new humansensorik und kartierung von emotionen in der...

129

Humansensorik und Kartierung von Emotionen in der räumlichen Planung

Human Sensory Assessment and the Cartography of Human Emotions in Spatial Planning (English summary)

Peter ZEILE, Jan-Philipp EXNER, Benjamin S. BERGNER und Bernd STREICH

Summary

The objective measurement of human’s well-being in urban areas or in natural environment shows enormous potentials for environmental planning. Actually, there is no known method, which makes it possible to get a “neutral” view of people’s perception in space and the associated emotions concerning the built and non-built-up environment. Human sensory assessment, defined as joint analysis of real-time vital data and geo data, offers a solution. Psycho-physiological monitoring techniques collect and measure vital data like skin conductivity and skin temperature over time. Specific changes in this vital data indicate mental load synonymic stress. Stress in this context is the emotional construct of fear and anger. According to affective sciences, these negative emotions are identified when the skin conductance increases and the skin temperature decreases (the phenomenon of “cold sweat”). In combination with geo-position of the test people, it is possible to identify local stress hotspots. Supporting this new approach, other tools like the RADAR Sensing smartphone app or RADAR Infrastructure deliver real-time heat-maps of stress experienced by a multitude of people. Another tool is the new developed GeoVisualizer, which displays the vital data and the resulting stress spots on a digital globe interface. Three projects, in which human sensory assessment methods are used, will be presented in this contribution. The projects are the identification of bad accessibility for handicapped people in a city, the orientation of hikers on a forest trail in the Palatinate Forest and also the impact of noise in recreation areas.

1 Einleitung

Die Frage, ob es für planende Disziplinen möglich und notwendig ist, das Wohlbefinden eines Menschen in seinem Umfeld objektiv zu messen, wird immer wieder in Fachkreisen gestellt. Entwurfsmaxime sollte stets die Verbesserung der menschlichen Umwelt im Ein-klang aller Belange der Planung sein. Ein Planungsgrundsatz, der, so könnte der objektive Beobachter meinen, in der Vergangenheit bei vielen Neuplanungen außer Acht gelassen wurde. Aber wie ist das Wohlbefinden überhaupt messbar? Wie kann der Mensch als Messfühler seiner Umwelt in ebendiese miteinbezogen werden, ohne einer Beeinflussung vonseiten Dritter zu unterliegen? Eine Lösung dafür bietet der Ansatz, den Menschen als Sensor seiner Umwelt zu verstehen. Seine Reaktionen auf ein bestimmtes Ereignis werden

Buhmann, E., Ervin, S. M. & Pietsch, M. (Eds.) (2013): Peer Review Proceedings of Digital Landscape Archi-tecture 2013 at Anhalt University of Applied Sciences. © Herbert Wichmann Verlag, VDE VERLAG GMBH,Berlin/Offenbach. ISBN 978-3-87907-527-0. This article is an open access article distributed under the terms andconditions of the Creative Commons Attribution license (http://creativecommons.org/licenses/by/3.0/).

P. Zeile, J.-P. Exner, B. S. Bergner und B. Streich 130

mithilfe von Methoden der Humansensorik und im speziellen Fall des sogenannten psy-chophysiologischen Monitorings aufgezeichnet, ausgewertet und präsentiert. Vereinfacht formuliert steht hiermit eine Methode zu Verfügung, die es erlaubt, Emotionen (im Raum) messen zu können. Anwendungsfälle sind beispielsweise die Messung der Barrierefreiheit von Infrastrukturen, die Orientierung und Leitwirkung auf Wegen (z. B. Wanderungen oder touristische Routen in einer Stadt) oder die menschliche Reaktion auf Angsträume oder Lärm im urbanen Kontext. Der Beitrag stellt ein Teilergebnis des von der DFG geför-derten Projektes „Städtebauliche Methodenentwicklung mit GeoWeb und Mobile Compu-ting“ dar.

2 Stand der Forschung

Das folgende Kapitel beschreibt, inwiefern Emotionen über humansensorische Parameter messbar sind und welche Forschungsansätze in dieser Sparte bis dato durchgeführt wurden.

2.1 Raumsensorik

Zur Verwendung humansensorischer Daten in der räumlichen Planung ist es zuerst not-wendig, Systeme für die Aufnahme, Speicherung und Analyse dieser Daten zu entwickeln. Die Art der Distribution der Daten ist dabei zweitrangig: Sie können sowohl in analoger Form über eine Publikation als auch über Web 2.0 oder diverse Geowebtechniken gesche-hen (ZEILE, 2011). Beispiele hierfür sind die Urban Sensing Systeme (CAMBELL, 2006, LANE et al., 2008), bei denen die Nutzer Informationen sammeln und gleichzeitig mit der Community teilen. Dies ist möglich, da die Vision des Ubiquitous Computings (WEISER, 1991) durch die allgemeine Datenverfügbarkeit und -Zugänglichkeit mittlerweile Realität geworden ist. Sensornetzwerke sind somit nicht mehr statisch, sondern dynamische Syste-me von vernetzten Knoten. Sie sind mobil und immer dort verfügbar, „wo sich das Leben abspielt“ (WETTER, 2009, 6). Auch können urbane Daten für planerische Zwecke nahezu in Echtzeit verarbeitet werden (RESCH et al., 2012). Crowdsourcing-Ansätze, die die soge-nannte „Weisheit der Massen“ (O’REILLY, 2003) bündeln, helfen hierbei genauso wie das Konzept, den Menschen als Sensors zu betrachten (GOODCHILD, 2007 und ZEILE et al., 2009).

