Name: 보행자 공간 시간 활동 학습을위한 궤적 데이터 분석 (동영상) | JoVE Journal
Uploaded: 2013-02-25T12:03:00.000+00:00
Duration: 16 min 14 s
Description: 배우세요 GPS 기반 보행자 궤적 데이터의 시공간 분석 및 시각화 방법을. 이 기술은 도시 계획 및 보행자 안전 연구에 활용될 수 있습니다.

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

이 작품은 NIH 보조금 1R03AI090465으로 운용되고 있습니다.

1. 데이터를 가져 오는 중 <ol><li> 탄도 데이터는 핸드 헬드 GPS 단위, GPS 기반 스마트 폰 추적 응용 프로그램뿐만 아니라 우리의 연구에서 사용 된 하나 상용 아동 추적기 장치로 A-GPS는 (도움 GPS) 장치로 수집 할 수 있습니다. </li><li> 탄도 데이터는 일반적으로 시간 위도 경도 - 기록의 측면에 저장됩니다. 원하는 시간 간격은 응용 프로그램의 필요에 따라 설정해야합니다. 종종 가장 자주 간격이 공간 시간 활동 공부를 원하는 수 있습니다. </li><li> 쉼표로 구분 된 값으로 데이터를 변환, 또는. 각각 기록 이드에 대한 별도의 항목으로 CSV 파일, 위도, 경도, 시간. 그런 다음. csv 파일 일반적으로 사용되는 지리 정보 시스템에 (GIS) 파일 형식 (예 : ESRI shapefile 8) 변환합니다. </li><li> 건물 다각형 및 궤도 분석기와 연구 영역의 경계의 또 다른의 shapefile에로드합니다. 3D 디에 대해 올바르게 건물의 &quot;압출&quot;를 설정보기 흉한하고 적절하게 x, 공간과 시간을 나타내는 Z 치수를 나타내는 Y 크기와 공간 시간 큐브 6, 9를 표시 할 수있는 &quot;압출&quot;와 경계 층의 &quot;투명성&quot;을 설정합니다. </li></ol> 2. 사전 처리 <ol><li> 두 옵션은 사전 처리 시끄러운 원시 궤적 데이터를 사용할 수 있습니다. 하나는 사전 처리 메뉴의 드롭 다운 목록에서 선택할 수 있습니다. </li><li> &#39;대화 형&#39;이 선택되어 있으면 3D 궤도의 2D 투영을 쉽게 확인하고 선택할 생성됩니다. 공간과 시간의 원시 궤도를 검토 3D 디스플레이를 조작. 모양, 속도 및 / 또는 트랙 세그먼트의 토폴로지에 따라 데이터의 오류를 식별합니다. 비현실적인 높은 속도 돌연 방향을 변경 보통 트랙 포인트 (정점) 오류를 의미. 선택하고 원래의 궤도에서 그들을 제거합니다. 선택하고 3D 궤도 또는 2D 프로젝션 중 하나에서 제거합니다. </li><li> 뾰족한 SHA와 트랙 포인트의 클러스터PES (그림 1) spatially와 긴 기간 시간적으로 가장 가능성이 GPS 신호가 약한 실내 위치로 인해 발생하는 오류를 의미. 이러한 점 그룹이 선택되어 있으면, 프로그램은 선택된 점의 spatiotemporal 중심을 계산하고 중심을 통과 할 수있는 트랙을 조정할 수 있습니다. </li><li> &#39;자동&#39;이 사전 처리 메뉴에서 선택하는 경우 또는, 입력 및 출력 위치뿐만 아니라 이상 높은 속도와 포인트의 갑작스런 모퉁이를 결정하는 경험적 매개 변수를 설정합니다. 프로그램로드 궤적 데이터를 통해 검색 및 영상 오류 검출 방식을 모방 알고리즘에 따라 자동으로 실행됩니다. </li></ol> 3. 탄도의 세분화 및 활동 공간 특성 <ol><li> 탄도 세분화이 건물 레이어가 필요하기 때문에, 건물 모양 파일이로드되어 있는지 확인합니다. </li><li> 기능을 시작하려면 도구 모음의 분류 도구를 클릭합니다.입력 및 출력 건물 모양 파일 참조 레이어로 위치를 설정합니다. 세그먼트 궤도에 라벨을 건물 이름을 사용합니다. 이 알고리즘은 속도, 시간 등을 추적 점뿐만 아니라 건물과 관련있는 공간 토폴로지으로 설정 또는 기본 기준에 따라 실내 세그먼트를 식별합니다. </li><li> 분할됐던로드와 같은 등등 총 활동 반경, 특정 기간 동안의 반경, 실내 대 실외을 보냈다 총 시간의 비율과 같은 하나의 활동 공간을 특성화하기 위해 선택한 요약 속성을 계산하는 활동 공간 요약 summarization 도구를 클릭합니다. </li><li> 속성은 양적 모델링 용도에 스프레드 시트로 내보낼 수 있습니다. </li></ol> 4. 