Name: ניתוח נתונים תלולים מסלול לחקר חלל פעילות הולכי רגל בזמן (וידאו) | JoVE Journal
Uploaded: 2013-02-25T12:03:00.000+00:00
Duration: 16 min 14 s
Description: למד שיטות עיבוד מרחב-זמן לניתוח נתוני מסלולי GPS של הולכי רגל. טכניקות אלו מאפשרות זיהוי דפוסי תנועה וייעול תכנון עירוני ובטיחות.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

עבודה זו מומנה על ידי מענק NIH 1R03AI090465.

1. קבלת נתונים <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> נתוני מסלול ניתן לאסוף ביחידות כף יד GPS, יישומי מעקב GPS מופעלים טלפון חכמים, כמו גם A-GPS (GPS סייע) התקנים כגון זה של מועסקים במחקר שלנו, מכשיר גשש ילד מסחרי. </li><li style=";text-align:right;direction:rtl"> נתוני מסלול בדרך כלל נשמרו במונחים של זמן רשום בקווי רוחב, אורך ורוחב. מרווח זמן רצוי שמבוסס על צרכי יישום. לעתים קרובות המרווח השכיח ביותר הוא רצוי ללימודי פעילות שטח בזמן. </li><li style=";text-align:right;direction:rtl"> להמיר את הנתונים לערכים המופרדים באמצעות פסיקים, או. קבצי CSV עם עמודות נפרדות לid שיא, קו רוחב, קו אורך, וזמן, בהתאמה. לאחר מכן להמיר את הקבצים. Csv למערכות מידע גיאוגרפיים נפוץ בשימוש בפורמט קובץ (GIS) (כלומר ESRI shapefile 8). </li><li style=";text-align:right;direction:rtl"> טען בshapefile הפוליגונים בנייה ועוד לגבולו של אזור המחקר עם מנתח המסלול. הגדרה &quot;החול&quot; של הבניינים כראוי ל3D דיפסוק ולהגדיר את &quot;חול&quot; ואת &quot;שקיפות&quot; של שכבת הגבול מתאים להצגת קוביית מרחב ובזמן 6, 9 עם x, y מייצגים ממדי מרחב וממד הזמן z מייצג. </li></ol> 2. טרום עיבוד <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> שתי אפשרויות עומד לרשות את נתוני מסלול הגלם הרועשים מראש העיבוד. אחד יכול לבחור מתוך רשימה הנפתחת של התפריט מראש העיבוד. </li><li style=";text-align:right;direction:rtl"> אם &#39;אינטראקטיב&#39; נבחר, הקרנת 2D של מסלול 3D נוצרה עבור צפייה ובחירה קלות. לתפעל את תצוגת 3D לבחון את מסלול הגלם במרחב ובזמן. לזהות טעויות בנתונים המבוססים על הצורה, מהירות ו / או הטופולוגיה של מסלול מגזרים. בדרך כלל נקודות במסלול (קודקודים) עם מהירות גבוהה מציאותית או שינוי כיוון פתאומי מסמנות שגיאות. בחר ולהרחיק אותם מהמסלולים המקוריים. לבחור ולהסירם מכל מסלול 3D או 2D הקרנתו. </li><li style=";text-align:right;direction:rtl"> מקבץ של נקודות במסלול עם הקוצים shaPES (איור 1) במרחב ובזמן ארוך באופן זמני מסמן שגיאות שנגרמות ככל הנראה על ידי רוב המקומות מקורים שבו אות GPS חלשה. אם קבוצה של נקודות אלה נבחרה, התכנית יכולה לחשב את centroid החלל ובזמן של נקודות הנבחרות ולהתאים את המסלול לעבור centroid. </li><li style=";text-align:right;direction:rtl"> לחלופין, אם &quot;אוטומטי&quot; נבחר מהתפריט מראש העיבוד, להגדיר את הקלט ומיקומי פלט כמו גם פרמטרים אמפיריים הקובעים את המהירות הגבוהה והחריגה מפנה פתאומי של נקודות. חיפושי התכנית באמצעות נתוני המסלול הטעונים ופועל באופן אוטומטי בהתבסס על אלגוריתם המחקה את גישת זיהוי שגיאות החזותית. </li></ol> 3. פילוח מסלול ואפיון שטח פעילות <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> פילוח מסלול דורש שכבת הבניין, כדי להבטיח את קובץ צורת הבניין הוא טעון. </li><li style=";text-align:right;direction:rtl"> לחץ על כלי הפילוח בסרגל הכלים כדי להפעיל את הפונקציה.