Bahndaten Analysen für Fußgänger Raum-Zeit-Activity Study

Das übergeordnete Ziel dieses Verfahrens ist es, die Raumzeitaktivitäten von Fußgängern durch raumzeitliche Analyse und Visualisierung menschlicher Trajektoriendaten zu modellieren. Dies wird erreicht, indem zunächst detaillierte GPS-Daten des globalen Positionierungssystems oder des GPS-Systems gesammelt und in den Trajektorienanalysator geladen werden. Der zweite Schritt besteht darin, die Trajektoriendaten vorzuverarbeiten und zu segmentieren.

Als nächstes werden die Aktivitätsräume von Individuen charakterisiert. Der letzte Schritt besteht darin, raumzeitliche Muster durch Dichte, Oberflächenzuordnung, Dichte, Volumenrendering oder beides zu untersuchen. Letztendlich werden andere explorative Datenanalysemethoden und Visualisierungen verwendet, um zusätzliche versteckte Muster in den Daten aufzuzeigen.

Der Hauptvorteil dieser Technik gegenüber bestehenden Methoden wie der von der SHNU entwickelten FGIS-Erweiterung zur Analyse von Raum-Zeit-Trajektorien besteht darin, dass wir nicht nur die Schnittstelle für die interaktive Visualisierung von Trajektorien bereitstellen, sondern uns auf die Verarbeitungsmethode konzentrieren, die die Routentrajektoriendaten bereinigt, sie segmentiert, um Eigenschaften aus den TR-Daten abzuleiten und explorative Analysen durchzuführen, um Muster aus einer großen Menge von Trajektdaten zu entdecken. Diese Methode kann dazu beitragen, Schlüsselfragen im Bereich der menschlichen Raumzeitaktivitätsstudien im Zusammenhang mit der mikroskaligen Krankheitsübertragung zu beantworten, z. B. wie sich die Raumzeitaktivität auf die Wahrscheinlichkeit einer Infektion auswirkt oder welche Umgebungen oder welches Raumzeitverhalten zu einem höheren Risikoverlauf führt. Die Datenerfassung kann mit tragbaren GPS-Geräten erfolgen.

GPS-fähige Smartphone-Tracking-Anwendungen sowie unterstützte GPS-Geräte, wie z. B. das eingesetzte. In dieser Studie, bei der es sich um eine kommerzielle Flugbahn eines Kinder-Tracker-Geräts handelt, werden Daten in der Regel in Bezug auf Zeit-, Breiten- und Längengradaufzeichnungen gespeichert. Ein gewünschtes Zeitintervall sollte basierend auf den Anwendungsanforderungen festgelegt werden.

Oft ist das häufigste Intervall für Raum-Zeit-Aktivitätsstudien gewünscht: Konvertieren Sie die Daten in kommagetrennte Werte oder CSV-Dateien mit separaten Spalten für Datensatz-ID, Breitengrad, Längengrad und Zeit. Konvertieren Sie dann die CSV-Dateien in gängige geografische Informationssysteme oder GIS-Dateiformate. Laden Sie eine Shape-Datei mit Gebäudepolygonen und eine Datei mit der Grenze des Untersuchungsgebiets mit einem Trajektorienanalysator.

Stellen Sie die Extrusion der Gebäude für eine 3D-Darstellung richtig ein und stellen Sie die Extrusion und Transparenz der Grenzschicht richtig ein, um einen Raumzeitwürfel anzuzeigen. Öffnen Sie dann die Trajektorie im Raumzeitwürfel mit den XY-Dimensionen, die den Raum darstellen, und der Z-Dimension. Für die Darstellung der Zeit stehen zwei Optionen für die Vorverarbeitung zur Verfügung.

Die verrauschten Trajektorien-Rohdaten können aus der Dropdown-Liste des Vorverarbeitungsmenüs ausgewählt werden. Wenn interaktiv ausgewählt ist. Eine 2D-Projektion der 3D-Trajektorie wird zur einfachen Anzeige und Auswahl erstellt.