Dem „Multisensor“ Mensch fällt dabei also eine große Bedeutung bei der Erfassung seiner Umwelt als aktiver Sensor zu. In Kombination mit den Sensoren des Smartphones ergibt sich so ein neues System aus intelligenten und smarten Sensoren (ZEILE, 2011). Neben klassischen Messparametern wie der Temperatur können indirekte Messgrößen wie das persönliche Wohlempfinden – ermittelt durch ein Scoring der Hautleitfähigkeit und der Hauttemperatur – vor Ort gesammelt werden und durch die Sende- und Empfangsmög-lichkeit mobiler Kommunikationsgeräte einem größeren Netzwerk oder Community zu Verfügung gestellt werden.

2.2 Humansensorik und Emotionsmessung

Doch wie können menschliche Emotionen in einem objektivierbaren Ansatz aufgenommen und analysiert werden? Ein möglicher Ansatzpunkt sind die „Affektiven Wissenschaften“, die die Auswirkungen von Emotionen auf das menschliche Verhalten und die Gesellschaft

Humansensorik und Kartierung von Emotionen in der räumlichen Planung 131

erforschen (AFFEKTIVE WISSENSCHAFTEN, 2011). Damit könnte die Methoden wichtige Informationsgrundlagen für die räumliche Planung liefern. Zur Messung und Feststellung unbeeinflusster Emotionen sind zwei Parameter notwendig (BERGNER et al., 2011):

Die Aufnahme von (affektiven) Emotionen muss in Echtzeit und zu jedem Zeit-punkt gewährleistet sein, um bestimmte Vorortsituationen identifizieren zu können.

Die Messung darf den Betroffenen weder behindern noch stören, um die Erhebung kognitiv beeinflusster Emotionen zu verhindern.

Emotionale Reaktionen können durch die Veränderung in der Aktivität des autonomen Nervensystems identifiziert werden (KREIBIG, 2010). Dies belegen Forschungsergebnisse aus der Emotionsforschung und den affektiven Wissenschaften: „Diese nervlichen Reak-tionen schlagen sich in spezifischen, physiologischen Parametern (wie Hautleitfähigkeit und Hauttemperatur) nieder, klassifiziert als Vitaldaten der Betroffenen. In Verbindung mit der Lokalisierbarkeit mithilfe von GPS-Sensoren ist nun möglich, diese Daten zu verorten. Die dazu zugehörige Methode wird als psychophysiologisches Monitoring bezeichnet. Mithilfe neuer Technologien im Bereich des „Ambulatorischen Assessments“, unterstützt durch „wearable computers“, ist eine Erhebung der personenbezogenen Vitaldaten in Echt-zeit möglich“ (EXNER et al., 2012, nach KREIBIG, 2010). Technisch ist diese Messung mit dem „BMS Smartband“ (PAPASTEFANOU, 2009) möglich, einem Sensorarmband, das phy-siologischer Parameter aufnimmt. Durch die Messung dieser physiologischen Parameter kann die mentale Belastung, also der Stress, ermittelt werden. Stress wird in diesem Zu-sammenhang als das emotionale Konstrukt der höchst negativen Emotionen „Ärger“ und „Angst“ verstanden (BERGNER et al., 2011). Sind diese Stresssituationen noch im Raum verortbar, eröffnen sich neue Perspektiven des Raumverständnisses und dementsprechend auch für die räumliche Planung. Erste Ansätze in diesem Kontext liefern die Arbeiten im Rahmen des Biomapping von Christian Nold (NOLD, 2009), die Emomap-Studie (ZEILE, 2010) und das EmBa-GIS (Emotionales Barriere-GIS) (BERGNER et al., 2011).

3 Methoden

Mit den nachfolgenden Methoden ist es möglich, Daten des Sensors „Mensch“ zu erfassen und anschließend eine Analyse durchzuführen. Zusätzlich werden Techniken vorgestellt, mit denen eine einfache und verständliche Visualisierung möglich ist. Dementsprechend ist der nächste Abschnitt unterteilt in die grundlegende Methode des psychophysiologischen Monitorings und weitere Methoden der Analyse und Visualisierung unterteilt. Das Ergeb-nis dieser zusammengefügten Bausteine stellt die Humansensorik in der räumlichen Pla-nung dar.

