark”, ein “Bestätigungslandmark” und ein Wechsel der Ebene existiert. Derzeit werden diese Informationen in einer vordefinierten Reihenfolge in die Routenbeschreibung eingefügt. Es wäre jedoch vorteilhaft, wenn die Reihenfolge des tatsächlichen Vorkommens dieser Informationen ermittelt und entsprechend dieser in die Routenbeschreibung eingefügt wird.
7. Festlegung einer Eignungs-Grenze: Im ILNM-Algorithmus wird immer das Landmark mit dem höchsten Eignungs-Wert ausgewählt, auch wenn dieser sehr niedrig ist. Eventuell wäre es jedoch vorteilhaft, einen Minimumwert festzulegen, welcher nicht unterschritten werden darf für die Auswahl eines Landmarks.
8. Definition von komplexeren Routenbeschreibungen: Die Erzeugung von Routenbeschreibungen ist im ILNM relativ einfach gehalten. Für einen möglich realen Einsatz in einem System, wäre es jeoch notwendig, den Routengenerierungsalgorithmus komplexer zu gestalten und zum Beispiel Beschreibungen abhängig von der Länge des Routensegments zu gestalten sowie Wechsel von Gebäuden zu berücksichtigen.

Die Punkte verdeutlichen, dass es noch umfangreiche Möglichkeiten zur Weiterentwicklung des ILNM gibt. Dennoch zeigt meine Arbeit, dass es grundsätzlich möglich ist, Routenbeschreibungen mit Landmarks auf Basis einer bestehenden GIS-Datenbank für die Indoor-Navigation automatisch zu erzeugen. Somit habe ich das Ziel meiner Arbeit erreicht und bin grundsätzlich mit den Ergebnissen sehr zufrieden.

Das  im Rahmen dieser Thesis entwickelte “indoor landmark navigation model” (ILNM) wurde an drei Testrouten in unterschiedlichen Gebäuden der Wirtschaftsuniversität Wien getestet. Für alle drei Testrouten wurden grundsätzlich gültige Testrouten erzeugt. Um den durch die Landmarks erzeugten Mehrwert zu veranschaulichen, wurde für die erste Testroute auch eine rein metrisch basierte Routenanweisung erzeugt und der durch das ILNM erzeugten gegenübergestellt:

Der Vergleich veranschaulicht, dass innerhalb von Gebäuden, wo es keine eindeutigen Straßennamen zur eindeutigen Identfizierung von Pfaden gibt, Landmarks wichtig sind, um Abbiegepunkte eindeutig zu identifizieren. Metrische Distanzangaben sind für den Benutzer, vor allem für längere Routensegmente, wenig hilfreich.

Allerdings wurden im Zuge der Anwendung des ILNM auf die Datenbasis des Campus GIS der WU auch einige Problemfelder des Ansatzes identifiziert:

• Schwierige Festlegung der tatsächlichen Sichtbarkeit von Landmarks: Die Sichtbarkeit von Objekten entlang einer Route wurde mit Hilfe eines Buffers um das Routensegment festgelegt. Zusätzlich wurden einige Regeln angewandt, wie z.B. dass Landmarks nur dann sichtbar sind, wenn sie sich im selben Raum wie die Route selbst oder in einem angrenzenden Raum ohne Tür befinden.
  Grundsätzlich funktioniert dieser Ansatz. In einigen Fällen können dadurch aber falsche Ergebnisse geliefert werden, wie z.B. wenn kleine Räume hintereinander liegen, aber trotzdem beide in die Bufferzone fallen.
• Komplexitität von “numerical chunking”: Durch “numerical chunking” werden mehrere, gleichartige Landmarks in einer Routenanweisung zusammengefasst, wie z.B. “Biegen Sie nach der dritten Tür links ab.”. Grundsätzlich ist das gerade innerhalb von Gebäuden, wo es oft mehrere, gleichartige Landmarks gibt, sinnvoll. Allerdings sind die Landmark-Objekte nicht immer parallel zur Route ausgerichtet, was das Zählen oft schwierig oder nicht eindeutig gestaltet.
• Schwierige Festlegung der genau Landmark-Position: Für die Auswahl von Landmarks für eine konrkete Route ist es notwendig, jenen Bereich zu berechnen, welcher von der Route sichtbar ist. Für Räume sind das beispielsweise meist die Türen. Allerdings sind diese nicht vollständig genau in der Datenbank erfasst und eine automatische Berechnung ist oft schwierig, da eine Tür unter Umständen mehrere Räume (z.B. auch den Korridor) schneiden kann.
• Ungenügende Datenqualität: Innerhalb von Gebäuden ist eine Abweichung von wenigen Metern oft schon relevant.  In manchen Fällen ist die Datenqualität jedoch nicht ausreichend, um eine genaue Position und Größe der Landmarks zu bestimmen. Zum Beispiel sind POIs immer als Punkte erfasst. Dazu gehören aber auch Spinde, welche sich oft über einen weiten Bereich verteilen können und dadurch in Routenanweisungen ungenaue Ergebnisse liefern können.

