Le analisi per i dati di traiettoria pedonale Lo spazio-tempo di attività di studio

L'obiettivo generale di questa procedura è modellare le attività spaziotemporali dei pedoni attraverso l'analisi spaziotemporale e la visualizzazione dei dati relativi alle traiettorie umane. Questo viene realizzato innanzitutto raccogliendo dati dettagliati del sistema globale di posizionamento (GPS) e caricando tali dati nell'analizzatore di traiettorie. Il secondo passaggio consiste nel pre-elaborare e suddividere i dati delle traiettorie.

Successivamente, vengono caratterizzati gli spazi di attività degli individui. L'ultimo passaggio consiste nell'esaminare i modelli spaziotemporali attraverso la densità, la mappatura superficiale, la densità, la rappresentazione volumetrica o entrambe. Infine, vengono utilizzati altri metodi di analisi esplorativa dei dati e visualizzazioni per evidenziare ulteriori schemi nascosti nei dati.

Il principale vantaggio di questa tecnica rispetto ai metodi esistenti, come l'estensione FGIS sviluppata da SHNU per l'analisi delle traiettorie spaziotemporali, è che non ci limitiamo a fornire un'interfaccia per la visualizzazione interattiva delle traiettorie, ma ci concentriamo sul metodo di elaborazione che pulisce i dati delle traiettorie, li segmenta, ne ricava proprietà dai dati TR e ne permette l'analisi esplorativa per individuare schemi all'interno di grandi quantità di dati traiettoriali. Questo metodo può aiutare a rispondere a domande fondamentali nel campo degli studi sull'attività spaziotemporale umana relative alla trasmissione microscopica delle malattie, ad esempio in che modo l'attività spaziotemporale di una persona influisce sulla sua probabilità di infezione, oppure quali ambienti o comportamenti spaziotemporali comportano un rischio maggiore. I dati possono essere raccolti mediante unità GPS portatili.

Applicazioni per smartphone abilitate al GPS e dispositivi GPS assistiti, come quello utilizzato nel presente studio, ovvero un dispositivo commerciale per il tracciamento di bambini, solitamente salvano i dati in forma di registrazioni temporali, di latitudine e di longitudine. L'intervallo di tempo desiderato deve essere impostato in base alle esigenze dell'applicazione.

Spesso, per gli studi sull'attività spazio-temporale, si desidera l'intervallo più frequente: convertire i dati in valori separati da virgola o file CSV con colonne distinte per l'identificativo del record, la latitudine, la longitudine e l'ora, rispettivamente. Quindi convertire i file CSV in un formato di file comunemente utilizzato dai sistemi informativi geografici o GIS. Caricare un file shape contenente i poligoni degli edifici e un altro con il confine dell'area di studio in un analizzatore di traiettorie.

Impostare correttamente l'estruzione degli edifici per una visualizzazione 3D e regolare in modo appropriato l'estruzione e la trasparenza del layer limite per visualizzare un cubo spaziotemporale. Quindi aprire la traiettoria all'interno del cubo spaziotemporale, con le dimensioni XY che rappresentano lo spazio e la dimensione Z che rappresenta il tempo. Per la pre-elaborazione sono disponibili due opzioni.

I dati grezzi rumorosi delle traiettorie che si possono scegliere dall'elenco a discesa del menu di pre-elaborazione. Se si sceglie l'opzione interattiva, viene creata una proiezione 2D della traiettoria 3D per una visualizzazione e selezione più agevole.

Manipolare la visualizzazione 3D per esaminare la traiettoria grezza nello spazio e nel tempo. Identificare gli errori nei dati in base alla forma, alla velocità e/o alla topologia dei segmenti di traccia. Di solito, i punti di traccia con velocità eccessivamente elevate o cambiamenti bruschi di direzione indicano errori; selezionarli e rimuoverli dalla traiettoria 3D o dalla sua proiezione 2D.

Un gruppo di punti traccia con forme irregolari dal punto di vista spaziale e una lunga durata dal punto di vista temporale indica errori probabilmente causati da posizioni interne in cui il segnale GPS è debole. Se viene selezionato un gruppo di questi punti, il programma può calcolare l'OID spaziotemporale dei punti selezionati e quindi correggere la traccia in modo che passi attraverso l'OID. In alternativa, se si sceglie l'opzione automatica dal menu di pre-elaborazione, impostare le posizioni di input e output, nonché i parametri empirici che determinano velocità eccessivamente elevate e brusche variazioni di direzione dei punti.

