Analizy danych trajektorii dla badania aktywności czasoprzestrzennej pieszych

Ogólnym celem tej procedury jest modelowanie aktywności pieszych w przestrzeni czasowej poprzez analizę czasoprzestrzenną i wizualizację danych o trajektoriach człowieka. Osiąga się to poprzez najpierw zebranie szczegółowych danych globalnego systemu pozycjonowania lub GPS i załadowanie danych do analizatora trajektorii. Drugim krokiem jest wstępne przetworzenie i segmentacja danych trajektorii.

Następnie scharakteryzowane są przestrzenie aktywności poszczególnych osób. Ostatnim krokiem jest zbadanie wzorców czasoprzestrzennych za pomocą gęstości, mapowania powierzchni, gęstości, renderowania objętościowego lub obu. Ostatecznie inne eksploracyjne metody analizy danych i wizualizacje są używane do pokazania dodatkowych ukrytych wzorców w danych.

Główną przewagą tej techniki nad istniejącymi metodami, takimi jak rozszerzenie FGIS opracowane przez SHNU do analizy trajektorii czasoprzestrzennych, jest to, że nie tylko udostępniamy interfejs do interaktywnej wizualizacji trajektorii, ale skupiamy się na metodzie przetwarzania, która oczyszczając dane trajektorii trasy, segmentując je, wyprowadzając właściwości z danych TR i analizy eksploracyjnej w celu odkrycia wzorców z dużej ilości danych o trajektoriach. Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie badań nad aktywnością ludzkiej czasoprzestrzeni związanej z przenoszeniem chorób w mikroskali, takie jak to, w jaki sposób aktywność czasoprzestrzenna wpływa na ryzyko infekcji lub które środowiska lub zachowania czasoprzestrzenne prowadzą do trajektorii wyższego ryzyka. Dane można zbierać za pomocą ręcznych urządzeń GPS.

Aplikacje do śledzenia smartfonów z obsługą GPS, a także wspomagane urządzenia GPS, takie jak to zastosowane. W tym badaniu, które jest komercyjną trajektorią urządzenia śledzącego dzieci, dane są zwykle zapisywane pod względem zapisów czasu, szerokości i długości geograficznej. Żądany przedział czasu należy ustawić w zależności od potrzeb aplikacji.

Często najczęstszy interwał jest pożądany w przypadku badań aktywności w czasoprzestrzeni, które konwertują dane na wartości oddzielone przecinkami lub pliki CSV z oddzielnymi kolumnami odpowiednio dla identyfikatora rekordu, szerokości geograficznej, długości geograficznej i czasu. Następnie przekonwertuj pliki CSV na powszechnie używane systemy informacji geograficznej lub format pliku GIS. Załaduj plik kształtu wielokątów budynków i inny plik z granicą badanego obszaru za pomocą analizatora trajektorii.

Ustaw odpowiednio wyciągnięcie budynków dla wyświetlania 3D i ustaw odpowiednio wyciągnięcie i przezroczystość warstwy granicznej, aby wyświetlić sześcian czasoprzestrzenny. Następnie otwórz trajektorię w sześcianie czasoprzestrzennym z wymiarami XY reprezentującymi przestrzeń i wymiarem Z. Reprezentując czas, dostępne są dwie opcje przetwarzania wstępnego.

Zaszumione surowe dane trajektorii można wybrać z listy rozwijanej menu przetwarzania wstępnego. Jeśli wybrano opcję interaktywny. Projekcja 2D trajektorii 3D jest tworzona w celu łatwego przeglądania i wybierania.

Manipuluj wyświetlaczem 3D, aby zbadać surową trajektorię w przestrzeni i czasie. Identyfikuj błędy w danych na podstawie kształtu, prędkości i/lub topologii segmentów ścieżek. Zazwyczaj punkty śledzenia z nierealistyczną dużą prędkością lub nagłą zmianą kierunku oznaczają błędy, wybierają je i usuwają z trajektorii 3D lub jej rzutu 2D.

Skupisko punktów trasy o kolczastych kształtach przestrzennych i długim czasie trwania oznaczają błędy, które najprawdopodobniej są spowodowane przez lokalizacje w pomieszczeniach, w których sygnał GPS jest słaby. Jeśli wybrana jest grupa tych punktów, program może obliczyć przestrzenny czasowy OID wybranych punktów, a następnie dostosować ścieżkę tak, aby przechodziła przez oid. Alternatywnie, jeśli z menu przetwarzania wstępnego wybrano opcję automatyczną, należy ustawić lokalizację wejścia i wyjścia, a także parametry empiryczne, które określają nienormalnie dużą prędkość i nagłe skręcanie punktów.