밀도 표면 매핑 <ol><li> 밀도 표면은 시간적 차원과 공간에서 활동의 밀도가 붕괴 보여줍니다. 세 가지 옵션은 밀도 표면 매핑 메뉴의 드롭 다운 목록에서 사용할 수 있습니다. </li><li> &#39;트랙 포인트 밀도&#39;옵션을 선택하면, 입력 및 출력 정보를 대화 상자에 입력하고 3D 또는 2D 하나에 표시를 선택합니다. 궤적 데이터의 모든 꼭지점은 점의 커널 밀도를 계산하는 데 사용됩니다. 그림 2는 밀도 표면을 보여줍니다. </li><li> &#39;추적 경로 밀도&#39;가 선택되어있는 경우 알고리즘은 계산하고 여행을 개별 경로 (그림 3)의 밀도를 표시합니다. </li><li> &#39;다시 샘플 점 밀도&#39;옵션이 선택되어 있으면, 알고리즘 재 샘플 점의 밀도는 시간에 균일하게 확산 설정된 시간 간격과지도를 사용하여 궤도 데이터입니다. 이 옵션은 다양한 신체 조건이나 분할 궤도 아래에있는 장치의 감도를 변화로 인해 불규칙적 인 시간 간격으로 추적 포인트를 수집 추적 장치를 위해 설계되었습니다. 그림 4 분할 궤도의 2D 및 3D 밀도 표면을 보여줍니다. </li><li> 만약 &#39;시간적 초점을 맞춘&#39;은이 선택되어위의 옵션 중 뉴욕, 시간적 초점 (10)는 다른 기간에 활동 패턴을 조사하기 위해 수행 할 수 있습니다. 예를 들어, 하루에 여러 시간에 활동 밀도 표면은 시간에 걸쳐 핫스팟 (그림 5)을 쉽게 식별 시각화 할 수 있습니다. </li></ol> 5. 밀도 볼륨 추정 및 볼륨 렌더링 <ol><li> 밀도 볼륨 시각화는 궤도의 시각화에서와 같이 공간 시간 큐브의 개념을 사용합니다. 이러한 시각화의 핵심은 voxels 11로 공간의 disaggregation입니다. 제 1 밀도 볼륨을 시각화에 대한 우리의 접근 방식은 voxels과 교차 시공간 트랙의 수를 계산하여 개별 voxels의 밀도 볼륨을 예측할 수 있습니다. 하나는이 단계의 밀도 볼륨 시각화 메뉴에서 &#39;밀도 볼륨 계산&#39;을 클릭 할 수 있습니다. </li><li> 같은 세 가지 옵션은 밀도 표면 시각화를 위해 같은 밀도 볼륨 시각화를 위해 사용할 수 있습니다. </li><li> 양방향 볼륨 렌더링을 12 3D 볼륨 시각화 인터페이스를 시작하려면 &#39;다음&#39;을 클릭 &#39;볼륨 렌더링&#39;. 각 축을 따라 부서의 수를 설정하면, 하나는 서로 다른 스케일에서 클러스터를 검토 할 수 있습니다. Z-팩터는 더 나은 시각화를 위해 수직 과장을 설정하는 데 사용됩니다. 같은 건물과 같은 참조 레이어뿐만 아니라 시각화를 지원하기 위해로드 할 수 있습니다. 볼륨 렌더링의 결과는 대화식으로 밀도에서 색 맵핑을 제어하는​​ 전송 기능을 조작하여 조정할 수 있습니다. (그림 6). </li></ol> 6. 기타 탐색 데이터 분석 (EDA) 및 시각화 <ol><li> 절차는 Google 어스에 표시 할 애니메이션 시리즈를 만들 수 있습니다. &#39;기타&#39;에서이 절차를 액세스 할 수 &#39;EDA에 대한 KML로 내보내기&#39;를 클릭하십시오. 그것은 궤도의 상호 작용 애니메이션 Google 어스에서 열리는 KML 13 파일을 만듭니다. </li><li> 하나는 지나가는하는 궤도를 따라 할 수 있습니다Google 어스에서 타임 라인을 따라 스크롤하여 시간 전 환경. </li><li> 절차는 &#39;연결 분석&#39;을 통해 관심 장소 간의 연결을 시각화 할 수 있습니다. 예를 들어, 대학 캠퍼스에서 다른 건물 사이에 연결 학생들 (그림 7)에 의해 수집 된 세그먼트 궤도 데이터에서 파생됩니다. </li><li> 파생 연결을 바탕으로 가장 아웃 바운드 또는 인바운드 트래픽과 가장 트래픽이 곳을 식별 할 수 있습니다 연결 허브와 그 건물과 핫스팟. </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>

