Sie sind hier: Startseite Forschung Urban Analytics

Urban Analytics

UrbanReasoning_850x213 

Die automatische Interpretation und Rekonstruktion detaillierter urbanen Strukturen ist ein aktuelles noch offenes Forschungsgebiet. Insbesondere bei schwachen Beobachtungen gestaltet sich diese Aufgabe als schwierig. Um dieser Aufgabe gerecht zu werden, setzen wir Reasoning-Ansätze sowie maschinelles Lernen ein, um detaillierte Modelle aus nicht unbedingt voll beobachteten Objekten herzuleiten. Hierfür werden Modellvorwissen in Form von Verteilungen zusammen mit architektonischen Mustern als Constraints stark eingesetzt. Zur Modellierung und Propagierung von Unsicherheit kommen graphische und relationale Modelle zum Einsatz.

 

Web-Demos

 

Ausgewählte Arbeiten

 

Map Matching

Map Matching for Semi-Restricted Trajectories

Spatial trajectories are sequences of location measurements (recorded, e.g., using GNSS sensors of mobile devices) that represent the path of a moving object, e.g., a cyclist roaming a city. These trajectories provide valuable insight into the mobility patterns of the user. Most algorithms that analyze trajectories cannot be applied to the raw location measurements but instead need a representation of the user's path in the underlying road network. Map matching is the process of pinpointing a trajectory to such a path. In previous research, it is often assumed that the user's movement is restricted to the given network and that the network's representation is complete. This assumption often does not hold. Therefore, we present an algorithm for map matching with the ability to differentiate between restricted and unrestricted movement. The approach efficiently and reliably computes consice representations of the input trajectories even if the road network data is incomplete or the user has left the road network. Our approach utilizes OpenStreetMap data to not only extract the network but also areas that allow for free movement (e.g., parks) as well as obstacles (e.g., buildings). We discuss in detail how to incorporate this information into the map matching process and demonstrate the applicability of our method in an experimental evaluation on real-world pedestrian and bicycle trajectories.

Behr, T and Dijk, T and Forsch, A and Haunert, J. H. and Storandt, S (2021).
Map Matching for Semi-Restricted Trajectories
11th International Conference on Geographic Information Science (GIScience 2021) - Part II

 


MultimodalTravelTimeMaps

Multimodal travel-time maps with formally correct and schematic isochrones

In diesem Artikel stellen wir ein Verfahren zur automatischen Generierung von schematischen Reisezeitenkarten für den öffentlichen Personennahverkehr (ÖPNV) vor. Reisezeitenkarten zeigen dem Betrachter Zonen, die innerhalb einer bestimmten Zeit von einem gegebenen Startpunkt aus erreichbar sind. Unser Verfahren schematisiert die entstehenden Zeitzonen indem nur horizontale, vertikale oder diagonale Kanten erlaubt werden (Okilinearität). Diese Darstellung ist z.B. aus ÖPNV-Netzen bekannt und erhöht die Lesbarkeit der Karte.

Forsch, A., Dehbi, Y., Niedermann, B., Oehrlein, J., Rottmann, P., & Haunert, J. H. (2021).
Multimodal travel-time maps with formally correct and schematic isochrones
Transactions in GIS, 00:1–24.

 


01_Statistical-relational

Statistical Relational Learning of Grammar Rules for 3D Building Reconstruction

In diesem Artikel stellen wir ein Verfahren zur automatischen Interpretation von 3D Punktwolken zur Gebäuderekonstruktion vor. Für die 3D-Modellierung von Gebäuden kommen gewichtete attributierte kontextfreie Grammatiken zum Einsatz. Die Strukturen und die semantischen Hierarchien von Fassaden wurden mittels maschinellen Lernens automatisch aus einer annotierten Treebank abgeleitet. Die Relationen und Bedingungen zwischen Gebäudeteilen, wie z.B. Fenstern, wurden automatisch unter Benutzung statistischen relationalen Lernens gelernt. Dies erlaubt die Berücksichtigung von Beziehungen zwischen nicht unbedingt benachbarten Gebäudeteilen sowie den Umgang mit verdeckten Fassadenobjekten.

Dehbi, Y, Hadiji, F, Gröger, G, Kersting, K, and Plümer, L (2017).
Statistical Relational Learning of Grammar Rules for 3D Building Reconstruction
Transactions in GIS, 21(1):134–150.

