Los análisis de trayectoria de datos para el estudio de peatones Actividad espacio-tiempo

El objetivo general de este procedimiento es modelar las actividades espacio-temporales de los peatones a través del análisis espacio-temporal y la visualización de los datos de trayectoria humana. Esto se logra recopilando primero datos detallados del sistema de posicionamiento global o GPS y cargando los datos en el analizador de trayectorias. El segundo paso es preprocesar y segmentar los datos de trayectoria.

A continuación, se caracterizan los espacios de actividad de los individuos. El paso final es examinar los patrones espaciotemporales a través de la densidad, el mapeo de superficie, la densidad, la representación del volumen o ambos. En última instancia, se utilizan otros métodos y visualizaciones de análisis de datos exploratorios para mostrar patrones ocultos adicionales en los datos.

La principal ventaja de esta técnica sobre los métodos existentes, como la extensión FGIS desarrollada por SHNU para analizar trayectorias espacio-temporales, es que no solo proporcionamos la interfaz para la visualización interactiva con trayectorias, sino que nos centramos en el método de procesamiento que limpia los datos de trayectoria, trayectoria, segmenta, deriva propiedades de los datos TR y análisis exploratorio para descubrir patrones a partir de una gran cantidad de datos de trayecto. Este método puede ayudar a responder preguntas clave en el campo de los estudios de la actividad espacio-temporal humana relacionada con la transmisión de enfermedades a microescala, como por ejemplo cómo la actividad espacio-temporal de una persona afecta a sus posibilidades de infección, o qué entornos o comportamiento espacio-temporal conduce a un mayor riesgo. Los datos se pueden recopilar con unidades GPS portátiles.

Aplicaciones de rastreo de teléfonos inteligentes habilitadas para GPS, así como dispositivos GPS asistidos, como el empleado. En este estudio, que es un dispositivo comercial de seguimiento de niños, los datos generalmente se guardan en términos de registros de tiempo, latitud y longitud. Se debe establecer un intervalo de tiempo deseado en función de las necesidades de la aplicación.

A menudo, se desea el intervalo más frecuente para los estudios de actividad de espacio-tiempo que convierten los datos en valores separados por comas o archivos CSV con columnas separadas para el registro id, latitud, longitud y tiempo respectivamente. A continuación, convierta los archivos CSV a los sistemas de información geográfica de uso común o al formato de archivo GIS. Cargue en un archivo de forma de polígonos de edificios y otro del límite del área de estudio con un analizador de trayectorias.

Establezca la extrusión de los edificios correctamente para una visualización 3D y defina la extrusión y la transparencia de la capa de límite correctamente para mostrar un cubo de espacio-tiempo. A continuación, abra la trayectoria en el cubo de espacio-tiempo con las dimensiones XY que representan el espacio y la dimensión Z. Representando el tiempo, hay dos opciones disponibles para el preprocesamiento.

Los ruidosos datos brutos de trayectoria se pueden elegir de la lista desplegable del menú de preprocesamiento. Si se elige interactivo. Se crea una proyección 2D de la trayectoria 3D para facilitar la visualización y selección.

Manipule la pantalla 3D para examinar la trayectoria en bruto en el espacio y el tiempo. Identifique errores en los datos en función de la forma, la velocidad o la topología de los segmentos de pista. Por lo general, los puntos de seguimiento con alta velocidad poco realista o cambios de dirección bruscos significan errores, selecciónelos y elimínelos de la trayectoria 3D o de su proyección 2D.

Un grupo de puntos de seguimiento con formas puntiagudas espacialmente y una larga duración significan temporalmente errores que posiblemente sean causados por ubicaciones interiores donde la señal GPS es débil. Si se selecciona un grupo de estos puntos, el programa puede calcular el OID espacio-temporal de los puntos seleccionados y, a continuación, ajustar el recorrido para que pase por el oid. Alternativamente, si se elige automático en el menú de preprocesamiento, establezca las ubicaciones de entrada y salida, así como los parámetros empíricos que determinan la alta velocidad anormal y el giro brusco de los puntos.

