Accessibility Tools

Image

«Γεωεντοπισμένοι αστικοί περιβαλλοντικοί και κοινωνικοοικονομικοί δείκτες με τη χρήση μηχανικής όρασης»

Ακρωνύμιο: GRUBLES
Κωδικός Έργου: Τ2ΕΔΚ-04533

Παράδειγμα εντοπισμού αντικειμένων
Εντοπισμένα χαρακτηριστικά σε Γεωγραφικό Σύστημα Πληροφοριών
Εντοπισμός οχημάτων
Εξαγωγή δευτερογενών χαρακτηριστικών

Σχετικά με το έργο

Το φαινόμενο της αστικοποίησης, της τάσης των ανθρώπων για συγκέντρωση στις πόλεις, είναι έκδηλο στην εποχή μας και παρουσιάζει αυξητικές τάσεις. Το αστικό περιβάλλον μεταβάλλεται δυναμικά και με ταχείς ρυθμούς. Το γεγονός αυτό καθιστά την κατάσταση των κτιριακών και αστικών υποδομών, καθώς και την ποιότητα ζωής των κατοίκων ανά περιοχή ολοένα και πιο δύσκολο να εκτιμηθεί. Έτσι, αποφάσεις σχετικές με εμπορικές δραστηριότητες και επενδύσεις ή αντίστοιχες παρεμβάσεις από τις εκάστοτε Δημοτικές Αρχές γίνεται με δεδομένα τα οποία είναι παραπλανητικά καθώς περισσότερο αντικατοπτρίζουν μια παρωχημένη κατάσταση, παρά την τρέχουσα, με αποτέλεσμα τη λήψη μη βέλτιστων ή και λανθασμένων αποφάσεων.

Στόχος του GRUBLES (Νορβηγική λέξη που σημαίνει στοχάζομαι) είναι η εξαγωγή γεωεντοπισμένων χαρακτηριστικών μιας περιοχής με τη χρήση μηχανικής όρασης σε φωτογραφίες, πανοραμικές ή 360 μοιρών. Σε πρώτη φάση θα γίνεται συλλογή φωτογραφιών με τη χρήση κατάλληλου εξοπλισμού, με κάθε φωτογραφία να περιέχει το στίγμα της με τη χρήση GPS αλλά και τον προσανατολισμό της κάμερας με χρήση πυξίδας. Σε δεύτερη φάση, οι φωτογραφίες θα επεξεργάζονται στην πλατφόρμα StreetScouting που θα δημιουργηθεί στο πλαίσιο του έργου και θα παράγονται, με τεχνολογίες βαθιάς μάθησης και νευρωνικών δικτύων, πρωτογενείς δείκτες, όπως η ύπαρξη δένδρων, ιστών οδοφωτισμού και φωτιστικών σωμάτων, κάδων/καταστημάτων και πεζοδρομίων, αλλά και αυτοκινήτων. Σε τρίτη φάση, τα πρωτογενή αυτά στοιχεία θα μπορούν να εξαχθούν με στόχο να γίνει μια στατιστική ανάλυση, με την οποία θα βρεθούν συσχετίσεις των πρωτογενών δεικτών με αλλά δευτερογενή – όπως το μορφωτικό επίπεδο των κατοίκων, ο δείκτης ανεργίας, οι τιμές ακινήτων κλπ – δεδομένα που είναι διαθέσιμα από την ΕΛΣΤΑΤ και την INFODIM. Στόχος της τρίτης φάσης είναι η εξαγωγή μέσα από ένα στατιστικό μοντέλο βασικών χαρακτηριστικών ποιότητας ζωής, με μόνη είσοδο τις φωτογραφίες από το δρόμο.

Η άμεση διαθεσιμότητα αξιόπιστων δεικτών για την κατάσταση μιας περιοχής, καθώς επίσης και η δυνατότητα πρόβλεψης της μελλοντικής κατάστασης τους αποτελεί σημαντικό αρωγό στη σχεδίαση της εμπορικής στρατηγικής πολλών επιχειρησιακών κλάδων όσο και δημόσιων υπηρεσιών, μειώνοντας παράλληλα το κόστος της μελέτης. 

