Λογισμικό απεικόνισης για περιβάλλοντα Διάχυτης Νοημοσύνης

Λογισμικό για την οπτικοποίηση πληροφορίας σε αναπαραστάσεις που είναι κατανοητές από ανθρώπους και λαμβάνονται από έναν επεξεργαστή συνεχούς ροής δεδομένων (SPE), ο οποίος ανιχνεύει ενδιαφέροντα συμβάντα.

Πρόκειται για μία νέα μεθοδολογία σχετικά με την επεξεργασία ροών δεδομένων εντοπισμού, στην οποία χρησιμοποιούνται συστήματα επεξεργασίας δεδομένων που ονομάζονται επεξεργαστές συνεχούς ροής δεδομένων. Τα πλεονεκτήματα αυτής της προσέγγισης περιλαμβάνουν τη δυνατότητα έκφρασης συμβάντων και συμπεριφορών με τη μορφή συνεχών επερωτήσεων που συντάσσονται, χρησιμοποιώντας μία δομημένη γλώσσα επερωτήσεων, κατάλληλη για ροές δεδομένων. Εκτός από την επεκτασιμότητα, προσφέρεται και η δυνατότητα να κλιμακωθεί η λειτουργία του επεξεργαστή συνεχούς ροής δεδομένων, καθώς αυξάνεται ο όγκος τους. Έχει ενσωματωθεί μία πηγή  SPE  ανοιχτού  κώδικα σε ένα διαδραστικό μουσειακό έκθεμα, το οποίο αξιοποιεί ένα σύστημα υπολογιστικής όρασης για την παρακολούθηση της θέσης των επισκεπτών.

Η πηγή SPE αποθηκεύει και αναλύει δεδομένα κατά τη διάρκεια της λειτουργίας του διαδραστικού συστήματος και τροφοδοτεί ένα υποσύστημα οπτικοποίησης το οποίο παρουσιάζει ποσοτική και ποιοτική πληροφορία σχετικά με τους χρήστες του διαδραστικού συστήματος.

Ειδικότερα, η πηγή SPE αποστέλλει τη θέση του χρήστη, τον συνολικό χρόνο που δαπανούν οι επισκέπτες σε συγκεκριμένες θέσεις, τον συνολικό χρόνο που δαπανά κάθε επισκέπτης στην έκθεση και τον μέσο χρόνο για όλους τους χρήστες. Η πηγή εντοπίζει και παρουσιάζει «ενδιαφέροντα» ή «αφύσικα» μοτίβα, όπως: (i) πολύ μεγάλη απόσταση μεταξύ διαδοχικών θέσεων των επισκεπτών, (ii) υπερβολικά σύντομη ή εκτεταμένη παραμονή σε μία αίθουσα. (iii) ανολοκλήρωτες επισκέψεις χρηστών (όπου ένας χρήστης εμφανίζεται ή εξαφανίζεται σε διαφορετικές θέσεις από εισόδους / εξόδους).

Το υποσύστημα οπτικοποίησης αλληλεπιδρά με την SPE για να ορίσει παραμέτρους, όπως ποιος τύπος δεδομένων είναι ενδιαφέρων και πώς αυτά θα αναλυθούν και θα ερμηνευθούν (π.χ. πόσο μεγάλη θα πρέπει να είναι η απόσταση μεταξύ των χρηστών, ώστε να θεωρείται «αφύσικη».)

Το κύριο μέρος της διεπαφής του υποσύστηματος οπτικοποίησης αποτελείται από μία κάτοψη του δωματίου και των διαδραστικών περιοχών. Σε αυτήν την προβολή παρουσιάζονται οι διαδρομές του χρήστη (χρησιμοποιώντας διαφορετικό χρώμα για κάθε χρήστη), ενώ «αφύσικα» τμήματα διαδρομής (δηλαδή πολύ μεγάλου μήκους) απεικονίζονται με πιο φαρδιές γραμμές. Επιπλέον, ο συνολικός  χρόνος χρήσης που δαπανάται σε μία συγκεκριμένη περιοχή αναπαρίσταται με τη μορφή ενός χάρτη θερμότητας. Οι χρήστες μπορούν να λάβουν ποσοτικές πληροφορίες για κάθε σημείο του θερμικού χάρτη, τοποθετώντας τον δείκτη του ποντικιού πάνω του. Παράλληλα, μπορούν να τροποποιήσουν διάφορες παραμέτρους αυτής της προβολής, για παράδειγμα να αλλάξουν το επίπεδο διαφάνειας των διαδρομών ή του χάρτη θερμότητας, να κρύψουν την εικόνα φόντου, να επικαλύψουν την προβολή με ένα πλέγμα και να αλλάξουν το σχέδιο χρωματισμού του χάρτη θερμότητας. Τέλος, μπορούν να μεγεθύνουν οποιοδήποτε τμήμα της προβολής σε διαφορετικά επίπεδα.

Η διεπαφή, επίσης, φιλοξενεί μία λίστα που περιέχει όλους τους αναγνωριστικούς κωδικούς των χρηστών. Αυτή η λίστα έχει έναν πολυλειτουργικό ρόλο, αφού: (i) συσχετίζει τα χρώματα της  διαδρομής με τους αναγνωριστικούς κωδικούς των χρηστών, (ii) συσχετίζει τον αναγνωριστικό κωδικό του χρήστη με τα αντίστοιχα αναγνωριστικά σύμβολα (π.χ. ένας αστερίσκος «*» επισυνάπτεται σε αναγνωριστικούς κωδικούς για μεγάλες διαδρομές, ένα μείον «-» σε αναγνωριστικούς κωδικούς για ανολοκλήρωτες διαδρομές) και (iii) μπορεί να χρησιμοποιηθεί για να φιλτράρουν δεδομένα, επιλέγοντας ένα υποσύνολο αναγνωριστικών κωδικών (απλά κάνοντας κλικ σε αυτά). Δίπλα στη λίστα αναγνωριστικών κωδικών, υπάρχει ένα γράφημα που παρουσιάζει το συνολικό χρόνο που δαπανάται από κάθε επισκέπτη στο δωμάτιο και ο μέσος χρόνος για όλους τους επισκέπτες. Τέλος, υπάρχει ένας διαδραστικό χειριστήριο για τον καθορισμό της χρονικής περιόδου ενδιαφέροντος που θα χρησιμοποιηθεί για να φιλτραριστούν τα δεδομένα ανάλογα με τον χρόνο της δημιουργίας τους. Το υποσύστημα απεικόνισης μπορεί να λειτουργήσει και με δεδομένα σε πραγματικό χρόνο και με αποθηκευμένα.

Δημοσιεύσεις

Stamatakis, D., Grammenos, D., Magoutis K. (2011). Real-Time Analysis of Localization Data Streams for Ambient Intelligence Environments. In the Proceedings of AmI 11: International Joint Conference on Ambient Intelligence, 16-18 November 2011, Amsterdam.