Il programma analizza i dati della traiettoria caricati ed esegue automaticamente un algoritmo che imita l'approccio visivo di rilevamento degli errori. La segmentazione della traiettoria richiede il livello degli edifici; assicurarsi quindi che il file di forma degli edifici sia pronto. Fare clic sullo strumento di segmentazione nella barra degli strumenti per avviare la funzione.

Impostare l'input e l'output e individuare il file di forma degli edifici come layer di riferimento. Utilizzare i nomi degli edifici per etichettare la traiettoria segmentata. L'algoritmo identifica i segmenti interni sulla base di criteri predefiniti o di default, come la velocità e la durata dei punti di traccia, nonché la topologia spaziale.

In relazione agli edifici, fare clic sullo strumento di sintesi dello spazio di attività per caricare le traiettorie segmentate e calcolare determinati attributi riassuntivi per caratterizzare lo spazio di attività di un individuo, come l'attività totale, il raggio, il raggio in un determinato periodo di tempo, il rapporto tra il tempo totale trascorso all'interno e all'esterno, e così via. Gli attributi possono essere esportati in un foglio di calcolo per utilizzi in modellazione quantitativa. La superficie di densità mostra la densità delle attività nello spazio con la dimensione temporale compressa.

Sono disponibili tre opzioni nell'elenco a discesa del menu di mappatura della superficie di densità. Se si seleziona l'opzione densità dei punti traccia, compilare la finestra di dialogo con le informazioni di input e output e scegliere di visualizzare in 3D o in 2D. Tutti i vertici dei dati della traiettoria vengono utilizzati per calcolare le densità kernel dei punti, come mostrato qui.

Se viene selezionata la densità del percorso di tracciamento, l'algoritmo calcola e visualizza la densità dei singoli percorsi effettuati. Se viene selezionata l'opzione densità dei punti risalpionati, l'algoritmo risalpiona i dati delle traiettorie utilizzando un intervallo di tempo prestabilito e mappa le densità dei punti distribuiti in modo uniforme nel tempo. Questa opzione è progettata per dispositivi di tracciamento che raccolgono punti di tracciamento a intervalli di tempo irregolari a causa della sensibilità variabile dei dispositivi in diverse condizioni fisiche o di traiettorie segmentate.

Qui sono mostrate le superfici di densità 2D e 3D delle traiettorie segmentate. Se per una qualsiasi delle opzioni viene selezionato il focus temporale, è possibile eseguire il focus temporale per esaminare i modelli di attività in diversi periodi di tempo. Ad esempio, le superfici di densità di attività in diversi momenti della giornata possono essere visualizzate per facilitare l'identificazione degli hotspot; la visualizzazione del volume di densità nel tempo utilizza il concetto di cubo spaziotemporale, come nella visualizzazione delle traiettorie.

Il cuore di tale visualizzazione consiste nella disaggregazione dello spazio in voxel. L'approccio utilizzato qui per visualizzare il volume di densità stima innanzitutto il volume di densità nei singoli voxel contando il numero di tracce spazio-temporali che intersecano i voxel. Sono disponibili le stesse tre opzioni per la visualizzazione del volume di densità così come per la visualizzazione della superficie di densità.

Successivamente, fare clic su una delle opzioni per avviare l'interfaccia di visualizzazione del volume 3D per la resa interattiva del volume. Impostando il numero di divisioni lungo ciascun asse, è possibile esaminare i cluster a diverse scale. Un fattore Z viene utilizzato per impostare l'esagerazione verticale al fine di migliorare la visualizzazione.

È possibile caricare anche un layer di riferimento, come gli edifici, per facilitare la visualizzazione. I risultati della resa volumetrica possono essere regolati interattivamente modificando la funzione di trasferimento che controlla la mappatura dalla densità al colore. È disponibile una procedura per creare serie animate da visualizzare in Google Earth.

Fare clic su "esporta in KML" per EDA per accedere a questa procedura: viene creato un file KML che si apre in Google Earth per l'animazione interattiva della traiettoria. È possibile seguire la traiettoria per esplorare l'ambiente nel tempo scorrendo la cronologia. In Google Earth, è disponibile una procedura per visualizzare le connessioni tra luoghi di interesse mediante analisi delle connessioni.