3.1 Psychophysiologisches Monitoring

Die Emotionen eines Menschen sind durch das psychophysiologische Monitoring extra-hierbar. Unter Monitoring wird die systematische Beobachtung eines Phänomens über eine Zeitachse verstanden. Dabei kann im Sinne der räumlichen Planung in deduktive und in-duktive Monitoringsysteme unterschieden werden (STREICH, 2011). Die Messung geschieht in Echtzeit und sammelt Daten der sich verändernden Körperreaktionen (Körperphysiolo-gie) eines Probanden. Eindeutig identifizierbar sind negative Emotionen, bei denen aggre-


giert auch von „Stress“ gesprochen werden kann. „In Übereinstimmung mit Emotionsfor-schern liegt eine negative Erfahrung dann vor, wenn die elektrodermale Aktivität zunimmt und kurz danach die Hauttemperatur abnimmt“ (BERGNER et al., 2011, 435). Erfährt der Proband nun eine negative Emotion, wie Ärger oder Angst, nimmt bei ihm die Hautleitfä-higkeit (Differenz zwischen Schweißproduktion und Schweißabsorption der Haut) zu und die Hauttemperatur in den Extremitäten ab. Ein bekanntes Beispiel ist die Situation einer extremen mentalen Belastungssituation, der auch als der „kalte Angstschweiß“ bekannt ist (BERGNER & ZEILE, 2012). Für eine bessere Identifizierung des Stressereignisses wird für die Verlaufskurven die “Erste Ableitung“ gebildet, um die jeweilige Steigung oder Gefälle zu ermitteln.

Abb. 1: Links: BMS-Smartband. Mitte: idealtypischer Kurvenverlauf bei einer Stress-reaktion. Rechts: Ableitung der Kurvenverläufe; bei Auftreten des markierten Musters kann auf eine Stressreaktion geschlossen werden.

Das anschließende Scoring folgt nach dem Muster, dass die Zunahme der Hautleitfähigkeit den Scoring-Wert „+1“ erhält, die Abnahme der Hauttemperatur wird mit „–1“ klassifiziert (BERGNER et al., 2011). Bei Auftreten dieses Musters (s. Abb. 1) liegt eine negative Emo-tion vor. GPS-Daten zur Positionsbestimmung können über die Laufzeit des GPS-Signals mit den Messwerten zeitlich synchronisiert und dementsprechend auch verortet werden. Die Daten liegen anschließend als Tabelle im CSV-Format zur Weiterverarbeitung bereit.

3.2 Datensammlung und Visualisierung

Der wichtigste Schritt für die Auswertung der Emotionsdaten der BMS-Smartbänder ist die schon vorher erwähnte Auswertung der Stresssignale und die Verortung der Messwerte. Dabei werden die Messparameter Hautleitfähigkeit (elektrodermal) und Hauttemperatur (kardiovaskulär) mit der Geo-Position über einen GPS-Logger oder über ein Smartphone gekoppelt. Die erhobenen Vitaldaten Hautleitfähigkeit und Hauttemperatur unterlaufen danach einer statistischen Bereinigung. Dies dient der Eliminierung von Messartefakten und der Glättung der Daten. Erst danach kann die Auswertung durchgeführt werden. Zu-sätzliche Methoden können zur Verifizierung und retrospektiven Analyse der einzelnen Läufe noch nach Bedarf hinzugefügt werden. Dies sind im Folgenden: Fragebögen vor dem Lauf zur Ermittlung der allgemeinen Verfassung der Probanden und retrospektiv zur Er-kennung von subjektiven Stresssituationen, die anschließend mit den ermittelten Daten verglichen werden. Alle Läufe werden zusätzlich aus der Ego-Perspektive per Kamera (wie z. B. der GoPro) mitgeschnitten, um Blickrichtung und Wahrnehmung sowie die Wechsel-


wirkung zwischen Proband und Umwelt zu erkennen. Zusätzlich steht auch die Smartphone App „RADAR Sensing“ zur Verfügung, bei denen die Probanden GPS-gestützt positive oder negative Eindrücke direkt verorten können (vgl. hierzu ZEILE et al., 2012), die an-schließend direkt über die RADAR-Infrastruktur (MEMMEL & GROSS, 2012) in Form von Heatmaps/Density Maps ausgewertet werden können.

Weitere Visualisierungsmöglichkeiten sind in einer einfachen Variante der GPS-Visualizer (SCHNEIDER, 2011) oder der neu entwickelte GeoVisualizer (vgl. hierzu z. B. MICHEL et al., 2013). Auch eine filmbasierte individuelle Auswertung ist möglich (EXNER et al., 2012). „Das Gesamtergebnis [also die Humansensorik in der räumlichen Planung] repräsentiert somit einen Methodenmix aus deduktiv und induktiv erhobenen Raumdaten sowie aus empirischen Individualdaten“ (EXNER et al., 2012). Der Vorteil des Ansatzes ist, dass er ähnlich des Web 2.0 Gedankens mashup-fähig ist, d. h., einzelne Bausteine können immer wieder in neuen Kombinationen, angepasst auf die Fragestellung, fungieren.