הגדר את הקלט והפלט ואתר את קובץ צורת הבניין כרובד ההתייחסות. השתמש בשמות הבנייה לתייג את המסלול המפולח. האלגוריתם מזהה קטעי מקורים על פי קריטריונים שנקבעו כברירת מחדל או כמו מהירות, משך, וכו &#39;של נקודות במסלול, כמו גם את הטופולוגיה המרחבית ביחס למבנים. </li><li style=";text-align:right;direction:rtl"> לחץ על כלי תמצות מרחב הפעילות לטעינה במסלולים מפולחים ולחשב תכונות סיכום נבחרות לאפיין מרחב פעילותו של אחד, כגון רדיוס סך פעילות, רדיוס בפרק זמן מסוים, יחס בין סך כל הזמן בילה בבית לעומת בחוץ, וכן הלאה. </li><li style=";text-align:right;direction:rtl"> את התכונות ניתן לייצא לגיליון אלקטרוני לשימושי דוגמנות כמותיים. </li></ol> 4. מיפוי שטח צפיפות <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> משטח צפיפות מציג את הצפיפות של פעילות במרחב עם ממד הזמן התמוטטה. שלוש אפשרויות זמינות ברשימה הנפתחת של תפריט מיפוי שטח הצפיפות. </li><li style=";text-align:right;direction:rtl"> אם האפשרות &#39;צפיפות נקודת המסלול&#39; נבחרה, מלא את תיבת השיח עם קלט ופלט מידע ולבחור להציג באו 3D או 2D. כל קודקודים מנתוני המסלול משמשים לחישוב צפיפות ליבה של נקודות. איור 2 מראה משטח צפיפות. </li><li style=";text-align:right;direction:rtl"> אם &#39;צפיפות נתיב מסלול &quot;מסומנת, אלגוריתם מחשב ומציג את הצפיפות של שבילים בודדים נסעו (איור 3). </li><li style=";text-align:right;direction:rtl"> אם האפשרות &#39;צפיפות נקודת העניין שנדגמו&#39; נבחרה, האלגוריתם מחדש את נתוני דגימות התלולות המסלול באמצעות מרווח זמן מוגדר ומפות הצפיפות של נקודות בצורה שווה בזמן. אפשרות זו מיועדת להתקני מעקב שאוספים נקודתי מעקב במרווחי זמן סדירים בשל רגישות שונה של המכשירים בתנאים פיסיים שונים או מסלולים מפולחים. איור 4 מראה את משטחי צפיפות 2D and 3D של מסלולים מפולחים. </li><li style=";text-align:right;direction:rtl"> אם &#39;התמקדות זמנית &quot;נבחר עבורניו יורק מהאפשרויות הנ&quot;ל, תוך התמקדות 10 זמניים ניתן לבצע כדי לבחון את דפוסי פעילות בתקופות זמן שונות. לדוגמה, צפיפות משטחי פעילות בזמנים שונים ביום עשויים להיות דמיינו לזיהוי קל של נקודות חמות על פני זמן (איור 5). </li></ol> 5. הערכה וטיוח נפח נפח צפיפות <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> הדמית נפח צפיפות משתמשת ברעיון של קוביית מרחב ובזמן כמו בהדמיה של מסלולים. הליבה של הדמיה כזו היא החלוקה של שטח ל11 voxels. הגישה שלנו להמחשת נפח הצפיפות הראשונה מעריכה נפח צפיפות בvoxels הבודד על ידי ספירת מספר מסלולי שטח בזמן שמצטלב עם voxels. אפשר ללחוץ על &#39;חישוב נפח צפיפות &quot;תחת תפריט הדמית נפח הצפיפות לצעד זה. </li><li style=";text-align:right;direction:rtl"> אותם השלוש אפשרויות זמינות להדמית נפח צפיפות כלהדמית משטח צפיפות. </li><li style=";text-align:right;direction:rtl"> &quot;טיוח עצמה &#39;לחץ על הבא כדי להפעיל את ממשק הדמית נפח 3D טיוח נפח אינטרקטיווי 12. על ידי הגדרת מספר החטיבות לאורך כל ציר, ניתן לבחון אשכולות בקני מידה שונים. Z-גורם משמש להגדרת ההגזמה האנכית להדמיה טובה יותר. שכבת התייחסות כגון בניינים יכולה להיות טעונה כדי לסייע להדמיה גם כן. התוצאות של טיוח נפח יכולות להיות מותאמות באופן אינטרקטיווי על ידי המניפולציה של פונקציית ההעברה, השולטת במיפוי מצפיפות לצבע. (איור 6). </li></ol> 6. ניתוחים אחרים גישוש נתונים (EDA) ופריטים חזותיים <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> נוהל קיים כדי ליצור סדרת אנימציה שיוצגה ב-Google Earth. תחת &#39;אחר&#39;, לחץ על &#39;יצוא לKML לEDA&#39; לגשת להליך זה. זה יוצר 13 קובץ kml שנפתח ב-Google Earth לאנימציה אינטראקטיבית של המסלול. </li><li style=";text-align:right;direction:rtl"> אפשר לעקוב אחר מסלולו לtraveאני בסביבה בזמן על ידי גלילה לאורך ציר הזמן ב-Google Earth. </li><li style=";text-align:right;direction:rtl"> הליך זמין לדמיין קשרים בין מקומות של עניין באמצעות &#39;ניתוח חיבור&#39;. לדוגמה, קשרים בין בניינים שונים בקמפוס אוניברסיטה, נגזרים מנתונים מפולחים תלולים מסלול שנאספו על ידי תלמידים (איור 7). </li><li style=";text-align:right;direction:rtl"> בהתבסס על קשרים נגזרים, נקודות חמות, כגון הבניינים האלה עם התנועה ורכזות המחברות את המקומות בעלי התעבורה הגדולים ביותר יכולים להיות מזוהים היוצאת או הנכנסת ביותר. </li></ol>