El programa busca a través de los datos de trayectoria cargados y se ejecuta automáticamente en función de un algoritmo que imita el enfoque de detección visual de errores. La segmentación de trayectoria requiere la capa de construcción, así que asegúrese de que el archivo de forma de construcción esté listo. Haga clic en la herramienta de segmentación en la barra de herramientas para iniciar la función.

Establezca la entrada y la salida y localice el archivo de forma del edificio como capa de referencia. Utilice los nombres de los edificios para etiquetar la trayectoria segmentada. El algoritmo identifica los segmentos interiores en función de criterios establecidos o predeterminados, como la velocidad y la duración de los puntos de seguimiento, así como la topología espacial.

En relación con los edificios, haga clic en la herramienta de resumen del espacio de actividad para cargarla en trayectorias segmentadas y calcular los atributos de resumen seleccionados para caracterizar el espacio de actividad, como la actividad total, el radio, el radio en un período de tiempo determinado, la relación entre el tiempo total dedicado al interior y al exterior, etc. Los atributos se pueden exportar a una hoja de cálculo para usos de modelado cuantitativo. La superficie de densidad muestra la densidad de actividades en el espacio con la dimensión temporal contraída.

Hay tres opciones disponibles en la lista desplegable del menú de mapeo de superficie de densidad. Si se selecciona la opción de densidad de puntos de seguimiento, rellene el cuadro de diálogo con la información de entrada y salida y elija mostrar en 3D o 2D. Todos los vértices de los datos de trayectoria se utilizan para calcular las densidades kernel de los puntos, como se muestra aquí.

Si se selecciona la densidad de ruta de seguimiento, el algoritmo calcula y muestra la densidad de las rutas individuales recorridas. Si se selecciona la opción de densidad de puntos remuestreada, el algoritmo vuelve a muestrear los datos de trayectoria utilizando un intervalo de tiempo establecido y mapea las densidades de los puntos distribuidos uniformemente en el tiempo. Esta opción está diseñada para dispositivos de seguimiento que recopilan puntos de seguimiento en intervalos de tiempo irregulares debido a la sensibilidad variable de los dispositivos en diversas condiciones físicas o trayectorias segmentadas.

Aquí se muestra la superficie de densidad 2D y 3D de las trayectorias segmentadas. Si se selecciona el enfoque temporal para cualquiera de las opciones, se puede realizar el enfoque temporal para examinar los patrones de actividad en diferentes períodos de tiempo. Por ejemplo, las superficies de densidad de actividad en diferentes momentos del día se pueden visualizar para facilitar la identificación de puntos calientes a lo largo del tiempo.

El núcleo de dicha visualización es la desagregación del espacio en vóxeles. El enfoque utilizado aquí para visualizar el volumen de densidad primero estima el volumen de densidad en vóxeles individuales contando el número de pistas de espacio-tiempo que se intersecan con los vóxeles. Las mismas tres opciones están disponibles para la visualización de densidad y volumen que para la visualización de superficie de densidad.

A continuación, haga clic en una de las opciones para iniciar la interfaz de visualización de volumen 3D para la representación interactiva de volúmenes. Al establecer el número de divisiones a lo largo de cada eje, se pueden examinar clústeres a diferentes escalas. Se utiliza un factor Z para establecer la exageración vertical para una mejor visualización.

También se puede cargar una capa de referencia, como los edificios, para ayudar a la visualización. Los resultados de la representación del volumen se pueden ajustar de forma interactiva mediante la manipulación de la función de transferencia que controla la asignación de densidad a color. Existe un procedimiento para crear series animadas que se mostrarán en Google Earth.

En otros clics en exportar a KML para que EDA acceda a este procedimiento, se crea un archivo KML que se abre en Google Earth para la animación interactiva de la trayectoria. Uno puede seguir la trayectoria para viajar por el entorno en el tiempo desplazándose a lo largo de la línea de tiempo. En Google Earth, está disponible un procedimiento para visualizar las conexiones entre lugares de interés a través del análisis de conexiones.

