Interpreting Spatial Movement Behaviour

Every day, humans move through space and time. Traditionally, performance in navigation tasks has been assessed primarily by measuring the time or distance required to reach a destination. With the use of mobile sensors such as GPS and digital compasses, it is now possible to record spatio-temporal movement data in great detail and even capture contextual information about the surrounding environment. However, such spatio-temporal trajectories alone do not provide direct insights into actual movement behaviour. For example: does a decrease in speed indicate disorientation, or is it simply a reaction to environmental factors? Conversely, does high speed reflect confidence in wayfinding?

In this thesis, you will investigate spatial trajectories of participants performing wayfinding tasks. Your objectives will be to identify suitable measures for analysing and interpreting trajectories – e.g. how to determine wayfinding confidence and getting lost based on speed, viewing direction and trajectory – , to develop algorithms that extract relevant information from trajectory data, and to test your approach using existing datasets.

You will have access to trajectories collected during wayfinding studies with our research software GeoGami (www.geogami.org respectively https://app.geogami.ifgi.de/)

Measures for wayfinding performance measures (not technology supported):

Hölscher et al (2006): Up the down staircase: Wayfinding strategies in multi-level buildings, https://doi.org/10.1016/j.jenvp.2006.09.002

Ruddle et al (2006): Three Levels of Metric for Evaluating Wayfinding, https://doi.org/10.1162/pres.15.6.637

Interpretation von räumlichem Bewegungsverhalten

Jeden Tag bewegen sich Menschen durch Raum und Zeit. Traditionell wurde die Leistung bei Navigationsaufgaben vor allem anhand der benötigten Zeit oder der zurückgelegten Distanz bis zum Ziel gemessen. Durch den Einsatz mobiler Sensoren wie GPS und digitale Kompasse ist es inzwischen möglich, raum-zeitliche Bewegungsdaten sehr detailliert zu erfassen und sogar kontextuelle Informationen über die Umgebung aufzunehmen. Solche raum-zeitlichen Trajektorien liefern jedoch allein keine direkten Einsichten in das tatsächliche Bewegungsverhalten. Beispielsweise: Weist eine langsamere Geschwindigkeit bei der Navigation auf Desorientierung hin, oder handelt es sich lediglich um eine Reaktion auf Umweltfaktoren (z.B. Verkehr)? Umgekehrt – spiegelt hohe Geschwindigkeit tatsächlich ein hohes Vertrauen in die eigene Wegfindung wider?

In dieser Arbeit untersuchen Sie räumliche Trajektorien von Teilnehmenden, die Wegfindungsaufgaben bearbeiten. Ziel ist es, geeignete Maße zur Analyse und Interpretation von Trajektorien zu identifizieren – z. B. wie sich Wegfindungssicherheit oder das “Getting-List” anhand von Geschwindigkeit, Blickrichtung und Trajektorienverlauf bestimmen lassen –, Algorithmen zu entwickeln, die relevante Informationen aus Trajektoriendaten extrahieren, sowie den Ansatz anhand bestehender Datensätze zu testen.

Sie erhalten Zugang zu Trajektorien, die in Wegfindungsstudien mit unserer Forschungssoftware GeoGami (www.geogami.org bzw. https://app.geogami.ifgi.de/) erhoben wurden.

Literatur zu Maßen für die Wegfindungsleistung (nicht technologiegestützt):

Hölscher et al (2006): Up the down staircase: Wayfinding strategies in multi-level buildings, https://doi.org/10.1016/j.jenvp.2006.09.002

Ruddle et al (2006): Three Levels of Metric for Evaluating Wayfinding, https://doi.org/10.1162/pres.15.6.637

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