Υλοποίηση εφαρμογής Android με υπηρεσίες εντοπισμού θέσης και μηχανικής μάθησης για την υποβοήθηση επισκεπτών μουσείου

Κουβατζής, Κωνσταντίνος; Kouvatzis, Konstantinos

dc.contributor.author	Κουβατζής, Κωνσταντίνος	el
dc.contributor.author	Kouvatzis, Konstantinos	en
dc.date.accessioned	2018-07-25T08:00:07Z
dc.date.available	2018-07-25T08:00:07Z
dc.date.issued	2018-07-25
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47406
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15489
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Εφαρμογή μουσείου	el
dc.subject	Τοποθεσία	el
dc.subject	Εφαρμογή κινητού τηλεφώνου	el
dc.subject	Παιχνιδοποίηση	el
dc.subject	Beacon	el
dc.subject	Indoor positioning	el
dc.subject	Android	el
dc.subject	Machine learning	el
dc.subject	Gamification	el
dc.title	Υλοποίηση εφαρμογής Android με υπηρεσίες εντοπισμού θέσης και μηχανικής μάθησης για την υποβοήθηση επισκεπτών μουσείου	el
heal.type	bachelorThesis
heal.classification	Επιστήμη υπολογιστών	el
heal.classification	Πληροφορική	el
heal.classificationURI	http://data.seab.gr/concepts/77de68daecd823babbb58edb1c8e14d7106e83bb
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-03
heal.abstract	Η παρούσα διπλωματική στοχεύει στην ανάπτυξη μιας εφαρμογής, η οποία θα λειτουργεί ως μέσο για να βοηθήσει τον χρήστη της να αποκτήσει μια καλύτερη εμπειρία – πέρα από την παραδοσιακή – στον χώρο του Μουσείου Μπενάκη. Η χρήση του κινητού τηλεφώνου ενδείκνυται για αυτήν την προσέγγιση, καθώς αποτελεί ένα μη συμβατικό μέσο. Η εφαρμογή δεν έχει όμως ως μόνο στόχο το να κάνει μια επίσκεψη σε ένα μουσείο πιο ευχάριστη, αλλά στοχεύει και στο να βελτιώσει την κατανόηση και αφομοίωση των πληροφοριών που παρέχονται στο μουσείο. Αυτό επιτυγχάνεται μέσα από τα παιχνίδια της κατηγορίας <<σοβαρού σκοπού>> (serious games). Η αναλυτική ανασκόπηση της βιβλιογραφίας που προηγείται του κυρίως μέρους της εργασίας καλύπτει τις βασικές πτυχές της διαδικασίας ανάπτυξης λογισμικού, των τεχνολογιών που εξετάστηκαν και τα βασικά σημεία της υλοποίησης της εφαρμογής. Η εφαρμογή έχει σχεδιαστεί έτσι ώστε να λειτουργεί στις συσκευές κινητών τηλεφώνων που χρησιμοποιούν το λογισμικό Android, ενώ για την ανάπτυξή της χρησιμοποιήθηκε η γλώσσα προγραμματισμού Java. Στο πλαίσιο της διπλωματικής υλοποιήθηκε αρχικά το γραφικό περιβάλλον του χρήστη της εφαρμογής. Στο ξεκίνημα, οι οθόνες υλοποιήθηκαν στατικά και στη συνέχεια τροποποιήθηκαν έτσι ώστε να υποστηρίζουν μια τοπική βάση δεδομένων τύπου SQLite. Πλέον όλα τα στοιχεία της εφαρμογής περιέχονται στη βάση δεδομένων και φορτώνονται στο γραφικό περιβάλλον δυναμικά. Στην συνέχεια υλοποιήθηκε ο εντοπισμός της τοποθεσίας του χρήστη στο μουσείο. Για να επιτευχθεί αυτό, εξετάστηκαν διάφορες τεχνολογίες, όπως τα beacons, αλλά και η χρήση του μαγνητικού πεδίου της γης, μέσω της τεχνολογίας που παρέχει η Indoor Atlas. Η χρήση της τεχνολογίας Indoor Atlas οδηγούσε σε λιγότερο κόστος και σε ικανοποιητικά αποτελέσματα, όταν χρησιμοποιούνταν στη συσκευή στην οποία σχεδιάστηκε. Ωστόσο, όταν ελέχθηκε σε διαφορετικές συσκευές, η απόδοση και η ακρίβειά της μειώθηκε αισθητά. Από την άλλη πλευρά, η τεχνολογία των beacons προσέφερε από την αρχή τα ίδια σχεδόν ικανοποιητικά αποτελέσματα σε όποια συσκευή και αν εξετάστηκε. Συνεπώς, για την τελική υλοποίηση επιλέχθηκε η τεχνολογία των beacons για λόγους απόδοσης. Εξαιτίας όμως του γεγονότος ότι σε μερικές περιπτώσεις η τεχνολογία των beacons δεν απέδιδε ικανοποιητικά, αποφασίστηκε να υλοποιηθεί και ένας εναλλακτικός τρόπος εντοπισμού της τοποθεσίας του χρήστη. Ο τρόπος, που επιλέχθηκε, ήταν η αναγνώριση της εικόνας των εκθεμάτων με τη χρήση της μηχανικής εκμάθησης μέσω του εργαλείου Tensorflow. Για την υλοποίησή της, έγινε επανεκπαίδευση του τελευταίου layer ενός ήδη υπάρχοντος συνελιξιακού μοντέλου. Η τελική ακρίβεια που επιτεύχθηκε πλησίασε το 100% κυρίως λόγω του ότι οι εικόνες που θέλουμε να αναγνωρίσουμε είναι συγκεκριμένες. Παρόλα αυτά, νέα χαρακτηριστικά και βελτιώσεις μπορούν να προστεθούν στο μέλλον, έτσι ώστε να ενισχυθεί η εμπορικότητά της.	el
heal.abstract	This thesis targets the development of an mobile app, that will function as a mean to help the user gain a better experience at the Benaki Museum. The use of mobile phones is indicated for this approach since it is a non conventional mean. This app does not have as a single target the improvement of a museum visit but also targets the improvement of the understanding and the absorption of the information presented at the museum. This is accomplished through the category of games called serious games. An analytical sum of the references that proceeds the main part of the thesis covers the main targets of the app, the basic technologies used and the main points of the implementation of the app. The app is designed for mobile devices which run the android software and for the development of the app the programming language Java was used. In the scope of this thesis the graphical user interface was first created. At first, the screens were created from a static content but afterwards they were modified to support a local SQLite database. Now all the contents of the app are saved in the database and are loaded dynamically when needed. Afterwards the location of the user’s position into the museum was implemented. For this purpose, multiple technologies were examined such as the beacons and the magnetic field of the earth, through the technology offered from Indoor Atlas. The use of the Indoor Atlas technology led to fewer expenses and sufficient results when it was designed and tested on the same device. But when it was designed and tested on different devices the accuracy was not the same. On the other hand, the technology of beacons showed the same results from the beginning no matter the device. So, for the final implementation of the app it was decided that the beacons were the best fit. Due to the fact that in some cases beacons were not performing as expected, it was desided to implement another alternative way of locating the user’s position at the museum. The selected way was the image recognition with the help of machine learning and the software of Tensorflow. For the implelmentation, the last layer of an already trained convolutional neural network was retrained. The final accuracy was very close to 100% because the images that need to be recognised were standard. Finally, new characteristics and improvments can be added in the future to improve the marketability of the app.	en
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	71 σ.	en
heal.fullTextAvailability	true