| Kalvokäyttöliittymät | | | Sovellukset | | | Tekniikkaa | | | Yhteystiedot | | | In English |
Tällä sivulla kerrotaan sovellustemme teknisistä ratkaisuista ja laitteistoista, joita olemme toteutuksiin tarvinneet.
Jokapaikan sovellusten taustalle tarvitaan usein paljon laitteistoa, useiden tekniikoiden yhdistämistä ja erilaisia algoritmeja. Monet tekniikat ovat usein vaikeampia ratkaista ja toteuttaa kuin niitä hyödyntävät sovellukset. Alla kerrotaan muutamista niistä haasteita, joita olemme joutuneet ratkomaan rakentaessamme sovelluksiamme.
Sensori pystyy tunnistamaan sen päällä tapahtuvia painevaihteluita. Ohi kulkevan henkilön askeleen tuottama paineenvaihtelu on erilaista kuin sensorimaton päällä seisovan henkilön. Sovelluksillemme on ollut tärkeätä saada mahdollisimman nopeasti, eli lähes reaaliaikaisesti, toimiva tunnistus. Tunnistusalgoritmeista on myös pyritty rakentamaan kevyitä, jotta niitä voisi ajaa useampia yhtäaikaa, ja rajatummilla resursseilla.
Askeltapahtuman tyypin tunnistamisen lisäksi on olennaista saada selville paikka sekä mahdollisen askeleen suunta. Näitä tietoja käytetään hyödyksi henkilöiden paikannuksessa, joka on keskeinen tieto monelle eri jokapaikan tietotekniikan sovellukselle.
Näyttelyopassovelluksen on tärkeä saada selville, milloin joku pysähtyy näyttelyesineen kohdalle. Opastussovelluksen tarvitsee ymmärtää missä ja mihin suuntaan opastettava on kävelemässä. Läsnäolosovellus haluaa tietää missä kukin on milläkin hetkellä.
Henkilöiden tunnistaminen on toinen keskeisimmistä edellytyksistä oikean palvelun tarjoamiseksi. Ihmisiä voidaan tunnistaa suoraan esimerkiksi puhujantunnistuksen tai askelpiirteiden pohjalta, sekä välillisesti puheen sisällön tunnistuksen tai heidän henkilökohtaisen tietokoneensa aktiivisuuden perusteella. Yksittäisten tunnistustulosten luotettavuus on vaihteleva, ja usein heikkokin, mutta yhdistelemällä erilaisia tietolähteitä voidaan saada aikaan luotettaviakin tuloksia.
Puhujantunnistusta tapahtuu puhesovelluksia käytettäessä. Käyttäjän antamasta puhesyötteestä irroitetaan piirteitä, joita tilastollisin keinoin verrataan heistä tehtyihin malleihin. Esimerkiksi henkilön lähettäessä viestiä kolleegalleen, tavallisen sovelluksen toiminnan vaatiman puheen ymmärtämisen (=pyyntö lähettää viesti työtoverille) ohessa muodostetaan puhekomentoon käytetystä ääninäytteestä piirteet, joita verrataan aiemmin muodostettuihin malleihin. Tämän tiedon perusteella voidaan kertoa vastaanottajalle kuka oli tiedon lähettäjä. Samalla saadaan myös selville missä kyseinen puheviestin lähettänyt henkilö oli lähetyshetkellä.
Askelpiirteiden pohjalta käyttäjiä voidaan myös tunnistaa, sillä jokaisen ihmisen tapa kävellä on hieman erilainen. Askelpituus ja nopeus vaikuttavat, kuten myös ruumiinrakenne ja kävelytyyli, jolloin maata koskettavat jalan osat korostuvat paineenvaihteluina eri tavoin. Aivan kuten puhujan- ja puheentunnistuksenkin yhteydessä, kerättyä dataa verrataan aiemmin muodostettuihin malleihin.
