Inhalte interaktiver, online basierter Karten werden nicht zentral, sondern von vielen Nutzern gleichzeitig erstellt. Diese können beispielsweise eigene Marker setzen, um ein bestimmtes Ereignis auf der Karte zu verorten. Ein aktuelles Beispiel ist die Karte zur Ausbreitung des Coronavirus (https://healthmap.org/wuhan/). Ab einer bestimmten Häufung von Symbolen werden diese Marker-Karten jedoch, je nach Darstellungsmaßstab, unübersichtlich und fast unlesbar. Wichtige Informationen gehen so verloren. Ein Forschungsprojekt an der HCU soll nun die Lesbarkeit nutzergenerierter Karten verbessern.
Durch nutzergenerierte Einträge lasse sich die Daten- und Informationsbasis einer Karte deutlich vergrößern, sagt Prof. Dr. Jochen Schiewe von der HCU. Der Bereich Public Health sei nur ein Anwendungsfall von vielen, der zeige, wie wichtig es sei, dass die so generierten Informationen auch wirklich lesbar und damit zugänglich seien. Prof. Dr. Schiewe leitet das Labor für Geoinformatik und Geovisualisierung (g2lab) an der HCU, an dem das Projekt Tovip angesiedelt ist. Tovip steht für „Improvement of task-oriented visual interpretation of VGI point data”. Die Deutsche Forschungsgemeinschaft (DFG) fördert das Projekt für drei Jahre im Rahmen des DFG-Schwerpunktprogramms „Volunteered Geographic Information (VGI): Interpretation, Visualisation and Social Computing“. Bearbeitet wird das Forschungsvorhaben von M. Sc. Martin Knura, wissenschaftlicher Mitarbeiter im Bereich Geoinformatik an der HCU.
Marker-Häufungen sind ein klassisches Problem der Kartographie, welches oft durch Aggregation oder schlichtes Weglassen einiger Marker gelöst wird: Die von den Nutzern bereit gestellten Informationen werden sozusagen zusammengefasst. Durch diese Generalisierungen können aber unter Umständen räumliche Eigenschaften verfälscht oder gar verloren gehen. Beispielsweise kann es passieren, dass wichtige Ausreißer oder regionale Unterschiede von Marker-Häufungen einfach ‚wegrationalisiert‘ werden. Im Projekt Tovip wird daher untersucht, wie sich signifikante räumliche Eigenschaften zunächst identifizieren und dann die Visualisierung so anpassen lässt, dass diese Muster auch tatsächlich erhalten bleiben. In Nutzerstudien sollen die entwickelten Methoden anschließend auf ihre Praxis- und Anwendertauglichkeit getestet werden.
Weitere Informationen unter www.hcu-hamburg.de