1 / 25

Ανθρωποκεντρική Πλοήγηση σε Εσωτερικούς Χώρους

Ανθρωποκεντρική Πλοήγηση σε Εσωτερικούς Χώρους. Βασίλειος Τσέτσος ΑΜ:Μ655. Ερευνητική Ομάδα Διάχυτου Υπολογισμού http://p-comp.di.uoa.gr. Διπλωματική Εργασία Επιβλέπων Καθηγητής: Ευστάθιος Χατζηευθυμιάδης Αθήνα, 26 Οκτωβρίου 2005. Δομή παρουσίασης . Εισαγωγή Σχεδιασμός Συστήματος

robert
Download Presentation

Ανθρωποκεντρική Πλοήγηση σε Εσωτερικούς Χώρους

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Ανθρωποκεντρική Πλοήγηση σε Εσωτερικούς Χώρους Βασίλειος Τσέτσος ΑΜ:Μ655 Ερευνητική Ομάδα Διάχυτου Υπολογισμού http://p-comp.di.uoa.gr Διπλωματική Εργασία Επιβλέπων Καθηγητής: Ευστάθιος Χατζηευθυμιάδης Αθήνα, 26 Οκτωβρίου 2005

  2. Δομή παρουσίασης • Εισαγωγή • Σχεδιασμός Συστήματος • Υλοποίηση Συστήματος • Συμπεράσματα

  3. Συστήματα πλοήγησης για πεζούς • Πλοήγηση = τυπική υπηρεσία θέσης • Σε εσωτερικούς ή εξωτερικούς χώρους (indoor vs. outdoor) • Η πλοήγηση σε εξωτερικούς χώρους έχει σημειώσει μεγαλύτερη πρόοδο (GPS και των GIS) • Σε εσωτερικούς χώρους η έρευνα καθοδηγείται από πλοήγηση ρομπότ • Συστήματα εσωτερικής πλοήγησης • Ξενάγηση σε μουσεία • Εξειδικευμένες λύσεις για ΑμεΑ • Σημασιολογικές υπηρεσίες θέσης: μια νέα προσέγγιση • «Ευφυείς» υπηρεσίες που βασίζονται σε τεχνολογίες γνώσης και υβριδική χωρική μοντελοποίηση • Ανθρωποκεντρικές υπηρεσίες, κατάλληλες για ΑμεΑ • Απαραίτητα συστατικά των “ευφυών χώρων” (smart spaces)

  4. Κίνητρα και στόχοι • Ένας χρήστης δεν μπορεί εύκολα να περιηγηθεί σε πολύπλοκα ή άγνωστα κτιστά περιβάλλοντα • Τα ΑμεΑ αντιμετωπίζουν επιπλέον δυσκολίες κατά τη πλοήγηση και καταβάλλουν πολύ κόπο αν ακολουθήσουν «λάθος» διαδρομές • Λύση: Η σωστή εκμετάλλευση της σημασιολογίας των κτιστών περιβαλλόντων σε συνδυασμό με τα μοντέλα χρηστών • Στόχος Α:η εξατομικευμένη επιλογή μονοπατιών σε εσωτερικούς χώρους • Στόχος Β:η εφαρμογή τεχνολογιών Σημασιολογικού Ιστού σε Υπηρεσίες Θέσης

  5. Σενάριο πλοήγησης (I) Προορισμός 5πιθανάμονοπάτια

  6. Σενάριο πλοήγησης (II) Προορισμός 2προσβάσιμα μονοπάτια Το «καλύτερο» προσβάσιμο μονοπάτιδεν είναι το συντομότερο πιθανό

  7. Δομή παρουσίασης • Εισαγωγή • Σχεδιασμός Συστήματος • Υλοποίηση Συστήματος • Συμπεράσματα

  8. ΑρχιτεκτονικήΣυστήματοςΠλοήγησηςΑρχιτεκτονικήΣυστήματοςΠλοήγησης

  9. Λειτουργικότητα (I) Προσβάσιμος γράφος κτιρίου Κανόνες φυσικών ικανοτήτων Κατόψεις κτιρίου (GIS) Προσβάσιμα Στιγμιότυπα INO Χωρική ΒΔ Στιγμιότυπα INO Προφίλ χρήστη (στιγμιότυπα UNO) Indoor Navigation Ontology (INO)

  10. Λειτουργικότητα (II) kSP: αλγόριθμος εύρεσης k συντομότερων μονοπατιών ΕΜ: επιλογή τελικού μονοπατιού ΥΠ: παρουσίαση μονοπατιού Προσβάσιμος γράφος κτιρίου Κανόνες αντιληπτικών ικανοτήτων και άλλων προτιμήσεων ΕΜ ΥΠ kSP k συντομότερα μονοπάτια Καλύτερο Προσβάσιμο Μονοπάτι Θέση χρήστη (αφετηρία) και προορισμός Προσβάσιμα Στιγμιότυπα INO