관심 없음 충돌이 선언 없습니다.

우리는 인터페이스를 개발하기 위해 ArcGIS의 추가 기능 메커니즘을 사용했습니다. 모든 대화 형 작업이 사용하여 구현 된 C + +. 모든 자동 처리 및 분석 기능은 Python을 사용하여 개발되었습니다. 오류가 건물과 자주 실내 정류장 인접으로 인해 엄청난 수로 보행자에 의해 수집 된 AGPS 데이터 또는 GPS 데이터 전처리에 독특한 도전을 제공합니다. 또한, 전처리의 초점은 추적 점 이미 명백한 부족으로 인해 차량의 GPS 궤적 데이터를 일반적으로 이미 일어난 일 같은 데이터 절감 할 수 없습니다. 보행자 궤적 데이터의 명백한 오류 패턴 그러나, 전처리에 고유 한 솔루션을 제공합니다. 대신 표준 전처리 알고리즘에게 14를 사용하는, 우리는 2.2에서 언급 수동 시각적 오류 검출 방식)를 모방하고 궤적 데이터의 오류를 청소하는 경험적 방법 (2.3) 개발했습니다. 특히,이 속성을 (계산 속도와 디먼저 궤도에있는 각 트랙 포인트 rection 변경). ...

<table border="1"><tbody><tr><td> 시약의 이름 </td><td> 회사 </td><td> 카탈로그 번호 </td><td> 코멘트 (선택 사항) </td></tr><tr><td> WorldTracker GPRS </td><td> 세계 추적 </td><td></td><td></td></tr><tr><td> 분석을 실행하기위한 개인용 컴퓨터 </td><td></td><td></td><td></td></tr><tr><td> ArcGIS 소프트웨어 </td><td> ESRI </td><td></td><td></td></tr><tr><td> 탄도 분석기 확장 </td><td></td><td></td><td></td></tr></tbody></table>