4 Techniken für die Humansensorik

Im folgenden Kapitel werden die Grundzüge der jeweiligen Techniken kurz erläutert. Jede für sich liefert ein gewünschtes Teilergebnis im Zusammenhang der Humansensorik und der räumlichen Planung. Die Vision besteht zweifelsohne, diese noch solitären Techniken in Zukunft unter dem Dach einer Applikation zu bündeln.

4.1 Geoanalytische Visualisierung

Ein Online-Tool für die Visualisierung der Emotionsdaten im zeitlichen Verlauf ist der GPS-Visualizer. Er kann GPS-Daten aufgeschlüsselt nach Punkten, Tracks sowie die Höhe des Signals als KML-Datei für Google Earth visualisieren. Zur Visualisierung der Emo-tionsdaten muss dazu lediglich die Tabellenspalte „Höhe“ für den Verlauf der Emotions-kurve in der CSV-Datei angepasst werden. Für jeden Lauf muss die Prozedur auch manuell wiederholt werden. Für eine erste Visualisierung ist die Technik jedoch sehr empfehlens-wert.

Abb. 2: Bilder aus der Echtzeitumgebung des GeoVizualiser eines Testlaufes zum The-ma „Wandern und Orientierung“. Der rote Kopf des Wanderers deutet auf einen Stresspunkt im Datensatz hin (MICHEL et al., 2013a).


Eine Automatisierung dieses Vorgangs in Kombination mit weiteren Geodiensten bietet der GeoVisualizer. Dabei wird auf aktuelle Visualisierungskonzepte und -methoden aus dem Bereich Computergrafik (der Informationsvisualisierung) zurückgegriffen, die nun durch eine einfache Benutzeroberfläche auch von Nicht-Visualisierungs-Experten genutzt werden kann. Eine aussagekräftige Repräsentation ist möglich, um einen schnellen Eindruck der zugrundeliegenden georeferenzierten Daten zu bekommen (MICHEL et al., 2013a).

Der GeoVisualizer basiert auf dem NASA World Wind SDK und greift auf die 3D Virtual Globe API zurück. Weiterhin kommt die Java Web Start Technologie zum Einsatz, die auch offline nutzbar ist. Das System besitzt eine flexible und erweiterbare Anwendungs-architektur zur Darstellung von georeferenzierten 3D-Daten im Zeitverlauf. Animationen als auch die interaktive Exploration und Analyse der Daten sind dadurch möglich. Weitere Features sind 3D-Stereodarstellung sowie der „Vizualisation Wizard VizWiz“, mit dem die Darstellung der Kurven angepasst werden kann (STEFFEN et al., 2013b).

Die manuelle Auswertung der Emotionsdaten sowie die retrospektive Ermittlung der Film-abschnitte, in denen eine Emotion aufgetreten ist, stellte bisher den schwierigsten Bereich der vorgestellten Techniken dar. Der Zeitaufwand war für die Grundlagenforschung noch zu rechtfertigen. Eine Anwendung mit einer repräsentativen Probandenmenge ist in einem kurzen Zeitrahmen jedoch noch nicht möglich gewesen. Mithilfe der RADAR-Plattform, die auf die ALOE-Infrastruktur (MEMMEL & SCHIRRU, 2007) aufbaut, konnten folgende Aufgaben beschleunigt werden: (1) Automatische Synchronisation der Datensätze von GPS-Tracker, Kamera und Smartband, (2) Identifizierung der Stress Phasen eines GPS-Tracks und (3) die automatische Extraktion von Film-Snippets zum jeweiligen Stresspunkt. Die identifizierten Stresspunkte werden automatisch in einer Geo-Datenbank gespeichert und anschließend als aggregierte Heatmap visualisiert.

Mithilfe von Perl-Skripten, die auf jedem gängigen Betriebssystem lauffähig sind, ist eine web-basierte Verarbeitung der Daten möglich. Die Daten werden automatisch bereinigt und synchronisiert. Fehlen auf der Route Signale des GPS-Trackers, so hilft das Skript "GPS Interpolation“, das automatisch fehlenden Positionsdaten unter Berücksichtigung der letz-ten und nächsten bekannten Position und Zeitstempel einer identifizierten Lücke inter-poliert.

Abb. 3: Links: Identifizierte Stresspunkte eines individuellen Laufes. Rechts: die Heat-map aller Läufe. Ort der Untersuchung: Alexandria, Ägypten.


Nach der Aufbereitung der Daten wird der „StressPhaseIdentifier“ angewandt, um die in Kap. 3.1 erläuterten Stressphasen in den physiologischen Daten zu identifizieren. Zusätz-lich können für jeden Track alle identifizierten Stressphasen, statistischen Informationen sowie die durchschnittliche Länge einer Stressphase als Übersicht dargestellt werden. Zu jeder Stressphase extrahiert das Skript auch automatisch die entsprechende Filmsequenz mittels der „ffmpeg-Bibliothek“. Abschließend können alle Läufe mit den identifizierten Stressphasen durch die "GenerateHeatmapInput" Komponente zu einer Dichteberechnung der Häufung der Stresspunkte zusammengefasst und visualisiert werden. Grundlage hierfür ist eine JSON-Darstellung zur Generierung der Heatmaps im RADAR-System (Abb. 3, rechts) verwendet werden.