 


02_Estimation3D

Estimation of 3D Indoor Models with Constraint Propagation and Stochastic Reasoning in the Absence of Indoor Measurements

Die existierenden Verfahren zur automatischen Erstellung von Raumplänen setzen dichte Beobachtungen voraus. In diesem Artikel präsentieren wir einen neuen Ansatz zur Prädiktion von Raumplänen aus schwachen Beobachtungen wie Grundriss und Raumflächen. Das Verfahren stellt im Rahmen eines Reasoningsprozesses die wahrscheinlichsten Raumhypothesen zur Verfügung. Der Übergang von Flächenangaben zur Platzierung von Räumen im Grundriss ist als Constraint Satisfaction Problem gestellt. Zur effizienten Ermittlung der Lage- und Formparameter der Räume kommen graphische Modelle zum Einsatz. Das Reasoning profitiert von gelerntem statistischen Hintergrundwissen sowie architektonischen Regelmäßigkeiten, die für Gebäude charakteristisch sind.

Loch-Dehbi, S, Dehbi, Y, and Plümer, L (2017).
Estimation of 3D Indoor Models with Constraint Propagation and Stochastic Reasoning in the Absence of Indoor Measurements
ISPRS International Journal of Geo-Information, 6(3, article number = 90).

 


03_Identification-and-modelling

Identification and modelling of translational and axial symmetries and their hierarchical structures in building footprints by formal grammars

Gebäude sind oftmals durch symmetrische Strukturen aus ästhetischen und wirtschaftlichen Gründen charakterisiert. Symmetrien dominieren insbesondere Grundrisse und Fassaden. In diesem Artikel wird ein Verfahren zur automatischen Erkennung von Translations- und Spiegelsymmetrien in Grundrissen vorgestellt. Mittels Mustererkennung ermittelte Symmetrien sind anschließend nach einer lexikalischen Analyse mit formalen Grammatiken modelliert. Diese Information wird als Hintergrundwissen zur Fassaden- und Dachrekonstruktion verwendet.

Dehbi, Y, Gröger, G, and Plümer, L (2016).
Identification and modelling of translational and axial symmetries and their hierarchical structures in building footprints by formal grammars
Transactions in GIS, 20(5):645-663.

 


04_Incremental-refinement

Incremental refinement of facade models with attribute grammar from 3D point clouds

Die DFG-Forschergruppe Mapping on Demand hat sich zum Ziel gemacht, Algorithmen und Verfahren zur schnellen 3D Vermessung, Interpretation und Rekonstruktion von Szenen mit unzugänglichen Objekten zu entwickeln. Da die Daten kontinuierlich aus einem autonomen unbemannten Fluggerät anfallen, stellt dieser Artikel ein Verfahren zur Interpretation vom Datenstrom in Form von 3D Punktwolken vor. Um dieser Aufgabe gerecht zu werden, ist ein inkrementeller Parser, der auf Basis einer stochastischen attributierten Grammatik Elemente integriert und Modelle auf Basis zusätzlicher Beobachtungen verfeinert bzw. verwirft, entwickelt worden.

Dehbi, Y, Staat, C, Mandtler, L, and Plümer, L (2016).
Incremental refinement of facade models with attribute grammar from 3D point clouds
ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, III-3:311-316.

 


05_Learning-grammar

Learning grammar rules of building parts from precise models and noisy observations

Die Modellierung und Rekonstruktion von Gebäuden mithilfe von formalen Grammatiken hat sich als guter Ansatz gewährt. Das Erstellen von Grammatikregeln stellt allerdings eine aufwändige Aufgabe dar. In diesem Artikel wird die induktive logische Programmierung als Methode zum Lernen von Grammatiken als Modelle eingesetzt. Um den Umgang mit verrauschten Daten wie 3D Punktwolken zu ermöglichen, wird ein Verfahren vorgestellt, das nicht nur aus präzisen Beispielen Modelle lernt, sondern auch die Unsicherheit der Daten ins Lernen integriert.

Dehbi, Y and Plümer, L (2011).
Learning grammar rules of building parts from precise models and noisy observations
ISPRS Journal of Photogrammetry and Remote Sensing, 66(2):166 - 176.

 

Artikelaktionen