613 SYSTEMY NAWIGACJI DLA PIESZYCH: AUTOMATYZACJA

Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 18, 2008
ISBN 978-83-61576-08-2
SYSTEMY NAWIGACJI DLA PIESZYCH:
AUTOMATYZACJA POZYSKIWANIA DANYCH
AUTOMATIZATION OF DATA ACQUISITION AND PROCESSING FOR
PEDESTRIAN NAVIGATION SYSTEM PURPOSES
Piotr Tokarczyk, Andrew U. Frank
Institute for Geoinformation and Cartography, Vienna University of Technology
SàOWA KLUCZOWE: GIS, przetwarzanie obrazów cyfrowych, osobista nawigacja, nawigacja
pieszych, poznawanie przestrzenne, kognitywna semantyka, human wayfinding
STRESZCZENIE:Wyszukiwanie drogi (wayfinding) w nieznanym Ğrodowisku jest czĊĞcią
naszego codziennego Īycia. Wymaga ono od nas konkretnych przestrzennych i kognitywnych
umiejĊtnoĞci. W celu stworzenia systemu nawigacji dla pieszych istotne jest poznanie
mechanizmów, które kontrolują procesy kognicji. Wraz z rozwojem technologii, znacznie
zmniejszyáy siĊ rozmiary i waga elektronicznych urządzeĔ nawigacyjnych. Obecnie rynek jest
peáen doskonale dziaáających systemów nawigacji dla kierowców. Czy w takim razie moĪna
zmodyfikowaü te systemy w taki sposób, aby mogli ich uĪywaü piesi? Zasadnicze róĪnice polegają
na: stopniu swobody przestrzennej, prĊdkoĞci poruszania i związanej z tym rozdzielczoĞci
przestrzeni. Trzeba równieĪ pozyskaü na nowo dane do takiego systemu. W artykule
przedstawiona zostaáa baza teoretyczna budowy systemów nawigacji dla pieszych. Nacisk zostaá
poáoĪony na mechanizmy, które są odpowiedzialne za to, jak kaĪdy z nas postrzega otaczającą go
przestrzeĔ i jakie są nasze umiejĊtnoĞci poznania Ğwiata. Opracowany model wyszukiwania drogi,
zakáada powstanie „scen decyzyjnych”, które zastąpią punkty decyzyjne – dobrze znane
z systemów nawigacji dla kierowców. Wynikiem przeprowadzonych badaĔ jest algorytm
pozwalający na automatyczne przetwarzanie danych dla systemu nawigacji dla pieszych. Poprzez
kolejne etapy wstĊpnego przetwarzania obrazu, binaryzacji, wykorzystania algorytmów
szkieletyzacji i diagramów Voronoi, otrzymany zostaá nawigowalny graf wraz ze scenami
decyzyjnymi, gotowy na implementacjĊ do nowego systemu.
1.
WSTĉP
Wyszukiwanie drogi (wayfinding) jest czĊĞcią naszego codziennego Īycia.
Wykonujemy tĊ czynnoĞü nie tylko wówczas, kiedy podróĪujemy codziennie z domu
do pracy, lecz równieĪ, gdy jako turyĞci poruszamy siĊ w nieznanym nam Ğrodowisku.
Jako, Īe jest to nasza codzienna czynnoĞü – maáo kto zdaje sobie sprawĊ z faktu,
jak záoĪone i wymagające jest to zadanie. Wymaga ono od nas konkretnych
przestrzennych (np. orientacji w przestrzeni) i kognitywnych umiejĊtnoĞci.
Sposób, w jaki ludzie postrzegają otaczającą ich przestrzeĔ od dawna byá w krĊgu
zainteresowaĔ badawczych z róĪnych dziedzin nauki. W celu opracowania narzĊdzi
wspomagających czynnoĞci postrzegania przestrzeni, istotna jest znajomoĞü
mechanizmów kontrolujących procesy poznawcze.
613
Systemu nawigacji dla pieszych: automatyzacja pozyskiwania danych
Wraz z rozwojem technologii znacząco zmniejszyáy siĊ rozmiary i waga urządzeĔ
elektronicznych sáuĪących do nawigacji, a spadek cen i ogólna dostĊpnoĞü na rynku
zwiĊkszyáy zainteresowanie nimi.
