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

この手順の全体的な目的は、歩行者の軌跡データの時空間解析および可視化を通じて、歩行者の時空間活動をモデル化することです。これは、まず詳細な全地球測位システム（GPS）データを収集し、そのデータを軌跡解析器に読み込むことで達成されます。次のステップは、軌跡データのプリプロセスおよびセグメンテーションを行うことです。

次に、個体の活動空間を特性化します。最終ステップでは、密度表面マッピング、密度ボリュームレンダリング、またはその両方を用いて、時空間パターンを検証します。最終的に、その他の探索的データ解析手法と可視化を用いて、データに隠れたさらなるパターンを明らかにします。

時空間軌跡の解析のためにSHNUによって開発されたFGIS拡張などの既存の手法に対する本手法の主な利点は、軌跡のインタラクティブな可視化のためのインターフェースを提供するだけでなく、ルート軌跡データのクリーニング、TRデータからの属性導出、および大量の軌跡データからパターンを検出するための探索的分析という処理手法に焦点を当てている点にあります。この手法は、個人の時空間活動が感染確率にどのように影響するか、あるいはどのような環境や時空間行動が高リスクな軌跡につながるかなど、微視的な疾患伝播に関連する人間活動の時空間研究における重要な疑問への回答に寄与します。データは携帯型GPSユニットを用いて収集することが可能です。

GPS対応のスマートフォン追跡アプリケーション、および本研究で採用した商用の子供向け追跡デバイスのようなアシストGPSデバイスを使用します。これらのデバイスによる軌跡データは、通常、時刻、緯度、経度の記録として保存されます。アプリケーションのニーズに基づいて、適切な時間間隔を設定する必要があります。

時空間活動研究では、多くの場合に最も頻繁な間隔が求められます。データを、レコードID、緯度、経度、および時間をそれぞれ別々の列としたカンマ区切り値（CSV）ファイルに変換してください。次に、CSVファイルを一般的に使用される地理情報システム（GIS）のファイル形式に変換します。軌跡解析ソフトを用いて、建物のポリゴンを示すシェープファイルと、調査地域の境界を示す別のシェープファイルを読み込みます。

3D表示に合わせて建物の押し出し設定を適切に行い、時空キューブを表示するために境界層の押し出しと透明度を適切に設定します。次に、XY次元を空間、Z次元を時間として、時空キューブ内の軌跡を開きます。前処理には2つのオプションが利用可能です。

ノイズを含む生の軌跡データは、前処理メニューのドロップダウンリストから選択できます。「インタラクティブ」を選択した場合、容易に閲覧および選択ができるよう、3D軌跡の2D投影が作成されます。

3D表示を操作し、空間および時間における生の軌跡を確認します。トラックセグメントの形状、速度、またはトポロジーに基づいて、データ内のエラーを特定します。通常、非現実的な高速移動や急激な方向転換を示すトラックポイントはエラーを意味するため、3D軌跡またはその2D投影図のいずれかから、それらを選択して削除します。

空間的に尖った形状をしたトラックポイントのクラスターと、時間的に長い持続時間は、GPS信号が弱い屋内などの場所によって引き起こされた可能性が高いエラーであることを示しています。これらのポイントのグループを選択すると、プログラムは選択されたポイントの空間時間OIDを算出し、そのOIDを通過するようにトラックを調整することができます。あるいは、「前処理」メニューから「自動」を選択し、入出力場所および、ポイントの異常な高速移動や急激な方向転換を判定するための経験的パラメータを設定してください。

プログラムは読み込まれた軌跡データを検索し、視覚的なエラー検出手法を模したアルゴリズムに基づいて自動的に実行されます。軌跡のセグメンテーションには建物レイヤーが必要なため、建物のシェープファイルが準備されていることを確認してください。ツールバーのセグメンテーションツールをクリックして機能を開始します。

入力と出力を設定し、リファレンスレイヤーとして建物のシェイプファイルを指定します。建物の名称を使用して、セグメント化された軌跡にラベルを付けます。アルゴリズムは、速度やトラックポイントの持続時間などの設定済みまたはデフォルトの基準、および空間トポロジーに基づいて、屋内セグメントを識別します。

建物に関して、「activity space summarization」ツールをクリックしてセグメント化された軌跡を読み込み、選択した要約属性を算出することで、総活動量、半径、特定の時間帯における半径、屋内と屋外で過ごした総時間の比率など、個人の活動空間を特徴づけることができます。これらの属性は、定量的なモデリングに使用するためにスプレッドシートにエクスポート可能です。Density surfaceでは、時間軸を統合した空間上の活動密度が表示されます。

密度サーフェスマッピングメニューのドロップダウンリストから3つのオプションを選択できます。「トラックポイント密度（track point density）」オプションを選択した場合、ダイアログボックスに入出力情報を入力し、3Dまたは2Dのいずれかで表示することを選択します。ここに示すように、軌跡データのすべての頂点を使用して、ポイントのカーネル密度を算出します。

トラックパス密度のオプションを選択した場合、アルゴリズムは移動した個々のパスの密度を算出して表示します。リサンプリング点密度のオプションを選択した場合、アルゴリズムは一定の時間間隔を用いてトラジェクトリデータをリサンプリングし、時間的に均等に配置された点の密度をマッピングします。このオプションは、様々な物理的条件によるデバイスの感度の変動や、セグメント化されたトラジェクトリにより、不規則な時間間隔でトラッキングポイントを収集するトラッキングデバイス向けに設計されています。