  11. Οντολογία Πλοήγησης Εσωτερικών Χώρων – Indoor Navigation Ontology (INO) I • Μοντελοποιεί σύνθετα κτιστά περιβάλλοντα με έμφαση στα στοιχεία πλοήγησης • Περιέχει έννοιες και συσχετίσεις: • χώρου • Κτίριο, Δωμάτιο, Όροφος, Διάδρομος, … • μονοπατιών • Στροφές, Εξόδος Δωματίου, Ανελκυστήρας, Σκάλες, … • για την υλοποίηση της επιλογής των μονοπατιών

  12. Οντολογία Πλοήγησης Εσωτερικών Χώρων – Indoor Navigation Ontology (INO) II

  13. Προφίλ χρηστών • Περιγράφουν τις ικανότητες και τις προτιμήσεις των χρηστών, όσον αφορά την πλοήγηση • Ένα προφίλ περιέχει: • Τις φυσικές ικανότητες του χρήστη (π.χ., ανάπηρος, έγκυος, τυφλός) • Τις αντιληπτικές ικανότητες του χρήστη (π.χ., αναλφάβητος, ηλικιωμένος) • Τις διάφορες προτιμήσειςτου (π.χ., προτίμηση σε ανελκυστήρες αντί για σκάλες) • Ένας χρήστης επιλέγει κάποιο προκαθορισμένο προφίλ, που μπορεί ύστερα να εξατομικεύσει • Τα προφίλ περιγράφονται με την οντολογία UNO (User Navigation Ontology)

  14. Κανόνες επιλογής μονοπατιών • Προκαθορισμένο αλλά επεκτάσιμο σύνολο κανόνων • Π.χ., Αν ο χρήστης είναι ανάπηρος, τότε απέκλεισε όλες τις σκάλες από το χώρο πλοήγησης • Οι κανόνες συντάσσονται με βάση την ορολογία της ΙΝΟ και της UNO • Π.χ., uno:HandicappedUser(u) AND ino:Stairway(s) THEN assert[ino:isObstacleFor(s,u)] • Χρησιμοποιούνται αρχικά για τον αποκλεισμό των μη-προσβάσιμων στοιχείων του χώρου και κατόπιν για την επιλογή του καταλληλότερου μονοπατιού

  15. Υπηρεσία Πλοήγησης (ΥΠ) • Είναι η διεπαφή ανάμεσα στους χρήστες και το σύστημα OntoNav • Λαμβάνει τις αιτήσεις των χρηστών • Ανακτά τη θέση των χρηστών από το σύστημα προσδιορισμού θέσης* • Χειρίζεται θέματα παρουσίασης οδηγιών πλοήγησης* * δεν καλύπτεται ή καλύπτεται μερικώς στην παρούσα εργασία

  16. Αλγόριθμος δρομολόγησης (kSP) • Είσοδοι • Αντικείμενα της ΙΝΟ προσβάσιμα από το χρήστη • Η τρέχουσα θέση του χρήστη και του προορισμού • Έξοδος • Τα kσυντομότερα μονοπάτια ανάμεσα στη τρέχουσα θέση του χρήστη και του προορισμού • Δημιουργεί ένα γράφο από τα αντικείμενα της ΙΝΟ • ακμές=Passages, κόμβοι=Path_Points • Υπολογίζει τα k συντομότερα μονοπάτια με μια παραλλαγή του αλγορίθμου του [Yen] • Το πρόβλημα είναι πολλαπλών κριτηρίων και έτσι δεν μπορούμε να λάβουμε υπόψη μας μόνο το συντομότερο μονοπάτι [Jen] J.Y. Yen. Finding the k shortest loopless paths in a network. Management Sci., 17(11):712--716, 1971

  17. Αλγόριθμος επιλογής καλύτερου μονοπατιού (EM) • Είσοδοι • Προφίλ χρήστη • k συντομότερα μονοπάτια • Έξοδος • Το «καλύτερο» μονοπάτι ανάμεσα στα k • Εφαρμόζονται οι κανόνες (εκτός των φυσικών) στα στιγμιότυπα της οντολογίας • Οι κανόνες αυτοί επιβραβεύουν τα στιγμιότυπα με βάση το προφίλ του εκάστοτε χρήστη • Για κάθε μονοπάτι υπολογίζεται: Συνολική Επιβράβευση (ΣΕ) = α1x(ΣΕ Αντιληπτικών Κανόνων) + α2x(ΣΕ Κανόνων Προτιμήσεων) + α3x(Μήκος Μονοπατιού) • Τελικά επιλέγουμε το μονοπάτι με τη μεγαλύτερη Συνολική Επιβράβευση