Obecnie dostĊpne są takie elektroniczne urządzenia wspomagające proces
wyszukiwania drogi, jak: osobiste urządzenia nawigacyjne (ang.: PND – Personal
Navigation Devices), urządzenia nawigacyjne zintegrowane z telefonami komórkowymi
(tzw. Smartphones), mapy GPS, przenoĞne przewodniki, zegarki GPS oraz systemy offline (planery tras dostĊpne poprzez strony WWW).
Na rynku znajduje siĊ wiele doskonale dziaáających systemów nawigacji
dla kierowców. Są dobrze rozpowszechnione i mają wysoki wspóáczynnik akceptacji
uĪytkowników (Canalys, 2006). Czy w takim razie moĪna zmodyfikowaü te systemy tak,
aby sáuĪyáy równieĪ pieszym? Badania terenowe (Rehrl et al., 2007) map GPS oraz
samochodowych systemów nawigacji pokazaáy, Īe systemy te nie speániają wymagaĔ
stawianych im przez pieszych uĪytkowników. Gáównym problemem jest fakt,
Īe systemy nawigacji dla kierowców wydają instrukcje, które są mylące dla pieszego.
Systemy dla kierowców i pieszych róĪnią siĊ w nastĊpujących aspektach:
- StopieĔ swobody: kierowcy samochodów są ograniczeni do sieci drogowej,
podczas gdy piesi mają wiĊkszą swobodĊ poruszania siĊ. Nie muszą
przestrzegaü zasad ruchu drogowego zmotoryzowanych, mogą siĊ zatrzymywaü
w dowolnym miejscu lub mogą prawie zawsze zawróciü. Badania wykazaáy,
Īe instrukcje wydawane przez takie systemy są przewaĪnie bezuĪyteczne dla
pieszych (np. „skrĊü w lewo za 200 m”, poniewaĪ maáo kto wie, ile to jest
dokáadnie 200 m).
- PrĊdkoĞü poruszania siĊ: piesi poruszają siĊ z wielokrotnie mniejszą prĊdkoĞcią
niĪ kierowcy, przez co mogą dokáadniej obserwowaü otaczające ich
Ğrodowisko. WiĊksza rozdzielczoĞü przestrzeni postrzeganej przez pieszych
powoduje, Īe instrukcje, które mają byü im wydawane powinny byü
dokáadniejsze i semantycznie bogatsze.
RóĪnice pomiĊdzy tymi dwiema grupami uĪytkowników nabierają znaczenia,
gdy opracowujemy konkretny model odnajdywania drogi, który ma byü dostosowany
dla pieszych. Graf, który jest symulacją nawigacji pieszych, jest odmienny od
uĪywanego w nawigacji dla kierowców.
Skoro te dwa systemy róĪnią siĊ od siebie – róĪniü siĊ bĊdą takĪe dane potrzebne
do ich dziaáania. Mimo, Īe istnieje wiele systemów opartych na bazach danych
systemów dla kierowców, nie znajdują one odpowiedniego zastosowania w systemie dla
pieszych (Elias, 2007), (Stark et al., 2007). Dlatego teĪ naleĪy pozyskaü nowe,
adekwatne do potrzeb pieszych dane, najlepiej w sposób zautomatyzowany. Badania
prowadzone w niniejszym projekcie, dotyczące procesu pozyskiwania danych, opierają
siĊ na hipotezie, Īe istnieje moĪliwoĞü automatycznej produkcji nawigowalnego grafu
dla pieszych bazując na mapach cyfrowych.
2.
MODEL WYSZUKIWANIA DROGI
Rdzeniem rozwijanego systemu nawigacji dla pieszych jest model wyszukiwania
drogi. ZaáoĪenia tego modelu stanowią bazĊ dla projektowanego systemu,
a w szczególnoĞci automatyzacji pozyskiwania danych.