Por ejemplo, las conexiones entre diferentes edificios de un campus universitario se derivan de los datos de trayectoria segmentada que recopilaron los estudiantes en función de las conexiones derivadas: se pueden identificar puntos de acceso, como los edificios con más tráfico entrante o saliente y los centros que conectan los lugares con más tráfico. Los datos de la trayectoria fueron recolectados por estudiantes universitarios voluntarios de la Universidad de Keen en la primavera de 2010. El propósito fue estudiar los patrones de actividad de los estudiantes que contrajeron influenza en comparación con los que no lo hicieron.

Con el fin de ilustrar los métodos y procedimientos presentados en este artículo, se utilizaron las trayectorias recogidas dentro del área suburbana del campus para generar resultados representativos. Aquí se muestra la representación del cubo de espacio-tiempo de una trayectoria con referencia a los edificios del campus universitario. Los datos brutos recopilados por un estudiante que graba un día de su actividad en el campus utilizando un dispositivo GPS A revelan que una larga duración de las estancias en el interior ha dado lugar a datos ruidosos indicados por la parte puntiaguda de la pista.

Esto es muy común en los datos de trayectoria de peatones. Esta figura representa la trayectoria preprocesada y segmentada, mientras que la trayectoria preprocesada y segmentada con segmentos interiores y exteriores codificados por colores en el cubo de espacio-tiempo se representa aquí. Aquí se muestra el mapeo de superficie de densidad de un conjunto de trayectorias.

Se pueden visualizar los puntos de seguimiento sin procesar implicados en la realización de una opción de representación cartográfica de densidad de puntos de rastreo y el mapa de densidad resultante. Por el contrario, también se pueden mapear las densidades de los caminos recorridos. El mapeo de densidad es particularmente útil cuando se analiza un gran número de trayectorias.

Este mapa muestra un total de 470 trayectorias. La superficie de densidad también se puede mostrar en representaciones 2D y 3D utilizando puntos remuestreados de estas trayectorias. Además de la visualización interactiva de la dimensión temporal en un cubo de espacio-tiempo, la variable de tiempo se puede procesar a través del enfoque temporal para examinar patrones espaciales en diferentes períodos de tiempo.

A continuación se muestran ejemplos de este tipo de análisis. Usar el conjunto de datos de muestra que contiene los datos de trayectoria recopilados por los estudiantes durante la temporada de influenza. Es obvio que sus actividades se centran en diferentes lugares a lo largo del día.

Para conducir finalmente al mapa de densidad de actividad compuesto en la densidad inferior, también se puede realizar la representación del volumen como se muestra aquí, es difícil detectar patrones si todas las pistas de espacio-tiempo se visualizan en un cubo de espacio-tiempo. Debido a los desórdenes visuales aquí, los datos correspondientes se visualizan como representación de volumen de densidad. Las cuatro ilustraciones representan diferentes configuraciones de la función de transferencia del programa de renderizado de densidad y, por lo tanto, resaltan los volúmenes de densidad en diferentes rangos de frecuencia.

Otra forma de encontrar puntos de acceso es a través del análisis de conexiones. Aquí se muestran las conexiones en línea recta entre todos los edificios del campus. Los edificios destacados son los que tienen el mayor volumen de tráfico de salida.

Aquí, se muestran las mismas conexiones con las conexiones con más tráfico resaltadas en negro. Al intentar este procedimiento, es importante recordar que debe comenzar con un paso de preprocesamiento antes de pasar a la segmentación, el análisis exploratorio y otros métodos de visualización que siguen este procedimiento. Se pueden realizar otros métodos, como el análisis estadístico de los atributos, la categorización del espacio de actividad o el análisis de secuencias, como la alineación de secuencias, para responder a preguntas adicionales, como cómo la actividad, el espacio y las secuencias de una persona pueden afectar las posibilidades de infección.