Name: Baangegevens Analyses voor voetgangers Ruimte-tijd Activiteit Study (Video) | JoVE Journal
Uploaded: 2013-02-25T12:03:00.000+00:00
Duration: 16 min 14 s
Description: Verken ruimte-tijd analysemethoden voor voetgangersactiviteiten met behulp van GPS-trajectgegevens. Deze technieken onthullen verborgen patronen voor stedelijke planning en veiligheid.

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

Dit werk wordt gefinancierd door NIH subsidie ​​1R03AI090465.

1. Aan de gegevens <ol><li> Traject gegevens kunnen worden verzameld met handheld GPS-apparaten, GPS-enabled smartphone tracking-toepassingen, evenals A-GPS (Assisted GPS)-apparaten, zoals die werkzaam zijn in onze studie, een commercieel kind tracker apparaat. </li><li> Baangegevens is gewoonlijk opgeslagen in termen van tijd-breedte en lengte records. Een gewenste tijdsinterval moet worden ingesteld op basis van toepassingen. Vaak zijn de meest voorkomende interval is gewenst voor de ruimte-tijd-activiteit studies. </li><li> Zet de gegevens op door komma&#39;s gescheiden waarden, of. Csv-bestanden met aparte kolommen voor record id, breedte, lengte, en de tijd, respectievelijk. Dan zetten de. Csv-bestanden naar veelgebruikte Geografische Informatie Systemen (GIS)-bestandsformaat (bijv. ESRI shapefile 8). </li><li> Plaats in een shapefile van bouwpolygonen en een van de grens van het onderzoek met de baan analyzer. Goed Stel de &quot;extrusie&quot; van de gebouwen voor een 3D-display en zet de &quot;extrusie&quot; en &quot;transparantie&quot; van de grenslaag goed om een ruimte-tijd kubus 6, 9 met de x-, y-afmetingen die ruimte en de z-dimensie die tijd weer te geven. </li></ol> 2. Pre-processing <ol><li> Er zijn twee opties beschikbaar voor pre-processing van de lawaaierige ruwe baangegevens. Men kan kiezen uit de drop-down lijst van de pre-processing menu. </li><li> Als &#39;Interactive&#39; wordt gekozen, wordt een 2D-projectie van het 3D-traject gemaakt voor het eenvoudig bekijken en selectie. Manipuleren van de 3D-weergave om de ruwe traject in ruimte en tijd te onderzoeken. Identificeer fouten in de data gebaseerd op de vorm, snelheid en / of topologie van spoorsegmenten. Meestal track-punten (hoekpunten) met onrealistische hoge snelheid of abrupte verandering van richting betekenen fouten. Selecteer en verwijder ze uit de oorspronkelijke trajecten. Selecteer en verwijder ze uit ofwel de 3D-traject of de 2D-projectie. </li><li> Een cluster van track-punten met stekelige shapes (figuur 1) ruimtelijk en een lange duur tijdelijk betekenen fouten die het meest waarschijnlijk veroorzaakt door indoor locaties waar het GPS-signaal zwak is. Als een groep van deze punten is geselecteerd, kan het programma het berekenen van de spatio-temporele zwaartepunt van de geselecteerde punten en stel de baan te gaan door het zwaartepunt. </li><li> Als alternatief, als &#39;Automatisch&#39; wordt gekozen uit de pre-processing menu, stel de input en output locaties en empirische parameters die de abnormale hoge snelheid en abrupte draaien van punten te bepalen. Het programma doorzoekt de geladen baangegevens en draait automatisch op basis van een algoritme dat de visuele foutdetectie aanpak nabootst. </li></ol> 3. Traject Segmentatie &amp; Activiteit Space Karakterisering <ol><li> Traject segmentatie vereist het gebouw laag, dus zorg ervoor dat het gebouw vorm bestand wordt geladen. </li><li> Klik op de segmentatie tool in de werkbalk om de functie te starten.Stel de input en output en ligt het gebouw vormbestand als referentie laag. Gebruik het gebouw namen om de gesegmenteerde traject te labelen. Het algoritme identificeert binnen segmenten gebaseerd op of een standaard criteria zoals snelheid, duur enz. trackpunten, alsmede de ruimtelijke topologie met betrekking tot gebouwen. </li><li> Klik op de activiteit ruimte samenvatting instrument te laden in gesegmenteerde trajecten en geselecteerde samenvatting attributen te berekenen om een ​​activiteit van de ruimte, zoals het totale actieradius, straal in een bepaalde periode, de verhouding van de totale tijd doorgebracht binnen versus buiten, en ga zo maar door te karakteriseren. </li><li> De