Program przeszukuje załadowane dane trajektorii i uruchamia się automatycznie w oparciu o algorytm, który naśladuje podejście do wizualnego wykrywania błędów. Segmentacja trajektorii wymaga warstwy budynku, więc upewnij się, że plik kształtu budynku jest gotowy. Kliknij narzędzie do segmentacji na pasku narzędzi, aby uruchomić funkcję.

Ustaw dane wejściowe i wyjściowe, a następnie zlokalizuj plik kształtu budynku jako warstwę odniesienia. Użyj nazw budynków, aby oznaczyć trajektorię podzieloną na segmenty. Algorytm identyfikuje segmenty wewnętrzne na podstawie ustawionych lub domyślnych kryteriów, takich jak prędkość i czas trwania punktów trasy, a także topologia przestrzenna.

W odniesieniu do budynków kliknij narzędzie do podsumowania przestrzeni aktywności, aby załadować trajektorie podzielone na segmenty i obliczyć wybrane atrybuty podsumowania, aby scharakteryzować przestrzeń aktywności, takie jak całkowita aktywność, promień, promień w określonym przedziale czasu, stosunek całkowitego czasu spędzonego w pomieszczeniu do czasu spędzonego na zewnątrz i tak dalej. Atrybuty można wyeksportować do arkusza kalkulacyjnego w celu modelowania ilościowego. Powierzchnia gęstości pokazuje gęstość działań w przestrzeni z zapadniętym wymiarem czasowym.

Z listy rozwijanej w menu mapowania powierzchni zagęszczenia dostępne są trzy opcje. Jeśli wybrana jest opcja zagęszczenia punktów trasy, wypełnij okno dialogowe informacjami wejściowymi i wyjściowymi, a następnie wybierz wyświetlanie w 3D lub 2D. Wszystkie wierzchołki z danych trajektorii są używane do obliczania gęstości jądra punktów, jak pokazano tutaj.

W przypadku wybrania gęstości ścieżek algorytm oblicza i wyświetla gęstość poszczególnych przebytych ścieżek. Jeśli wybrana jest opcja ponownie próbkowanej gęstości punktów, algorytm ponownie próbkuje dane trajektorii przy użyciu ustawionego interwału czasu i odwzorowuje gęstości punktów rozłożonych równomiernie w czasie. Ta opcja jest przeznaczona dla urządzeń śledzących, które zbierają punkty śledzenia w nieregularnych odstępach czasu ze względu na różną czułość urządzeń w różnych warunkach fizycznych lub segmentowanych trajektoriach.

W tym miejscu pokazano powierzchnię gęstości 2D i 3D trajektorii segmentowych. Jeśli dla którejkolwiek z opcji wybrano ogniskowanie czasowe, można je wykonać w celu zbadania wzorców aktywności w różnych okresach czasu. Na przykład powierzchnie gęstości aktywności o różnych porach dnia mogą być wizualizowane w celu łatwej identyfikacji gorących punktów w czasie, wizualizacja objętości wykorzystuje pojęcie sześcianu czasoprzestrzennego, jak w wizualizacji trajektorii.

Istotą takiej wizualizacji jest dezagregacja przestrzeni na woksele. Podejście użyte tutaj do wizualizacji objętości gęstości najpierw szacuje objętość gęstości w poszczególnych wokselach, zliczając liczbę ścieżek czasoprzestrzennych, które przecinają się z wokselami. Dla wizualizacji gęstości i objętości dostępne są te same trzy opcje, co w przypadku wizualizacji powierzchni gęstości.

Następnie kliknij jedną z opcji, aby uruchomić interfejs wizualizacji objętości 3D do interaktywnego renderowania objętości. Ustawiając liczbę podziałów wzdłuż każdej osi, można badać klastry w różnych skalach. Współczynnik Z służy do ustawiania przeskalowania pionowego w celu lepszej wizualizacji.

Warstwa referencyjna, taka jak budynki, może być również wczytana w celu ułatwienia wizualizacji. Wyniki renderowania objętościowego można interaktywnie dostosowywać, manipulując funkcją transferu, która steruje odwzorowaniem od gęstości do koloru. Dostępna jest procedura tworzenia seriali animowanych do wyświetlenia w programie Google Earth.

W obszarze Eksportuj do pliku KML, aby EDA uzyskała dostęp do tej procedury, tworzy plik KML, który otwiera się w programie Google Earth w celu interaktywnej animacji trajektorii. Można podążać trajektorią, aby podróżować po środowisku w czasie, przewijając wzdłuż osi czasu. W programie Google Earth dostępna jest procedura wizualizacji połączeń między interesującymi miejscami za pomocą analizy połączeń.