Puheen sisältö saattaa myös kertoa kuka on kyseessä. Yksinkertaisimmillaan tämä tulee esille opastussovelluksessa (aivan kuten Ovimiehessäkin), jossa ovella oleva henkilö sanoo oman nimensä. Tätä väittämää voidaan tarkistaa vertaamalla sitä aiemmin tehtyihin malleihin puhujantunnistuksen keinoin. Erilaiset salasanat ovat myös mahdollisuus selvittää ja varmistaa henkilön identiteetti. Puhekäyttöliittymän avulla voidaan myös tehdä tärkeätä virheistä selviytymistä, jolloin henkilö voi korjata järjestelmän tekemiä tunnistusvirheitä, aivan kuten luonnollisessakin keskustelussa.
Nykyään monella ihmisellä on oma henkilökohtainen tietokoneensa, tai jopa useita. Monen käyttäjän tietokoneissakin on yleensä käytössä henkilökohtainen käyttäjätunnus. Tämä identiteetti voidaan välittää paikannus- ja identiteettitietona muiden sovellusten käyttöön. Ryhmällämme on käytössä eräs sovelluskomponentti, joka seuraa tietokoneen näppäimistöltä ja hiireltä saatavaa aktiviteettia. Näin voimme päätellä onko joku käyttänyt tietokonettaan esimerkiksi viimeisen viiden minuutin sisällä, ja tehdä siltä pohjalta päätelmiä henkilöiden läsnäolosta. Sovelluksella on myös mahdollista päätellä jotain työtehtävistä käytössä olevien sovellusten pohjalta, ja siten tehdä päätelmiä mm. siitä saako henkilöä häiritä kyseisellä hetkellä.
Henkilöä opastettaessa täytyy muodostaa järjestelmässä olevan tilakuvauksen perusteella selkokieliset ohjeet paikasta toiseen pääsemiseksi. Lisäksi opastuksen täytyy osata reagoida opastettavan henkilön liikkeisiin ja reittivalintoihin, sekä tarvittaessa kertoa hänen tekemistään vääristä suuntavalinnoista.
Tilakuvaus kertoo opastettavan paikan muodoista, kulkureiteistä, mittasuhteista ja paikkojen merkityksistä. Se on kokoelma käytäviä, huoneita ja ovia, kulkumahdollisuuksista niiden välillä, ja tietoja siitä mihin kutakin tilaa käytetään ja keitä siellä työskentelee jne. Tämän käsitteellisen kuvauksen sisällä täytyy saada selville paras mahdollinen kulkureitti kahden eri pisteen välillä, ja muodostaa tästä reitistä selkokielinen kuvaus, joka vuorostaan kerrotaan opastettavalle henkilölle. Reitinvalintaan vaikuttavat useat tekijät, kuten reitin pituus, opastettavuuden helppous ja opastettavan henkilön erityistarpeet, esimerkiksi liikuntarajoitteet tai heikentynyt näkökyky.
Kuvaus voi olla sanallinen opastus, jossa pyydetään kulkemaan joidenkin maamerkkien avulla, valitsemaan vaikkapa kolmas ovi vasemmalta tai nousemaan seuraavaan kerrokseen. Kuvaus voidaan jakaa osiin, jolloin ohjeita kerrotaan lisää sen mukaan miten henkilö etenee valitulla reitillä. Kuvaus voi olla myös majakan tapainen merkkiääni, jota tuotetaan eri paikoissa reitin varrella opastettavan henkilön seurattavaksi. Näitä tekniikoita voi myös yhdistää sujuvamman ja luotettavamman opastuksen saavuttamiseksi.
Puhekäyttöliittymissä, kuten museosovelluksessa tai opastussovelluksissa, on puheena esitettävä tieto usein niin ennalta-arvaamattomissa ja sisällön vaihtoehdot niin monimuotoisia, ettei kaikkea sisältöä voida mitenkään etukäteen kirjoittaa auki. Monikerroksinen ja monimutkainen rakennus sisältää niin monta reittimahdollisuutta ja reitinkorjausmahdollisuutta, että tilaa tai opastusta ei voida mallintaa muutamalla lausevaihtoehdolla. Näyttelyopassovelluksen täytyy hallita niin useita näyttelyesineitä, että on lähes mahdotonta kirjoittaa selkokielisesti jokaista vaihtoehtoista opastusta etukäteen. Jokaisesta esineestä on runsaat määrät erilaisia lisätietoja, ristiinviittauksia eri esineiden ja niiden lisätietojen välillä. Lisäksi näyttelyvieraan henkilökohtaiset mielenkiinnon kohteet ja reittivalinnat näyttelyn sisällä ovat moninaiset ja ennalta arvaamattomat.