Bearbeiten Sie die 3D-Anzeige, um die rohe Flugbahn in Raum und Zeit zu untersuchen. Identifizieren Sie Fehler in den Daten basierend auf der Form, Geschwindigkeit und/oder Topologie von Gleissegmenten. In der Regel bedeuten Trackpunkte mit unrealistisch hoher Geschwindigkeit oder abrupter Richtungsänderung Fehler, wählen Sie sie aus und entfernen Sie sie entweder aus der 3D-Trajektorie oder der 2D-Projektion.

Eine Anhäufung von Trackpunkten mit stacheligen räumlichen Formen und einer langen Dauer kennzeichnen Fehler, die höchstwahrscheinlich durch Standorte in Innenräumen verursacht werden, an denen das GPS-Signal schwach ist. Wenn eine Gruppe dieser Punkte ausgewählt ist, kann das Programm die räumlich-zeitliche OID der ausgewählten Punkte berechnen und dann die Spur so anpassen, dass sie durch die OID verläuft. Wenn die Option "Automatisch" aus dem Vorverarbeitungsmenü ausgewählt ist, können Sie alternativ die Ein- und Ausgangspositionen sowie empirische Parameter einstellen, die die abnormal hohe Geschwindigkeit und das abrupte Drehen von Punkten bestimmen.

Das Programm durchsucht die geladenen Trajektoriendaten und läuft automatisch auf der Grundlage eines Algorithmus, der den Ansatz der visuellen Fehlererkennung nachahmt. Für die Trajektoriensegmentierung ist der Gebäude-Layer erforderlich, stellen Sie also sicher, dass die Gebäude-Shape-Datei bereit ist. Klicken Sie auf das Segmentierungswerkzeug in der Symbolleiste, um die Funktion zu starten.

Legen Sie die Ein- und Ausgabe fest, und suchen Sie die Gebäude-Shape-Datei als Referenz-Layer. Verwenden Sie die Gebäudenamen, um die segmentierte Leitkurve zu beschriften. Der Algorithmus identifiziert Indoor-Segmente anhand von festgelegten oder standardmäßigen Kriterien wie Geschwindigkeit und Dauer von Trackpunkten sowie der räumlichen Topologie.

Klicken Sie in Bezug auf Gebäude auf das Zusammenfassungswerkzeug für den Aktivitätsraum, um segmentierte Trajektorien zu laden und ausgewählte Zusammenfassungsattribute zu berechnen, um den eigenen Aktivitätsraum zu charakterisieren, z. B. Gesamtaktivität, Radius, Radius in einem bestimmten Zeitraum, Verhältnis der Gesamtzeit im Innen- und Außenbereich usw. Die Attribute können für die quantitative Modellierung in eine Tabelle exportiert werden. Die Dichteoberfläche zeigt die Dichte der Aktivitäten im Raum mit reduzierter zeitlicher Dimension an.

In der Dropdown-Liste des Menüs für die Dichteoberflächenzuordnung stehen drei Optionen zur Verfügung. Wenn die Option "Spurpunktdichte" ausgewählt ist, füllen Sie das Dialogfeld mit Eingabe- und Ausgabeinformationen aus und wählen Sie die Anzeige in 3D oder 2D. Alle Eckpunkte aus den Trajektoriendaten werden verwendet, um die Kerndichten der Punkte zu berechnen, wie hier gezeigt.

Wenn die Option "Gleispfaddichte" ausgewählt ist, berechnet der Algorithmus die Dichte der einzelnen zurückgelegten Pfade und zeigt sie an. Wenn die Option "Punktdichte neu berechnet" ausgewählt ist, führt der Algorithmus ein erneutes Sampling der Trajektoriendaten anhand eines festgelegten Zeitintervalls durch und ordnet die Dichten der Punkte zu, die gleichmäßig über die Zeit verteilt sind. Diese Option ist für Tracking-Geräte konzipiert, die Tracking-Punkte in unregelmäßigen Zeitintervallen sammeln, da die Empfindlichkeit der Geräte unter verschiedenen physikalischen Bedingungen oder segmentierten Trajektorien unterschiedlich ist.