4.2 Videobasierte Auswertung

Die filmbasierte Auswertung ist eine qualitative Analyse, mit der die jeweiligen stressaus-lösenden Elemente retrospektiv abgeglichen werden. Durch die Zusammenführung der Messdaten in einem Video erfolgt wird die qualitative Auswertung der zurückgelegten Wegstrecke erleichtert. Die Wechselwirkungen zwischen Stressreaktion und Situation können so schneller analysiert und nachvollzogen werden. Qualitativ kann so geklärt wer-den (EXNER et al., 2012): Wann und wo eine Stressreaktion eingetreten ist? Wie (stark) eine Stressreaktion eingetreten ist? Welche Faktoren diese Stressreaktion möglicherweise ausgelöst haben?

Abb. 4: Videoanalyse (EXNER et al., 2012, Screendesign: D. Broschart)

Wie in Abbildung 4 zu sehen ist, werden so gleichzeitig Herzfrequenz, Hautleitfähigkeit und Stressreaktionen mit GPS- und Videosignal dargestellt. Bestimmte Situationen (schlechte Wegoberfläche, Orientierungsprobleme oder Ähnliches) sind so besser zu er-kennen. Ein Vorteil dieses Arbeitsschrittes ist, dass die Probanden ein „personal feedback“ bekommen, wie sie die Situation erlebt haben. Dies ist insofern wichtig, da die Teilnehmer einer solchen Studie dadurch besser zu motivieren sind. Nachteilig bei dieser Technik ist die lange Nachbereitungszeit.

4.3 Taggen mit RADAR Sensing

Zur Realisierung des Taggings (digitales Markieren eines Ortes auf einer Karte) und der damit zusammenhängenden Bewertung von speziellen urbanen Attributen wie bspw. Stadt-gestalt oder Verkehr in „gut“ und „schlecht“, wurde eine bestimmte Instanz der RADAR-Infrastruktur – das RADAR-SENSING – entwickelt. Die RADAR SENSING App läuft auf


android-basierten Geräten, und verbindet sich mit dem RADAR-Sensing-Backend, wo alle Informationen wie Benutzerdaten, die Beiträge der Benutzer, etc. in einer entsprechenden Datenbank gespeichert werden. Als Austauschformat wurde wiederum JSON gewählt. Nach einer Registrierung im RADAR-SENSING Web Frontend und der Installation der RADAR SENSING App können die User positive und negative Bewertungen für eine Reihe von vordefinierten Kategorien abgeben. Optional kann auch eine freie Kategorie eingegeben werden. Daraufhin lokalisiert die App die Position des Benutzers mithilfe von mehreren Sensoren (vorzugsweise GPS) und zeigt diese Position auf einer Karte an. Falls eine Lageungenauigkeit besteht, haben die Benutzer die Möglichkeit, diese Position zu ändern. Interessant für die planenden Disziplinen ist hierbei wiederum die interaktive He-atmap der markierten Punkte. Der Benutzer kann dort wählen, welche Attribute für die Erzeugung der Heatmap berücksichtig werden. Weiterhin ist es möglich, sich auch nur eine gewisse Zeitspanne anzeigen zu lassen oder die Generierung der Heatmap in Echtzeit zuzu-lassen.

5 Projekte

Nachfolgend werden einige Projekte aufgezeigt, die das Thema der Humansensorik und der dadurch erstellten Karten (umgangssprachlich „emomaps“) im Einsatz für die räumliche Planung näher erläutern.

5.1 Analyse von Barrierefreiheit

Das Thema „Barrierefreiheit“ erlangt im Rahmen von Neuplanungen eine immer stärkere Bedeutung. Menschen sollen unabhängig von einer eventuell vorhandenen Behinderung oder Mobilitätseinschränkung Gegenstände, Medien und Infrastruktur uneingeschränkt nutzen können. Bei der Gestaltung des öffentlichen Raumes verschiedene Probleme der „Accessibility" ergeben. Eine neue und objektive Form der Messung der Barrierefreiheit von Infrastrukturen liegt im oben beschriebenen Ansatz des „emotional mappings“ oder des „Menschen als Messfühlers“ an. Ein Experiment zur Barrierefreiheit wurde in Kirchheim-bolanden, mit einer Elektro-Rollstuhlfahrerin, einer Sehbehinderten, Kinderwagenfahrer und einer „non-handicapped“ Referenzperson durchgeführt (vgl. zu dieser Studie ausführ-licher BERGNER & ZEILE, 2012).

