Indoor-Navigation und Landmarken: Analyse der Landmarken-Position in Abhängigkeit der Bewegungsrichtung

Thema:
Indoor-Navigation und Landmarken: Analyse der Landmarken-Position in Abhängigkeit der Bewegungsrichtung
Art:
BA
BetreuerIn:
Christina Bauer
BearbeiterIn:
Tobias Hauser
ErstgutachterIn:
Bernd Ludwig
ZweitgutachterIn:
N.N.
Status:
abgeschlossen
angelegt:
2016-10-20
Antrittsvortrag:
2016-11-07
Textlizenz:
Unbekannt
Codelizenz:
Unbekannt

Hintergrund

Röser et al. (2012) bestimmen in der Veröffentlichung „A four factor model of landmark salience“ die Güte der Landmarken an ihrer jeweiligen Position. In dem dafür durchgeführten Laborversuch sollte der Einfluss der Sichtbarkeit auf die strukturelle Salienz untersucht werden. Die neutrale Gestaltung der Landmarken gewährleisteten den Ausschluss der Wirkung von kognitiver und wahrnehmungsbedingter Salienz. Mit dieser Arbeit sollen neben der strukturellen Salienz auch weitere Salienzen berücksichtigt werden, um die im Laborversuch gewonnenen Ergebnisse bei realen Navigationsbedingungen zu unterstreichen oder zu widerlegen.

Zielsetzung der Arbeit

Durch Navigation anhand gezielt gewählter Landmarken, ist es vorstellbar Fußgängernavigation essentiell zu verbessern und intuitiver zu benutzen. Um eine intuitive Landmarkennavigation zu gewährleisten, werden in dieser Arbeit Nutzerstudien durchgeführt, die möglicherweise einen Zusammenhang zwischen der Position der zu referenzierden Landmarken und der Navigationsrichtung aufweisen. Anhand der gewonnenen Ergebnisse wird untersucht, ob somit Fußgängernavigation durch positionsbasierte Landmarken intuitiver gestaltet werden kann.

Konkrete Aufgaben

  • Literaturrecherche
  • Erarbeitung des Themas/der genauen Fragestellung
  • Erlernen der Funktionaliät des mobilen Eye-Trackers
  • Entwurf, Ausarbeitung und Durchführung der Eye-Tracker-Studie
  • Datenauswertung
  • Schriftliche Ausarbeitung

Erwartete Vorkenntnisse

Eye-Tracker, SPSS

Weiterführende Quellen

  • Ludwig, B., Müller, M., & Ohm, C. (2014). Empirical evidence for context-aware inter-faces to pedestrian navigation systems. KI-Künstliche Intelligenz, 28(4), 271-281.
  • Röser F., Krumnack A., Hamburger K. & Knauff M. (2012).2.3 A four factor model of landmark salience – a new approach, Proceedings of ICCM 2012, 11th International Conference on Cognitive Modeling.