614
Piotr Tokarczyk, Andrew U. Frank
Rysunek 1 wyjaĞnia zasady dziaáania modelu. Piesi z zaáoĪenia mają konkretne
umiejĊtnoĞci, które pozwalają im na interakcjĊ ze Ğrodowiskiem. JesteĞmy zdolni do
wykonywania konkretnych fizycznych operacji. MoĪemy równieĪ wpáywaü
na otaczające nas Ğrodowisko i otrzymywaü od niego informacje zwrotną, która jest
dostĊpna pod postacią „wiedzy o Ğwiecie” i magazynowana jako „wiedza w gáowie”.
Ten rodzaj interakcji wymaga takiej jej strukturyzacji, która bĊdzie dla nas áatwo
przyswajalna. Potrzebujemy zatem kognitywnej reprezentacji tego Ğrodowiska. Taka
mentalna reprezentacja pozwala nie tylko na zdefiniowanie przestrzeni nawigowalnej,
ale równieĪ jej wewnĊtrznej semantyki (Gaisbauer et al., 2008).
Rys. 1. Model wyszukiwania drogi (Gaisbauer i Frank, 2008)
2.1. Rola kognicji przestrzennej i schematów obrazowych
Kognicja przestrzenna (spatial cognitioning)
Ludzka kognicja przestrzenna, dziedzina nauki o duĪym znaczeniu w usáugach
nawigacyjnych, jest czĊĞcią szerszej interdyscyplinarnej dziedziny zwanej „nauką
kognitywną”. Zostaáa ona wytworzona przez unifikacjĊ nauk szczegóáowych
zajmujących siĊ systemami poznawczymi, ze szczególnym uwzglĊdnieniem czáowieka
i systemów sztucznych, takich jak komputery. Wykorzystuje takie nauki jak:
psychologia, lingwistyka, filozofia, informatyka, antropologia i fizyka. Zajmuje siĊ
badaniem umysáu, procesów myĞlenia, doĞwiadczeĔ oraz ludzkiej konceptualizacji
Ğwiata, w którym Īyjemy (Lakoff, 1987). Nauki kognitywne poruszają problemy
wszystkich aspektów ludzkiej inteligencji: od percepcji i akcji po jĊzyk i rozumowanie.
Model wyszukiwania drogi, opisany w tym artykule bazuje na odkryciach nauk
kognitywnych. Istnieje pogląd, Īe wáączenie pojĊü z dziedziny nauk kognitywnych
do modelu moĪe znacząco poprawiü efektywnoĞü i uĪytecznoĞü systemów
nawigacyjnych i pozwoli na implementacjĊ interfejsów uĪytkownika.
Montello (1993) wyróĪniá cztery gáówne klasy przestrzeni psychologicznej,
uporządkowane wedáug ich wielkoĞci w stosunku do ciaáa ludzkiego: postaciową
(figural), perspektywiczną (vista), Ğrodowiskową (environmental) i geograficzną
(geographical). PrzestrzeĔ perspektywiczna oraz Ğrodowiskowa mają najwiĊksze
znaczenie dla zadaĔ związanych z nawigacją. Pierwsza z nich opisuje otoczenie osoby,
615
Systemu nawigacji dla pieszych: automatyzacja pozyskiwania danych
które moĪe byü wizualnie zidentyfikowane bez potrzeby przemieszczania siĊ. Z punktu
widzenia modelu wyszukiwania drogi jest to przestrzeĔ, która ma znaczenie
dla nawigacji, gdy pieszy dociera do punktu decyzyjnego. Np. przestrzeĔ bezpoĞrednio
otaczająca skrzyĪowanie dróg bĊdzie sklasyfikowana jako przestrzeĔ perspektywiczna.
Natomiast przestrzeĔ Ğrodowiskowa jest przestrzenią wielkoskalową, w której zachodzi
proces nawigacji od-startu-do-celu. Taka przestrzeĔ jest zbyt duĪa, aby dokonaü jej
percepcji bez przemieszczania siĊ.
