Bahndaten Analysen für Fußgänger Raum-Zeit-Activity Study

Das übergeordnete Ziel dieses Verfahrens besteht darin, räumlich-zeitliche Aktivitäten von Fußgängern durch die räumlich-zeitliche Analyse und Visualisierung von menschlichen Trajektoriendaten zu modellieren. Dies wird zunächst durch die Erfassung detaillierter GPS-Daten (Global Positioning System) und das Laden der Daten in den Trajektorienanalysator erreicht. Der zweite Schritt besteht darin, die Trajektoriendaten vorzuverarbeiten und zu segmentieren.

Als Nächstes werden die Aktivitätsräume von Individuen charakterisiert. Der letzte Schritt besteht darin, räumlich-zeitliche Muster entweder durch Dichte- und Oberflächenabbildung, Dichtedarstellung, Volumenrendering oder beides zu untersuchen. Letztendlich werden weitere Methoden der explorativen Datenanalyse und Visualisierungen verwendet, um zusätzliche verborgene Muster in den Daten aufzuzeigen.

Der Hauptvorteil dieser Technik gegenüber bestehenden Methoden wie der FGIS-Erweiterung, die von SHNU zur Analyse von Raum-Zeit-Trajektorien entwickelt wurde, liegt darin, dass wir nicht nur eine Schnittstelle für die interaktive Visualisierung von Trajektorien bereitstellen, sondern uns auf die Verarbeitungsmethode konzentrieren, die die Routentrajektoriendaten bereinigt, segmentiert, Eigenschaften aus den TR-Daten ableitet und eine explorative Analyse ermöglicht, um Muster aus einer großen Menge an Trajektoriendaten zu entdecken. Diese Methode kann helfen, zentrale Fragen im Bereich der Studien zur menschlichen Raum-Zeit-Aktivität im Zusammenhang mit der mikroskaligen Krankheitsübertragung zu beantworten, beispielsweise wie die Raum-Zeit-Aktivität einer Person deren Infektionsrisiko beeinflusst oder welche Umgebungen beziehungsweise Raum-Zeit-Verhaltensweisen zu einem höheren Risiko führen. Trajektoriendaten können mit tragbaren GPS-Geräten erfasst werden.

Anwendungen zur Ortung mit GPS-fähigen Smartphones sowie Assisted-GPS-Geräten, wie das in dieser Studie verwendete kommerzielle Gerät zur Kinderverfolgung. Die Trajektoriendaten werden üblicherweise als Zeit-, Breiten- und Längengrad-Aufzeichnungen gespeichert. Ein gewünschtes Zeitintervall sollte je nach Anwendungsanforderungen festgelegt werden.

Häufig ist für Raum-Zeit-Aktivitätsstudien das häufigste Intervall gewünscht; konvertieren Sie dazu die Daten in durch Komma getrennte Werte oder CSV-Dateien mit separaten Spalten für die Aufzeichnungs-ID, Breitengrad, Längengrad und Zeit. Danach konvertieren Sie die CSV-Dateien in ein gängiges Format für geographische Informationssysteme oder GIS. Laden Sie eine Shape-Datei mit Gebäude-Polygonen und eine weitere mit der Grenze des Untersuchungsgebiets in einen Trajektorienanalysator.

Stellen Sie die Extrusion der Gebäude korrekt für eine 3D-Anzeige ein und passen Sie Extrusion und Transparenz der Grenzschicht entsprechend an, um einen Raum-Zeit-Würfel darzustellen. Öffnen Sie anschließend die Trajektorie im Raum-Zeit-Würfel, wobei die XY-Dimensionen den Raum und die Z-Dimension die Zeit darstellen. Für die Vorverarbeitung stehen zwei Optionen zur Verfügung.

Die verrauschten Roh-Trajektoriendaten können aus der Dropdown-Liste des Vorverarbeitungsmenüs ausgewählt werden. Wird interaktiv gewählt, wird eine 2D-Projektion der 3D-Trajektorie zur einfachen Ansicht und Auswahl erstellt.