Hier sind 2D- und 3D-Dichteoberflächen von segmentierten Trajektorien dargestellt. Wenn für eine der Optionen die zeitliche Fokussierung ausgewählt ist, kann die zeitliche Fokussierung durchgeführt werden, um Aktivitätsmuster in verschiedenen Zeiträumen zu untersuchen. Zum Beispiel können Aktivitätsdichteoberflächen zu verschiedenen Tageszeiten zur einfachen Identifizierung von Hotspots über die Zeit hinweg visualisiert werden. Die Visualisierung des Dichtevolumens verwendet den Begriff eines Raumzeitwürfels wie bei der Visualisierung von Trajektorien.

Der Kern einer solchen Visualisierung ist die Zerlegung des Raumes in Voxel. Der hier verwendete Ansatz zur Visualisierung des Dichtevolumens schätzt zunächst das Dichtevolumen in einzelnen Voxeln, indem die Anzahl der Raum-Zeit-Spuren gezählt wird, die sich mit den Voxeln schneiden. Für die Visualisierung von Dichte und Volumen stehen die gleichen drei Optionen zur Verfügung wie für die Visualisierung von Dichteoberflächen.

Klicken Sie anschließend auf eine der Optionen, um die 3D-Volumenvisualisierungsschnittstelle für interaktives Volumen-Rendering zu starten. Durch Festlegen der Anzahl der Unterteilungen entlang jeder Achse kann man Cluster in verschiedenen Maßstäben untersuchen. Ein Z-Faktor wird verwendet, um die vertikale Überhöhung für eine bessere Visualisierung festzulegen.

Eine Referenzebene, wie z. B. die Gebäude, kann ebenfalls geladen werden, um die Visualisierung zu erleichtern. Die Ergebnisse des Volumen-Renderings können interaktiv angepasst werden, indem die Übertragungsfunktion manipuliert wird, die das Mapping von Dichte zu Farbe steuert. Es steht ein Verfahren zur Verfügung, um animierte Serien zu erstellen, die in Google Earth angezeigt werden sollen.

Wenn Sie mit einem anderen Klick auf Export in KML für EDA klicken, um auf diese Prozedur zuzugreifen, wird eine KML-Datei erstellt, die in Google Earth geöffnet wird, um eine interaktive Animation der Trajektorie zu ermöglichen. Man kann der Flugbahn folgen, um die Umgebung in der Zeit zu bereisen, indem man entlang der Zeitleiste scrollt. In Google Earth steht ein Verfahren zur Verfügung, um Verbindungen zwischen Sehenswürdigkeiten durch Verbindungsanalyse zu visualisieren.

Zum Beispiel werden Verbindungen zwischen verschiedenen Gebäuden auf einem Universitätscampus aus segmentierten Trajektoriendaten abgeleitet, die von Studenten auf der Grundlage der abgeleiteten Verbindungen gesammelt wurden: Hotspots, wie z. B. die Gebäude mit dem meisten ausgehenden oder eingehenden Verkehr, und Hubs, die die am meisten frequentierten Orte verbinden, können identifiziert werden. Die Trajektoriendaten wurden im Frühjahr 2010 von freiwilligen Studenten der Keen University gesammelt. Ziel war es, die Aktivitätsmuster von Schülern, die sich mit Influenza angesteckt hatten, im Vergleich zu denen, die sich nicht infizierten, zu untersuchen.