Ειδικότερα οι στόχοι του έργου περιλαμβάνουν:

  • Την τυποποίηση μιας πλατφόρμας κάμερας η οποία θα τοποθετείται σε αυτοκίνητο και θα συλλέγει πανοραμικά βίντεο 360 μοιρών.
  • Τη δημιουργία μιας ολοκληρωμένης πλατφόρμας εξόρυξης πρωτογενών δεικτών μέσα από δειγματοληπτικά γεωεντοπισμένες φωτογραφίες εξαγόμενες από το πανοραμικό βίντεο και καταχώρησής τους σε μία κεντρική βάση δεδομένων.
  • Την πραγματοποίηση μιας μελέτης για τη συσχέτιση πρωτογενών δεικτών με δευτερογενείς και τη δημιουργία αντίστοιχων μοντέλων τα οποία θα υποστηρίζουν αυτή τη δομή παράγοντας αποτελέσματα με γεωχωρική υπόσταση.
  • Τη δημιουργία μιας πιλοτικής εφαρμογής, καλύπτοντας μια μικρή Ελληνική πόλη με σκοπό τον πλήρη εμπλουτισμό των στοιχείων υποβάθρου που ήδη διαθέτει η INFOΔΗΜ για όλη την Ελλάδα και την εκμετάλλευσή τους. 

Μέσα από την υλοποίηση του Έργου αναμένεται μια μείωση του κόστους εξαγωγής αυτών των δεδομένων τσε σχέση με τις αντίστοιχες επιτόπιες εργασίες συμπεριλαμβανομένου του κόστους συλλογής των φωτογραφιών, πιθανής επανεκπαίδευσης και επαλήθευσης των μοντέλων. Επίσης, θα γίνει δυνατή η μαζική δημιουργία αυτών των δεικτών για τις ανάγκες μελλοντικών πελατών σε πολύ μικρότερο χρόνο, σε σχέση με τις παραδοσιακές μεθόδους - κάτι που πρακτικά θα ήταν ανεφάρμοστο για μια πόλη π.χ. της τάξης μεγέθους της Θεσσαλονίκης.

Image

Συλλογή Δεδομένων

Συλλογή φωτογραφιών, πανοραμικών ή 360 μοιρών, μέσω οδήγησης σε ένα αστικό περιβάλλον που θα περιέχει πληροφορίες στίγματος και προσανατολισμού. Με αυτόν τον τρόπο δύναται η μαζική συλλογή φωτογραφιών, οι οποίες και θα εισέρχονται στην πλατφόρμα StreetScouting.
Image

Πρωτογενή/Δευτερογενή Χαρακτηριστικά

Εντοπισμός και εξαγωγή γεωεντοπισμένων πρωτογενών χαρακτηριστικών από μια εικόνα με τη χρήση τεχνολογιών βαθιάς μάθησης και εντοπισμός δευτερογενών χαρακτηριστικών σε επίπεδο χάρτη σε κάποιες δειγματοληπτικά επιλεγμένες περιοχές ενδιαφέροντος.
Image

Δημιουργία Μοντέλου

Συσχέτιση πρωτογενών χαρακτηριστικών με δευτερογενή χαρακτηριστικά με γραμμικές και μη γραμμικές στατιστικές μεθόδους με στόχο την εύρεση ενός μοντέλου.

Καινοτομία Ερευνητικού Έργου

Το προτεινόμενο έργο παράγει ένα καινοτόμο προϊόν σε παγκόσμιο επίπεδο, καθώς μειώνει εντυπωσιακά το κόστος και το χρόνο συλλογής, ενώ ταυτόχρονα αυξάνει την ποιότητα γεωεντοπισμένων πληροφοριών που μπορεί να έχει στην διάθεσή του ένας δήμος ή μία εταιρεία.