Schematy obrazowe (image schemata)
PojĊcie schematu obrazowego zostaáo po raz pierwszy uĪyte przez Johnson’a
(1987) w jego ksiąĪce zatytuáowanej „The Body in the Mind”. Twierdziá on, Īe te
schematy opisują naszą konceptualizacjĊ fizycznej rzeczywistoĞci. Są one czĊĞcią
filozofii twierdzącej, Īe gdy weĨmiemy pod uwagĊ nasze doĞwiadczenia fizyczne,
jesteĞmy w stanie zrozumieü nasz umysá. Schematy obrazowe są czymĞ w rodzaju
mentalnych wzorów; są raczej abstrakcyjnymi niĪ konkretnymi obrazami w naszym
umyĞle. UwaĪa siĊ, Īe pozwalają nam one na ustanowienie poáączeĔ pomiĊdzy
doĞwiadczeniami, które mają wspólną wewnĊtrzną strukturĊ (Gaisbauer et al., 2008).
Johnson (1987) i Lakoff (1987) opracowali listĊ rodzajów schematów obrazowych
(Tabela 2.1)
Tabela 1. Lista schematów obrazowych (Johnson, 1987)
Istnieje wiele zastosowaĔ schematów obrazowych. PoniewaĪ wiele z nich
ma pewne wáasnoĞci przestrzenne, znajdują one zastosowanie w naukach o przestrzeni.
Schematy obrazowe zostaáy juĪ uĪyte w celu modelowania fizycznego Ğrodowiska ludzi.
Np. Raubal (2001), Rüetschi i Timpf (2005) uĪyli ich gáównie do modelowania
nawigowanych przez ludzi domen, takich jak dworce kolejowe i lotniska.
Poáączenie modelu wyszukiwania drogi, opisanego w tym artykule,
z kognitywnymi wymaganiami uĪytkowników, opiera siĊ gáównie na schematach
„pojemnik” (container) i „áącze” (link). UwaĪane są one za podstawĊ teoretyczną tego
modelu z racji faktu, Īe porządkują Ğrodowisko, w którym poruszają siĊ piesi
na poziomie przestrzeni perspektywicznej (vista).
-
Container
schema
jest
schematem
reprezentującym
zamkniĊcie
(odosobnienie). Skáada siĊ z wnĊtrza, tego co jest na zewnątrz oraz granicy ich
dzielącej. Schemat ten jest regularnie uĪywany podczas wejĞcia/wyjĞcia do/z
budynku.
616
Piotr Tokarczyk, Andrew U. Frank
-
Link schema jest schematem reprezentującym poáączenie pomiĊdzy obiektami,
jak i niefizyczne poáączenie. Niefizyczne poáączenia mogą wystĊpowaü
pomiĊdzy rodzeĔstwem, a rodzicami. Mogą byü równieĪ bezpoĞrednim
wizualnym poáączeniem widza z obiektem.
2.2. Szczegóáy modelu wyszukiwania drogi
W początkowej fazie budowy modelu wyszukiwania drogi waĪna jest wiedza, jakie
dane potrzebne bĊdą do omawianego systemu. NaleĪy zdefiniowaü, które obszary
bĊdziemy rozróĪniaü jako nawigowalne dla pieszych. I tak, przestrzeĔ, po której mogą
przemieszczaü siĊ piesi skáada siĊ przede wszystkim z chodników, stref dla pieszych
oraz terenów zielonych. Do obszarów nawigowalnych zalicza siĊ zarówno poáączenia
(przejĞcia dla pieszych, przejĞcia podziemne), jak i równieĪ tereny „zaporowe”
(budynki).
2.2.1.