<ol><li>Stoddard, S. T., Morrison, A. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+human+movement+in+the+transmission+of+vector-borne+pathogens%5BTitle%5D)+AND+%22PLoS+Negl.+Trop.+Dis%22%5BJournal%5D)">The role of human movement in the transmission of vector-borne pathogens.</a> PLoS Negl. Trop. Dis. 3 (7), e10(2009).</li>
<li>Morens, D. M., Folkers, G. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+challenge+of+emerging+and+re-emerging+infectious+diseases%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">The challenge of emerging and re-emerging infectious diseases.</a> Nature. 430, 242-249 (2004).</li>
<li>Viboud, C., Bjornstad, O. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synchrony%2C+waves%2C+and+spatial+hierarchies+in+the+spread+of+influenza%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Synchrony, waves, and spatial hierarchies in the spread of influenza.</a> Science. 312, 447-451 (2006).</li>
<li>Shoval, N., Isaacson, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Application+of+tracking+technologies+to+the+study+of+pedestrian+spatial+behaviour%5BTitle%5D)+AND+%22The+Professional+Geographer%22%5BJournal%5D)">The Application of tracking technologies to the study of pedestrian spatial behaviour.</a> The Professional Geographer. 58 (2), 172-183 (2006).</li>
<li>Yu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatio-temporal+GIS+design+for+exploring+interactions+of+human+activities%5BTitle%5D)+AND+%22Cartography+and+Geographic+Information+Science%22%5BJournal%5D)">Spatio-temporal GIS design for exploring interactions of human activities.</a> Cartography and Geographic Information Science. 33 (1), 3-19 (2006).</li>
<li>Kwan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interactive+geovisualization+of+activity-travel+patterns+using+three-dimensional+geographical+information+systems%3A+a+methodological+exploration+with+a+large+data+set%5BTitle%5D)+AND+%22Transportation+Research+Part+C%22%5BJournal%5D)">Interactive geovisualization of activity-travel patterns using three-dimensional geographical information systems: a methodological exploration with a large data set.</a> Transportation Research Part C. 8, 185-203 (2000).</li>
<li>Demšar, U., Virrantaus, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Space-time+density+of+trajectories%3A+exploring+spatio-temporal+patterns+in+movement+data%5BTitle%5D)+AND+%22International+Journal+of+Geographical+Information+Science%22%5BJournal%5D)">Space-time density of trajectories: exploring spatio-temporal patterns in movement data.</a> International Journal of Geographical Information Science. 24 (10), 1527-1542 (2010).</li>
<li>ESRI Shapefile Technical Description [Internet]. , Environmental Systems Research Institute, Inc. Available from:
		