보행자 공간 시간 활동 학습을위한 궤적 데이터 분석

Trajectory Data Analyses for Pedestrian Space-time Activity Study

이곳은 공간과 시간적 차원에서 인간의 움직임이 질병 전송 1-3에 직접적인 영향력을 갖고 인정 받고 있습니다. 전염성 질병이 일반적으로 중첩 활동 공간에서 감염 취약 개인 사이의 접촉을 통해 확산됩니다. 따라서, 매일 이동성 - 활동 정보는 감염의 요소를 위험 노출을 측정하는 지표로 사용될 수 있습니다. 그러나, 따라서 주요 어려움과 마이크로 스케일의 감염증 전송의 연구 소수의 이유는 자세한 개인 이동성 데이터의 부족에서 발생한다. 이전 운송 및 자주 과목 적극적으로 시간과 공간에서 자신의 활동을 기록하기 위해 필요한 시간 공간 일기 기술에 의존 관광 연구 세부 공간 시간 활동 데이터를 인치 이 높은 참가자에서 참가자와 협력을 위해 요구되는 것은 크게 데이터는 4의 품질에 영향을 미칩니다. 현대이러한 GPS 및 모바일 통신 등의 기술 궤적 데이터의 자동 수집이 가능했습니다. 수집 된 데이터는 그러나, 기존 장치의 정확도에 의해 제한 인간의 시공간 활동을 모델링하는 데에는 적합하지 않습니다. 인간 행동 연구에 대한 데이터의 효율적인 처리에 대한 즉시 사용할 수 도구는 없습니다. 여기 방법의 스위트 룸 및 궤도 데이터의 사전 처리 및 spatiotemporal 분석을위한 통합 ArcGIS 데스크탑 기반의 시각적 인터페이스를 제시한다. 우리는 감염증 전송 모델링과 같은 공중 보건 연구에 도움이 될 수있는 이러한 처리는 특히 오류가 풍부한 보행자 궤적 데이터와, 인간 공간 시간 활동을 모델링하는 데 사용할 수 있습니다하는 방법의 예를 제공합니다. 제시 절차는 사전 처리, 탄도 세분화, 활동 공간 특성, 밀도 추정 및 시각화, 그리고 몇 가지 다른 탐색 분석 방법이 포함되어 있습니다. 사전 processing는 시끄러운 원시 궤적 데이터의 청소입니다. 우리는 인터랙티브 영상 사전 처리 인터페이스뿐만 아니라 자동 모듈을 소개합니다. 탄도 세분화 5 미리 가공 시공간 트랙에서 실내 및 실외 부품의 식별을 포함한다. 다시 말하지만, 인터랙티브 영상 분할 및 자동 세분화 모두 지원됩니다. 세그먼트 공간 시간 트랙은 그러한 활동 반경 등 밀도 추정 및 시각화 같은 하나의 활동 공간의 특성 온천 명소 상호 작용을 모델링하기 위해 궤도 데이터의 많은 양의를 조사하는 데 사용됩니다를 유도하기 위해 분석하고 있습니다. 우리는 밀도 표면 매핑 6 밀도 볼륨 렌더링 7을 모두 보여줍니다. 우리는 또한 다른 탐색 데이터 분석의 몇 (EDA) 및 Google 어스 애니메이션 지원 및 연결 분석 시각화 도구를 포함합니다. 뿐만 아니라 본 논문에서 제시 시각적 인 방법으로 분석의 스위트 룸은 S에 대한 궤적 데이터에 적용 할 수 있습니다속도 - 시간 활동 연구.

탄도 데이터는 2010 년 봄에 Kean 대학 (NJ, USA)에서 학부 학생들이 자원 봉사에 의해 수집되었다. 목적은하지 못한 이들에게 비교 (의사의 진단이나자가 진단) 독감을 잡은 학생들의 활동 패턴을 연구하는 것이 었습니다. 본 논문에서 제시 한 방법과 절차를 설명하기 위해 우리는 대표 결과를 생성하기 위해 교외 캠퍼스 지역 내에서 수집 된 궤도를했다. 캠퍼스 지역 내 궤도는 작은 부분 캠퍼스의 다양한 주차장과 외부 사이의 운전으로 인한과 함께 대부분 보행자 궤도입니다. 대학 캠퍼스에서 건물을 참조하여 궤도의 공간 시간 큐브 표현은 그림 1에 표시됩니다. 그림 1A는 AGPS 장치 (상업 아이 트래커)를 사용하여 캠퍼스에 자신의 활동의 학생 기록 일일에 의해 수집 된 원시 데이터입니다 . 이 OB입니다실내 숙박의 긴 기간은 소음 데이터 (트랙의 뾰족한 부분으로 표시)이 발생했다는 vious. 이 보행자 궤적 데...

spatiotemporal 처리 방법의 스위트 룸은 이러한 모델링 보행자 공간 시간 활동의 목적을 위해 GPS 장치를 사용하여 수집하는 것과 같은 인간의 궤도 데이터를 분석 제공됩니다.