attributen kunnen worden geëxporteerd naar een spreadsheet voor kwantitatieve modellering toepassingen. </li></ol> 4. Dichtheid Surface Mapping <ol><li> Dichtheid oppervlak toont de dichtheid van de activiteiten in de ruimte met de tijdsdimensie ingestort. Er zijn drie opties zijn beschikbaar in de keuzelijst van de dichtheid oppervlak in kaart brengen menu. </li><li> Als de &#39;Track puntdichtheid&#39; optie is geselecteerd, vult u in het dialoogvenster met input en output gegevens in en kies voor weergave in 3D of 2D. Alle hoekpunten van de baan gegevens worden gebruikt om kernel dichtheden van de punten te berekenen. Figuur 2 toont een dichtheid oppervlak. </li><li> Als &#39;Track pad dichtheid&#39; is geselecteerd, het algoritme berekent en toont de dichtheid van reisde individuele trajecten (figuur 3). </li><li> Als de &#39;Re-sampled puntdichtheid&#39; optie is geselecteerd, het algoritme opnieuw monsters het traject gegevens met behulp van een ingesteld tijdsinterval en kaarten van de dichtheden van punten gelijkmatig gespreid in de tijd. Deze optie is bedoeld voor tracking-apparaten die volgen punten die in onregelmatige tijdsintervallen door variabele gevoeligheid van de apparaten onder verschillende fysische omstandigheden of gesegmenteerde trajecten. Figuur 4 toont de 2D en 3D dichtheid oppervlakken gesegmenteerde trajecten. </li><li> Als &#39;Temporal focussen&#39; is geselecteerd voor eenny van de bovenstaande opties, kunnen tijdelijke focus 10 worden uitgevoerd om de activiteit patronen te onderzoeken op verschillende perioden. Bijvoorbeeld kan de activiteit dichtheid oppervlakken op verschillende malen per dag worden gevisualiseerd voor gemakkelijke identificatie van hot spots in de tijd (Figuur 5). </li></ol> 5. Dichtheid Volume Schatting en Volume Rendering <ol><li> Dichtheid volume visualisatie maakt gebruik van het idee van een ruimte-tijd kubus als in de visualisatie van trajecten. De kern van een dergelijke visualisatie is het uiteenvallen van de ruimte in voxels 11. Onze benadering van het visualiseren van de dichtheid volume eerst schat de dichtheid volume in individuele voxels door het tellen van het aantal ruimte-tijd tracks die kruisen met de voxels. Men kan op &#39;Density volumeberekening&#39; onder de dichtheid volume visualisatie menu voor deze stap. </li><li> Dezelfde drie opties zijn beschikbaar voor de dichtheid volume visualisatie als voor dichtheid oppervlakte visualisatie. </li><li> Klik vervolgens &#39;Volume rendering&#39; om het 3D-volume visualisatie interface voor interactieve volume rendering 12 te lanceren. Door het instellen van het aantal divisies langs elke as, kan men onderzoeken clusters op verschillende schalen. A z-factor wordt gebruikt om de verticale overdrijving die voor een betere visualisatie. Een referentie laag, zoals de gebouwen kan worden geladen om visualisatie te helpen ook. De resultaten van volumeweergave interactief worden aangepast door het manipuleren van de overdrachtsfunctie die de mapping controle van dichtheid kleur. (Figuur 6). </li></ol> 6. Andere verkennende data Analyses (EDA) en visualisaties <ol><li> Een procedure is beschikbaar voor geanimeerde serie te creëren die moet worden weergegeven in Google Earth. Onder &#39;Overige&#39;, klik op &#39;Exporteren naar KML voor EDA&#39; om deze procedure te openen. Het creëert een kml-13-bestand dat in Google Earth opent voor interactieve animatie van het traject. </li><li> Men kan volgen het traject om travel het milieu in de tijd door te bladeren langs de tijdlijn in Google Earth. </li><li> Een procedure is beschikbaar voor verbindingen tussen bezienswaardigheden visualiseren door middel van &#39;Connection analyse&#39;. Zo worden verbindingen tussen verschillende gebouwen op een campus van de universiteit afgeleid van gesegmenteerde traject gegevens die werden verzameld door studenten (Figuur 7). </li><li> Op basis van de afgeleide verbindingen, hotspots zoals die gebouwen met de meest inkomend of uitgaand verkeer en hubs die verbinding de meest bezochte plaatsen kan worden geïdentificeerd. </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>

Geen belangenconflicten verklaard.

