Name: Le analisi per i dati di traiettoria pedonale Lo spazio-tempo di attività di studio (Video) | JoVE Journal
Uploaded: 2013-02-25T12:03:00.000+00:00
Duration: 16 min 14 s
Description: Esplora metodi di analisi spaziotemporale per modellare le attività pedonali usando dati GPS. Queste tecniche di visualizzazione rivelano pattern nascosti nei movimenti umani per applicazioni in pianificazione urbana.

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

Questo lavoro è finanziato dalla sovvenzione del NIH 1R03AI090465.

1. Ricevere i dati <ol><li> I dati di traiettoria possono essere raccolti con palmari GPS, GPS-enabled applicazioni intelligenti di monitoraggio telefono, così come A-GPS (Assisted GPS) dispositivi come quello impiegato nel nostro studio, uno spot dispositivo tracker bambino. </li><li> Dati di traiettoria in genere viene salvato in termini di tempo-latitudine-longitudine record. Un intervallo di tempo desiderato deve essere impostato in base alle esigenze applicative. Spesso l&#39;intervallo più frequente è desiderata per lo spazio-temporali studi attività. </li><li> Convertire i dati in valori separati da virgole, o. Csv con colonne separate per id record, latitudine, longitudine, e di tempo, rispettivamente. Poi convertire i. Csv file in uso comune Geographic Information Systems (GIS) formato di file (ad esempio ESRI shapefile 8). </li><li> Caricare in uno shapefile di poligoni di costruzione e un altro del confine dell&#39;area di studio con l&#39;analizzatore traiettoria. Impostare il &quot;estrusione&quot; degli edifici adeguatamente per un 3D display e impostare il &quot;estrusione&quot; e &quot;trasparenza&quot; dello strato limite correttamente per visualizzare uno spazio-tempo cubo 6, 9 con il x, y rappresentano dimensioni spazio e la dimensione z rappresenta il tempo. </li></ol> 2. Pre-elaborazione <ol><li> Sono disponibili due opzioni per la pre-elaborazione dei dati grezzi rumorosi traiettoria. Si può scegliere dal menu a discesa del menu di pre-elaborazione. </li><li> Se &#39;Interactive&#39; viene scelto, una proiezione 2D della traiettoria 3D è stato creato per facilitare la visualizzazione e la selezione. Manipolare lo schermo 3D per esaminare la traiettoria grezzo nello spazio e nel tempo. Individuare errori nei dati in base alla velocità di forma e / o topologia di segmenti di binario. Pronto punti (vertici) con realistico ad alta velocità o cambio di direzione improvviso significare errori. Selezionare e rimuoverli dalle traiettorie originali. Selezionare e rimuoverli da entrambi la traiettoria 3D o la sua proiezione 2D. </li><li> Un cluster di punti di traccia con appuntite shapes (Figura 1) nello spazio e una lunga durata temporalmente significare errori che sono più probabilmente causati da luogo chiuso in cui il segnale GPS è debole. Se un gruppo di questi punti è selezionata, il programma può calcolare il centroide spazio-temporale dei punti selezionati e regolare la traccia di passare attraverso il baricentro. </li><li> In alternativa, se &#39;Automatic&#39; è scelto dal pre-trattamento di menu, impostare l&#39;ingresso e posizioni di uscita nonché parametri empirici che determinano la velocità anomala alta e brusca svolta di punti. Il programma cerca attraverso i dati di traiettoria caricati e viene eseguito automaticamente in base a un algoritmo che simula la visuale approccio di rilevamento degli errori. </li></ol> 3. Traiettoria Segmentazione &amp; Space Caratterizzazione di attività <ol><li> Segmentazione della traiettoria richiede il livello di edificio, in modo da assicurarsi che il file viene caricato forma dell&#39;edificio. </li><li> Fare clic sullo strumento di segmentazione nella barra degli strumenti per avviare la funzione.Impostare l&#39;ingresso e uscita e trova il file di forma edificio come livello di riferimento. Utilizzare i nomi di costruzione di etichettare la traiettoria segmentato. L&#39;algoritmo identifica i segmenti interni basato su criteri predefiniti o di default come velocità, durata, ecc di punti di traccia, così come la topologia spaziale con riferimento agli edifici. </li><li> Istruzioni spazio strumento di attività summarization per caricare in traiettorie segmentati e calcolare gli attributi riassuntive selezionate per caratterizzare uno spazio di attività, come ad esempio raggio attività totale, raggio a un certo periodo di tempo, il rapporto del tempo totale trascorso in casa vs all&#39;aperto, e così via. </li><li> Gli attributi possono essere esportati in un foglio di calcolo per gli usi di modellazione quantitativa. </li></ol> 4. Densità superficiale Mapping <ol><li> Densità