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

이 절차의 전반적인 목표는 인간의 궤적 데이터에 대한 시공간 분석 및 시각화를 통해 보행자의 시공간 활동을 모델링하는 것입니다. 이는 먼저 상세한 글로벌 포지셔닝 시스템(GPS) 데이터를 수집하여 궤적 분석기에 로드함으로써 수행됩니다. 두 번째 단계는 궤적 데이터를 전처리하고 세그먼트로 분할하는 것입니다.다음으로, 개체들의 활동 공간을 특성화합니다. 마지막 단계는 밀도 표면 매핑, 밀도 볼륨 렌더링 또는 이 두 가지 모두를 통해 시공간적 패턴을 조사하는 것입니다. 최종적으로, 데이터 내의 추가적인 숨겨진 패턴을 보여주기 위해 다른 탐색적 데이터 분석 방법과 시각화 기법들이 사용됩니다.시공간 궤적 분석을 위해 SHNU에서 개발한 FGIS 확장 기능과 같은 기존 방법과 비교했을 때 이 기술의 주요 장점은, 궤적의 대화형 시각화를 위한 인터페이스를 제공할 뿐만 아니라, 경로 궤적 데이터를 정제하고 세그먼트화하며, TR 데이터로부터 속성을 도출하고, 방대한 양의 궤적 데이터에서 패턴을 발견하기 위한 탐색적 분석 처리 방법에 집중한다는 점입니다. 이 방법은 개인의 시공간 활동이 감염 확률에 어떤 영향을 미치는지, 또는 어떤 환경이나 시공간적 행동이 더 높은 위험 궤적으로 이어지는지와 같이 미시적 규모의 질병 전파와 관련된 인간 시공간 활동 연구 분야의 핵심 질문에 답하는 데 도움을 줄 수 있습니다. 데이터는 휴대용 GPS 장치로 수집할 수 있습니다.사용된 장치와 같이 GPS 기능이 탑재된 스마트폰 추적 애플리케이션 및 보조 GPS 장치가 활용됩니다. 본 연구에서 사용된 상용 아동 추적 장치의 궤적 데이터는 통상적으로 시간, 위도, 경도 기록 형태로 저장됩니다. 애플리케이션의 필요에 따라 적절한 시간 간격을 설정해야 합니다.시공간 활동 연구에서는 대개 가장 빈번한 간격이 필요하므로, 데이터를 레코드 ID, 위도, 경도 및 시간이 각각 별도의 열로 구성된 쉼표로 구분된 값 또는 CSV 파일로 변환하십시오. 그런 다음 CSV 파일을 일반적으로 사용되는 지리 정보 시스템 또는 GIS 파일 형식으로 변환하십시오. 궤적 분석기를 사용하여 건물 폴리곤의 셰이프 파일과 연구 지역 경계의 셰이프 파일을 불러오십시오.3D 디스플레이를 위해 건물의 돌출 정도를 적절히 설정하고, 시공간 큐브를 표시하기 위해 경계층의 돌출 및 투명도를 적절히 설정하십시오. 그런 다음 XY 차원이 공간을 나타내고 Z 차원이 시간을 나타내도록 시공간 큐브에서 궤

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

Research

연구

JoVE Journal

Biology

생물학

이 프로토콜은 최근에 도입된 바닥 기반 광전지 시스템을 통해 신경학적/정형외과 환자 및 노인의 공간 및 시간 보행 변수를 평가하는 데 사용됩니다.

환자와 노인의 시공간 보행 매개 변수의 임상 평가

프로토콜은 - 필드 보행 동작의 특성 및 생성 된 구조적 응답의 시뮬레이션을 위해 제공된다. 현장 시험은 페이싱 식별 시츄 참가자 간의 속도 및 동기 속도가 인위적 부하의 시뮬레이션 및 검증을위한 필수적인 입력을 구성하는 것을 보여준다.

