Categories
Master Thesis

ILNM – what else?

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.

Categories
Master Thesis

Evaluierung der erzeugten Indoor-Routenbeschreibungen

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:

Bildschirmfoto 2015-12-10 um 18.07.48

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.

Categories
Master Thesis

Landmark-Integration: Wie mit ausgewählten Landmarks Routenbeschreibungen erzeugt werden können

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.

 

Categories
Master Thesis

Der Landmark-Selektionsprozess: Anpassung der jeweiligen Gewichtungen anhand unterschiedlicher Kriterien

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:

 

route1_all_selected_lm01

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

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

Categories
Campus-GIS Master Thesis

Welche Indoor-Objekte sind sichtbar auf einer Route?

Die letzten Wochen habe ich mit der Anwendung des ILNM verbracht. Um genau zu sein, ging es um die Anwendung des “Landmark selection”-Algorithmus und “Landmark integration”-Algorithmus auf zwei Beispielrouten am Campus WU. Diese stellen den zweiten und dritten Schritt des ILNM dar. Der erste Schritt – die “Landmark identification” war ja bereits durch das Expert Rating abgeschlossen.

Die Anwendung der einzelnen Schritte der Algorithmen erfolgte dabei manuell und größtenteils mit der Hilfe von ArcGIS. Dabei wurden für jede Route sowie für die Entscheidungspunkte und lange Routensegmente die möglichen Landmark-Kandidaten selektiert und in weitere Folge deren “Landmark suitability weighting” entsprechend dem Algorithmus angepasst. Für die Entscheidungspunkte sowie Routensegmente mit einer bestimmten Mindestlänge wurden dann jeweils die Landmarks ausgewählt, die das höchste, relevante Gewicht aufwiesen. Zuletzt wurde mit den ausgewählten Landmarks entsprechend dem “Landmark integration”-Algorithmus die Routenanweisungen erzeugt.

Was in der Theorie relativ einfach klingt, erforderte jedoch großen Aufwand in der Praxis. Insbesondere die Selektion war sehr zeitaufwändig. Allein die Festlegung der Sichtbarkeit von potentiellen Landmarks innerhalb von  Gebäuden ist alles andere als trivial. Um die Landmarks für eine Route oder gewisse Bereiche davon auszuwählen, musste ein Buffer festgelegt werden, der angibt, was von der Route aus gut sichtbar ist. Nach mehrmaligem Experementieren habe ich mich für einen Buffer von 4 Meter auf jeder Seite entschieden. Dabei habe ich diese Distanz mit einem Maßband in einem WU-Gebäude nachgemessen und mit Kolleg/inn/en darüber diskutiert, ob das ein guter Wert für diesen Buffer ist. Dieser Buffer gibt aber nur an, was unmittelbar von der Route – d.h. typischerweise im Gang oder Raum – sichtbar ist. Landmarks, die innerhalb dieses Buffers liegen, aber nicht im selben Raum wie die Route, mussten weiter untersucht werden. Besitzt dieser andere Raum keine Tür, dann handelt es sich vermutlich um eine Lounge oder einen anderen offenen Bereich. Die Landmarks darin sind daher von der Route aus sichtbar. Im Falle, dass sich der Landmark-Kandidat in einem anderen Raum mit einer Tür befindet, wurden dieser jedoch entfernt, da davon auszugehen ist, dass das Objekt nicht von der Route aus sichtbar ist.

Damit ist die Sichtbarkeitsprüfung von Landmarks auf einer Route aber noch nicht abgeschlossen. Oft fallen Räume in die Bufferzone, die jedoch dennoch nicht unbedingt von der Route erkennbar sein müssen. Der Grund liegt darin, dass bei Räumen (mit Türen) üblicherweise die Tür den tatsächlich sichtbaren Bereich eines Raumes darstellt. Die Tür enthält zum Beispiel die Information über Raumnummer und Raumtyp. Daher musste bei allen Räumen, die in die Bufferzone fallen, überprüft werden, ob sie 1. eine Tür besitzen und wenn ja 2. die Tür auch in der Bufferzone liegt.

Unten stehende Grafik zeigt die Bufferzone und die Landmark-Kandidaten visualisiert entsprechend ihrem ursprünglichen Gewicht aus dem Landmark-Selektions-Prozess in ArcGIS.