	 <a target="_blank" href="http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf">http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf</a> (1998).</li>
<li>Kraak, M., Koussoulakous, A. A visualization environment for the space-time cube. Fisher, P. Proceedings of 11th International Conference on Developments in Spatial Data Handling, Berlin, , Springer. 189-200 (2004).</li>
<li>Visualizing spatial relationships among health, environmental, and demographic statistics: interface design issues. MacEachren, A. M., Polsky, C., et al. Proceedings of 18th International Cartographic Conference, , 880-887 (1997).</li>
<li>Levory, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Display+of+surfaces+from+volume+data%5BTitle%5D)+AND+%22IEEE+Computer+Graphics+and+Application%22%5BJournal%5D)">Display of surfaces from volume data.</a> IEEE Computer Graphics and Application. 8 (5), 29-37 (1998).</li>
<li>Drebin, R. A., Carpenter, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Volume+Rendering%5BTitle%5D)+AND+%22Computer+Graphics%22%5BJournal%5D)">Volume Rendering.</a> Computer Graphics. , (1998).</li>
<li>KML | OGC(R) [Internet]. , Open Geospatial Consortium, Inc. Available from:
		
	 <a target="_blank" href="http://www.opengeospatial.org/standards/kml/">http://www.opengeospatial.org/standards/kml/</a> (2012).</li>
<li>Lee, W., Krumm, J. Trajectory preprocessing. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLee%2C+W+%22Computing+with+Spatial+Trajectories%22">Computing with Spatial Trajectories</a>. Zheng, Y., Zhou, X. , Springer, Bucher. 3-34 (2011).</li>
<li>Han, B., Comaniciu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sequential+kernel+density+approximation+and+its+application+to+real-time+visual+tracking%5BTitle%5D)+AND+%22IEEE+Transactions+on+Pattern+Analysis+and+Machine+Intelligence%22%5BJournal%5D)">Sequential kernel density approximation and its application to real-time visual tracking.</a> IEEE Transactions on Pattern Analysis and Machine Intelligence. , (2007).</li>
</ol>

אין ניגודי האינטרסים הכריזו.

אנחנו השתמשנו מנגנון תוספת של ArcGIS לפתח ממשק. כל הפעולות האינטראקטיביות יושמו באמצעות C + +. כל העיבוד האוטומטי ופונקציות ניתוח פותחו באמצעות פייתון. נתוני AGPS, או נתונים שנאספו על ידי GPS להולכי רגל מציג אתגר ייחודי בpreprocessing כשגיאות יכולות להיות מסיביות בשל שכנות לבניינים ותחנות פנימיות תכופות. יתר על כן, במוקד preprocessing לא צריך להיות הפחתת נתונים כמו מה שנעשה בדרך כלל לנתונים תלולים מסלול GPS רכב ע...

