Open Access

Manuel Burkart

• Flowculate ist eine Software zur Simulation der Bewegung von Personenströmen und der damit verbundenen Ausbreitung von Infektionskrankheiten. Um die Software verwenden zu können, müssen die Polygone eines gegebenen Grundrisses zunächst durch manuelle Nachzeichnung aller Wände extrahiert werden, ein Prozess, der sowohl fehleranfällig als auch zeitaufwändig ist. Diese Arbeit untersucht, ob das CNN-Modell CubiCasa, das speziell für die Extraktion von Polygonzügen auf Grundrissen trainiert wurde, diesen Schritt automatisieren kann. Dazu wurde die Modellvorhersage in das von Flowculate benötigte JSON-Format umgewandelt und in der Software dargestellt. Die Ergebnisse der Studie, die manuell erstellte Zeichnungen der Teilnehmenden mit den durch CubiCasa generierten vergleicht, verdeutlichen das Potenzial der automatisierten Extraktion mithilfe eines CNN-Modells. Das Modell übertrifft die Teilnehmenden sowohl in Bezug auf Präzision als auch auf Geschwindigkeit deutlich.
• Flowculate is a software for simulating the movement of people flows and the associated spread of infectious diseases. In order to use the software, the polygons of a given floor plan must first be extracted by manually tracing all walls, a process that is both error-prone and time-consuming. This work investigates whether the CNN model CubiCasa, which has been specifically trained for the extraction of polygons on floor plans, can automate this step. For this purpose, the model prediction was converted into the JSON format required by Flowculate and displayed in the software. The results of the study, which compares the participants’ manually created drawings with those generated by CubiCasa, illustrate the potential of automated extraction using a CNN model. The model clearly outperformed the participants in terms of both precision and speed.