歩行者空間·時間·アクティビティ·研究のための軌道データ解析

Summary

時空間処理方法のスイートは、モデリング·歩行者の時空間活動の目的のため、GPSデバイスを使用して収集されたものと人間の軌道データを分析するために提示されています。

Abstract

これはよく空間的および時間的な次元における人間の運動は病気伝送^1-3直接的な影響力を持っていることが認識されている。感染症は、通常、それらの重なり活動空間における感染と感受性個体間の接触を介して広がっています。したがって、毎日のモビリティアクティビティ情報は、感染の危険因子への曝露を測定するための指標として使用することができる。しかし、このように大きな難題とミクロスケールでの感染症伝播の研究が不足している理由は、詳細な個人のモビリティデータの不足から生じる。以前はしばしば被験者が積極的に時間と空間での活動を記録するために必要な時間空間日記技術、に依存していた交通、観光研究の詳細な時空間活動データインチこれは非常に参加者からの参加者とのコラボレーションを求めている大幅にデータ⁴の品質に影響を与える。

現代のGPSやモバイル通信などの技術が可能軌跡データの自動収集を行っている。収集されたデータは、しかし、既存の機器の精度によって制限され、人間の時空間活動をモデル化するための理想的ではありません。人間行動研究のためのデータの効率的な処理のための容易に利用可能なツールもありません。私たちはここでのメソッドのスイートと軌跡データの前処理、時空間解析のための統合されたArcGISのデスクトップベースのビジュアルなインターフェイスを提示。我々は、特にそのような感染症の伝送モデリングなど、公衆衛生学に有用である可能性のあるエラーの豊富な歩行者の軌跡データと、人間の時空間活動をモデル化するために使用されるかもしれないか、このような処理の例を示します。

提示の手順では、前処理、軌道セグメンテーション、活動空間の特性、密度推定と可視化、および他のいくつかの予備的な解析手法を含む。プリprocessingがうるさい生の軌道データのクリーニングです。私たちは、対話型のビジュアル前処理インタフェースと同様に自動モジュールをご紹介します。軌道セグメンテーション^5は前処理された時空のトラックから、屋内と屋外の部品の識別を必要とする。繰り返しになりますが、インタラクティブな視覚的セグメンテーションと自動セグメンテーションの両方がサポートされています。セグメント化された時空のトラックはその後派生するために分析されるような活動半径等密度推定と可視化など、1つの活動領域の特性は、ホットスポットとの相互作用をモデル化するために軌道に大量のデータを調べるために使用されます。我々は、密度表面マッピング⁶および密度ボリュームレンダリング^7の両方を示しています。我々はまた、Google Earthのアニメーションをサポートし、接続の分析など、他の探索的データ解析（EDA）と視覚化ツールのカップルが含まれています。分析のスイートだけでなく、この論文で提示ビジュアルメソッドはsの任意の軌道データに適用してもよいペースタイム活性研究。

Protocol

1。データの取得

1. 軌跡データはハンドヘルドGPSユニット、GPS対応スマートフォントラッキングアプリケーションだけでなく、A-GPS（GPSを支援）など、我々の研究で使用されている1つ、商業子トラッカー装置などの装置を使用して収集することができます。
2. 軌跡データは、通常の時間緯度経度レコードの条件で保存されます。所望の時間間隔は、アプリケーションのニーズに基づいて設定する必要があります。多くの場合、最も頻繁な間隔は、時空間活動の研究のために望まれている。
3. コンマで区切られた値にデータを変換したり、。それぞれのレコードIDごとに個別の列を持つcsvファイル、緯度、経度、時刻、。その後、一般的に使用される地理情報システムへ。csvファイル（GIS）のファイル形式（ すなわち 、ESRIシェープファイル^8）に変換します。
4. 建物ポリゴンと軌道アナライザによる研究領域の境界の別のシェープファイルにロードします。 3Dディに対して適切に建物の "押し出し"を設定スプレイと空間と時間を表すz次元を表すx、yの次元と時空キューブ^6,9を表示するに^は、適切に"押し出し"と境界層の"透明度"を設定します。