<table border="1" style=";text-align:right;direction:rtl"><tbody><tr><td> שם המגיב </td><td> חברה </td><td> מספר קטלוגים </td><td> תגובות (אופציונלי) </td></tr><tr><td> WorldTracker GPRS </td><td> מעקב העולמי </td><td></td><td></td></tr><tr><td> מחשב אישי להפעלת הניתוח </td><td></td><td></td><td></td></tr><tr><td> ArcGIS תוכנה </td><td> ESRI </td><td></td><td></td></tr><tr><td> הארכת המסלול Analyzer </td><td></td><td></td><td></td></tr></tbody></table>

ניתוח נתונים תלולים מסלול לחקר חלל פעילות הולכי רגל בזמן

Trajectory Data Analyses for Pedestrian Space-time Activity Study

היא מוכרת היטב כי תנועה אנושית בממדי המרחב וזמן יש לו השפעה ישירה על מחל הילוכי 1-3. מחלה זיהומית בדרך כלל מתפשטת באמצעות מגע בין אנשים שנדבקו ורגישים בחללי הפעילות החופפות שלהם. לכן, מידע יומי על ניידות פעילות יכול לשמש כאינדיקציה למדידת חשיפות לגורמי סיכון של זיהום. עם זאת, קושי גדול ולכן הסיבה למיעוט מחקרים של התפשטות מחלות מידבקות בקנה מידת מייקרו נובע מהמחסור בנתוני ניידות בודדים מפורטים. קודם לכן בתחום התחבורה ונתוני תיירות מחקר מפורטים חלל וזמן פעילות הסתמכו לעתים קרובות בטכניקת יומן מרחב זמן, המחייב נושאים פעילים לתעד את פעילותם בזמן ובמרחב. זה מאוד תובעני עבור המשתתפים ושיתוף הפעולה מצד המשתתפים מאוד משפיע על איכות הנתונים 4. מודרניטכנולוגיות כגון תקשורת סלולרית וה-GPS היו מתאפשרות איסוף האוטומטי של נתוני מסלול. הנתונים שנאספו, לעומת זאת, אינם אידיאליים עבור דוגמנות פעילויות שטח בזמן אדם, מוגבלת על ידי בדיוק של מכשירים קיימים. אין גם כלי זמין לעיבוד יעיל של הנתונים למחקר התנהגות אנושית. אנו מציגים כאן חבילה של שיטות וממשק משולב ArcGIS שולחן עבודה מבוסס חזותי לניתוחים מראש העיבוד וחלל ובזמן של נתונים תלולים מסלול. אנו מספקים דוגמאות כיצד ניתן להשתמש בעיבוד כזה למודל פעילות אנושית בחלל זמן, במיוחד עם נתוני מסלול להולכי רגל עשירים בשגיאה, שיכול להיות שימושי במחקרי בריאות הציבור כגון דוגמנות העברת מחלה מדבקת. ההליך הציג כולל, פילוח מראש עיבוד מסלול, אפיון מרחב פעילות, להערכת צפיפות והדמיה, וכמה שיטות ניתוח גישוש אחרות. טרום processinגר הוא ניקוי נתונים תלולים מסלול גלם רועשים. אנחנו מציגים את ממשק אינטרקטיווי חזותי מראש עיבוד, כמו גם מודול אוטומטי. פילוח המסלול 5 כולל זיהוי של חלקים פנימיים וחיצוניים ממסלולים מראש מעובדי חלל והזמן. שוב, גם פילוח ויזואלי אינטרקטיווי ופילוח אוטומטי נתמכים. מסלולים מפולחים חלל והזמן נותחו לאחר מכן לגזור מאפיינים של מרחב פעילותו שלו, כגון הערכת פעילות רדיוס וכו צפיפות והדמיה המשמשים לבדיקת כמות גדולה של נתונים תלולים מסלול לדגם כתמים ואינטראקציות חמים. אנו להפגין גם את מיפוי צפיפות משטחת 6 וטיוח נפח צפיפות 7. אנו גם כמה ניתוחי נתוני גישוש אחרים (EDA) וכלים חזותיים, כגון תמיכה ב-Google Earth אנימציה וניתוח חיבור. החבילה של אנליטית, כמו גם שיטות חזותיות שהוצגו במאמר זה יכול להיות מיושם על כל נתונים למסלול שלמחקרי פעילות הקצב זמן.