Vorschläge, wie einigen dieser Problemfelder begegnet werden kann, beschreibe ich in meinem nächsten Post.

Im vorherigen Post wurde berichtet, wie Landmarks für verschiedene Funktionen einer konkreten Route ausgewählt werden können. Mit Hilfe des Landmark-Integrations-Algorithmus können diese nun in Routenbenschreibungen integriert werden. Der Generierungs-Algorithmus im ILNM ist dabei relativ simpel gehalten, da der Fokus der Arbeit auf der Intergration von Landmarks liegt. In einer möglichen Weiterentwicklung dieses Ansatzes könnten die Beschreibungen selbst noch entsprechend optimiert werden.

Der Algorithmus prüft dabei für jedes Routensegment, ob Landmarks für die verschiedenen Funktionen ausgewählt wurden und erstellt dementsprechend die Anweisung. Ist für einen Entscheidungspunkt kein Landmark vorhanden, wird eine metrische Routenbeschreibung erzeugt.

Das Ergebnis für die Route aus dem Beispiel des vorherigen Posts sieht dann wie folgt aus:

1. Go along the path.
2. Turn right after the elevator.
3. Go along the path. You will pass through one door.
4. Turn left after the second door.
5. Go along the path and pass the lockers.
6. Turn right after the toilet: “Men’s WC, TC.3.54”.
7. Go along the path. You will pass through the study area.
8. Your destination is located on the left side of the path.

Diese Routenbeschreibung ist grundsätzlich korrekt und beschreibt die Beispielroute am Campus der WU eindeutig. Eine genauere Evaluierung möglicher Probleme und Ideen für Weiterentwicklungen des Ansatzes finden sich im nächsten Post.

 

Im Selektionprozess werden die Gewichtungen der Landmark-Kandidaten nach unterschiedlichen Kriterien verändert. Je nach Funktion des Landmark gibt es dabei verschiedene Faktoren. Im letzten Schritt werden jene Landmarken ausgewählt, welche die höchste Gewichtung für jede Funktion besitzen.

Folgende Funktionen werden für Landmarks im ILNM unterschieden:

1. Landmarks an Entscheidungspunkten

Dies ist die wichtigste Funktion von Landmarks – die eindeutige Kennzeichnung von Abbiegepunkten. Die Landmarks an Entscheidungspunkten werden zuerst wieder über einen Buffer identfiziert und anschließend werden nach folgenden Kriterien die individuelle Gewichtungen angepasst:

• Position am Entscheidungspunkt: Befindet sich das Landmark davor, genau am, oder nach dem Entscheidungspunkt? Am besten bewertet werden jene, die genau vor dem Entscheidungspunkt lokalisiert sind, jene, die sich danach befinden, werden abgewertet.
• Seite in Bezug auf die Abbiegerichtung: Jene Landmarks, welche sich auf der selben Seite wie die nächste Abbiegerichtung befinden, werden höher bewertet.
• Anzahl der Landmark-Instanzen am vorhergehenden Routensegment: Befinden sich viele Instanzen einer Landmark-Kategorie am vorhergehenden Routensegment (z.B. viele gleiche Raumtypen), wird die Instanz am Entscheidungspunkt abhängig von der Anzahl abgewertet.