di superficie mostra la densità delle attività nello spazio con la dimensione temporale è crollato. Sono disponibili tre opzioni dal menu a discesa del menu mappatura densità superficiale. </li><li> Se l&#39;opzione &#39;densità di punti Track&#39; è selezionato, compilare la finestra di dialogo con le informazioni di input e di output e scegliere di visualizzare sia in 3D o 2D. Tutti i vertici dei dati di traiettoria vengono utilizzati per calcolare la densità dei punti kernel. Figura 2 mostra una superficie di densità. </li><li> Se la &#39;densità percorso Track&#39; è selezionata, l&#39;algoritmo calcola e visualizza la densità di percorsi individuali viaggiato (Figura 3). </li><li> Se l&#39;opzione &#39;densità Re-campionato punto&#39; è selezionata, l&#39;algoritmo di ri-campioni i dati di traiettoria con un intervallo di tempo e le mappe le densità di punti distribuiti in modo uniforme nel tempo. Questa opzione è progettata per i dispositivi di monitoraggio per la raccolta punti di monitoraggio a intervalli di tempo irregolari a causa della diversa sensibilità dei dispositivi in varie condizioni fisiche o le traiettorie segmentati. Figura 4 mostra le superfici di densità 2D e 3D di traiettorie segmentati. </li><li> Se &#39;temporale di messa a fuoco&#39; è stato selezionato per unny delle opzioni di cui sopra, temporale di messa a fuoco 10 può essere eseguita per esaminare i modelli di attività in periodi di tempo diversi. Ad esempio, le superfici di densità di attività in tempi diversi in un giorno possono essere visualizzati per una facile identificazione di hot spot attraverso il tempo (Figura 5). </li></ol> 5. Densità Stima Volume e Volume Rendering <ol><li> Volume di visualizzazione Densità utilizza la nozione di uno spazio-tempo cubo come nella visualizzazione di traiettorie. Il nucleo di visualizzazione quali è la disaggregazione di spazio in voxel 11. Il nostro approccio per visualizzare il volume prima densità stima del volume di densità in voxel singoli contando il numero di spazio-temporali tracce che si intersecano con i voxel. Si può fare clic su &#39;calcolo del volume di densità&#39; nel menu di visualizzazione densità di volume per questo passo. </li><li> Le stesse tre opzioni sono disponibili per la visualizzazione densità di volume come per la visualizzazione densità superficiale. </li><li> Fare clic su Avanti &#39;Rappresentazione volumetrica&#39; per lanciare l&#39;interfaccia di visualizzazione 3D del volume per il rendering interattivo dei volumi 12. Impostando il numero di divisioni lungo ogni asse, si possono esaminare i cluster a scale diverse. Un fattore z viene utilizzato per impostare l&#39;esagerazione verticale per una migliore visualizzazione. Uno strato di riferimento, come gli edifici possono essere caricati per aiutare la visualizzazione pure. I risultati di renderizzazione di volume può essere regolato in modo interattivo manipolando la funzione di trasferimento che controlla la mappatura di densità di colore. (Figura 6). </li></ol> 6. Altre analisi di dati esplorativi (EDA) e visualizzazioni <ol><li> Una procedura è disponibile per creare serie animata da visualizzare in Google Earth. Sotto &#39;Altro&#39;, fare clic su &#39;Esporta in KML per EDA&#39; di accedere a questa procedura. Esso crea un file di 13 kml che si apre in Google Earth per l&#39;animazione interattiva della traiettoria. </li><li> Si può seguire la traiettoria di travel &#39;ambiente in tempo scorrendo lungo la linea temporale in Google Earth. </li><li> Una procedura è disponibile per visualizzare le connessioni tra i luoghi di interesse attraverso &#39;l&#39;analisi di connessione&#39;. Ad esempio, le connessioni tra i diversi edifici in un campus universitario sono derivati ​​da dati di traiettoria segmentati che sono stati raccolti dagli studenti (Figura 7). </li><li> Sulla base delle connessioni derivate, punti caldi, come gli edifici con il traffico più in uscita o in entrata e hub che collegano i luoghi più trafficate possono essere identificate. </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>

Nessun conflitto di interessi dichiarati.

Abbiamo usato aggiuntivo meccanismo di ArcGIS sviluppare l&#39;interfaccia. Tutte le operazioni interattive sono state realizzate in C + +. Tutto il trattamento automatico e funzioni di analisi sono state sviluppate utilizzando Python. Dati AGPS, o dati GPS raccolti da pedonale presenta sfida unica nel pre-elaborazione, come gli errori possono essere enormi a causa di adiacenza agli edifici e alle frequenti fermate interne. Inoltre, la messa a fuoco di pre-elaborazione non dovrebbe essere la...