נתונים נאספו על ידי מסלול התנדבות סטודנטים לתואר ראשונים מאוניברסיטת קין (ניו ג&#39;רזי, ארה&quot;ב) באביב 2010. המטרה הייתה ללמוד דפוסי פעילות של תלמידים שתפסו שפעת (שאובחן על ידי רופא או עצמי אובחן-) בהשוואה לאלו שלא. כדי להמחיש את השיטות והנהלים שהוצגו במאמר זה לקחנו את המסלולים שנאספו בשטח הקמפוס הפרברי ליצירת תוצאות מייצגות. מסלולים בתוך שטח הקמפוס הם בעיקר מסלולים להולכי רגל, ורק חלק קטן כתוצאה מנסיעה בין מגרשי החנייה והשונים מחוץ לקמפוס. <p class="jove_content" style=";...

חבילה של שיטות עיבוד חלל ובזמן מוצגת לניתוח נתונים תלולים מסלול אנושיים, כמו שנאסף באמצעות מכשיר GPS, לצורך פעילות הולכי רגל דוגמנות חלל וזמן.

It is well recognized that human movement in the  spatial and temporal dimensions has direct influence on disease transmission1-3.  An infectious disease ...

המטרה הכוללת של הליך זה היא למדל פעילויות של הולכי רגל במרחב ובזמן באמצעות ניתוח וויזואליזציה ספטיו-טמפורליים של נתוני מסלולי תנועה אנושיים. הדבר מושג תחילה על ידי איסוף נתוני מערכת מיקום גלובלית או GPS מפורטים וטעינת הנתונים לתוך מנתח המסלולים. השלב השני הוא עיבוד מקדמי ופילוח של נתוני המסלול.בשלב הבא, מאפיינים את מרחבי הפעילות של הפרטים. השלב הסופי הוא בחינת דפוסים מרחביים-זמניים באמצעות מיפוי צפיפות משטحية, רינדור נפח צפיפות, או שניהם. לבסוף, נעשה שימוש בשיטות נוספות של ניתוח נתונים גשש (exploratory data analysis) ובוויזואליזציות כדי להציג דפוסים נסתרים נוספים בנתונים.היתרון המרכזי של טכניקה זו על פני שיטות קיימות, כגון הרחבת ה-FGIS שפותחה על ידי SHNU לניתוח מסלולי זמן-מרחב, הוא שבנוסף לאספקת ממשק לוויזואליזציה אינטראקטיבית של מסלולים, אנו מתמקדים בשיטת עיבוד המנקה את נתוני מסלול הנסיעה, מחלקת אותם למקטעים, גוזר תכונות מנתוני ה-TR ומבצעת ניתוח גישושי לגילוי תבניות מתוך כמות גדולה של נתוני מסלולים. שיטה זו יכולה לסייע במתן תשובות לשאלות מפתח בתחום מחקרי פעילות זמן-מרחב אנושית הקשורה להעברת מחלות בקנה מידה מיקרוסקופי, כגון כיצד פעילות הזמן-מרחב של אדם משפיעה על סיכויי ההדבקה שלו, או אילו סביבות או התנהגויות זמן-מרחב מובילות לסיכון גבוה יותר במסלול. ניתן לאסוף נתונים באמצעות מכשירי

trajectory-data-analyses-for-pedestrian-space-time-activity-study

Research

JoVE Journal

Biology

ביולוגיה

פרוטוקול זה משמש להערכת משתני הליכה מרחביים וזמניים של חולים נוירולוגיים/אורטופדיים ואנשים מבוגרים באמצעות מערכת תאים פוטו-תאים מבוססת רצפה שהוצגה לאחרונה.

הערכה קלינית של פרמטרי ההליכה Spatiotemporal בחולים ומבוגרים

פרוטוקול מוצג לגבי האפיון של התנהגות הולכי הרגל-שדה הסימולציה של התגובה המבנית שהתקבלה. שדה-בדיקות מראות כי באתרו המזוהה צעדת שיעור ושיעור סנכרון בין המשתתפים מהווים תשומה חיונית עבור הסימולציה והאימות של עומסי הנגרמת אדם.

