Visualisierung von raum-zeitlichen SensorDaten auf der openSenseMap

Die openSenseMap ist eine Plattform für Umweltsensordaten von Messstationen jeglicher Art. Zur Zeit werden nur Rohdaten von senseBoxen gespeichert und die Daten können sich nur pro senseBox angezeigt werden lassen. Zudem gibt es die Möglichkeit sich die gesammelten Daten für einen Zeitpunkt interpoliert darstellen zu lassen.

Ziel einer Bachelorarbeit ist es, eine Datenvisualisierung für verschiedene Aspekte auf dem openSenseMap Portal zu entwickeln. Diese kann z.B. zum Ziel haben, Daten mehrer senseBoxen und Sensoren mit statistischen Methoden zu vergleichen oder externe Datenquellen, wie zB. vom DWD, zum Vergleich einzubinden. Auch die interaktive Darstellung, in der verschiedene Umweltphänomene aggregiert dargestellt werden, würde neue Möglichkeiten schaffen, die Daten zu erkunden. Eine Bacheloarbeit kann auch die Visualisierung mobiler Sensoren in den Fokus der Arbeit stellen. Es werden verschiedene Visualisierungen mit neusten Webtechnologien generiert und mit einer Nutzerstudie evaluiert. 

SketchMapia – A Research Software to Assess Human Spatial Knowledge

Sketch mapping, i.e. freehand drawings of maps on a sheet of paper, is a popular and powerful method to explore a person’s spatial knowledge. Although sketch maps convey rich spatial information, such as the spatial arrangement of places, buildings, streets etc., the methods to analyse sketch maps are extremely simple. At the spatial intelligence lab, we developed a software suite, called SketchMapia, that supports the systematic and comprehensive analysis of sketch maps in experiments.

In this master thesis, you develop systematic test data for a sketch map analysis method and evaluate the SketchMapia analysis method w.r.t. its compleness, correctness and performance against other sketch map analysis methods. 

Kollaborative GeoGames in virtueller Realität

GeoGami ist ein ortsbasiertes Spiel zur Förderung des räumlichen Orientierungsfähigkeit: Der Spieler muss mehrere Navigationsaufgaben zu verschiedenen Orten lösen und an diesen Orten Fragen beantworten. Derzeit wird GeoGami primär einzeln gespielt. Im Rahmen dieser Bachelorarbeit wird GeoGami als Multiplayer-Version erweitert, bei der die Spieler gegeneinander antreten oder zusammenarbeiten können, um die Aufgaben zu lösen.

Nach der konzeptionellen Entwicklung verschiedener kollaborativer oder kompetitiver Spielformate, werden Spiele in GeoGami implementiert und evaluiert. Hier steht die virtuelle Welt in Unity sowie kollaborative Spiel

Mehr Informationen zu GeoGami finden Sie auf unserer Projektwebsite https://geogami.ifgi.de/ und auf github. Erfahrung mit Android-Programmierung und Interesse an ortsbezogenen Spielen sind von Vorteil.

Analysis of Spatiotemporal Movement Patterns in Multi-Player Geogames

In multi-player geogames, players collaborate to solve wayfinding tasks and thereby form groups. The trajectories of these groups can be analyzed using established concepts from the literature (e.g., Gudmundsson, van Kreveld & Speckmann), which distinguish characteristic motion patterns such as Flock (common direction and proximity), Leadership (a subgroup follows a “leader”), Convergence (movement towards the same location), and Encounter (meeting at the same place and time).

At the Institute for Geoinformatics, the location-based game GeoGami (www.geogami.org / https://app.geogami.ifgi.de/ provides the technical framework for multiplayer games and the collection of movement data. Games can be implemented flexibly in real-world outdoor and indoor settings as well as in virtual reality environments, thus generating diverse trajectory datasets.

In this thesis, you will develop and apply methods for comparing group trajectories with respect to similarities in direction, speed, position, and spatial proximity of trajectory points over time intervals. These methods are to be implemented and evaluated using empirical trajectory data from multiplayer geogames.

Gudmundsson, J., van Kreveld, M. & Speckmann, B. Efficient Detection of Patterns in 2D Trajectories of Moving Points. Geoinformatica 11, 195–215 (2007). https://doi.org/10.1007/s10707-006-0002-z

Gudmundsson, J., Laube, P., Wolle, T. (2008). Movement Patterns in Spatio‐temporal Data. In: Shekhar, S., Xiong, H. (eds) Encyclopedia of GIS. Springer, Boston, MA. , pp 726–732, https://doi.org/10.1007/978-0-387-35973-1_823