Verändern Sie die 3D-Darstellung, um die rohe Trajektorie im Raum und über die Zeit zu untersuchen. Identifizieren Sie Fehler in den Daten anhand der Form, Geschwindigkeit und/oder Topologie der Spurenabschnitte. In der Regel weisen Trackpunkte mit unrealistisch hoher Geschwindigkeit oder abrupter Richtungsänderung auf Fehler hin; wählen Sie diese aus und entfernen Sie sie entweder aus der 3D-Trajektorie oder ihrer 2D-Projektion.

Ein Haufen von Track-Punkten mit räumlich stachligen Formen und langer zeitlicher Dauer deutet auf Fehler hin, die höchstwahrscheinlich durch Innenraumstandorte verursacht werden, an denen das GPS-Signal schwach ist. Wenn eine Gruppe dieser Punkte ausgewählt wird, kann das Programm den räumlich-zeitlichen OID der ausgewählten Punkte berechnen und anschließend den Track so anpassen, dass er durch den OID verläuft. Alternativ, wenn „automatisch“ aus dem Vorverarbeitungsmenü gewählt wird, legen Sie die Eingabe- und Ausgabestandorte sowie empirische Parameter fest, die die abnormal hohe Geschwindigkeit und abrupte Richtungsänderungen der Punkte bestimmen.

Das Programm durchsucht die geladenen Trajektoriendaten und wird automatisch basierend auf einem Algorithmus ausgeführt, der dem visuellen Ansatz zur Fehlererkennung nachempfunden ist. Für die Trajektoresegmentierung wird die Gebäudeschicht benötigt, stellen Sie daher sicher, dass die Gebäudedatei bereitsteht. Klicken Sie im Werkzeugkasten auf das Segmentierungswerkzeug, um die Funktion zu starten.

Stellen Sie die Eingabe und Ausgabe ein und lokalisieren Sie die Gebäude-Shape-Datei als Referenzlayer. Verwenden Sie die Gebäudenamen, um die segmentierte Trajektorie zu beschriften. Der Algorithmus identifiziert Innensegmente basierend auf festgelegten oder standardmäßigen Kriterien wie Geschwindigkeit und Dauer der Trackpunkte sowie der räumlichen Topologie.

Im Hinblick auf Gebäude klicken Sie das Werkzeug zur Aktivitätsraum-Zusammenfassung an, um segmentierte Trajektorien zu laden und ausgewählte zusammenfassende Attribute zu berechnen, die den eigenen Aktivitätsraum charakterisieren, wie beispielsweise die gesamte Aktivität, den Radius, den Radius über einen bestimmten Zeitraum, das Verhältnis der insgesamt in Innenräumen im Vergleich zu Außenräumen verbrachten Zeit und so weiter. Die Attribute können für quantitative Modellierungen in eine Tabellenkalkulation exportiert werden. Die Dichtefläche zeigt die räumliche Dichte der Aktivitäten an, wobei die zeitliche Dimension zusammengefasst wird.

Es stehen drei Optionen in der Dropdown-Liste des Menüs zur Dichteflächen-Mapping zur Auswahl. Wenn die Option „Dichte der Bahnungspunkte“ gewählt wird, füllen Sie das Dialogfeld mit Eingabe- und Ausgabedaten aus und wählen Sie, ob die Darstellung in 3D oder 2D erfolgen soll. Alle Eckpunkte der Trajektoriendaten werden verwendet, um die Kernel-Dichten der Punkte wie hier gezeigt zu berechnen.

Wenn die Dichte der Verfolgungspfade ausgewählt ist, berechnet und zeigt der Algorithmus die Dichte einzelner zurückgelegter Pfade an. Wenn die Option zur Dichte resamplingbasierter Punkte gewählt ist, resamplet der Algorithmus die Trajektoriendaten anhand eines festgelegten Zeitintervalls und bildet die Dichten von gleichmäßig über die Zeit verteilten Punkten ab. Diese Option ist für Ortungsgeräte konzipiert, die aufgrund wechselnder Empfindlichkeit der Geräte unter verschiedenen physikalischen Bedingungen oder segmentierter Trajektorien Ortungspunkte in unregelmäßigen Zeitabständen erfassen.