We add-mechanisme van ArcGIS de interface te ontwikkelen. Alle interactieve handelingen werden uitgevoerd met behulp van C + +. Alle automatische verwerking en analyse functies werden ontwikkeld met behulp van Python. AGPS gegevens, of GPS-gegevens verzameld door voetgangers presenteert unieke uitdaging in preprocessing als de fouten kunnen worden massaal als gevolg van nabijheid van gebouwen en frequente indoor stopt. Bovendien moet de focus van preprocessing niet datareductie als wat meest...

<table border="1"><tbody><tr><td> Naam van het reagens </td><td> Vennootschap </td><td> Catalogusnummer </td><td> Opmerkingen (optioneel) </td></tr><tr><td> WorldTracker GPRS </td><td> Tracking De Wereld </td><td></td><td></td></tr><tr><td> Een personal computer voor het uitvoeren van de analyse </td><td></td><td></td><td></td></tr><tr><td> ArcGIS software </td><td> ESRI </td><td></td><td></td></tr><tr><td> Traject Analyzer Extension </td><td></td><td></td><td></td></tr></tbody></table>

baangegevens analyses voor voetgangers ruimte-tijd activiteit study

Trajectory Data Analyses for Pedestrian Space-time Activity Study

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.

Traject gegevens werden verzameld door vrijwilligerswerk undergraduate studenten van Kean University (New Jersey, VS) in het voorjaar van 2010. Het doel was om de activiteit patronen van studenten die betrapt influenza (diagnose door arts of zelf-diagnose) in vergelijking met degenen die niet studeren. Met het oog op de regels en procedures die in dit artikel illustreren we met de trajecten verzameld in het suburbane campus gebied om representatieve resultaten te genereren. Trajecten binnen de campus gebied zijn meestal...

Een reeks tijdruimtelijke verwerkingsmethoden worden aan menselijke baangegevens, zoals verzameld met een GPS, met het oog op modellering voetgangersruimte-time te analyseren.

Baangegevens Analyses voor voetgangers Ruimte-tijd Activiteit Study

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

Het algemene doel van deze procedure is om ruimte-tijdactiviteiten van voetgangers te modelleren via spatiotemporele analyse en visualisatie van menselijke trajectgegevens. Dit wordt bereikt door eerst gedetailleerde Global Positioning System (GPS)-gegevens te verzamelen en deze gegevens in de trajectanalyser te laden. De tweede stap bestaat uit het voorbewerken en segmenteren van de trajectgegevens.Vervolgens worden de activiteitsruimtes van individuen gekenmerkt. De laatste stap is het onderzoeken van spatiotemporele patronen via densiteitsmapping, oppervlaktemapping, volumerendering, of beide. Ten slotte worden andere methoden voor verkennende data-analyse en visualisaties gebruikt om aanvullende verborgen patronen in de data aan te tonen.Het belangrijkste voordeel van deze techniek ten opzichte van bestaande methoden, zoals de door SHNU ontwikkelde FGIS-extensie voor het analyseren van ruimtetijd-trajecten, is dat we niet alleen de interface bieden voor interactieve visualisatie van trajecten, maar ons ook richten op de verwerkingsmethode voor het opschonen van routetrajectgegevens, het segmenteren daarvan, het afleiden van eigenschappen uit de TR-gegevens en exploratieve analy

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

Research

JoVE Journal

Biology

Biologie

Dit protocol wordt gebruikt om ruimtelijke en temporele loopvariabelen van neurologische/orthopedische patiënten en oudere personen te evalueren door middel van een onlangs geïntroduceerd op de vloer gebaseerd fotocelsysteem.

