February 25th, 2013
Een reeks tijdruimtelijke verwerkingsmethoden worden aan menselijke baangegevens, zoals verzameld met een GPS, met het oog op modellering voetgangersruimte-time te analyseren.
Het algemene doel van deze procedure is om tijd-ruimteactiviteiten van voetgangers te modelleren door middel van ruimte-tijdelijke analyse en visualisatie van menselijke trajectgegevens. Dit wordt bereikt door eerst gedetailleerde global positioning system of GPS-gegevens te verzamelen en de gegevens in de trajectanalysator te laden. De tweede stap is het voorbewerken en segmenteren van de trajectgegevens.
Vervolgens worden de activiteitsruimtes van individuen gekarakteriseerd. De laatste stap is het onderzoeken van ruimte-tijdelijke patronen door middel van dichtheid, oppervlaktemapping, dichtheid, volume rendering of beide. Uiteindelijk worden andere exploratieve gegevensanalysemethoden en visualisaties gebruikt om extra verborgen patronen in de gegevens te tonen.
Het grote voordeel van deze techniek ten opzichte van bestaande methoden, zoals de FGIS-extensie ontwikkeld door SHNU voor het analyseren van tijd-ruimte trajecten, is dat we niet alleen de interface bieden voor interactieve visualisatie met trajecten, we richten ons op de verwerkingsmethode die de routetrajectgegevens opschoont, ze segmenteert, eigenschappen uit de TR-gegevens afleidt en exploratieve analyse uitvoert om patronen te ontdekken uit een grote hoeveelheid trajectgegevens. Deze methode kan helpen bij het beantwoorden van sleutelvraagstukken op het gebied van menselijke tijd-ruimte activiteitsstudies met betrekking tot microschaal ziekteoverdracht, zoals hoe iemands tijd-ruimte activiteit zijn of haar kans op infectie beïnvloedt, of welke omgevingen of tijd-ruimte gedrag tot een hoger risico leidt. Trajectgegevens kunnen worden verzameld met handheld GPS-eenheden.
GPS-geactiveerde smartphone-trackingapplicaties evenals geassisteerde GPS-apparaten, zoals degene die wordt gebruikt. In dit onderzoek, dat een commercieel kindtrackerapparaat is, worden trajectgegevens meestal opgeslagen in termen van tijd, breedtegraad, lengtegraad records. Een gewenst tijdsinterval moet worden ingesteld op basis van applicatiebehoeften.
Vaak is het meest frequente interval gewenst voor tijd-ruimte activiteitsstudies, converteer de gegevens naar komma gescheiden waarden of CSV-bestanden met aparte kolommen voor record-id, breedtegraad, lengtegraad en tijd respectievelijk. Converteer vervolgens de CSV-bestanden naar algemeen gebruikte geografische informatiesystemen of GIS bestandsformaat. Laad in een shape file van gebouwenpolygoons en een andere van de grens van het studiegebied met een trajectanalysator.
Stel de extrudatie van de gebouwen goed in voor een 3D weergave en stel de extrudatie en transparantie van de grenslaag goed in om een tijd-ruimte kubus weer te geven. Open vervolgens het traject in de tijd-ruimte kubus met de XY dimensies die ruimte vertegenwoordigen en de Z dimensie. Die tijd vertegenwoordigt, zijn er twee opties beschikbaar voor pre-processing.
De rumoerige ruwe trajectgegevens die men kan kiezen uit de vervolgkeuzelijst van het pre-processing menu. Als interactief is gekozen. Er wordt een 2D projectie van het 3D traject gemaakt voor eenvoudige weergave en selectie.
Manipuleer de 3D weergave om het ruwe traject in ruimte en tijd te onderzoeken. Identificeer fouten in de gegevens op basis van de vorm, snelheid en/of topologie van baansegmenten. Gewoonlijk baanpunten met onrealistische hoge snelheid of abrupte richtingsverandering duiden op fouten, selecteer en verwijder ze uit de 3D traject of zijn 2D projectie.