<table border="1"><tbody><tr><td> Nome del reagente </td><td> Azienda </td><td> Numero di catalogo </td><td> Commenti (opzionale) </td></tr><tr><td> WorldTracker GPRS </td><td> Monitoraggio Il Mondo </td><td></td><td></td></tr><tr><td> Un personal computer per eseguire l&#39;analisi </td><td></td><td></td><td></td></tr><tr><td> ArcGIS software </td><td> ESRI </td><td></td><td></td></tr><tr><td> Traiettoria Analyzer Estensione </td><td></td><td></td><td></td></tr></tbody></table>

le analisi per i dati di traiettoria pedonale lo spazio-tempo di attività di studio

Trajectory Data Analyses for Pedestrian Space-time Activity Study

È ben noto che il movimento umano nelle dimensioni spaziali e temporali ha un&#39;influenza diretta sulla trasmissione della malattia 1-3. Una malattia infettiva si diffonde in genere attraverso il contatto tra individui infetti e suscettibili nei loro spazi di attività sovrapposte. Pertanto, l&#39;attività quotidiana mobilità-informazione può essere utilizzata come indicatore per misurare l&#39;esposizione a fattori di rischio di infezione. Tuttavia, una difficoltà maggiore e quindi la ragione per scarsità di studi di trasmissione di malattie infettive in scala micro derivano dalla mancanza di dati dettagliati mobilità individuale. In precedenza nel trasporto e turismo di ricerca dettagliati spazio-temporali dei dati relativi all&#39;attività spesso invocati lo spazio-tempo tecnica di diario, che richiede di registrare i soggetti attivamente le proprie attività nel tempo e nello spazio. Questo è molto impegnativo per i partecipanti e la collaborazione da parte dei partecipanti influisce notevolmente sulla qualità dei dati 4. Modernotecnologie come il GPS e le comunicazioni mobili hanno reso possibile la raccolta automatica dei dati di traiettoria. I dati raccolti, tuttavia, non è ideale per modellare umani spazio-temporali attività, limitata dalla precisione dei dispositivi esistenti. Non ci è inoltre strumento prontamente disponibili per l&#39;elaborazione efficiente dei dati per lo studio del comportamento umano. Vi presentiamo qui una serie di metodi e di un sistema integrato di ArcGIS desktop-based interfaccia visiva per le analisi di pre-elaborazione e spazio-temporale dei dati di traiettoria. Forniamo esempi di come tale processo possa essere utilizzato per modellare umani spazio-temporali delle attività, in particolare con i dati di errore pedonali ricchi di traiettoria, che potrebbero essere utili in studi sulla salute pubblica come la modellazione trasmissione di malattie infettive. La procedura presentata include pre-processing, segmentazione traiettoria, spazio caratterizzazione attività, stima della densità e la visualizzazione, e alcuni altri metodi di analisi esplorative. Pre-processing è la pulizia dei dati rumorosi traiettoria grezzi. Si introduce una visuale interattivo pre-elaborazione interfaccia così come un modulo automatico. Segmentazione della traiettoria 5 comporta l&#39;identificazione delle parti interne ed esterne di pre-lavorati spazio-temporali tracce. Ancora, sia segmentazione interattiva visiva e segmentazione automatica sono supportati. Segmentati spazio-temporali tracce vengono quindi analizzati per derivare le caratteristiche del proprio spazio di attività come stima raggio Densità attività ecc e visualizzazione sono utilizzati per esaminare grandi quantità di dati di traiettoria per modellare punti caldi e interazioni. Dimostriamo sia la mappatura densità superficiale e volume 6 il rendering densità 7. Abbiamo anche un paio di altre analisi esplorativa dei dati (EDA) e gli strumenti di visualizzazioni, come il supporto di animazione Google Earth e analisi della connessione. La suite di analitica e metodi visivi presentati in questo documento può essere applicato a tutti i dati di traiettoria per space-time attività consiste nello studio.

I dati sono stati raccolti dalla traiettoria volontariato studenti universitari da Kean University (NJ, USA) nella primavera del 2010. Lo scopo era quello di studiare i modelli di attività degli studenti che catturati influenza (diagnosticata dal medico o auto-diagnosi) rispetto a coloro che non hanno. Al fine di illustrare le modalità e le procedure presentate in questo documento abbiamo preso le traiettorie raccolti all&#39;interno dell&#39;area suburbana campus per generare i risultati rappresentativi. Traiettorie al...

Una serie di metodi di elaborazione spazio-temporali vengono presentati per analizzare dati di traiettoria umani, come quelli raccolti utilizzando un dispositivo GPS, al fine di modellazione pedonali spazio-temporali attività.