Μείωση Κόστους

Μείωση Χρόνου

Βελτίωση Ποιότητας

Φορείς Υλοποίησης

Image
Image

DataScouting

Η DataScouting είναι εταιρεία ανάπτυξης λογισμικού και τεχνολογικών υπηρεσιών Πληροφορίας και Επικοινωνιών με εξειδίκευση στη δημιουργία καινοτόμων λύσεων για την παρακολούθηση μέσων μαζικής ενημέρωσης και διαχείριση/ανάλυση πληροφορίας σε βιβλιοθήκες και αρχεία.

INFODIM

Η INFOΔΗΜ ιδρύθηκε το 1992 και υπήρξε η πρώτη εταιρεία στην Ελλάδα με αποκλειστικό αντικείμενο τις εφαρμογές Συστημάτων Γεωγραφικών Πληροφοριών (GIS).
Η INFOΔΗΜ έχει δημιουργήσει πολλές καινοτόμες εφαρμογές και εξειδικευμένα λογισμικά στον τομέα της ηλεκτρονικής διακυβέρνησης, της γεωπληροφορικής και της διαχείρισης χωρικών δεδομένων.
Διαθέτει εξαιρετικά σύγχρονο εξοπλισμό που υποστηρίζει όλους τους τομείς δραστηριοτήτων της αποτελώντας μία από τις πλέον εξοπλισμένες και σύγχρονες εταιρείες στην Ελλάδα. Η εταιρεία κατέχει ευρεία εμπειρία και εξειδίκευση στο σχεδιασμό, ανάπτυξη, διαχείριση, λειτουργία και τεχνική υποστήριξη σύνθετων πληροφοριακών συστημάτων διαχείρισης και παρακολούθησης χωρικών και περιγραφικών δεδομένων.

Δημοσιεύσεις

Στο πλαίσιο του έργου έγιναν ενέργειες για τη διάχυση των ερευνητικών αποτελεσμάτων και την προβολή του επιστημονικού αντικειμένου του έργου. Συντάχθηκαν μια σειρά από άρθρα και υποβλήθηκαν σε κρίση σε διεθνώς αναγνωρισμένα περιοδικά του επιστημονικού πεδίου της τεχνητής νοημοσύνης. Στο παρόν κεφάλαιο παρατίθενται οι ενέργειες που έγιναν και τελεσφόρησαν αλλά και εκείνες που απέβησαν άκαρπες.
Πιο συγκεκριμένα, στις 26 Δεκεμβρίου 2022 δημοσιεύτηκε άρθρο με τίτλο “StreetScouting: A Deep Learning Platform for Automatic Detection and Geotagging of Urban Features from Street-Level Images” από τον εκδότη MDPI στο περιοδικό Applied Sciences. Κύριο αντικείμενο του η περιγραφή της πλατφόρμας StreetScouting για την εξαγωγή πρωτογενών δεικτών από ροές βίντεο. Η αρχική υποβολή του άρθρου έγινε στις 20 Νοεμβρίου 2022, πέρασε από κρίση, έγιναν κάποιες αλλαγές που προτάθηκαν από τους κριτές και η αναθεωρημένη εκδοχή του άρθρου υποβλήθηκε στις 17 Δεκεμβρίου. Έγινε αποδεκτό για δημοσίευση στο περιοδικό στις 20 Δεκεμβρίου 2022 και δημοσιεύτηκε στις 26 Δεκεμβρίου 2022. Το άρθρο είναι προσβάσιμο μέσω της παρακάτω διεύθυνσης: https://www.mdpi.com/2076-3417/13/1/266
Τα δεδομένα που χρησιμοποιήθηκαν για τη δημιουργία της StreetScouting πλατφόρμας ανέβηκαν στο ανοιχτό αποθετήριο Zenodo στον εξής σύνδεσμο: https://doi.org/10.5281/zenodo.7564876. Επιπρόσθετα, για περαιτέρω διάχυση των δεδομένων, κατατέθηκε ένα άρθρο που περιγράφει τα δεδομένα στο περιοδικό Data In Brief, το οποίο είναι στη διαδικασία κρίσης. Το περιοδικό αυτό υποστηρίζει την ανοικτή πρόσβαση στα δεδομένα.
Image