Nach einer städtebaulichen Aufwertung wurde eine bestimmte Route nochmals auf ihre Barrierefreiheit hin überprüft: Zum einen wurde eine Untersuchung nach DIN 18024 „Bar-rierefreies Bauen“ und DIN 32984 „Bodenindikatoren im öffentlichen Raum“ als Refe-renzvergleich durchgeführt, zum anderen konnten Stresspunkte der Barrierefreiheit im öffentlichen Raum ermittelt werden.

Innerhalb des Stadtraumes konnten so eine Reihe von Hotspots identifiziert werden und wurden anschließend nochmals vor Ort anhand der DIN-Vorschriften überprüft, um abzu-gleichen, ob entweder ein Planungsfehler vorliegt, die Barriere eventuell temporär oder allein persönlicher Natur war. Beispielsweise war ein Sektor im Südwesten des Untersu-chungsraums eine Fußgängerzone, die durch ihr unterschiedliches Kopfsteinpflaster und temporären Barrieren wie Außenaufstellern des Einzelhandels, in der die Probanden mehr oder weniger stark beeinflusst wurden. Je nach Art der Behinderung lassen sich individuel-


le Stresskarten erstellen (Abb. 5). Die Ergebnisse wurden anschließend öffentlich präsen-tiert und diskutiert.

Abb. 5: Ermittelte Stresspunkte von E-Rollstuhlfahrerin, Sehbehinderte, Mutter mit Kin-derwagen (BERGNER & ZEILE, 2012)

5.2 Orientierung auf Wanderwegen

In diesem Projekt sollten sowohl der Erholungswert, die Orientierung als auch allgemein die Qualität von Wanderwegen, hier im Speziellen eines „Premium Wanderweges“, unter-sucht werden. 22 Studierende sollten anhand einer offiziellen Karte eine ihnen unbekannte Route durch den Pfälzer Wald erwandern. Der Weg ist gekennzeichnet durch lichten und dunklen Wald, verschiedene Steigungs- und Gefällesituationen, Wegbreiten, Bodenbe-schaffenheiten sowie einen markanten Aussichtspunkt und gilt damit als „abwechslungs-reich“ laut den Qualitätskriterien „Qualitätsweg Wanderbares Deutschland“ (vgl. EXNER et al., 2012).

Abb. 6: Physisches Belastungs- und Erregungsniveau eines Probanden, erstellt mit GPS-Viualizer (rechts), Dichtekarte Stresssignale und markierte fehlende Wege-markierungen mit blauem Pfeil identifiziert (EXNER et al., 2012)


Für die Analyse wurde hier eine kartenbasierte Darstellung der Stresspunkte der Testperso-nen herangezogen. Unter Zuhilfenahme aller Läufe kann eine Dichtekarte aller Stressreak-tionen erstellt werden. Die Abbildungen 6 zeigen den Hautleitfähigkeitslevel einer Proban-din sowie auch eine Dichtekarte aller ausgelösten Stresssignale während des circa einstün-digen Parcours. Die Hautleitfähigkeitskurve (Abb. 6 links) beschreibt das physische Bela-stungs- und Erregungsniveau der Probandin. Die Dichtekarte (Abb. 6 rechts) beschreibt die Überlagerung aller gemessenen Stresssignale aller Probanden auf dem Parcours. Gleichzei-tig können die einzelnen Läufe entweder in Echtzeit mit dem GPS-Visualizer (Abb. 6 links) oder mit der retrospektiven Videoanalyse (Abb. 3) noch auf die speziellen Eigenhei-ten hin untersucht werden. Schlecht markierte Weggabelungen (Abb. 6. rechts; markiert mit Pfeil) und Hindernisse lösten die meisten negativen Reaktionen aus. Innerhalb des Experimentes konnte anhand der Daten beobachtet werden, wie sich ein Proband verläuft, was Stress auslöste (für mehr Ergebnisse s. EXNER et al., 2012).

5.3 Wirkung von Lärm

Das Ziel dieser Studie (BERGNER et al., 2012) war es, Rückzugs- und Erholungsgebiete vor dem Hintergrund der EU-Umgebungslärmrichtlinie mithilfe von psychophysiologischen Messungen zu identifizieren. Die Hypothese dahinter war, dass in einer Stadt qualitative Rückzugsgebiete mit einem hohen Erholungswert auch durch qualitativ hochwertige Ge-staltung entstehen, obwohl der Lärm die in der Richtlinie festgelegten Grenzwerte über-steigt.

Folgende Parameter wurden in der Studie verglichen: Eine prognostizierte Lärmbelastung (quantitative Modellierung mit Immissionsschutzsoftware), die tatsächliche Lärmbelastung (quantitative und qualitative Messung mit Lärmpegel-Messgerät), die emotionale Belastung mittels Smartband, subjektive Eindrücke über die RADAR SENSING App sowie das sub-jektive Empfinden über einen ICBEN-Fragebogens (International commission on biologi-cal effects of noise), der die Wahrnehmung der Lärmbelastung beschreibt. Alle Probanden wurden während der Messung zusätzlich mit Kamera aufgezeichnet. Erster Schritt war eine Freiraumanalyse der Stadt Kaiserslautern, um potenzielle Bereiche mit hoher Eignung für ruhige Erholung zu identifizieren.

