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標は、人間の軌跡データの時空間解析と視覚化を通じて、歩行者の時空間活動をモデル化することです。これは、最初に詳細な全地球測位システム(GPS)データを収集し、そのデータを軌道分析器にロードすることによって実現されます。2 番目のステップは、軌跡データを前処理してセグメント

次に、個人の活動空間を特徴付けます。最後のステップは、密度、サーフェスマッピング、密度、ボリュームレンダリング、またはその両方を通じて時空間パターンを調べることです。最終的には、他の探索的データ分析手法と視覚化を使用して、データ内の追加の隠れたパターンを示します。

この手法は、SHNUが開発した時空間軌跡解析用のFGIS拡張などの既存の手法と比較すると、軌跡をインタラクティブに可視化するためのインターフェースを提供するだけでなく、ルート軌跡データセグメントをクリーンアップし、TRデータからプロパティを導出する処理方法や、大量の軌跡データからパターンを発見する探索的解析に着目している点です。この方法は、ミクロスケールの疾病伝播に関連するヒトの時空間活動研究の分野における重要な疑問、例えば、時空活動が感染の可能性にどのように影響するか、またはどの環境や時空間行動がより高いリスクの軌跡につながるかなど、答えるのに役立ちます。データはハンドヘルドGPSユニットで収集できます。

GPS対応のスマートフォン追跡アプリケーションだけでなく、採用されているような支援付きGPSデバイスも搭載しています。この研究では、商用のチャイルドトラッカーデバイスの軌跡であり、データは通常、時間、緯度、経度の記録の観点から保存されます。必要な時間間隔は、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、時空間活動の調査では、データをカンマ区切り値に変換するか、レコード ID、緯度、経度、および時間の列をそれぞれ分割する CSV ファイルに変換するために、最も頻繁な間隔が必要です。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またはGISファイル形式に変換します。建物のポリゴンのシェープファイルと、軌道アナライザーを使用して分析範囲の境界の別のシェープファイルを読み込みます。

建物の立ち上げを 3D 表示用に適切に設定し、境界レイヤーの立ち上げと透過表示を適切に設定して時空間キューブを表示します。次に、空間を表す XY 次元と Z 次元を持つ時空間キューブで軌跡を開きます。時間を表す場合、前処理には 2 つのオプションを使用できます。

ノイズの多い生の軌跡データは、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。3D軌道の2D投影が作成され、見やすく、選択しやすくなっています。

3Dディスプレイを操作して、空間と時間の生の軌跡を調べます。線路セグメントの形状、速度、トポロジーに基づいてデータのエラーを特定します。通常、非現実的な高速または急激な方向変更を伴うトラックポイントはエラーを意味し、3D軌道またはその2D投影のいずれかからそれらを選択して削除します。

空間的にはとがった形状のトラック ポイントのクラスターで、時間的には長い場合は、GPS 信号が弱い屋内の場所が原因である可能性が最も高いエラーを示しています。これらのポイントのグループが選択されている場合、プログラムは選択したポイントの空間時間 OID を計算し、その OID を通過するようにトラックを調整できます。または、前処理メニューから自動を選択した場合は、入力位置と出力位置、および異常な高速とポイントの急激な回転を決定する経験的パラメータを設定します。

プログラムは、ロードされた軌跡データを検索し、視覚的なエラー検出アプローチ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。軌道セグメンテーションには建物レイヤーが必要なため、建物シェイプ ファイルの準備ができていることを確認します。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、建物のシェイプ ファイルを参照レイヤーとして配置します。建物名を使用して、セグメント化された軌道にラベルを付けます。このアルゴリズムは、トラック ポイントの速度や期間、空間トポロジなど、設定された条件またはデフォルトの条件に基づいて屋内セグメントを識別します。

建物に関連して、アクティビティ空間集約ツールをクリックすると、セグメント化された軌道が読み込まれ、選択した集約属性が計算されて、総活動量、半径、特定の期間の半径、屋内と屋外で費やされた合計時間の比率など、アクティビティ空間を特徴付けます。属性は、定量的モデリングで使用するためにスプレッドシートにエクスポートできます。密度面は、時間次元が折りたたまれた空間での活動の密度を示します。

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は、3つのオプションが利用可能です。トラック ポイント密度オプションを選択した場合は、ダイアログ ボックスに入力情報と出力情報を入力し、3D または 2D で表示することを選択します。軌跡データのすべての頂点は、次に示すように、ポイントのカーネル密度を計算するために使用されます。

トラック パス密度 が選択されている場合、アルゴリズムは移動した個々のパスの密度を計算して表示します。[リサンプリングされたポイント密度] オプションが選択されている場合、アルゴリズムは設定された時間間隔を使用して軌跡データをリサンプリングし、時間的に均等に分散したポイントの密度をマッピングします。このオプションは、さまざまな物理的条件やセグメント化された軌道の下でデバイスの感度が異なるため、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用に設計されています。