סימולציה של Vibrations אדם הנגרם על סמך התנהגות הולכי רגל השדה המאופיין

המטרה היתה לבסס את השימוש האופטימלי של טכניקות איסוף נתונים עבור הילוך וניתוח יציבה הליכה נורדית. תלת ממדי לכידת תנועה אמור לשמש במהלך ניתוח זמן קצר (מחזור ההליכה יחיד כלומר), בעוד accelerometry צריך להיות מועסק על ניתוח משך זמן ארוך יותר (חזר כלומר מחזורים) כמו 6 דקות הליכה מבחן.

המוכיח טכניקות לכידות תנועה מתאימה לכל ההערכה של הליכה ויציבת הליכה נורדית אצל קשישים

כאן, אנו מציגים פרוטוקול חדשני למדידת יציבות מיקום באירועי מפתח במהלך הישיבה לעמידה להליכה באמצעות מרכז הלחץ למרחק מרכז המסה של כל הגוף. זה נגזר מפלטפורמת הכוח וטכנולוגיית לכידת תנועה תלת מימדית. הפרדיגמה אמינה וניתן להשתמש בה להערכה של אנשים בסיכון נוירולוגי.

שבי-אל-סטנד-ו-הליכה גובה ברך 120%: גישה חדשנית להעריך דינמי ביציבה שליטה עצמאית של גפה יצוקה

כתב יד זה מתאר את השיטה לבדיקת התוקף המקביל של מדדים קינמטיים שנרשמו על ידי אפליקציית הסמארטפון בהשוואה למערכת לכידת תנועה תלת מימדית במישור הסגיטלי. פרוטוקול זה יאפשר לרופאים להגדיר סמארטפונים לצילום וידאו של תנועה אנושית.

ניתוח וידאו התנועה באמצעות טלפונים חכמים (ViMAS): מחקר פיילוט

במחקר זה, שיטת ניתוח הילוך תלת מימדי המטפל ידידותי, אשר תוכנן להתבצע במרפאה לשיקום, מוצג. השיטה מורכבת שיטת מדידה פשוטה ודמויות אינטואיטיבי כדי להקל על ההבנה clinicians' של התוצאות.

שיטת ניתוח הילוך תלת מימדי מונחה קליניים להערכת הפרעה בהליכה

פרוטוקול זה מתאר שימוש בסימולטור הליכה המשמש כשיטה בטוחה ותקפה מבחינה אקולוגית לחקר התנהגות הולכי רגל בנוכחות תנועה נעה.

שימוש בסימולטור הליכה של מציאות מדומה כדי לחקור התנהגות הולכי רגל

מאמר זה מתאר את החומר והשיטה שפותחו כדי לחקור את הארגון היציבתי של ייזום הליכה. השיטה מבוססת על הקלטות של פלטפורמות כוח ועל העיקרון הישיר של מכניקה לחישוב מרכז הכובד ומרכז קינמטיקה של לחץ.

ארגון יציבתי של התחלת הליכה לניתוח ביומכני באמצעות הקלטות פלטפורמת כוח

אנו מציגים תהליך עבודה זול וללא סימנים באמצעות DeepLabCut לכימות צעדים ותנועה ספונטנית בעכברים שנעים בחופשיות. פרוטוקול זה משלב רכישת וידאו במצלמה אחת, מעקב ללא סימנים אחר נקודות ציון אנטומיות וחילוץ פרמטרי תנועה מרחבית-זמנית, ומספק מסגרת לא פולשנית ונגישה לניתוח התנהגות מוטורית ללא ציוד ייעודי.

זרימת עבודה זולה ללא סימון מבוססת DeepLabCut לניתוח הליכה ותנועה ספונטנית בעכברים שנעים בחופשיות

בדיקת רגישות חזותית לטאות באמצעות פרדיגמה התניה אופרנטית המעסיקה וידאו השמעה אקראית של נקודה kinematograms ו ממוחשבת חסרי חוליות.

בדיקת רגישות חזותית על מהירות ועל כיוון התנועה של לטאות

למד שיטות עיבוד מרחב-זמן לניתוח נתוני מסלולי GPS של הולכי רגל. טכניקות אלו מאפשרות זיהוי דפוסי תנועה וייעול תכנון עירוני ובטיחות.

ניתוח נתונים תלולים מסלול לחקר חלל פעילות הולכי רגל בזמן

גלה סרטונים נוספים