Abb. 7: Qualitative Analyse der Geräusche an der Messstation „Volkspark“ (BERGNER et al., 2012) und getaggte Eindrücke der Probanden zum Thema Lärm innerhalb der Stadt (ZEILE et al., 2012)


In der Phase der Datenerhebung mit dem SMART-Band wurde zusätzlich der Lärm vor Ort gemessen. Interessant hierbei war, dass nicht eine dauerhaft kontinuierliche hohe Lärmbe-lastung als störend empfunden wurde, vielmehr waren punktuelle Lärmereignisse proble-matisch. Bei einer relativ hohen Grundbelastung war z. B. eher ein nochmals verstärkendes Geräusch (Rasenmäher) Stressauslöser (Näheres zur Studie bei BERGNER et al., 2012). Gleichzeitig lieferte die app-gestützte Analyse über die RADAR SENSING App weitere wichtige Hinweise, welche Punkte innerhalb der Stadt die Studienteilnehmer positiv als auch negativ im Kontext der selbstbewerteten Lärmbelastung identifiziert haben.

6 Fazit und weiterer Forschungsbedarf

Der hier vorgestellte Ansatz des Einsatzes der Humansensorik in der räumlichen Planung mit den zugehörigen Techniken und den realisierten Projekten zeigt deutlich auf, welche Potenziale in diesem zwar noch experimentellen, aber menschzentrierten Ansatz liegen. Die Einsatzbereiche sind vielfältig und bis dato nicht abschließend formuliert. Gerade im Bereich der Landschaftsarchitektur, bei der Aufwertung von ungeordneten räumlichen Situationen kann dieser Ansatz eine Erfolgskontrolle in Form eines Vorher-Nachher Ver-gleichs darstellen (räumliches Monitoring).

Stärken besitzt die Humansensorik vor allem in den Bereichen der Überprüfung von Leit-systemen und der Orientierung im Raum, aber auch im Bereich der Verkehrsplanung. Die Experimente zum Thema Barrierefreiheit zeigen auf, dass die erlebten (und gefühlten) Beeinträchtigungen im Stadtraum besonders gut zu messen und zu identifizieren sind. Schwierige Kreuzungssituationen mit dem Begegnungsfall Kfz-Mensch konnten so nach-gewiesen werden. Schwächen des Ansatzes liegen bis dato immer noch in der noch ausbau-fähigen Auswertungsprozessen. Jedoch zeigen die oben beschriebenen technischen Lö-sungswege in die richtige Richtung. Die Bearbeitungsdauer konnte bei gleichzeitiger Pro-duktion einer größeren Quantität und Qualität der Daten so schon erheblich verkürzt wer-den. Für validere Ergebnisse und aufgrund der komplexen Wechselwirkungen zwischen Raum und Mensch, besteht die Notwendigkeit die Teilnehmerzahl für weitere Studien die Teilnehmerzahl deutlich zu erhöhen. Das zukünftige Ziel wird sein, Datensätze effektiver zu analysieren und mittelfristig die Ergebnisse in Echtzeit zu verarbeiten und zu visualisie-ren. Die Bausteine dazu sind definiert, deren Zusammenführung bestimmt die nächsten Arbeitsschritte.

Literatur und Internetquellen

Affekte Wissenschaften (2011), http://www.affective-sciences.org/themes-common/ public_img-files/pdf/NCCR_FLYER_D.pdf.

Bergner, B. S., Zeile, P., Papastefanou, G. & Rech, W. (2011), Emotionales Barriere-GIS als neues Instrument zur Identifikation und Optimierung stadträumlicher Barrieren. In: Strobl, J., Blaschke, T. & Griesebner, G. (Hrsg.), Angewandte Geoinformatik 2011. Berlin/Offenbach, Wichmann Verlag, 430-439.


Bergner, B., Exner, J.-P., Zeile, P. & Rumberg, M. (2012), Sensing the City – How to iden-tify Recreational Benefits of Urban Green Areas with the Help of Sensor Technology. In: Schrenk, M., Popovich, V. & Zeile, P. (Eds.), Proceedings REAL CORP 2012. Wien.

Bergner, B. & Zeile, P. (2012), Ist Barrierefreiheit messbar? In: PlanerIn – Thema Ge-sundheit, 2/2012.

Campell, A. T., Eisenmann, S. B., Lane, N. D., Miluzzo, E. & Peterson R. A. (2006), Peo-ple-centric urban sensing. In: Proceedings of the 2nd annual international workshop on Wireless internet. Boston, Massachusetts: ACM, 18.

Exner, J.-P., Bergner, B. S, Zeile, P. & Broschart, D. (2012), Humansensorik in der räum-lichen Planung. In: Strobl, J., Blaschke, T. & Griesebner, G. (Hrsg.), Angewandte Geo-informatik 2012. Berlin/Offenbach, Wichmann Verlag, 690-699.