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

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

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 segment

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

Research

Ricerca

JoVE Journal

Biology

Biologia

Questo protocollo viene utilizzato per valutare le variabili spaziali e temporali dell'andatura di pazienti neurologici/ortopedici e di persone anziane per mezzo di un sistema di fotocellule a pavimento di recente introduzione.

La valutazione clinica di spazio-temporali del cammino parametri in pazienti adulti e anziani

Un protocollo è presentato per la caratterizzazione del comportamento dei pedoni in campo e la simulazione della risposta strutturale risultante. Field-test dimostrano che in situ identificato frequenza di stimolazione e la velocità di sincronizzazione tra i partecipanti costituiscono una risorsa essenziale per la simulazione e la verifica dei carichi antropici.

Simulazione di vibrazioni indotte dall&#39;uomo Sulla base della caratterizzato campo pedonale Comportamento

L'obiettivo era quello di dimostrare un uso ottimale delle tecniche di raccolta dei dati per il Nordic passo a piedi e l'analisi della postura. Motion capture tridimensionale deve essere usato durante l'analisi di breve durata (es ciclo unico andatura), mentre accelerometria dovrebbe essere impiegato per l'analisi durata più lunga (ad esempio ripetuti cicli) come un cammino di 6 minuti di prova.

Probatorio appropriate tecniche di Motion Capture per la valutazione del Gait and Posture Nordic Walking in adulti più anziani

Qui, presentiamo un nuovo protocollo per misurare la stabilità posizionale in occasione di eventi chiave durante la distanza tra sedersi e stare in piedi per camminare utilizzando il centro di pressione rispetto alla distanza tra il centro di massa di tutto il corpo. Questo è stato derivato dalla piattaforma di forza e dalla tecnologia di cattura del movimento tridimensionale. Il paradigma è affidabile e può essere utilizzato per la valutazione di individui neurologicamente compromessi.

Sit-to-stand-e-piedi dal 120% del ginocchio Altezza: Un nuovo approccio per valutare la dinamica posturale controllo indipendente di piombo-arto

Questo manoscritto descrive il metodo per testare la validità concorrente delle misure cinematiche registrate dall'applicazione per smartphone rispetto a un sistema di motion capture 3D sul piano sagittale. Questo protocollo consentirà ai medici di configurare gli smartphone per l'acquisizione video del movimento umano.

Video Analisi del Movimento Utilizzando Smartphone (VIMAS): uno studio pilota

In questo studio, un metodo di analisi clinico-friendly tridimensionale di andatura, che è stato progettato per essere eseguito in clinica di riabilitazione, è presentato. Il metodo è costituito da un metodo di misura semplificata e intuitive figure per facilitare la comprensione dei clinici dei risultati.

Metodo di analisi tridimensionale di andatura orientato alla clinica per la valutazione di disordine di andatura

Questo protocollo descrive l'uso di un simulatore di camminata che funge da metodo sicuro ed ecologicamente valido per studiare il comportamento dei pedoni in presenza di traffico in movimento.

Utilizzo di un simulatore di camminata in realtà virtuale per indagare sul comportamento dei pedoni

Questo articolo descrive il materiale e il metodo sviluppato per studiare l'organizzazione posturale dell'iniziazione dell'andatura. Il metodo si basa sulle registrazioni della piattaforma di forza e sul principio diretto della meccanica per calcolare la cinematica del centro di gravità e del centro di pressione.

Organizzazione posturale dell'iniziazione dell'andatura per l'analisi biomeccanica mediante registrazioni della piattaforma di forza

Presentiamo un flusso di lavoro a basso costo e senza marker utilizzando DeepLabCut per quantificare l'andatura spontanea e la locomozione nei topi in movimento libero. Questo protocollo integra l'acquisizione video a camera singola, il tracciamento senza marcatori dei punti di riferimento anatomici e l'estrazione dei parametri locomotori spaziotemporali, fornendo un quadro non invasivo e accessibile per l'analisi del comportamento motorio senza apparecchiature specializzate.

Un flusso di lavoro a basso costo senza marcatori basato su DeepLabCut per l'analisi spontanea dell'andatura e della locomozione in topi in movimento libero

Test di sensibilità visiva in lucertole utilizzando un paradigma di condizionamento operante che si avvale di riproduzione video di casuale-puntino kinematograms e generati dal computer invertebrati.

Test di sensibilità visiva alla velocità e direzione del movimento in lucertole

Esplora metodi di analisi spaziotemporale per modellare le attività pedonali usando dati GPS. Queste tecniche di visualizzazione rivelano pattern nascosti nei movimenti umani per applicazioni in pianificazione urbana.

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

Esplora altri video