Wie dadurch gezeigt wird, ist allein die Selekton von Landmark-Kandidaten innerhalb von Gebäuden sehr aufwendig. Auch die weiteren Schritte der Algorithmus erfoderten umfangreiche Prüfungen und jede Selektion wurde als eigene Feature-Klasse in ArcGIS gespeichert um diesen Objekten später auch die entsprechenden, angepassten Gewichtungen als neue Attribute zuweisen zu können. Weitere Schritte des Prozesses und die Ergebnisse werden im nächsten Post beschrieben.

route1_weight_buffer
Visulisierung von Landmark-Kandidaten und Bufferzone in ArcGIS

 

 

Categories
Campus-GIS Master Thesis

Visiualisierung der Landmark-Kandidaten in ArcGIS

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):

OG04_weights_klein

Categories
Campus-GIS Master Thesis

“Expertenstreit” über Indoor-Landmarks

Letzte Woche konnte ich endlich das Experten Rating durchführen, welches der Bewertung von Objektkategorien der WU hinsichtilch deren Eignung als Landmarks diente. Das Experten-Rating basierte dabei auf den von Duckham et. al. (2010) entwickeltem System zur Bewertung von POI-Kategorien als Landmarks. Dabei wird jede POI-Kategorie anhand unterschiedlicher Kritieren nach jeweils zwei unabhängigen Faktoren bewertet:

  1. Wie geeignet ist eine typische Instanz einer POI-Kategorie als Landmark; und
  2. Wie wahrscheinlich ist es, dass eine bestimmte Instanz einer POI-Kategorie typisch ist?

Diese Fragen wurden von Experten für jede Kategorie und für jedes Kriterium diskutiert. Zu den Kriterien zählen beispielsweise “phyisische Größe”, “Prominenz”, “Nähe zur Straße”, “Länge der Beschreibung” oder “Permanenz”.

Deren System war jedoch für POIs im Outdoor-Bereich konzipiert, weswegen ich es für den Indoor-Bereich adaptieren musste. Dazu gehörte einerseits die Anpassung der Bewertungskriterien und andererseits die Erweiterung des Systems von ausschließlich POI-Kategorien auf allgemeine Objekt-Kategorien, da im Campus-GIS der WU nicht nur POIs, sondern auch allgemeine Indoor-Objekte wie Türen oder Aufzüge und verschiedene Raumkategorien als Landmarks dienen können. Zusätzlich habe ich Regeln für eine Vorauswahl der zu bewertenden Objektkategorien definiert.

Nach der Vorauswahl blieben 20 Objektkategorien für das Rating übrig. Als Experten für das Rating standen eine Kollegin und zwei Kollegen zur Verfügung, welche schon lange an der WU beschäftigt sind und auch aufgrund ihrer beruflichen Tätigkeit die unterschiedliche Gebäuden des Campus gut kennen. Inklusive mir waren wir daher vier Experten, die über jedes Kriterium in jeder Kategorie diskutierten. Dabei entstanden sehr spannende Diskussionen, z.B. ob und wo es Verkaufsautomaten gibt, die durch eine halbe Wand abgetrennt (und daher weniger prominent sind), ob alle Toilettentüren an der WU gleich aussehen, wie hervorstechend Aufzügtüren sind oder ob externe Besucher wissen würden, was unter einem “PC-Raudoor01m” zu verstehen ist. Schlußendlich einigten wir uns jeweils auf eine Bewertung und somit konnte ich für jede Landmark-Kategorie einen globalen und einen gewichteten, normalisierten Wert für die Eignung als Landmark ermitteln.

Gewinner ist übrigens die Kategorie “Stiege”, dicht gefolgt von “Eingängen” und “Schließfächern”. Relativ ungeeignet für Indoor-Landmarks scheinen allgemeine Räume oder die Recherchestationen in der Bibliohtek zu sein.

Übrigens gibt es leider keine Information zu Typ oder Farbe einer Tür in der Datenbank der Campus-GIS. Sonst wäre vermutlich auch die rechts abgebildete Tür aus dem Verwaltungsgebäude der WU ein guter Landmark-Kandidat an der WU.