Um die darin vorgestellten Methoden und Vorgehensweisen zu veranschaulichen, wurden die im suburbanen Campusbereich erhobenen Trajektorien verwendet, um repräsentative Ergebnisse zu generieren. Hier ist die Raum-Zeit-Würfel-Darstellung einer Trajektorie mit Bezug auf Gebäude auf dem Universitätscampus dargestellt. Die Rohdaten, die von einem Studenten gesammelt wurden, der einen Tag seiner Aktivitäten auf dem Campus mit einem A-GPS-Gerät aufzeichnete, zeigen, dass einige lange Aufenthalte in Innenräumen zu verrauschten Daten geführt haben, die durch den stacheligen Teil der Strecke angezeigt werden.

Dies ist bei Daten zur Fußgängerroute sehr häufig der Fall. Diese Abbildung stellt die vorverarbeitete und segmentierte Trajektorie dar, während hier die vorverarbeitete und segmentierte Trajektorie mit farbcodierten Innen- und Außensegmenten im Raumzeitwürfel dargestellt wird. Hier ist die Dichteoberflächenkartierung eines Satzes von Trajektorien dargestellt.

Die rohen Tracking-Punkte, die an der Durchführung einer Option für die Dichtezuordnung von Trackpunkten beteiligt sind, und das resultierende Dichte-Map können visualisiert werden. Umgekehrt können auch die Dichten der zurückgelegten Wege abgebildet werden. Die Dichtekartierung ist besonders nützlich, wenn eine große Anzahl von Trajektorien analysiert wird.

Diese Karte zeigt insgesamt 470 Trajektorien an. Die Dichteoberfläche kann auch in 2D- und 3D-Darstellungen unter Verwendung von neu berechneten Punkten aus diesen Trajektorien dargestellt werden. Neben der interaktiven Darstellung der zeitlichen Dimension in einem Raum-Zeit-Würfel kann die Zeitvariable durch zeitliche Fokussierung verarbeitet werden, um räumliche Muster in verschiedenen Zeiträumen zu untersuchen.

Hier sind Beispiele für eine solche Analyse dargestellt. Unter Verwendung des Beispieldatensatzes, der Trajektoriendaten enthält, die von Schülern während der Grippesaison gesammelt wurden. Es liegt auf der Hand, dass sich ihre Aktivitäten im Laufe des Tages auf verschiedene Orte konzentrieren.

Um schließlich zu der zusammengesetzten Aktivitätsdichtekarte auf dem unteren Dichtevolumen zu gelangen, kann auch das Rendering wie hier gezeigt durchgeführt werden, es ist schwierig, Muster zu erkennen, wenn alle Raum-Zeit-Spuren in einem Raum-Zeit-Würfel visualisiert werden. Aufgrund von visuellen Unübersichtlichkeiten werden die entsprechenden Daten als Dichtevolumen-Rendering visualisiert. Die vier Abbildungen stellen unterschiedliche Einstellungen der Übertragungsfunktion des Dichte-Rendering-Programms dar und heben so Dichtevolumina in verschiedenen Frequenzbereichen hervor.

Eine weitere Möglichkeit, Hotspots zu finden, ist die Verbindungsanalyse. Hier sind die geradlinigen Verbindungen zwischen allen Gebäuden auf dem Campus dargestellt. Die hervorgehobenen Gebäude sind die Gebäude mit dem höchsten ausgehenden Verkehrsaufkommen.

Hier werden dieselben Verbindungen angezeigt, wobei die am meisten frequentierten Verbindungen schwarz hervorgehoben sind. Wenn Sie dieses Verfahren ausprobieren, ist es wichtig, daran zu denken, mit einem Vorverarbeitungsschritt zu beginnen, bevor Sie zur Segmentierung, der explorativen Analyse und anderen Visualisierungsmethoden übergehen. Andere Methoden wie die statistische Analyse der Attribute, die Kategorisierung des eigenen Aktivitätsraums oder die Sequenzanalyse wie das Sequenz-Alignment können durchgeführt werden, um zusätzliche Fragen zu beantworten, z. B. wie sich die eigene Aktivität, der Raum und die Sequenzen auf die Wahrscheinlichkeit einer Infektion auswirken könnten.