특성화에서 필드 보행자의 행동을 바탕으로 인간에 의한 진동의 시뮬레이션

목표 노르딕 보행 보용 자세 분석을위한 데이터 수집 방법의 최적의 사용을 입증했다. accelerometry가 6 분 도보 테스트와 같은 긴 시간 분석 (즉, 반복주기)을 위해 사용되어야하는 동안 세 가지 차원 모션 캡쳐는 짧은 기간 분석 (즉, 하나의 보행주기) 동안 사용되어야한다.

이전 성인의 노르딕 워킹 보행의 평가와 자세에 대한 적절한 모션 캡처 기술을 실증

여기에서는 압력 중심에서 전신 질량 중심 거리까지 사용하여 앉아서 서서 걷는 동안 주요 이벤트에서 위치 안정성을 측정하는 새로운 프로토콜을 제시합니다. 이것은 힘 플랫폼과 3차원 모션 캡처 기술에서 파생되었습니다. 이 패러다임은 신뢰할 수 있으며 신경학적으로 손상된 개인의 평가에 활용될 수 있습니다.

앉아 - 투 - 독립 및-거리에 120 % 무릎 높이에서 : 소설 접근을 동적 자세 제어 독립적 인 리드 사지의 평가에

이 원고는 시상면의 3D 모션 캡처 시스템과 비교하여 스마트폰 애플리케이션에 의해 기록된 운동학적 측정의 동시 유효성을 테스트하는 방법을 설명합니다. 이 프로토콜을 통해 임상의는 사람의 움직임을 비디오로 캡처하기 위해 스마트폰을 설정할 수 있습니다.

비디오 운동 분석을 사용하여 스마트 폰 (ViMAS) : 파일럿 연구

이 연구에서 임상 친화적인 3 차원 보 행 분석 방법, 재활 클리닉에서 수행 하도록 설계 되었습니다, 제공 됩니다. 메서드를 사용 하면 간단한 측정 방법 및 결과의 임상의 이해를 촉진 하기 위하여 직관적인 그림으로 이루어져 있다.

걸음 걸이 장애를 평가 하기 위한 임상 지향 3 차원 보 행 분석 방법

이 프로토콜은 이동 트래픽의 존재에 보행자 행동을 연구하는 안전하고 생태학적으로 유효한 방법 역할을 하는 걷기 시뮬레이터의 사용을 설명합니다.

가상 현실 걷기 시뮬레이터를 사용하여 보행자 행동을 조사합니다.

이 논문은 보행 개시의 자세 조직을 조사하기 위해 개발 된 재료와 방법을 설명합니다. 이 방법은 힘 플랫폼 기록과 무게 중심과 압력 중심을 계산하는 역학의 직접적인 원리를 기반으로 합니다.

힘 플랫폼 기록을 사용한 생체 역학 분석을위한 보행 개시의 자세 조직

우리는 DeepLabCut을 사용하여 자유롭게 움직이는 쥐의 자발적인 보행과 이동을 정량화하는 저비용 마커 없는 워크플로우를 제시합니다. 이 프로토콜은 단일 카메라 비디오 획득, 해부학적 랜드마크의 무마커 추적, 시공간적 운동 매개변수 추출을 통합하여 전문 장비 없이도 비침습적이고 접근 가능한 운동 행동 분석 프레임워크를 제공합니다.

자유롭게 움직이는 쥐의 자발적 보행 및 이동 분석을 위한 저비용 마커리스 DeepLabCut 기반 워크플로우

임의의 점 kinematograms과 컴퓨터 - 생성 무척추 동물의 비디오 재생을 고용 op​​erant 조절 패러다임을 사용하는 도마뱀의 시각적 감도를 테스트.

도마뱀의 운동의 속도와 방향에 시각 민감도 테스트

배우세요 GPS 기반 보행자 궤적 데이터의 시공간 분석 및 시각화 방법을. 이 기술은 도시 계획 및 보행자 안전 연구에 활용될 수 있습니다.

보행자 공간 시간 활동 학습을위한 궤적 데이터 분석

더 많은 동영상 탐색