Sceny decyzyjne
Lynch (1960) zdefiniowaá punkty decyzyjne jako strategiczne ogniska, w które
obserwator moĪe wejĞü. Zazwyczaj są to skrzyĪowania ĞcieĪek, albo koncentracje
pewnych obiektów. Pomimo faktu, Īe punkty decyzyjne rozumiane są jako wĊzáy
u zbiegu dróg, mogą reprezentowaü przestrzennie wiĊkszy obszar, który jest
wewnĊtrznie uporządkowany. WewnĊtrzna struktura punktów decyzyjnych, pomimo
Īe jest pomijalna w nawigacji samochodowej, nie moĪe pozostaü nieuwzglĊdniona
w systemach nawigacji dla pieszych. Sprowadzenie przestrzeni perspektywicznej (vista)
dookoáa punktu decyzyjnego do prostego wĊzáa jest nadmiernym uproszczeniem
Ğrodowiska. Nie bĊdzie wtedy reprezentowaü róĪnorodnoĞci skrótów, jakie mogą wybraü
piesi znajdując siĊ w pobliĪu punktu. W prezentowanym modelu zaproponowano
konstrukcje scen decyzyjnych. MoĪemy je zdefiniowaü jako lokalną przestrzeĔ
perspektywiczną dookoáa konkretnego punktu decyzyjnego. Do takiej sceny moĪna
zarówno wejĞü, jak i ją opuĞciü. Jej fizyczne granice wyznaczają budynki lub inne staáe
przeszkody, które uniemoĪliwiają poruszanie, np. pasy jezdni, które nie są
przystosowane do ich przekraczania (z wyjątkiem przejĞü dla pieszych). Sceny
decyzyjne są do siebie przylegáe tworząc podziaá przestrzeni przeznaczonej dla pieszych.
Jako, Īe sceny decyzyjne mają fizycznie wyznaczone granice oraz moĪna do nich wejĞü
i je opuĞciü, zatem są one zgodne z mentalną reprezentacją schematu „pojemnika”
(container) (Gaisbauer et al., 2008). Granice pomiĊdzy dwiema scenami decyzyjnymi
zostaáy nazwane portalami, które áączą dwie sąsiadujące sceny. Portale nie są ograniczone wyáącznie do granicy sąsiadującej sceny, ale równieĪ mogą áączyü nasz model
z modelem do nawigacji wewnątrz budynku. Portalem są wtedy drzwi budynku.
Koncepcja portalu pozwala na przejĞcie z jednej sceny („pojemnika”) do drugiej
za pomocą schematu „áącza” (link). Opcja przejĞcia bezpoĞrednio z jednego portalu do
drugiego jest przedstawiona jako kompletny graf pomiĊdzy portalami. UĪywając tego
poáączenia, bezpoĞrednia nawigacja pomiĊdzy portalami modelowana jest bez udziaáu
punktu decyzyjnego. Powoduje to, Īe punkty decyzyjne tracą swoje znaczenie
dla nawigacji, chyba Īe są punktem startu lub celu podróĪy. Rysunek 2. przybliĪa
pojĊcie scen decyzyjnych.
617
Systemu nawigacji dla pieszych: automatyzacja pozyskiwania danych
Rys. 2. Graficzna prezentacja modelu wyszukiwania drogi (Gaisbauer et al., 2008)
3.
AUTOMATYZACJA PRZETWARZANIA DANYCH
W niniejszym opracowaniu, caáy proces automatyzacji danych przeprowadzony
zostaá w Ğrodowisku programistycznym Matlab. Powodem jego wybrania byá
stosunkowo niski poziom trudnoĞci w tego jĊzyka programowania. Dodatkowo, wielką
zaletą Ğrodowiska programowania Matlab jest wbudowany moduá zawierający funkcje
wspomagające przetwarzanie obrazów cyfrowych – IPT (Image Processing Toolbox).
3.1. Dane wejĞciowe
Proces pozyskiwania danych dla opisywanego systemu jest nieodáącznie związany
z przetwarzaniem obrazów cyfrowych, poniewaĪ uzyskuje siĊ je z mapy w postaci
rastrowej. Jako dane testowe wykorzystano fragment mapy Wiednia. Udogodnieniem
dla tej pracy byá fakt, Īe róĪne klasy obiektów umieszczone byáy na osobnych warstwach
(przedstawionych na rysunku 3 w róĪnych kolorach).
618
Piotr Tokarczyk, Andrew U. Frank
Rys. 3. Dane wejĞciowe - mapa rastrowa
(Ĩródáo: Stadtvermessung Wien – Magistratsabteilung 41)
I tak, budynki wystĊpują w kolorze czerwonym, ulice są ciemno-szare, chodniki
jasno-szare, tory tramwajowe – czarne, a tereny zielone przedstawione są na zielono.