Goodchild, M. F. (2007), Citizens as Sensors: the World of Volunteered Geography. In: Geo-Journal, 69 (4), 211-221.

Kreibig, S. D. (2010), Autonomic nervous system activity in emotion: A review. In: Biolog-ical Psychology, 84 (3), 394-421.

Lane, N. D, Eisenman, S. B., Musolesi, M., Miluzzo, E. & Campbell, A. T. (2008), Urban sensing systems: opportunistic or participatory? In: Proceedings 9th workshop on Mo-bile computing systems and applications. Napa Valley, CA: ACM, 2008, 11-16.

Memmel, M. & Groß, F. (2011), RADAR – Potentials for Supporting Urban Development with a Social Geocontent Hub. In: Schrenk, M., Popovich, V. V. & Zeile, P. (Eds.), Proceedings REAL CORP 2011, Schwechat, 777-784. ISBN 978-3-9503110-1-3.

Memmel, M. & Schirru, R. (2007), ALOE – A Socially Aware Learning Resource and Metadata Hub. In: Wolpers, M., Klamma, R. & Duval, E. (Eds.), Proceedings of the EC-TEL 2007 Poster Session. CEUR workshop proceedings.

Michel, F., Steffen, D., Bergner, B., Exner, J.-P. & Zeile, P. (2013), A New Approach in the Visualization of Georeferenced Sensor Data in Spatial Planning. In: Schrenk, M., Po-povich, V. V., Zeile, P. & Elisei, P. (Eds.), Proceedings REAL CORP 2013.

Michel, F., Steffen, D., Bergner, B., Exner, J.-P. & Zeile, P. (2013), GeoVisualizer – Ein neuer Ansatz zur Visualisierung von Sensordaten im raumplanerischen Kontext. AGIT 2013.

Nold, C. (2009), Emotional Cartography – Technologies of the Self. Published under Crea-tive Commons License. ISBN 978-0-9557623-1-4S.

O’Reilly, T. (2005), What is the Web 2.0? Design Patterns and Business Models for the Next Generation of Software.

Papastefanou, G. (2009), Ambulatorisches Assessment: eine Methode (auch) für die Empi-rische Sozialforschung. In: Weichbold, M., Bacher, J. & Wolf, C. (Hrsg.), Umfragefor-schung: Herausforderungen und Grenzen. Österreichische Zeitschrift für Soziologie, Sonderheft, 9. Wiesbaden, VS Verl. für Sozialwiss., 443-469.

Resch, B., Zipf, A., Breuss-Schneeweis, P., Beinat, E. & Boher, M. (2012), Towards the Live City – Paving the Way to Real-time Urbanism. In: International Journal on Advan-ces in Intelligent Systems, 5 (3&4), 470-482.

Schneider, A. (2011), GPS-Visualizer. www.gpsvisualizer.com. Steffen, D., Michel, F., Bergner, B., Exner, J.-P. & Zeile, P. (2013), GeoVisualizer – Ein

neuer Ansatz zur Visualisierung von Sensordaten im raumplanerischen Kontext. AGIT 2013.


Streich, B. (2011), Stadtplanung in der Wissensgesellschaft: ein Handbuch. 2. Auflage. Wiesbaden, VS Verlag.

Weiser, M. (1991), The Computer for the 21st Century. Scientific American, 265. Wetter, M. (2009), Sensorbasierte Datenerfassung im Dienst der Gesellschaft. Fachsemi-

nar Verteilte Systeme, ETH Zurich's Distributed Systems Group, Zürich. http://www.vs.inf.ethz.ch/edu/FS2009/DS/berichte/ds2009_matthiaswetter.pdf (Zugriff: 26.7.2010).

Zeile, P. (2010), Echtzeitplanung – Die Fortentwicklung der Simulations- und Visualisie-rungsmethoden für die städtebauliche Gestaltungsplanung. Dissertation, TU Kaisers-lautern.

Zeile, P. (2011), Städtebauliche Methodenentwicklung mit GeoWeb und Mobile Computing – Untersuchung über die Fortentwicklung des städtebaulichen und raumplanerischen Methodenrepertoires angestoßen durch technologische Neuerungen im Internet. Web-log des Forschungsprojektes. TU Kaiserslautern, Fachgebiet CPE, Prof. Streich, Kai-serslautern, 2011. http://geoweb.arubi.uni-kl.de/ (Zugriff: 5.3.2013).

Zeile, P., Exner, J.-P. & Streich, B. (2009), Humans as Sensors? The Measurement of Physiological Data in Urban Areas and Its Possible Use for Urban Planning. 11th In-ter-national Conference on Computers in Urban Planning and Urban Management (CUPUM), Hong Kong.

Zeile, P., Memmel, M. & Exner, J.-P. (2012), A new urban sensing and monitoring ap-proach: Tagging the city with the RADAR SENSING App. In: Schrenk, M., Popovich, V. V. & Zeile, P. (Eds.), Proceedings REAL CORP 2012. Wien.

new humansensorik und kartierung von emotionen in der...

Documents