Trajetória Análise de Dados para Estudo de Atividade pedonal espaço-tempo

O objetivo geral deste procedimento é modelar as atividades espaço-temporais dos pedestres por meio da análise espaço-temporal e visualização dos dados da trajetória humana. Isso é feito primeiro coletando dados detalhados do sistema de posicionamento global ou GPS e carregando os dados no analisador de trajetória. A segunda etapa é pré-processar e segmentar os dados da trajetória.

Em seguida, caracterizam-se os espaços de atividade dos indivíduos. A etapa final é examinar os padrões espaço-temporais por meio de densidade, mapeamento de superfície, densidade, renderização de volume ou ambos. Em última análise, outros métodos exploratórios de análise de dados e visualizações são usados para mostrar padrões ocultos adicionais nos dados.

A principal vantagem dessa técnica sobre os métodos existentes, como a extensão FGIS desenvolvida pela SHNU para analisar trajetórias espaço-temporais, é que não apenas fornecemos a interface para visualização interativa com trajetórias, mas também nos concentramos no método de processamento que limpa os dados de trajetória de rota, segmenta propriedades dos dados TR e análise exploratória para descobrir padrões de uma grande quantidade de dados de trajetória. Este método pode ajudar a responder a questões-chave no campo dos estudos de atividade espaço-temporal humana relacionados à transmissão de doenças em microescala, como como a atividade espaço-temporal de uma pessoa afeta sua chance de infecção ou quais ambientes ou comportamento espaço-temporal levam a uma trajetória de maior risco. Os dados podem ser coletados com unidades GPS portáteis.

Aplicativos de rastreamento de smartphone habilitados para GPS, bem como dispositivos GPS assistidos, como o empregado. Neste estudo, que é uma trajetória comercial de dispositivo rastreador infantil, os dados geralmente são salvos em termos de registros de tempo, latitude e longitude. Um intervalo de tempo desejado deve ser definido com base nas necessidades do aplicativo.

Muitas vezes, o intervalo mais frequente é desejado para estudos de atividade espaço-tempo que convertem os dados em valores separados por vírgula ou arquivos CSV com colunas separadas para ID de registro, latitude, longitude e tempo, respectivamente. Em seguida, converta os arquivos CSV em sistemas de informações geográficas comumente usados ou formato de arquivo GIS. Carregue em um arquivo de forma de polígonos de construção e outro do limite da área de estudo com um analisador de trajetória.

Defina a extrusão dos edifícios corretamente para uma exibição 3D e defina a extrusão e a transparência da camada limite corretamente para exibir um cubo de espaço-tempo. Em seguida, abra a trajetória no cubo do espaço-tempo com as dimensões XY representando o espaço e a dimensão Z. Representando o tempo, duas opções estão disponíveis para pré-processamento.

Os dados brutos de trajetória ruidosos podem ser escolhidos na lista suspensa do menu de pré-processamento. Se interativo for escolhido. Uma projeção 2D da trajetória 3D é criada para facilitar a visualização e seleção.

Manipule a tela 3D para examinar a trajetória bruta no espaço e no tempo. Identifique erros nos dados com base na forma, velocidade e/ou topologia dos segmentos de trilha. Normalmente, os pontos de rastreamento com alta velocidade irreal ou mudança abrupta de direção significam erros, selecione-os e remova-os da trajetória 3D ou de sua projeção 2D.

Um conjunto de pontos de trilha com formas pontiagudas espacialmente e uma longa duração significam temporariamente erros que são mais possivelmente causados por locais internos onde o sinal de GPS é fraco. Se um grupo desses pontos for selecionado, o programa pode calcular o OID espaço-temporal dos pontos selecionados e, em seguida, ajustar a trilha para passar pelo oid. Como alternativa, se automático for escolhido no menu de pré-processamento, defina os locais de entrada e saída, bem como os parâmetros empíricos que determinam a alta velocidade anormal e a virada abrupta dos pontos.

O programa pesquisa os dados de trajetória carregados e é executado automaticamente com base em um algoritmo que imita a abordagem de detecção visual de erros. A segmentação de trajetória requer a camada de construção, portanto, certifique-se de que o arquivo de forma de construção esteja pronto. Clique na ferramenta de segmentação na barra de ferramentas para iniciar a função.

Defina a entrada e a saída e localize o arquivo de forma de construção como a camada de referência. Use os nomes dos edifícios para rotular a trajetória segmentada. O algoritmo identifica segmentos internos com base em critérios definidos ou padrão, como velocidade e duração dos pontos de rastreamento, bem como a topologia espacial.

Em relação aos edifícios, clique na ferramenta de resumo do espaço de atividade para carregar trajetórias segmentadas e calcular os atributos de resumo selecionados para caracterizar o espaço de atividade, como atividade total, raio, raio em um determinado período de tempo, proporção do tempo total gasto em ambientes internos versus externos e assim por diante. Os atributos podem ser exportados para uma planilha para uso de modelagem quantitativa. A superfície de densidade mostra a densidade de atividades no espaço com a dimensão temporal colapsada.

Três opções estão disponíveis na lista suspensa do menu de mapeamento de superfície de densidade. Se a opção de densidade do ponto de controle estiver selecionada, preencha a caixa de diálogo com informações de entrada e saída e escolha exibir em 3D ou 2D. Todos os vértices dos dados de trajetória são usados para calcular as densidades de kernel dos pontos, conforme mostrado aqui.