3.2. Etapy automatyzacji
Celem badaĔ byáo automatyczne przetworzenie mapy cyfrowej do takiej postaci,
w której zgodnie z zaáoĪeniami modelu otrzymamy przestrzeĔ nawigowalną dla pieszych
podzieloną na sceny. Kolejne etapy automatyzacji przetwarzania obejmowaáy: wstĊpną
obróbkĊ danych, binaryzacjĊ, szkieletyzacjĊ i mozaikowanie przestrzeni z wykorzystaniem diagramów Voronoi.
W fazie wstĊpnej, dane naleĪaáo poddaü analizie, w celu wyodrĊbnienia obszarów,
po których mogą siĊ poruszaü piesi. Dane wejĞciowe byáy w postaci rastrowej
z indeksowaną przestrzenią kolorów (RGB). DziĊki temu, kaĪda „warstwa” (grupa
obiektów) miaáa przyporządkowany kolor. Po transformacji obrazu do przestrzeni 256
odcieni szaroĞci (grayscale), kaĪdy obiekt miaá przypisaną wartoĞü jasnoĞci pikseli
z przedziaáu 0-255. NastĊpnie przystąpiono do podziaáu obiektów na takie, po których
piesi mogą siĊ poruszaü oraz te, które stanowią dla nich barierĊ. Do pierwszej grupy
zaliczono: chodniki oraz przejĞcia dla pieszych. Natomiast w drugiej grupie znalazáy siĊ
pozostaáe obszary, tj. murki, drogi, budynki, pomniki, tereny zielone. Tereny zielone
zostaáy zakwalifikowane jako bariera dla pieszych, poniewaĪ w wiĊkszoĞci parków
wystĊpuje zakaz wchodzenia na trawniki. Ponadto przyjĊto, Īe sieü ĞcieĪek jest
w zupeánoĞci dla pieszych wystarczająca.
Mając wydzielone te dwie grupy obiektów moĪna byáo przystąpiü do binaryzacji
obrazu, czyli takiego przeksztaácenia, które pozwala nam na uzyskanie obrazu
zerojedynkowego. Obszary z pikselami o wartoĞci „0” bĊdą przedstawiaü tereny
619
Systemu nawigacji dla pieszych: automatyzacja pozyskiwania danych
niedostĊpne dla pieszych, natomiast obszary zawierające piksele o wartoĞci „1” – tereny,
po których piesi mogą siĊ poruszaü. Napotkano tutaj na kilka problemów,
spowodowanych niską jakoĞcią danych wejĞciowych. Np. wystąpiáy braki przejĞü dla
pieszych, lub przebieg torów tramwajowych dzieliá („rozcinaá”) chodnik na dwie czĊĞci.
Rozwiązano je czĊĞciowo wykorzystując operator zamkniĊcia obrazu odpowiednim
elementem strukturalnym, bądĨ teĪ automatycznie wybierając obszary (na podstawie ich
wáaĞciwoĞci oraz otoczenia, w którym siĊ znajdują), które mają zostaü poáączone.
Niestety, pewnych obiektów nie daáo siĊ poáączyü bez wpáywu na inne obiekty, przez co
niektóre chodniki są caákowicie oddzielone od siebie.
Dysponując takim obrazem, przystąpiono do przeprowadzenia operacji
szkieletyzacji. Jest to proces, który transformuje obraz wejĞciowy w reprezentacjĊ
o postaci zbioru cienkich linii gruboĞci jednego piksela. NajwaĪniejszą cechą
szkieletyzacji jest fakt, iĪ zachowuje ona ksztaát obiektu, a co najwaĪniejsze – równieĪ
jego topologiĊ. Utworzony szkielet posiada wiele „Ğlepo” zakoĔczonych gaáĊzi, które nie
bĊdą potrzebne w kolejnym kroku. Dlatego teĪ szkielet „wyczyszczono” elementem
strukturalnym, usuwając te obiekty. Taka postaü szkieletu jest jednoczeĞnie
nawigowalnym grafem.