  18. Δομή παρουσίασης • Εισαγωγή • Σχεδιασμός Συστήματος • Υλοποίηση Συστήματος • Συμπεράσματα

  19. Τεχνολογίες υλοποίησης • Web Ontology Language (OWL-DL) – ΙΝΟ, UNO • Semantic Web Rule Language (SWRL) – κανόνες αποκλεισμού/επιλογής μονοπατιών • SweetRules v2.0 – μηχανή εκτέλεσης κανόνων SWRL • Jena 2.2 – εκτέλεση κανόνων OWL • Protégé OWL API – προγραμματιστικός χειρισμός οντολογιών • Mascopt library–δημιουργία γράφων και αλγόριθμος kSP • Racer reasoner – μηχανή συμπερασμού για OWL-DL • RDQL – γλώσσα επερωτήσεων για βάσεις γνώσεις RDF • Apache Tomcat – Web server και Servlet container

  20. Φυσική αρχιτεκτονική Protégé OWL API INO & UNO (OWL-DL) Web εξυπηρέτης Μηχανή Servlets kSP Kανόνες (SWRL) Μηχανή κανόνων (SweetRules) ΥΠ Web browser ΕΜ Μηχανή συμπερασμού (Racer) Βιβλιοθήκη γράφων (Mascopt) Demo URL: http://satia.di.uoa.gr/ontonav/

  21. Αξιολόγηση επιδόσεων • Πείραμα • Ένας χρήστης • Τριόροφο κτίριο • Αφετηρία: 1ος όροφος • Προορισμός: 3ος όροφος • 2 φυσικοί κανόνες • k=3 Μέσος χρόνος απόκρισης = 4357ms Χωρίς εφαρμογή κανόνων: κατευθυντικός γραφος με 157 κόμβους και 444 ακμές Με εφαρμογή κανόνων (ανάπηρος χρήστης): κατευθυντικός γραφος με 145 κόμβους και 392 ακμές Για αιτήσεις «γνωστού» χρήστη: xρόνοςαπόκρισης = χρόνος kSP (~1187ms)

  22. Δομή παρουσίασης • Εισαγωγή • Σχεδιασμός Συστήματος • Υλοποίηση Συστήματος • Συμπεράσματα

  23. Επιστημονική συνεισφορά • Οντολογία πλοήγησης • Χρήση επεκτάσιμων κανόνων (σε συνδυασμό με kSP) και όχι «κλειστών» αλγορίθμων για την επιλογή/αποκλεισμό μονοπατιών • Πρακτική εφαρμογή των βασικότερων σύγχρονων τεχνολογιών Σημασιολογικού Ιστού • Ίσως το πρώτο σύστημα πλοήγησης σχεδιασμένο σύμφωνα με τις αρχές της Σχεδίασης για Όλους (Design for All) • Το σύστημα (με λίγες κατάλληλες μετατροπές) μπορεί να αποτελέσει testbedγια αλγόριθμους παρουσίασης οδηγιών

  24. Ανοικτά θέματα • Δημιουργία βελτιωμένων αλγορίθμων kSP για ευκλείδειους αραιούς γράφους • Αλγόριθμοι επιλογής και παρουσίασης οδηγιών πλοήγησης • Αξιολόγηση με πραγματικούς χρήστες σε πραγματικούς χώρους • (Ημι-)αυτόματη δημιουργία στιγμιοτύπων οντολογιών (από κατόψεις κτιρίων)

  25. Δημοσιεύσεις • Anagnostopoulos C., Tsetsos V., Kikiras P., and Hadjiefthymiades S., “OntoNav: A Semantic Indoor Navigation System”, in 1st Workshop on Semantics in Mobile Environments (SME'05) in conjunction with MDM’05, Ayia Napa, Cyprus • Tsetsos V., Anagnostopoulos C., Kikiras P., Hasiotis T., and Hadjiefthymiades S., “A Human-centered Semantic Navigation System for Indoor Environments”, in IEEE International Conference on Pervasive Services (ICPS’05), Santorini, Greece • Anagnostopoulos C., Tsetsos V., Kikiras P., and Hadjiefthymiades S.,“Semantically-enriched Path Finding for IndoorNavigation Systems”, under review in Journal on Pervasive Computing and Communications (JPCC). URL: http://p-comp.di.uoa.gr/projects/ontonav

More Related