Analyse von Personenströmen in Gemeinschaftsräumen

Virginia Tech: LiDAR-Technologie hilft zu verstehen, wie ein Ort zu einem Begegnungsraum wird

Überblick

Menschen verbringen mehr als 80% ihrer Zeit in Innenräumen, sei es zu Hause oder bei der Arbeit. Als Folge daraus werden Gebäude zunehmend so gestaltet, dass sie Werte wie Gemeinschaft, Zusammenarbeit oder Kreativität fördern. Aber führen diese Designs tatsächlich zu den gewünschten Ergebnissen?

Ein Team von Forschern an der Virginia Tech hat ein Forschungsprojekt gestartet, um diese Frage zu beantworten. Um zu verstehen, wie ein Gebäude zu einem Ort wird, der Gemeinschaft fördert, erfassen und analysieren sie Bewegungsdaten in einem Gemeinschaftsraum mit 11 Blickfeld LiDAR-Sensoren.

Herausforderung

Der neue Creativity and Innovation District (CID) der Virginia Tech ist ein Zentrum für interdisziplinäres Leben und Lernen, das sowohl Wohn- als auch akademische Räume umfasst. Um besser zu verstehen, wie Studierende die Räume im Gebäude nutzen und um herauszufinden, ob das Raumdesign tatsächlich die Werte von Gemeinschaft, Kreativität und Innovation unterstützt, kombinieren Fakultätsleiter Dr. Tim Baird, Associate Professor für Geografie Tom Pingel und weitere Kolleg:innen soziale Datenerhebungsmaßnahmen wie Interviews und Umfragen mit räumlichen Daten aus einem umfangreichen System von Sensoren, die in gemeinsam genutzten öffentlichen Bereichen angebracht sind. Dieser Ansatz hilft ihnen, Bewegungsmuster im CID-Gebäude zu identifizieren und deren soziale Bedeutung zu verstehen.

Bei der Auswahl der Sensoren war das wichtigste Kriterium sicherzustellen, dass sich die Studierenden im Gebäude sicher, wohl und nicht überwacht fühlen. Daher suchte das Team nach einer Technologie, die Bewegungsdaten sammeln konnte, während die Anonymität der Studierenden gewahrt blieb.

Lösung

Nach Betrachtung verschiedener Lösungen fiel die Wahl aus mehreren Gründen auf Blickfelds LiDAR-Sensoren: Die dreidimensionale Struktur der LiDAR-Daten ermöglicht die Erfassung von Bewegungen, ohne dass einzelne Personen identifiziert werden, was die Anonymität der Studierenden gewährleistet. Die unauffällige Größe der Sensoren und die geräuschlose Datensammlung verhindern zudem, dass die Studierenden durch die Technologie gestört werden, idealerweise nehmen sie die Sensoren sogar gar nicht wahr. Ein weiterer Vorteil war das frontale Sichtfeld der Blickfeld-Sensoren. Da die Sensoren in den Ecken des Raums platziert wurden, hätte ein 360-Grad Sichtfeld eine große Menge an Daten erzeugt, die gar nicht genutzt werden könnten.

Elf Sensoren wurden installiert, um den gesamten Gemeinschaftsraum abzudecken, und ihre visuellen Daten, die sogenannten Punktwolken, wurden zu einem großen 3D-Bild des Bereichs zusammengefügt. In einem nächsten Schritt setzte das Forschungsteam die Perzeptionssoftware Percept ein, um Objekte zu verfolgen, Laufwege hervorzuheben oder aus den gesammelten Daten Heatmaps zu erstellen. Heatmaps zeigen, welche Bereiche stark frequentiert sind oder beleuchten Gehwege im gesamten Raum. So ist zum Beispiel in den Aufzeichnungen deutlich sichtbar, dass viele Studierende die Sitzbereiche durchqueren und zwischen den Stühlen gehen, um von einem Ende des Raums zum anderen zu gelangen, anstatt die dafür vorgesehenen Laufwege zu nutzen. Dies zeigt Verbesserungsmöglichkeiten im Raumdesign, um die Fläche leichter nutzbar zu machen.

Heatmap of the walking paths
Heatmap der Laufwege im Gemeinschaftsraum, blaue/grüne Wege werden am meisten genutzt
LiDAR-Daten ermöglichen es uns, menschliche Bewegungen, die Nutzung von Räumen und soziale Interaktionen im Laufe des Tages zu analysieren. Diese Daten können äußerst wertvoll sein für die Gestaltung und Betreuung von Innenräumen. Es ist spannend, LiDAR-Sensoren in diesem Kontext zu verwenden.
Dr. Tim Baird
Associate Professor am College of Natural Resources and Environment's (CNRE), Department of Geography, Virginia Tech

Ausblick

Das Forschungsprojekt hat eine Laufzeit von drei Jahren, in denen die LiDAR-Daten durch weitere Datensammlungsmethoden aus verschiedenen Disziplinen wie Interviews und Umfragen unter den Studierenden angereichert werden. Der nächste Schritt bei der Analyse von LiDAR-Daten wird das Zählen von Personen umfassen.

Referenz teilen
Facebook
Twitter
LinkedIn
XING
WhatsApp
Email
Kontakt

Sprechen Sie jetzt mit unseren Experten über Ihre Anwendung!