Ad esempio, le connessioni tra diversi edifici di un campus universitario sono ricavate da dati di traiettoria segmentati, raccolti dagli studenti; in base a tali connessioni, è possibile identificare punti critici come gli edifici con il maggior traffico in entrata o in uscita e i nodi centrali che collegano i luoghi più frequentati. I dati di traiettoria sono stati raccolti da studenti universitari volontari della Keen University nella primavera del 2010. L'obiettivo era studiare i modelli di attività degli studenti che avevano contratto l'influenza, confrontandoli con quelli di chi non si era ammalato.

Per illustrare i metodi e le procedure presentati in questo, sono state utilizzate le traiettorie raccolte all'interno dell'area del campus suburbano per generare risultati rappresentativi. Qui viene mostrata la rappresentazione del cubo spazio-temporale di una traiettoria in relazione agli edifici del campus universitario. I dati grezzi raccolti da uno studente che ha registrato un giorno della sua attività nel campus mediante un dispositivo GPS rivelano che alcune permanenze prolungate all'interno di edifici hanno prodotto dati rumorosi, indicati dalla porzione irregolare della traccia.

Questo è molto comune nei dati di traiettoria pedonale. Questa figura rappresenta la traiettoria pre-elaborata e segmentata, mentre la traiettoria pre-elaborata e segmentata con segmenti codificati per colore all'interno e all'esterno degli edifici nel cubo spaziotemporale è rappresentata qui. Qui viene mostrata la mappatura della superficie di densità di un insieme di traiettorie.

I punti di tracciamento grezzi coinvolti nell'opzione di mappatura della densità dei punti di tracciamento e la mappa di densità risultante possono essere visualizzati. In alternativa, è possibile mappare anche le densità dei percorsi percorsi. La mappatura della densità è particolarmente utile quando si analizzano un elevato numero di traiettorie.

Questa mappa visualizza un totale di 470 traiettorie. La superficie di densità può essere inoltre visualizzata mediante rappresentazioni in 2D e 3D utilizzando punti risalpionati da queste traiettorie. Oltre alla visualizzazione interattiva della dimensione temporale in un cubo spazio-temporale, la variabile temporale può essere elaborata mediante focalizzazione temporale per esaminare i modelli spaziali in diversi periodi di tempo.

Qui vengono mostrati esempi di tale analisi. Utilizzando il dataset di esempio che contiene i dati delle traiettorie raccolti dagli studenti durante la stagione influenzale, è evidente che le loro attività sono concentrate in diverse località durante l'arco della giornata.

Per arrivare infine alla mappa di densità dell'attività composita nel volume di densità inferiore, può essere eseguita anche una rappresentazione volumetrica della densità come mostrato qui; tuttavia, è difficile individuare schemi se tutte le tracce spaziotemporali vengono visualizzate in un cubo spaziotemporale. A causa dell'elevato affollamento visivo, i dati corrispondenti vengono visualizzati mediante una rappresentazione volumetrica della densità. Le quattro illustrazioni rappresentano diverse impostazioni della funzione di trasferimento del programma di rendering della densità e mettono quindi in evidenza volumi di densità in diversi intervalli di frequenza.

Un altro modo per individuare gli hotspot è attraverso l'analisi delle connessioni. Qui vengono mostrati i collegamenti diretti tra tutti gli edifici del campus. Gli edifici evidenziati sono quelli con il volume maggiore di traffico in uscita.

Qui, le stesse connessioni sono mostrate evidenziando in nero quelle con il traffico maggiore. Nel tentativo di eseguire questa procedura, è importante ricordare di iniziare con un passaggio di pre-elaborazione prima di passare alla segmentazione, all'analisi esplorativa e ad altri metodi di visualizzazione seguendo questo procedimento. Altri metodi, come l'analisi statistica degli attributi, la categorizzazione dello spazio di attività o l'analisi delle sequenze, ad esempio allineamento di sequenze, possono essere eseguiti per rispondere ad ulteriori domande, come ad esempio in che modo l'attività, lo spazio e le sequenze di una persona possano influenzare la probabilità di infezione.