Mając do dyspozycji nawigowalny graf, ostatnim etapem automatyzacji byáo
utworzenie scen decyzyjnych przy uĪyciu diagramów (poligonów) Voronoi. Zasadą
diagramów Voronoi jest podziaá páaszczyzny zawierającej zbiór n punktów na n
obszarów w taki sposób, Īe kaĪdy punkt w dowolnym obszarze znajduje siĊ bliĪej
okreĞlonego punktu ze zbioru n punktów niĪ od pozostaáych n – 1 punktów. Zgodnie
z modelem wyszukiwania drogi, sceny decyzyjne, bĊdące jednoczeĞnie poligonami
Voronoi, są budowane wokóá punktów decyzyjnych. W przypadku niniejszego projektu,
punktami decyzyjnymi byáy nie tylko wĊzáy, czyli punkty, gdzie mamy jedną lub wiĊcej
moĪliwoĞci wyboru innej drogi. Z powodu wspominanej wczeĞniej niskiej jakoĞci
danych (oddzielone chodniki), postanowiono uĪyü równieĪ skrzyĪowaĔ dróg jako
punktów, wokóá których zbudowane zostaáy sceny decyzyjne.
4.
WYNIKI
Praktycznym wynikiem badaĔ jest opracowany algorytm, który pozwala
na automatyczne przetwarzanie danych dla przyszáego systemu nawigacji dla pieszych.
Caáa idea przetwarzania jest zarazem zgodna z modelem wyszukiwania drogi
opracowanym przez Gaisbauera i Franka (Gaisbauer et al., 2008). Począwszy od analizy
danych wejĞciowych w postaci mapy rastrowej, poprzez jej binaryzacjĊ oraz
szkieletyzacjĊ obszarów nawigowalnych dla pieszych, uzyskaliĞmy sceny decyzyjne –
kluczowe obiekty w opracowanym modelu. Wyniki kolejnych etapów automatycznego
przetwarzania przykáadowych danych zostaáy przedstawione na rysunku 4.
Automatyzacja przetwarzania danych jest tylko czĊĞcią duĪego projektu mającego
na celu stworzenie nowoczesnego systemu nawigacji dla pieszych. Kolejnym etapem
prac powinna byü implementacja tego rozwiązania do przenoĞnego urządzenia, które
bĊdzie w stanie speániü warunki tworzącego siĊ systemu. Równie waĪną kwestią jest
optymalizacja algorytmu, która moĪe byü osiągniĊta przez napisanie go w bardziej
kompaktowym Ğrodowisku programistycznym. Istnieje równieĪ wiele problemów, które
powinny byü rozwiązane w przyszáoĞci. Na przykáad, nadal brak koncepcji, jak radziü
620
Piotr Tokarczyk, Andrew U. Frank
sobie z punktami decyzyjnymi umieszczonymi wzdáuĪ dáugiej, prostej drogi. Tworzenie
scen decyzyjnych w takich przypadkach jest nieefektywne. Ponadto, niniejsze badania
byáy prowadzone na konkretnym zestawie danych rastrowych. NaleĪy przetestowaü
opracowany algorytm na róĪnych zestawach danych (niekoniecznie rastrowych)
i ewentualnie dokonaü takich zmian oraz optymalizacji, aby algorytm byá uniwersalny.
a)
b)
c)
Rys. 4. a) Mapa binarna; b) Wyczyszczony szkielet; c) PrzestrzeĔ podzielona
poligonami Voronoi – sceny decyzyjne
5.
ADNOTACJE
Artykuá ten powstaá na podstawie pracy magisterskiej Piotra Tokarczyka
pt.”Automatization of data acquisition and processing for pedestrian navigation system
purposes”. Badania byáy przeprowadzone w ramach projektu SemWay i programu FIT621
Systemu nawigacji dla pieszych: automatyzacja pozyskiwania danych
IT: Semantic Systems oraz wspomagane przez Austriackie Ministerstwo Transportu,
Innowacji i Technologii (BMVIT - Bundesministerium für Verkehr, Innovation und
Technologie).
6.
LITERATURA
Canalys 2006. Mobile GPS navigation market doubles year-on-year in EMEA, Canalys
research, UK, 2006. Available online as: http://www.canalys.com/pr/2006/
r2006081.htm.
Elias B., 2007. Pedestrian Navigation - Creating a tailored geodatabase for routing. 4th
Workshop on Positioning, Navigation and Communication 2007 (WPNC’07), Hannover,
Germany, 1-4244-0871-7/07 IEEE, pp.41-47.