2。前処理

1. 二つのオプションは、前処理うるさい生の軌道データに使用できます。一つは、前処理メニューのドロップダウンリストから選択することができます。
2. '対話'が選択されている場合は、3次元軌跡の2D投影を簡単に表示および選択のために作成されます。空間的にも時間的に生の軌跡を調べるために3D表示を操作します。形状、速度および/またはトラックセグメントのトポロジに基づいて、データのエラーを特定します。非現実的な高速または突然の方向変化を伴う通常のトラックポイント（頂点）のエラーを意味する。選択して、元の軌道からそれらを削除します。選択して、3D軌道またはその2D投影のどちらかからそれらを削除します。
3. 先端のとがったSHAとトラックポイントのクラスタPES（ 図1）空間的にも時間的に最も長い期間、おそらくGPS信号が弱い屋内位置によって引き起こされるエラーを意味する。これらの点のグループが選択された場合は、プログラムが選択されているポイントの時空重心を計算し、重心を通過する軌道を調整することができます。
4. '自動'は前処理メニューから選択された場合、あるいは、異常な高速性とポイントの突然の転換を決定し、入力と出力の場所としてだけでなく、経験的なパラメータを設定します。プログラムがロードされた軌道データを検索し、視覚的なエラー検出の手法を模倣したアルゴリズムに基づいて自動的に実行されます。

3。軌道セグメンテーション＆アクティビティスペースの特性

1. 軌道セグメンテーションは、建物の層を必要とするので、建物形状ファイルがロードされていることを確認してください。
2. 機能を起動するには、ツールバーのセグメンテーションツールをクリックします。入力と出力を設定し、基準層として建物形状ファイルの場所を指定。セグメント化された軌道にラベルを付けるために建物名を使用します。アルゴリズムは、速度、時間などのトラックポイントだけでなく、建物との関係で空間トポロジーとして設定するか、デフォルトの基準に基づいて、室内のセグメントを識別します。
3. セグメント化された軌道にロードすると、それに総活性半径、一定期間における半径、屋内対屋外で費やされる合計時間の比率、など、1つの活動空間を特徴づけるために選択したサマリー属性を計算する活動空間集約ツールをクリックします。
4. 属性は、定量的なモデル化の目的で使用する場合は、スプレッドシートにエクスポートすることができます。

4。密度表面マッピング

1. 密度表面は時間次元と空間での活動の密度が崩壊を示しています。 3つのオプションは、密度表面マッピング]メニューのドロップダウンリストから利用できます。
2. "トラックポイントの密度 'オプションが選択されている場合、入力および出力情報を含むダイアログボックスに記入して3Dや2Dのいずれかで表示するように選択する。軌道データからすべての頂点がポイントのカーネル密度を計算するために使用される図2は密度面を示す。
3. "トラックパス密度"を選んだ場合には、アルゴリズムが計算し、個々の走行経路（ 図3）の密度が表示されます。
4. "再サンプリングポイントの密度 'オプションが選択されている場合は、アルゴリズムの再サンプル点の密度が時間内に均等に広げ、設定された時間間隔とマップを使用して軌道データ。このオプションは、様々な物理的条件やセグメント化された軌道の下にあるデバイスの感度の違いにより、不規則な時間間隔でトラッキングポイントを集めるトラッキングデバイス用に設計されています図4は、セグメント化された軌道の2Dおよび3D密度面を示しています。
5. '時空焦点'が選択されている場合上記のオプションのny、時間的な焦点^10は 、異なる期間での活動パターンを調べるために行うことができる。たとえば、日中に様々なタイミングで活動密度面は時間を越えて、ホットスポット（ 図5）の識別を容易にするために視覚化することができる。