セグメント化された軌道の2Dおよび3D密度面がここに表示されます。いずれかのオプションで時間的フォーカスが選択されている場合、時間的フォーカスを実行して、異なる期間のアクティビティパターンを調べることができます。例えば、1日の異なる時間における活動密度サーフェスは、時間密度ボリュームの視覚化が軌跡の視覚化と同様に時空キューブの概念を使用して、ホットスポットの識別を容易にするために視覚化することができる。

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解することです。ここで密度ボリュームを視覚化するために使用されるアプローチでは、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して、個々のボクセルの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は、密度サーフェスの視覚化と同じ 3 つのオプションを使用できます。

次に、いずれかのオプションをクリックして、インタラクティブなボリュームレンダリング用の3Dボリューム視覚化インターフェースを起動します。各軸に沿って分割数を設定することにより、異なるスケールでクラスターを調べることができます。Z 係数は、視覚化を改善するために垂直方向の強調を設定するために使用されます。

建物などの参照レイヤーも読み込んで、視覚化に役立てることができます。ボリュームレンダリングの結果は、密度からカラーへのマッピングを制御する伝達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。Google Earthに表示するアニメーションシリーズを作成する手順があります。

その他の [KML にエクスポートして EDA がこの手順にアクセスする] をクリックすると、KML ファイルが作成され、Google Earth で開いて軌跡のインタラクティブなアニメーションが表示されます。タイムラインに沿ってスクロールすることで、時間内に環境を移動する軌跡をたどることができます。Google Earth では、接続分析を通じて対象場所間の接続を視覚化する手順を使用できます。

たとえば、大学のキャンパス内の異なる建物間の接続は、派生した接続に基づいて学生が収集したセグメント化された軌跡データから取得されます。たとえば、アウトバウンドまたはインバウンドのトラフィックが最も多い建物や、トラフィックが最も多い場所を接続するハブなどを特定できます。軌跡データは、2010年の春にキーン大学のボランティアの学部生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生徒とそうでない生徒の活動パターンを比較することでした。

この図で提示された方法と手順を説明するために、郊外のキャンパスエリア内で収集された軌跡を使用して、代表的な結果を生成しました。ここには、大学キャンパス内の建物を基準とした軌跡の時空間キューブ表現が示されています。ある学生がA GPSデバイスを使用してキャンパスでの1日の活動を記録して収集した生データによると、長時間の屋内滞在により、トラックのとがった部分が示すノイズの多いデータが発生していることが明らかになりました。

これは、歩行者の軌跡データで非常に一般的です。この図は、前処理およびセグメント化された軌跡を表しており、ここでは、時空間キューブ内の屋内と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ト化された軌跡を表しています。ここに示されているのは、一連の軌跡の密度サーフェス マッピングです。

トラック ポイント密度マッピング オプションの実行に関連する未加工のトラッキング ポイントと、その結果の密度マップを視覚化できます。逆に、移動したパスの密度もマッピングできます。密度マッピングは、多数の軌道を解析する場合に特に便利です。

このマップには、合計 470 の軌跡が表示されています。密度サーフェスは、これらの軌跡からリサンプリングされたポイントを使用して、2D および 3D 表現で表示することもできます。時空間キューブでの時間次元の対話的な表示に加えて、時間変数は時間フォーカスを通じて処理し、さまざまな期間の空間パターンを調べることができます。

ここでは、その分析例を示します。インフルエンザの季節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します。彼らの活動が一日を通してさまざまな場所に集中していることは明らかです。

最終的に下部の密度ボリュームレンダリングに複合的な活動密度マップを導くために、ここに示すようにレンダリングを実行することもできますが、すべての時空間トラックが時空間キューブで視覚化されている場合、パターンを検出することは困難です。ここでは視覚的な乱雑さがあるため、対応するデータは密度ボリュームレンダリングとして視覚化されます。4 つの図は、密度レンダリング プログラムの伝達関数の異なる設定を表しているため、異なる周波数範囲で密度ボリュームが強調表示されます。

ホットスポットを見つける別の方法は、接続分析を使用することです。キャンパス内のすべての建物間の直線接続を以下に示します。強調表示されている建物は、送信トラフィック量が最も多い建物です。

ここでは、同じ接続が表示され、トラフィックが最も多い接続が黒で強調表示されています。この手順を試行する際は、この手順に従うセグメンテーション、探索的分析、およびその他の視覚化方法に進む前に、前処理ステップから開始することを覚えておくことが重要です。属性の統計分析、活動空間の分類、またはシーケンスアライメントなどのシーケンス分析などの他の方法を実行して、自分の活動、空間、およびシーケンスが感染の可能性にどのように影響するかなどの追加の質問に答えることができます。