Hier sind die 2D- und 3D-Dichteflächen segmentierter Trajektorien dargestellt. Falls für eine der Optionen eine zeitliche Fokussierung ausgewählt wird, kann eine zeitliche Fokussierung durchgeführt werden, um Aktivitätsmuster zu verschiedenen Zeitpunkten zu untersuchen. Beispielsweise können Aktivitätsdichteflächen zu unterschiedlichen Tageszeiten visualisiert werden, um eine einfache Identifizierung von Hotspots über die Zeit hinweg zu ermöglichen. Die Visualisierung des Zeitdichtevolumens verwendet das Konzept eines Raum-Zeit-Würfels, wie es auch bei der Visualisierung von Trajektorien Anwendung findet.

Das Kernstück einer solchen Visualisierung besteht in der Zerlegung des Raums in Voxel. Die hier verwendete Methode zur Visualisierung der Dichte von Volumina schätzt zunächst das Dichtevolumen in einzelnen Voxel ab, indem gezählt wird, wie viele Raum-Zeit-Verfolgungen die Voxel schneiden. Für die Visualisierung der Dichte von Volumina stehen dieselben drei Optionen zur Verfügung wie für die Visualisierung von Dichteflächen.

Klicken Sie anschließend eine der Optionen an, um die 3D-Volumen-Visualisierungsschnittstelle für die interaktive Volumenwiedergabe zu starten. Durch Festlegen der Anzahl der Teilungen entlang jeder Achse kann man die Cluster in unterschiedlichen Maßstäben untersuchen. Ein Z-Faktor wird verwendet, um die vertikale Übertreibung zur besseren Visualisierung einzustellen.

Eine Referenzebene wie beispielsweise die Gebäude kann ebenfalls zur Unterstützung der Visualisierung geladen werden. Die Ergebnisse der Volumenwiedergabe können interaktiv angepasst werden, indem die Transferfunktion verändert wird, die die Zuordnung von Dichte zu Farbe steuert. Es steht ein Verfahren zur Erstellung animierter Serien zur Verfügung, die in Google Earth angezeigt werden können.

Wenn Sie unter „Weitere Optionen“ die Funktion „Export nach KML für EDA“ verwenden, um auf dieses Verfahren zuzugreifen, wird eine KML-Datei erstellt, die in Google Earth geöffnet werden kann, um die Trajektorie interaktiv zu animieren. Man kann der Trajektorie zeitlich durch die Umgebung folgen, indem man entlang der Zeitleiste scrollt. In Google Earth steht ein Verfahren zur Verfügung, um Verbindungen zwischen Orten von Interesse durch eine Verbindungsanalyse zu visualisieren.

Beispielsweise werden Verbindungen zwischen verschiedenen Gebäuden eines Universitätscampus aus segmentierten Trajektoriendaten abgeleitet, die von Studierenden erfasst wurden; basierend auf den abgeleiteten Verbindungen können Hotspots identifiziert werden, wie etwa Gebäude mit dem höchsten ein- oder ausgehenden Verkehrsaufkommen sowie Knotenpunkte, die die am stärksten frequentierten Orte miteinander verbinden. Die Trajektoriendaten wurden im Frühjahr 2010 von freiwilligen Studierenden der Keen University erhoben. Ziel war es, Aktivitätsmuster von Studierenden zu untersuchen, die sich mit Influenza infiziert hatten, im Vergleich zu solchen, die dies nicht taten.