Clinical Assessment van Spatiotemporal gangbeeld bij patiënten en oudere volwassenen

Een protocol wordt voor de karakterisering van het in het veld voetgangersgedrag en de simulatie van het resulterende structurele respons. Field-tests blijkt dat het in situ geïdentificeerd stimulatiefrequentie en synchronisatie tarief onder de deelnemers een essentiële voorwaarde voor de simulatie en verificatie van de door de mens veroorzaakte belastingen opleveren.

Simulatie van de mens veroorzaakte Trillingen Op basis van de kenmerk-veld Voetganger Behavior

Het doel was om een ​​optimaal gebruik van het verzamelen van gegevens technieken voor Nordic walking looppatroon en houding analyse te onderbouwen. Driedimensionale motion capture moet worden gebruikt tijdens de korte duur analyse (dat wil zeggen één gait cyclus), terwijl accelerometrie moeten worden gebruikt voor langere duur analyse (dwz herhaalde cycli) als een 6 minuten wandeltest.

Onderbouwen Passende Motion Capture technieken voor de beoordeling van Nordic Walking Gait en houding bij oudere volwassenen

Hier presenteren we een nieuw protocol om de positionele stabiliteit te meten tijdens sleutelmomenten in het zitten-opstaan-lopen door middel van de afstand tussen het drukcentrum en het zwaartepunt van het hele lichaam. Dit is afgeleid van de krachtplatform- en driedimensionale motion-capture technologie. Het paradigma is betrouwbaar en kan worden gebruikt voor de beoordeling van neurologisch gecompromitteerde individuen.

Sit-to-stand-en-lopen van 120% Knee Lengte: een nieuwe benadering voor Assess Dynamic houdingsregulatie Onafhankelijk van Lead-ledemaat

Dit manuscript beschrijft de methode om de gelijktijdige validiteit van kinematische metingen, geregistreerd door de smartphone-applicatie, te testen in vergelijking met een 3D-bewegingsregistratiesysteem in de sagittale vlak. Dit protocol zal clinici in staat stellen smartphones in te stellen voor videoregistratie van menselijke beweging.

Video Beweging analyse met behulp van Smartphones (VIMAS): een pilotstudie

In deze studie wordt een clinicus-vriendelijke driedimensionale gait analysemethode, die werd ontworpen om te worden uitgevoerd in de Schwertbad, gepresenteerd. De methode bestaat uit een vereenvoudigde meetmethode en intuïtieve cijfers om clinici inzicht in de resultaten.

Driedimensionale Gait klinische georiënteerde analysemethode voor het uitrekenen van Gait stoornis

Dit protocol beschrijft het gebruik van een wandelsimulator die dient als een veilige en ecologisch geldige methode om voetgangersgedrag te bestuderen in aanwezigheid van bewegend verkeer.

Met behulp van een Virtual Reality Walking Simulator om voetgangersgedrag te onderzoeken

Dit artikel beschrijft het materiaal en de methode die zijn ontwikkeld om de houdingsorganisatie van loopinitiatie te onderzoeken. De methode is gebaseerd op krachtplatformregistraties en op het directe principe van de mechanica om het zwaartepunt en het zwaartepunt van de kinematica van het drukcentrum te berekenen.

Posturale organisatie van loopinitiatie voor biomechanische analyse met behulp van force platform opnames

We presenteren een goedkope, markerloze workflow met DeepLabCut om spontane gang en voortbeweging bij vrij bewegende muizen te kwantificeren. Dit protocol integreert single-camera video-opname, markerloze tracking van anatomische herkenningspunten en het extraheren van ruimtelijke temporale locomotorische parameters, waardoor een niet-invasief en toegankelijk kader wordt geboden voor motorische gedragsanalyse zonder gespecialiseerde apparatuur.

Een goedkope, markerloze DeepLabCut-gebaseerde workflow voor spontane loop- en bewegingsanalyse bij vrij bewegende muizen

Het testen van visuele gevoeligheid bij hagedissen met behulp van een operante conditionering paradigma dat het afspelen van video van de random-dot kinematograms en computer-gegenereerde ongewervelde dieren in dienst heeft.

Het testen van visuele gevoeligheid voor de snelheid en richting van de beweging in Lizards

Verken ruimte-tijd analysemethoden voor voetgangersactiviteiten met behulp van GPS-trajectgegevens. Deze technieken onthullen verborgen patronen voor stedelijke planning en veiligheid.

Baangegevens Analyses voor voetgangers Ruimte-tijd Activiteit Study

Meer video's verkennen