Se a densidade do caminho da trilha for selecionada, o algoritmo calculará e exibirá a densidade dos caminhos individuais percorridos. Se a opção de densidade de ponto reamostrada for selecionada, o algoritmo reamostrará os dados de trajetória usando um intervalo de tempo definido e mapeará as densidades dos pontos distribuídos uniformemente no tempo. Esta opção foi projetada para rastrear dispositivos que coletam pontos de rastreamento em intervalos de tempo irregulares devido à sensibilidade variável dos dispositivos sob várias condições físicas ou trajetórias segmentadas.

A superfície de densidade 2D e 3D de trajetórias segmentadas é mostrada aqui. Se a focagem temporal for selecionada para qualquer uma das opções, a focagem temporal pode ser executada para examinar os padrões de atividade em diferentes períodos de tempo. Por exemplo, superfícies de densidade de atividade em diferentes momentos do dia podem ser visualizadas para facilitar a identificação de pontos quentes em toda a visualização de volume de densidade de tempo usa a noção de um cubo de espaço-tempo como na visualização de trajetórias.

O núcleo dessa visualização é a desagregação do espaço em voxels. A abordagem usada aqui para visualizar o volume de densidade primeiro estima o volume de densidade em voxels individuais contando o número de faixas de espaço-tempo que se cruzam com os voxels. As mesmas três opções estão disponíveis para densidade, visualização de volume e visualização de superfície de densidade.

Em seguida, clique em uma das opções para iniciar a interface de visualização de volume 3D para renderização interativa de volume. Ao definir o número de divisões ao longo de cada eixo, pode-se examinar clusters em diferentes escalas. Um fator Z é usado para definir o exagero vertical para melhor visualização.

Uma camada de referência, como os edifícios, também pode ser carregada para ajudar na visualização. Os resultados da renderização de volume podem ser ajustados interativamente manipulando a função de transferência que controla o mapeamento de densidade para cor. Um procedimento está disponível para criar séries animadas a serem exibidas no Google Earth.

Em outro clique em exportar para KML para EDA para acessar esse procedimento, ele cria um arquivo KML que é aberto no Google Earth para animação interativa da trajetória. Pode-se seguir a trajetória para viajar pelo ambiente no tempo rolando ao longo da linha do tempo. No Google Earth, está disponível um procedimento para visualizar conexões entre locais de interesse por meio da análise de conexões.

Por exemplo, as conexões entre diferentes edifícios em um campus universitário são derivadas de dados de trajetória segmentados que foram coletados pelos alunos com base nos pontos de acesso de conexões derivadas, como os edifícios com mais tráfego de saída ou entrada e hubs que conectam os locais mais movimentados. Os dados da trajetória foram coletados por estudantes de graduação voluntários da Keen University na primavera de 2010. O objetivo era estudar os padrões de atividade dos alunos que pegaram influenza em comparação com aqueles que não pegaram.

Para ilustrar os métodos e procedimentos apresentados neste, as trajetórias coletadas dentro da área do campus suburbano foram usadas para gerar resultados representativos. A representação do cubo espaço-tempo de uma trajetória com referência a edifícios no campus universitário é mostrada aqui. Os dados brutos coletados por um aluno que registra um dia de sua atividade no campus usando um dispositivo GPS revelam que uma longa duração de estadias em ambientes fechados resultou em dados ruidosos indicados pela parte pontiaguda da pista.

Isso é muito comum em dados de trajetória de pedestres. Esta figura representa a trajetória pré-processada e segmentada, enquanto a trajetória pré-processada e segmentada com segmentos internos e externos codificados por cores no cubo do espaço-tempo é representada aqui. Aqui é mostrado o mapeamento da superfície de densidade de um conjunto de trajetórias.

Os pontos de rastreamento brutos envolvidos na execução de uma opção de mapeamento de densidade de ponto de rastreamento e o mapa de densidade resultante podem ser visualizados. Por outro lado, as densidades dos caminhos percorridos também podem ser mapeadas. O mapeamento de densidade é particularmente útil ao analisar um grande número de trajetórias.

Este mapa exibe um total de 470 trajetórias. A superfície de densidade também pode ser exibida em representações 2D e 3D usando pontos reamostrados dessas trajetórias. Além da exibição interativa da dimensão temporal em um cubo de espaço-tempo, a variável de tempo pode ser processada por meio de foco temporal para examinar padrões espaciais em diferentes períodos de tempo.

Aqui estão alguns exemplos de tal análise. Usando o conjunto de dados de amostra que contém dados de trajetória coletados pelos alunos durante a temporada de gripe. É óbvio que suas atividades estão centradas em diferentes locais ao longo do dia.

Para levar eventualmente ao mapa de densidade de atividade composto na renderização do volume de densidade inferior também pode ser realizado como mostrado aqui, é difícil detectar padrões se todas as trilhas do espaço-tempo forem visualizadas em um cubo do espaço-tempo. Devido à desordem visual aqui, os dados correspondentes são visualizados como renderização de volume de densidade. As quatro ilustrações representam diferentes configurações da função de transferência do programa de renderização de densidade e, portanto, destacam os volumes de densidade em diferentes faixas de frequência.

Outra maneira de encontrar pontos de acesso é por meio da análise de conexão. As conexões em linha reta entre todos os edifícios do campus são mostradas aqui. Os edifícios destacados são aqueles com o maior volume de tráfego de saída.

Aqui, as mesmas conexões são mostradas com as conexões mais trafegadas destacadas em preto. Ao tentar este procedimento, é importante lembrar de começar com uma etapa de pré-processamento antes de passar para a segmentação, análise exploratória e outros métodos de visualização Seguindo este procedimento. Outros métodos, como análise estatística dos atributos, categorização do espaço de atividade ou análise de sequência, como alinhamento de sequência, podem ser realizados para responder a perguntas adicionais, como como a atividade, o espaço e as sequências podem afetar as chances de infecção.