Sisältö täytyy tällöin muodostaa dynaamisesti käsitekarttojen ja sääntöjen pohjalta. Käsitteiden suhteet toisiinsa, niiden valintojen säännöt ja kielen rakenteen ja muodon säännöt kertovat miten irrallisista palasista muodostetaan lauseita ja virkkeitä, jotka voidaan syntetisoida näyttelyvieraan kuultavaksi.
Jokapaikan tietotekniikassa tarvitaan usein monenlaisia sensoreita, jotka mittaavat yksinkertaisia asioita monissa eri paikoissa sovellusympäristöään. Alla esittelemme muutamia niistä laitteistoista, joilla sovelluksemme aistivat ympäristöään.
Tunnistaaksemme askeleita, meidän on voitava mitata paineenvaihtelua kävelevän ihmisen ja lattian välillä (ground reaction force). Paineenvaihtelua mittaamme EMFi-teknologiaan perustuvien sensorimattojen ja niiltä saatua signaalia mittaavan mittakortin avulla.
Tiloihimme on asennettu seitsemän sensorimattoa, jotta tiloja voidaan seurata sovellusten kannalta tarpeeksi kattavasti ja tarkasti. Sensorimatot muodostuvat yhdeksän sensorin matriiseista. Jokainen sensori on pysyvästi varattu monikerroksinen elektreettikalvo, joka muuntaa esimerkiksi askeleen aiheuttaman mekaanisen rasituksen sähköenergiaksi. EMFi-kalvo on erittäin herkkää, ja sitä voidaan käyttää haluttaessa myös mikrofonina. Sensorien tuottama sähköenergia välitetään vahvistimien kautta tiedonkeruukortille, joka välittää sen eteenpäin tietokonesovelluksille.
Tiedonkeruukorttimme on National Instruments PCI-6033E -mallia. Seitsemässä matossamme on kussakin yhdeksän sensoria, joten meidän tarvitsee pystyä seuraamaan yhtä aikaa 63:a kanavaa. Näytteenottotaajuuden tarve vaihtelee sovelluksesta riippuen.
Äänentoistoon käytetään tavallisia mikrotietokoneisiin liitettyjä äänikortteja ja kaiuttimia, mutta myös ympäristöön upotettuja Panphonics-äänielementtejä, joille ääni ohjataan ääntä tuottavalta palvelimelta tavanomaisten kotistereovahvistimien kautta. Näitä monoäänielementtejä on ympäristöön asennettuna yhteensä 11 kappaletta, joten vahvistimiakin tarvitaan kourallinen. Panphonics- elementit perustuvat samaan EMFi-kalvoteknologiaan kuin sensorimatotkin, mutta ne muuttavat sähkövirtaa mekaaniseksi liikkeeksi. Äänielementeille syötetään tavallista äänisignaalia, jonka äänielementit muuntavat ääneksi.
Panphonics-äänielementit ovat erittäin ohuita ja kevyitä, joten niitä on helppo upottaa huomaamattomasti ympäristöön: seiniin, kattoon jne. Elementtejä olisi mahdollista myös pinnoittaa, jolloin ne voisivat toimia julisteina, mainoskyltteinä tai vaikkapa valkokankaana. Panphonics-äänielementit ovat myös erittäin suuntaavia, jolloin voidaan kohdentaa ääntä vain tietylle alueelle, mistä on etua erityisesti opastussovelluksessamme.
Ääntä kaappaamme aivan tavallisilla mikrofoneilla, jotka on yhdistetty henkilökohtaisiin tietokoneisiin. Äänenkaappaus onnistuu myös EMFi-kalvoteknologian avulla, joskaan tätä ominaisuutta emme ole ottaneet käyttöön sovelluksissamme.