Na przykład połączenia między różnymi budynkami na kampusie uniwersyteckim są uzyskiwane na podstawie segmentowanych danych trajektorii, które zostały zebrane przez studentów na podstawie uzyskanych punktów aktywnych połączeń, takich jak budynki o największym ruchu wychodzącym lub przychodzącym oraz węzły, które łączą miejsca o największym natężeniu ruchu. Dane dotyczące trajektorii zostały zebrane przez ochotników studentów studiów licencjackich z Keen University wiosną 2010 roku. Celem było zbadanie wzorców aktywności uczniów, którzy zachorowali na grypę, w porównaniu z tymi, którzy jej nie zachorowali.

W celu zilustrowania przedstawionych w nim metod i procedur, do wygenerowania reprezentatywnych wyników wykorzystano trajektorie zebrane w obrębie podmiejskiego obszaru kampusu. Przedstawiono tu reprezentację trajektorii w postaci sześcianu czasoprzestrzennego w odniesieniu do budynków na terenie kampusu uniwersyteckiego. Surowe dane zebrane przez studenta, który nagrał jeden dzień swojej aktywności na kampusie za pomocą urządzenia GPS A, ujawniają, że pewien długi czas przebywania w pomieszczeniach spowodował zaszumienie danych wskazywanych przez kolczastą część trasy.

Jest to bardzo powszechne w danych o trajektoriach pieszych. Rysunek ten przedstawia wstępnie przetworzoną i podzieloną na segmenty trajektorię, podczas gdy wstępnie przetworzona i podzielona na segmenty z oznaczonymi kolorami segmentami wewnętrznymi i zewnętrznymi w sześcianie czasoprzestrzennym jest tutaj reprezentowana. Pokazano tutaj mapowanie powierzchni gęstości zestawu trajektorii.

Można wizualizować nieprzetworzone punkty śledzenia biorące udział w wykonywaniu opcji mapowania gęstości punktów ścieżki i wynikową mapę gęstości. I odwrotnie, można również odwzorowywać gęstości przebytych ścieżek. Mapowanie zagęszczenia jest szczególnie przydatne podczas analizowania dużej liczby trajektorii.

Ta mapa wyświetla łącznie 470 trajektorii. Powierzchnia gęstości może być również wyświetlana w reprezentacjach 2D i 3D przy użyciu ponownie próbkowanych punktów z tych trajektorii. Oprócz interaktywnego wyświetlania wymiaru czasowego w kostce czasoprzestrzennej, zmienna czasowa może być przetwarzana poprzez ogniskowanie czasowe w celu zbadania wzorców przestrzennych w różnych okresach czasu.

Poniżej pokazane są przykłady takiej analizy. Korzystanie z przykładowego zestawu danych, który zawiera dane o trajektoriach zebrane przez uczniów w sezonie grypowym. Oczywiste jest, że ich działania koncentrują się wokół różnych miejsc w ciągu dnia.

Aby ostatecznie doprowadzić do złożonej mapy gęstości aktywności na dnie gęstości, renderowanie objętości można również przeprowadzić, jak pokazano tutaj, trudno jest wykryć wzorce, jeśli wszystkie ścieżki czasoprzestrzenne są wizualizowane w kosturze czasoprzestrzennej. Ze względu na bałagan wizualny w tym miejscu odpowiednie dane są wizualizowane jako renderowanie objętości gęstości. Cztery ilustracje reprezentują różne ustawienia funkcji transferu programu do renderowania zagęszczenia, a tym samym podkreślają objętości gęstości w różnych zakresach częstotliwości.

Innym sposobem znajdowania hotspotów jest analiza połączeń. Połączenia w linii prostej między wszystkimi budynkami na terenie kampusu są pokazane tutaj. Wyróżnione budynki to te o największym natężeniu ruchu wychodzącego.

Tutaj te same połączenia są pokazane, a najczęściej odwiedzane połączenia są podświetlone na czarno. Próbując wykonać tę procedurę, należy pamiętać, aby rozpocząć od etapu wstępnego przetwarzania, zanim przejdziesz do segmentacji, analizy eksploracyjnej i innych metod wizualizacji Postępując zgodnie z tą procedurą. Inne metody, takie jak analiza statystyczna atrybutów, kategoryzacja przestrzeni aktywności lub analiza sekwencji, taka jak wyrównanie sekwencji, mogą być przeprowadzone w celu udzielenia odpowiedzi na dodatkowe pytania, takie jak to, w jaki sposób aktywność, przestrzeń i sekwencje mogą wpływać na ryzyko infekcji.