セグメント化された軌跡の2Dおよび3D密度曲面をここに示します。いずれかのオプションで時間的フォーカシングを選択した場合、時間的フォーカシングを実行して異なる時間帯の活動パターンを調査できます。例えば、1日の中の異なる時間帯における活動密度曲面を可視化することで、時間密度ボリューム可視化における軌跡の可視化と同様に、時空キューブの概念を用いて時間経過に伴うホットスポットを容易に特定することが可能です。

このような視覚化の中核となるのは、空間をボクセルに分割することです。ここで密度ボリュームを視覚化するために用いられている手法では、まずボクセルと交差する時空間トラックの数をカウントすることで、個々のボクセルにおける密度ボリュームを推定します。密度ボリュームの視覚化においても、密度表面の視覚化と同様の3つのオプションが利用可能です。

次に、オプションのいずれかをクリックして、インタラクティブなボリュームレンダリングを行うための3Dボリューム可視化インターフェースを起動します。各軸に沿った分割数を設定することで、異なるスケールでクラスターを調べることができます。可視性を向上させるため、Zファクターを用いて垂直方向の誇張を設定します。

可視化を補助するために、建物などのリファレンスレイヤーを読み込むことも可能です。ボリュームレンダリングの結果は、密度から色へのマッピングを制御する転送関数を操作することで、インタラクティブに調整できます。また、Google Earthで表示するためのアニメーションシリーズを作成する手順が用意されています。

その他のオプションから、EDAでこの手順にアクセスするためにKML形式でエクスポートをクリックすると、Google Earthで開いて軌跡をインタラクティブなアニメーションで表示できるKMLファイルが作成されます。タイムラインに沿ってスクロールすることで、軌跡を追いながら環境内を時間的に移動することができます。Google Earthでは、コネクション解析を通じて関心地点間のつながりを可視化する手順を利用可能です。

例えば、大学キャンパス内の異なる建物間の接続は、学生によって収集されたセグメント化された軌跡データから導き出されます。導き出された接続に基づき、流出または流入トラフィックが最も多い建物などのホットスポットや、最も交通量の多い場所を繋ぐハブを特定することができます。軌跡データは、2010年春にキーン大学の学部生ボランティアによって収集されました。その目的は、インフルエンザに罹患した学生の活動パターンを、罹患していない学生と比較して研究することでした。

本稿で提示する手法および手順を説明するため、郊外のキャンパスエリア内で収集された軌跡を用いて代表的な結果を生成しました。大学キャンパス内の建物に対する軌跡の時空間キューブ表現をここに示します。学生がA GPSデバイスを用いて1日のキャンパス内活動を記録して収集した生データから、屋内に長時間滞在したことで、トラックのスパイク状の部分に示されるようなノイズデータの発生が認められます。

これは歩行者の軌跡データにおいて非常に一般的です。この図は前処理およびセグメンテーション済みの軌跡を示しており、一方でこちらは、時空間キューブ内で屋内および屋外のセグメントが色分けされた前処理およびセグメンテーション済みの軌跡を示しています。ここでは、一連の軌跡の密度曲面マッピングを示します。

トラックポイント密度マッピングオプションの実行に使用される生のトラッキングポイントと、その結果得られる密度マップを可視化できます。逆に、走行経路の密度をマッピングすることも可能です。密度マッピングは、多数の軌跡を分析する場合に特に有用です。

このマップには、合計470本の軌跡が表示されています。また、これらの軌跡からリサンプリングされた点を用いて、密度曲面を2Dおよび3D表現で表示することも可能です。時空間キューブによる時間次元のインタラクティブな表示に加えて、時間変数を時間的フォーカシングによって処理することで、異なる時間帯における空間パターンを検討することができます。

ここでは、そのような解析の例を示します。インフルエンザ流行期に学生が収集した軌跡データを含むサンプルデータセットを使用すると、彼らの活動が一日を通して異なる場所を中心に展開していることが分かります。

最終的に複合的な活動密度マップを作成するために、ここではように密度ボリュームレンダリングを行うことも可能です。すべての時空間トラックを時空間キューブ内で可視化すると、パターンの検出が困難になります。視覚的な混雑を避けるため、ここでは対応するデータを密度ボリュームレンダリングとして可視化しています。4つの図は、密度レンダリングプログラムの転送関数の異なる設定を示しており、これにより異なる周波数範囲の密度ボリュームを強調しています。

ホットスポットを特定するもう一つの方法は、接続解析を用いることです。ここでは、キャンパス内のすべての建物の間の直線的な接続を示しています。ハイライトされている建物は、流出交通量が最も多い建物です。

ここでは、同様の接続が示されており、最もトラフィックが多い接続が黒色で強調表示されています。この手順を試みる際は、セグメンテーション、探索的解析、およびその他の可視化手法に進む前に、前処理ステップから開始することが重要です。属性の統計解析、活動空間のカテゴリー分け、あるいは配列アラインメントのような配列解析などの他の手法を行うことで、個人の活動、空間、および配列が感染確率にどのように影響するかといった追加の問いに答えることができます。