Einfluss urbaner Strukturen auf Wahrnehmung und Orientierung – eine Studie in VR

Gebaute und natürliche Strukturen haben einen entscheidenden Einfluss darauf, wie Menschen ihre Umgebung wahrnehmen und sich in ihr zurechtfinden. Elemente wie die Struktur des Straßennetzes (z. B. grid-artige Stadtpläne versus organisch gewachsene europäische Städte), die Bebauungsdichte sowie das Vorhandensein von Frei- und Grünflächen bestimmen maßgeblich, ob und wie wir uns orientieren können. Dabei spielen auch markante Wiedererkennungspunkte und Landmarken eine wichtige Rolle, da sie als mentale Ankerpunkte entlang von Blickachsen genutzt werden. Zusätzlich beeinflussen Verkehrsdichte und Verkehrsarten die Wahrnehmung des städtischen Raumes.

Virtuelle Umgebungen bieten die Möglichkeit, diese Faktoren systematisch zu variieren und ihre Auswirkungen isoliert zu untersuchen. Ziel der Masterarbeit ist es, zentrale Stellschrauben des städtischen Designs – wie Straßennetz, Bebauungsdichte, Frei- und Grünflächen sowie Verkehr – experimentell zu analysieren und ihren Einfluss auf Wahrnehmung, Orientierung und Wegfindung messbar zu machen. Dazu sollen verschiedene virtuelle Umgebungen modelliert, Navigationsaufgaben entwickelt und systematische Experimente mit Proband:innen durchgeführt werden. Die Ergebnisse tragen nicht nur zu einem tieferen Verständnis menschlicher Raumwahrnehmung bei, sondern liefern auch wertvolle Erkenntnisse für die zukünftige städtebauliche Planung und Gestaltung.

Influence of Urban Structures on Perception and Wayfinding – Experiment in VR

Built and natural structures have a decisive impact on how people perceive their surroundings and navigate within them. Elements such as the structure of the street network (e.g., grid-based city layouts versus organically grown European cities), building density, and the presence of open and green spaces strongly affect our ability to orient ourselves. Distinct landmarks play a crucial role as mental anchor points along visual axes. In addition, traffic density and traffic modes also shape the perception of urban environments.

Virtual environments provide the opportunity to systematically vary these factors and study their effects in isolation. The aim of this master’s thesis is to experimentally analyze key aspects of urban design—such as street networks, building density, open and green spaces, and traffic—and to measure their influence on perception, orientation, and wayfinding. To achieve this, different virtual environments will be created, navigation tasks developed, and systematic experiments with participants conducted. The results will not only contribute to a deeper understanding of human spatial perception but also provide valuable insights for future urban planning and design.

Digital Twins zur sensorbasierten Datenerfassung und Prognose

Im Rahmen dieser Arbeit soll ein Ditial Twin des Geo1-Gebäudes auf Basis eines vorhandenen 3D-Modells entwickelt werden. Der digitale Zwilling wird mit realen Sensordaten (z. B. CO₂-Konzentration, Temperatur, Luftfeuchtigkeit) gekoppelt, die in ausgewählten Räumen wie Seminar- und Lehrräumen erhoben werden. Ziel ist es, die erhobenen Daten in den Digital Twin zu integrieren und Modelle zu entwickeln, mit denen Prognosen zur CO₂-Entwicklung und weiteren raumklimatischen Parametern unter unterschiedlichen Nutzungskonstellationen erstellt werden können.

Die Arbeit umfasst die technische Implementierung des Digital Twins, die Anbindung und Integration von Sensordaten, die Konzeption geeigneter Szenarien (z. B. unterschiedliche Belegungsstärken, Lüftungsstrategien), sowie die Entwicklung und Validierung von Prognosemodellen.

Digital Twin for Sensor-Based Data Collection and Prediction

As part of this project, a digital twin of the Geo1 building will be developed based on an existing 3D model. The digital twin will be linked to real sensor data (e.g., CO₂ concentration, temperature, humidity) collected in selected rooms such as seminar and teaching rooms. The goal is to integrate the collected data into the digital twin and to develop models that can generate predictions of CO₂ levels and other indoor climate parameters under different usage scenarios.

The project includes the technical implementation of the digital twin, the connection and integration of sensor data, the design of appropriate scenarios (e.g., varying occupancy levels, ventilation strategies), as well as the development and validation of predictive models.