Gaisbauer C., Frank A.U., 2008. Wayfinding Model For Pedestrian Navigation. Institute
of Geoinformation and Cartography, Vienna University of Technology.
Johnson M., 1987. The Body in the Mind: The Bodily Basis of Meaning, Imagination,
and Reason. The University of Chicago Press, Chicago.
Lakoff G., 1987. Women, Fire, and Dangerous Things. What Categories Reveal about
the Mind. The University of Chicago Press.
Lynch K., 1960. Image of The City. Cambridge, MA: MIT Press.
Montello D., 1993. Scale and Multiple Psychologies of Space. In: A. U. Frank and I.
Campari (Eds.), Spatial Information Theory: A Theoretical Basis for GIS. Berlin:
Springer-Verlag, pp. 312-321.
Raubal M., 2001. Agent-based Simulation of Human Wayfinding: A Perceptual Model
for Unfamiliar Buildings. Ph.D. Thesis, Vienna University of Technology.
Rehrl K., Leitinger S., Gartner G., 2007. The SemWay Project - Towards Semantic
Navigation Systems. In Proceedings of the 4th International Symposium on LBS &
TeleCartography, Hong Kong.
Rüetschi U.J., Timpf S., 2005. Modelling wayfinding in public transport: Network space
and scene space. In: Freksa, C., Knauff, M., Krieg-Brückner, B., Nebel, B., Barkowsky,
T. (Eds.) Spatial Cognition IV: Reasoning, Action, Interaction; International Conference
Frauenchiemsee. LNCS (LNAI), vol. 3343, pp. 24–41. Springer, Heidelberg.
Stark A., Riebeck M., Kawalek J., 2007. How to Design an Advanced Pedestrian
Navigation System: Field Trial Results. IEEE International Workshop on Intelligent
Data Acquisition and Advanced Computing Systems: Technology and Applications.
Dortmund, Germany.
622
Piotr Tokarczyk, Andrew U. Frank
AUTOMATIZATION OF DATA ACQUISITION AND PROCESSING FOR
PEDESTRIAN NAVIGATION SYSTEM PURPOSES
KEY WORDS: GIS, digital image processing, personal navigation, pedestrian navigation, spatial
cognition, cognitive semantics, human wayfinding
Summary
Wayfinding is a vital part of our everyday life. Since it is our daily routine, hardly anybody
realizes what a demanding task it is and that it requires certain spatial and cognitive abilities. To
develop supporting tools for wayfinding, it is essential to know the mechanisms that control these
processes. With a progress of technology, the size and weight of electronic devices have
diminished significantly. The dropping of prices and wide-ranging availability of such devices
increased interest in such systems. Factors like size and availability were the reason for calling
them “ubiquitous systems”.
The market is full of perfectly working navigation systems for car drivers. They are
widespread, have high user-acceptance level and their market is fast-growing. Can one modify
such systems in a way that pedestrians can use it? The problem is more complex than one might
imagine at first sight. Field tests show that systems for car drivers do not meet the requirements of
pedestrian users. Car and pedestrian navigation differ in: degree of freedom, velocity of movement
and spatial resolution.
In this paper we focus on data acquisition. The required data cannot be based on the same
datasets used for car navigation systems. Automatization of the process of data acquisition is also
required. The paper introduces a theoretical basis of pedestrian navigation system. The emphasis is
given
to the mechanisms responsible for perceiving the surrounding environment. A concept of cognitive
maps and image schemata, which are working in our minds, is presented. The paper explains what
are our needs and information categories while we are performing a wayfinding task.
The wayfinding model developed assumes construction of decision scenes which will
replace decision points well-known from car driver navigation systems. The result of this research
is an algorithm allowing automatic data processing for pedestrian navigation system. Through
successive phases of preprocessing, binarization, skeletonization, and application of Voronoi
diagrams, the navigationable graph was obtained. It includes decision scenes and is ready for
implementation to the new system.
mgr inĪ. Piotr Tokarczyk
e-mail: [email protected]
tel. +48 502872717
prof. Dr Andrew U. Frank
e-mail: [email protected]
tel. +43 1 5880112710
fax: +43 1 5880112799
623