$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Het is algemeen erkend dat de menselijke beweging in het ruimtelijke en temporele dimensies directe invloed op de overdracht van ziekten een-drie heeft. Een besmettelijke ziekte verspreidt zich meestal via contact tussen geïnfecteerde en gevoelige individuen in hun overlappende activiteiten ruimtes. Daarom kan de dagelijkse mobiliteit-activiteit informatie worden gebruikt als een indicator om de blootstelling te meten aan factoren van infectie riskeren. Een groot probleem en zo de reden voor gebrek aan studies overdracht van besmettelijke ziekten op microschaal voort uit het gebrek aan gedetailleerde individuele mobiliteit data. Eerder in het transport en toerisme onderzoek gedetailleerde ruimte-tijd gegevens over de activiteiten vaak gebaseerd op de tijd-ruimte dagboek techniek, die vereist dat proefpersonen om actief hun activiteiten noteren in tijd en ruimte. Dit is zeer veeleisend voor de deelnemers en de samenwerking van de deelnemers grote invloed op de kwaliteit van de gegevens 4.
Moderntechnologieën zoals GPS en mobiele communicatie mogelijk hebben gemaakt de automatische verzameling van baangegevens. De verzamelde gegevens, echter, is niet ideaal voor het modelleren van de menselijke ruimte-tijd-activiteiten, beperkt door de nauwkeurigheid van bestaande apparaten. Er is ook geen gemakkelijk beschikbaar instrument voor een efficiënte verwerking van de gegevens voor het menselijk gedrag studie. We presenteren hier een suite van methoden en een geïntegreerde ArcGIS desktop-gebaseerde visuele interface voor de pre-processing en spatiotemporele analyses van baangegevens. We geven voorbeelden van hoe dergelijke verwerking kan worden gebruikt om menselijke ruimte-tijd-activiteiten te modelleren, in het bijzonder met fout-rijke voetgangers baangegevens, die nuttig zou kunnen zijn in de volksgezondheid studies, zoals besmettelijke ziekten transmissie modellering.
De gepresenteerde procedure omvat pre-processing, traject segmentatie, activiteit ruimte karakterisering, dichtheid schatting en visualisatie, en een paar andere verkennende analyse methoden. Pre-processing is het reinigen van luidruchtige ruwe baangegevens. We introduceren een interactieve visuele pre-processing interface en een automatische module. Traject segmentatie 5 betreft de identificatie van binnen en buiten onderdelen uit behandeld ruimte-tijd tracks. Opnieuw worden zowel interactieve visuele segmentatie en automatische segmentatie ondersteund. Gesegmenteerde tijdruimte tracks worden vervolgens geanalyseerd worden afgeleid zijn van een activiteit ruimte zoals actieradius etc. Density schatting en visualisatie worden gebruikt om grote hoeveelheden gegevens traject hot spots en interacties model te onderzoeken. We tonen zowel de dichtheid oppervlak in kaart brengen 6 en dichtheid volume rendering 7. Wij bieden tevens een paar andere verkennende data-analyses (EDA) en visualisaties tools, zoals Google Earth animatie ondersteuning en verbinding analyse. De suite van analytische en visuele methoden die in dit document worden toegepast op elke baangegevens voor stempo-time activiteit studies.