5。密度ボリューム推定とボリュームレンダリング

1. 密度のボリューム可視化は軌道の可視化のように時空キューブの概念を使用します。このような可視化の中核は、ボクセル空間¹¹への分解である。視覚密度·ボリュームへの我々のアプローチは、最初のボクセルと交差時空トラックの数を数えることによって、個々のボクセルの密度の体積を推定する。一つは、このステップの密度のボリューム可視化メニューの下に "密度体積計算"をクリックすることもできます。
2. 同じ3つのオプションは、密度表面を可視化するために密度のボリューム可視化のために用意されています。
3. インタラクティブなボリュームレンダリング¹²のための3Dボリュームデータの可視化インタフェースを起動するには[次へ]をクリックして"ボリュームレンダリング"。各軸に沿った分割数を設定することで、一つは、異なるスケールでクラスタを調べるかもしれません。 Z値の倍率は、より良い視覚化のための垂直誇張を設定するために使用されています。建物などの基準層も同様に可視化を支援するためにロードすることができます。ボリュームレンダリングの結果を対話的密度からカラーへのマッピングを制御伝達関数を操作することによって調整することができます。 （ 図6）。

6。他の探索的データ解析（EDA）とビジュアライゼーション

1. 手順は、Google Earthに表示されるアニメーションシリーズを作成することが可能です。 "その他"の下では、この手順にアクセスする "EDAのKMLへのエクスポート"をクリックします。それは軌道のインタラクティブなアニメーションにGoogle Earthで開くKML ¹³ファイルを作成します。
2. 一つは、ラーベする軌道をたどることがGoogle Earthのタイムラインに沿ってスクロールして時間内にlは環境。
3. 手順は、 "接続の分析 'を通じて興味のある場所同士のつながりを視覚化することが可能です。例えば、大学キャンパス内の異なる建物間の接続は、学生（ 図7）によって収集されたセグメント化された軌道データから導出されます。
4. 派生した接続に基づいて、そのようなほとんどの発信または着信トラフィックと最もトラフィックの多い場所をつなぐハブとそれらの建物のようにホットスポットを識別することができる。

Results

軌跡データは、2010年春にキーン大学（ニュージャージー州、米国）からの学部学生をボランティアにより収集した。目的はなかった人と比較して（医師によって診断や自己診断）がインフルエンザをひいた生徒の行動パターンを研究することであった。本稿で提案手法や手順を説明するために、我々は代表的な結果を生成するために郊外キャンパスエリア内で収集軌道を取った。キャンパスエリア内の軌道は、様々な駐車場や、キャンパスの外間運転に起因するわずかな部分のみで、主に歩行者の軌跡である。

大学のキャンパスにある建物を参照して軌跡の時空間立体表現を図1に示します。 図1Aは、AGPSのデバイス（市販子トラッカー）を使用して、キャンパス内の彼の活動の学生記録1日までに収集された生データです。それはOBです屋内滞在のいくつかの長い期間はノイズの多いデータ（トラックの先端のとがった部分で示される）をもたらしたことをvious。これは歩行者の軌跡データでは非常に一般的です。 図1Bは、前処理されたとセグメント化された軌...

Discussion

我々は、インターフェースを開発するために、ArcGISのアドインのメカニズムを使用していました。すべての対話的な操作を使用して実装されたC + +です。すべて自動処理と分析機能がPythonを使って開発されました。

エラーが原因で建物や頻繁な屋内停留所に隣接する大規模なことができるように歩行者が収集したAGPSデータ、またはGPSデータは、前処理に特有の課題を提示します。また、前処理の焦点は、トラッキングポイントの既に明白な不足に起因する車両のGPS軌跡データに対して通常行われているものとして、データ削減すべきではない。歩行者の移動軌跡データの明らかな誤りパターンは、しかし、前処理に固有のソリューションを提供します。代わりに標準前処理アルゴリズム^14を使用するのではなく、我々は、2.2で述べたマニュアルビジュアルエラー検出アプローチを模倣）と軌跡データのエラーをクリーンアップヒューリスティック法（2.3）を開発しました。具体的には、属性（計算速度とディ第1軌道の各トラックポイントの統率変化）。非現実的な高い速度および/または方向の変更でトラックポイントが削除さ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
試薬の名称	会社	カタログ番号	コメント（オプション）
WorldTracker GPRS	世界のトラッキング
分析を実行するためのパソコン
ArcGISソフトウェア	ESRI
軌道アナライザ拡張