2. Landmarks entlang von Routensegmenten

Diese werden nur für relativ lange Routensegmente ausgewählt (in der Evaluierung: 33 Meter – das entspricht einer Gehzeit von 30 Sekunden bei 4 km/h). Dabei werden die Gewichtungen nach folgenden Kriterien adaptiert:

• Position im mittleren Bereich des Routensegments: Befindet sich ein Landmark im mittleren Bereich (d.h. 50 %) des Routensegments, wird es aufgewertet, da Landmarks am Beginn oder Ende eines langen Segments weniger hilfreich sind.
• Anzahl der Landmark-Instanzen am Routensegment: Auch hier werden Landmarks wieder abgewertet, wenn sich viele gleichartige Instanzen einer Kategorie am selben Segment befinden.

3. Durchquerte Landmarks

Wenn ein Routensegment ein Landmark (z.B. eine Tür oder einen spezifischen Raum) durchquert, muss dieses in jedem Fall ausgewählt werden, um eindeutige Routenbeschreibungen zu erzeugen.

Das Ergebnis für einen solchen Selektionsprozess sieht nun z.B. so aus:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Wie daraus eine Routenbeschreibung erzeugt wird, wird im nächsten Post beschrieben.

Mein Betreuer hat vor kurzem angeregt, ob nicht ein zusätzlicher Output meiner Master Thesis eine Liste mit typischen Indoor Landmarks sein könnte, welche für alle Gebäude universell einsetzbar ist. Leider musste ich diesen Vorschlag ablehnen, weil ich der Meinung bin, so eine Liste zu erstellen sei nicht möglich.

Warum? Weil sich Gebäude im Inneren wesentlich mehr unterscheiden als Städe oder Orte im Freien und somit auch die Landmarks innerhalb von Gebäuden immer verschieden sind, abhängig von Gebäudezweck, Typ und Architekturstil.

Landmarks wurden ja bereits definiert als prominente und herausstechende Objekte einer Umgebung, die einfach erkannt und gemerkt werden können (Sorrows and Hirtle 1999). Für Outdoor-Umgebungen ist es relativ einfach, eine Liste potentieller Landmarks zu erstellen, da grundsätzlich in jeder Stadt ähnliche Objekte vorkommen können (z.B. herausragende Gebäude, Monumente, landschaftliche Objekte). Im Indoor-Bereich gibt es hier wesentlich größere Unterschiede. Man vergleiche zum Beispiel die Objekte innerhalb eines Krankenhauses mit einer Universität und einem großen Bahnhof. Manche Indoor-Objekte, die sich als Landmarks eignen, können in allen drei Gebäudearten vorkommen, zum Beispiel: Kaffeeautomaten, Shops/Cafés, Aufzüge, Treppen. Andere Landmark-Objekte finden sich wiederum eher nur in Krankenhäusern oder Universitäten, wie Türen, Gänge, Portier, Räume mit bestimmten Raumnummern oder- bezeichnungen. Und weitere Landmarks sind wiederum nur im jeweiligen Gebäudetyp zu finden, beispielsweise  in Krankenhäusern gehören dazu Anmeldeschalter, Ambulanzen oder Wartebereiche, in Universitäten sind es hingegen Hörsäle, öffentliche Computer oder Selbststudienzonen, in Bahnhöfen Fahrkartenautomaten, Rolltreppen oder Bahnsteige.

Die Beispiele zeigen, dass Landmarks sich sehr von Gebäude zu Gebäude unterscheiden und somit eine universell einsetzbare Liste von Landmarks für den Indoor-Bereich nicht existieren kann.

 

Literatur

Sorrows, Molly E. and Stephen C. Hirtle (1999). “The nature of landmarks for real and electronic spaces”. In: Spatial information theory. Cognitive and computational foundations of geographic information science. Springer, pp. 37-50.