Um die in diesem Artikel vorgestellten Methoden und Verfahren zu veranschaulichen, wurden die im suburbanen Campusbereich gesammelten Trajektorien verwendet, um repräsentative Ergebnisse zu erzeugen. Die Raum-Zeit-Würfel-Darstellung einer Trajektorie in Bezug auf die Gebäude auf dem Universitätscampus wird hier gezeigt. Die Rohdaten, die von einem Studenten mithilfe eines GPS-Geräts während eines Tages seiner Aktivitäten auf dem Campus aufgezeichnet wurden, zeigen, dass längere Aufenthalte im Innenbereich zu verrauschten Daten geführt haben, wie der stark schwankende Abschnitt der Spur verdeutlicht.

Das ist in Fußgänger-Verkehrswegedaten sehr verbreitet. Diese Abbildung zeigt die vorverarbeiteten und segmentierten Trajektorien, während die vorverarbeiteten und segmentierten Trajektorien mit farbkodierten Innen- und Außenbereichssegmenten im Raum-Zeit-Würfel hier dargestellt sind. Dargestellt ist hier die Dichteflächenabbildung einer Reihe von Trajektorien.

Die rohen Verfolgungspunkte, die bei der Erstellung einer Dichtekartierung beteiligt sind, sowie die resultierende Dichtekarte können visualisiert werden. Umgekehrt können auch die Dichten zurückgelegter Pfade abgebildet werden. Die Dichtekartierung ist besonders nützlich bei der Analyse einer großen Anzahl von Trajektorien.

Diese Karte zeigt insgesamt 470 Trajektorien. Die Dichtefläche kann außerdem in 2D- und 3D-Darstellungen mithilfe von re-sampelten Punkten aus diesen Trajektorien visualisiert werden. Zusätzlich zur interaktiven Darstellung der zeitlichen Dimension in einem Raum-Zeit-Würfel kann die Zeitvariable durch zeitliche Fokussierung verarbeitet werden, um räumliche Muster in unterschiedlichen Zeitperioden zu untersuchen.

Hier sind Beispiele einer solchen Analyse dargestellt. Mithilfe des Beispieldatensatzes, der von Studierenden während der Grippesaison gesammelte Trajektoriendaten enthält, wird deutlich, dass sich ihre Aktivitäten während des Tages um verschiedene Orte konzentrieren.

Um letztendlich zur kombinierten Aktivitätsdichtekarte auf dem unteren Dichtevolumen-Rendering zu gelangen, das ebenfalls wie hier gezeigt durchgeführt werden kann, ist es schwierig, Muster zu erkennen, wenn alle Raum-Zeit-Spuren in einem Raum-Zeit-Würfel visualisiert werden. Aufgrund der visuellen Überladung wird der entsprechende Datensatz hier stattdessen als Dichtevolumen-Rendering dargestellt. Die vier Abbildungen zeigen unterschiedliche Einstellungen der Transferfunktion des Dichtedarstellungsprogramms und heben somit Dichtevolumina in verschiedenen Frequenzbereichen hervor.

Eine weitere Möglichkeit, Hotspots zu finden, ist die Verbindungsanalyse. Hier sind die direkten Verbindungen zwischen allen Gebäuden des Campus dargestellt. Hervorgehoben sind die Gebäude mit dem höchsten ausgehenden Datenverkehrsvolumen.

Hier sind dieselben Verbindungen dargestellt, wobei die am stärksten frequentierten Verbindungen in Schwarz hervorgehoben sind. Bei der Durchführung dieses Verfahrens ist es wichtig, daran zu denken, mit einem Vorverarbeitungsschritt zu beginnen, bevor man zur Segmentierung, explorativen Analyse und anderen Visualisierungsmethoden übergeht. Weitere Methoden wie die statistische Analyse der Attribute, die Kategorisierung des Aktivitätsraums oder die Sequenzanalyse, beispielsweise durch Sequenzalignment, können durchgeführt werden, um zusätzliche Fragen zu beantworten, beispielsweise wie die eigene Aktivität, der Aktivitätsraum und die Sequenzen die Ansteckungswahrscheinlichkeit beeinflussen könnten.