 

 

Literatur
Duckham, Matt, Stephan Winter, and Michelle Robinson (2010). “Including landmarks
in routing instructions”. In: Journal of Location Based Services 4.1, pp. 28-52.

Categories
Master Thesis

Typisch indoor?

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.

Categories
Conferences Master Thesis

AGIT 2015: ein Rückblick

Am 9. und 10.7. war ich – wie bereits angekündigt – bei der AGIT in Salzburg. Die beiden Tage haben sich nicht nur aufgrund des Treffens mit Kolleg/inn/en und dem UNIGIS-Team im Rahmen des “Club UNIGIS-ComeTogether” gelohnt. Die Fachvorträge, Foren und Workshops brachten mir eine Menge neuer Erkentnisse und Eindrücke hinsichtlich aktueller Entwicklungen und neuer Ansätze in den unterschiedlichsten Bereichen der Geoinformatik. Für mich waren natürlich besonders die Themengebiete Routing und Navigation interessant.

Im Vortrag von Herrn Diener (Fa. Gomogi) mit dem Title “Indoor Navigation and Wayfinding with Web Maps not Apps” wurde auch das Campus-GIS der WU vorgestellt. Und im Rahmen der anschließenden Diskussion der Bedarf nach Indoor-Routenbeschreibungen mit Landmarks aufgezeigt. Sehr unterhaltsam war auch die Podiumsdiskussion zum Thema “Opendata: Freie Geodaten – ein Geschäft”, bei welcher auch der Projektleiter von basemap.at (jene Basemap, welche auch im Campus-GIS eingesetzt wird) mitdiskutiert hat. Zusammengefasst durfte ich viele neue Eindrücke und Ideen mit nach Hause nehmen und ich freue mich bereits auf den Besuch der AGIT 2016.

 

Categories
Campus-GIS Master Thesis

Zugriff auf PostGIS mit ArcGIS und QGIS

Die Daten des Campus-GIS der WU sind einer PostGIS-DB gespeichert. PostGIS stellt räumliche Funktionen für eine PostgreSQL-Datenbank zur Verfügung. Für die Verwaltung der GIS-Daten, das heißt vor allem das Editieren der Attribute sowie räumlichen Daten, verwende ich das Opensource-Tool QGIS. Der Datenzugriff ist dabei äußerst komfortabel. Über die Opton “PostGIS-Layer hinzufügen” kann ein neue DB-Verbindung erstellt oder eine bestehende ausgewählt werden und anschließend können die gewünschten Tabellen als Layer hinzugefügt werden. Werden Daten geändert, können diese auf Knopfdruck direkt in die Datenbank zurückgeschrieben werden.

Für die Auswertungen und Simulationen der Indoor Landmark Navigation Model-Algorithmen möchte ich jedoch mit ArcGIS auf die Daten zugreifen. Das liegt an der meiner Meinung nach umfangreicheren Auswertungsmöglichkeiten in ArcGIS. Vielleicht liegt es aber nur daran, dass ich gerade was Analysen betrifft die Arbeit mit ArcGIS aus den UNIGIS-Modulen gewöhnt bin?

Leider gestaltet sich hier der PostGIS-Zugriff nicht ganz so einfach wie unter QGIS. Zwar ist es seit der Version 10.3. nicht mehr notwendig, die PostgreClient-Files händisch zu installieren bzw. in die enstprechenden Verzeichnisse zu kopieren, dennoch klappt der Zugriff auf meine PostGIS-Datenbank nicht problemlos. Die Datenbankverbindung kann zwar ohne Schwierigkeiten erstellt werden. Sobald man aber einen Layer hinzufügen möchte, erscheint die Meldung “„the coordinate identifier is invalid.” Die GIS-Daten sind in der Datenbank im Koordinatensystem EPSG: 31256 gespeichert. Ich habe wenig dazu herausgefunden, inwieweit das Probleme machen könnte. Nachdem ich aber für die Analysen nur lesend auf die Daten zugreifen möchte, konnte ich das Problem jedoch umgehen: Über “Add Query Layer” können die Daten als Layer problemlos aus der PostGIS-DB geladen werden und das sollte für meine Auswertungen reichen 🙂

Eventuell stelle ich mich aber bei gewissen Analysen doch der Herausforderung, es sowohl in QGIS als auch in ArcGIS auszuprobieren …