Een cluster van baanpunten met stekelige vormen in ruimtelijk opzicht en een lange duur in tijd duiden op fouten die meestal worden veroorzaakt door binnenlocaties waar het GPS-signaal zwak is. Als een groep van deze punten wordt geselecteerd, kan het programma de ruimte-tijdelijke OID van de geselecteerde punten berekenen en vervolgens de baan aanpassen om door de oid te gaan. Alternatief, als automatisch is gekozen uit het pre-processing menu, stel de invoer- en uitvoerlocaties in, evenals empirische parameters die de abnormale hoge snelheid en abrupte draaiing van punten bepalen.
Het programma doorzoekt de geladen trajectgegevens en draait automatisch op basis van een algoritme dat de visuele foutdetectie-aanpak nabootst. Trajectsegmentatie vereist de gebouwenlaag, dus zorg ervoor dat het gebouwenshapebestand klaar is. Klik op het segmentatiegereedschap in de werkbalk om de functie te starten.
Stel de invoer en uitvoer in en lokaliseer het gebouwenshapebestand als referentielaag. Gebruik de gebouwennamen om het gesegmenteerde traject te labelen. Het algoritme identificeert binnensegmenten op basis van ingestelde of standaardcriteria zoals snelheid en duur van baanpunten, evenals de ruimtelijke topologie.
Met betrekking tot gebouwen, klik op het activiteitruimtesamenvattingsgereedschap om gesegmenteerde trajecten te laden en geselecteerde samenvattende kenmerken te berekenen om iemands activiteitruimte te karakteriseren, zoals totale activiteit, straal, straal op een bepaalde tijdsperiode, verhouding van de totale tijd besteed binnenshuis versus buitenshuis, enzovoort. De kenmerken kunnen worden geëxporteerd naar een spreadsheet voor kwantitatief modelleringsgebruik. Dichtheidsoppervlak toont de dichtheid van activiteiten in ruimte met de tijdelijke dimensie samengevouwen.
Er zijn drie opties beschikbaar uit de vervolgkeuzelijst van het dichtheidsoppervlak mapping menu. Als de baanpuntdichtheid optie is geselecteerd, vul de dialoogbox in met invoer en uitvoerinformatie en kies om weer te geven in 3D of 2D. Alle hoekpunten van de trajectgegevens worden gebruikt om de kerneldichtheden van de punten te berekenen zoals hier getoond.
Als de baanpaddichtheid is geselecteerd, berekent en toont het algoritme de dichtheid van individuele bereisde paden. Als de herbemonsterde puntdichtheid optie is geselecteerd, herbemonstert het algoritme de trajectgegevens met een ingesteld tijdsinterval en toont de dichtheden van punten die gelijkmatig in de tijd zijn verspreid. Deze optie is ontworpen voor trackingapparaten die trackingpunten verzamelen met onregelmatige tijdsintervallen vanwege de variërende gevoeligheid van de apparaten onder verschillende fysieke omstandigheden of gesegmenteerde trajecten.</
View the full transcript and gain access to thousands of scientific videos
Dit artikel presenteert een reeks ruimte-tijdelijke verwerkingsmethoden voor het analyseren van menselijke trajectgegevens, met name van GPS-apparaten. Het doel is om voetgangers ruimte-tijd activiteiten te modelleren door middel van gedetailleerde analyse en visualisatie.
High-resolution pedestrian trajectory analysis enables biopharma teams to quantify individual space-time exposures, supporting infectious disease modeling and risk assessment. Integrating spatiotemporal data processing into R&D workflows enhances predictive confidence in exposure-driven transmission studies. This capability informs early-stage target validation and portfolio triage for infection-related programs.
This trajectory data analysis suite integrates into the discovery-to-preclinical continuum, enabling exposure quantification, risk modeling, and hypothesis testing for infectious disease programs.