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

O objetivo geral deste procedimento é modelar as atividades espaciotemporais de pedestres por meio da análise espaciotemporal e da visualização de dados de trajetória humana. Isso é realizado primeiramente coletando dados detalhados do sistema global de posicionamento, ou GPS, e carregando os dados no analisador de trajetórias. O segundo passo é pré-processar e segmentar os dados de trajetória.

Em seguida, caracterizam-se os espaços de atividade dos indivíduos. O passo final consiste em examinar os padrões espaço-temporais por meio de densidade, mapeamento superficial, densidade, renderização volumétrica ou ambos. Em última análise, outros métodos de análise exploratória de dados e visualizações são utilizados para revelar padrões ocultos adicionais nos dados.

A principal vantagem deste método em relação a técnicas existentes, como a extensão FGIS desenvolvida pela SHNU para analisar trajetórias espaço-temporais, é que não apenas oferecemos uma interface para visualização interativa com trajetórias, mas também focamos no método de processamento que limpa os dados de trajetória de rotas, os segmenta, extrai propriedades a partir dos dados TR e realiza análise exploratória para descobrir padrões em grandes volumes de dados de trajetória. Este método pode auxiliar na resposta a questões fundamentais no campo dos estudos de atividade espaço-temporal humana relacionadas à transmissão de doenças em microescala, como a forma como a atividade espaço-temporal de uma pessoa afeta sua chance de infecção, ou quais ambientes ou comportamentos espaço-temporais levam a um maior risco de trajetória. Os dados podem ser coletados com unidades GPS portáteis.

Aplicativos de rastreamento em smartphones com GPS, bem como dispositivos com GPS assistido, como o utilizado neste estudo — um dispositivo comercial de rastreamento infantil — geralmente salvam os dados de trajetória em termos de registros de tempo, latitude e longitude. Um intervalo de tempo desejado deve ser definido com base nas necessidades da aplicação.

Muitas vezes, o intervalo mais frequente é desejado para estudos de atividade espaço-temporal; converta os dados em valores separados por vírgula ou arquivos CSV com colunas separadas para identificação do registro, latitude, longitude e hora, respectivamente. Em seguida, converta os arquivos CSV em formatos de sistema de informações geográficas ou arquivos GIS comumente utilizados. Carregue um arquivo shape de polígonos de edifícios e outro do limite da área de estudo em um analisador de trajetórias.

Defina corretamente a extrusão dos edifícios para uma exibição em 3D e ajuste a extrusão e a transparência da camada limite adequadamente para exibir um cubo espaço-temporal. Em seguida, abra a trajetória no cubo espaço-temporal 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 que 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 exibição 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 da trajetória. Normalmente, pontos de rastreamento com velocidades excessivamente altas ou mudanças bruscas de direção indicam erros; selecione-os e remova-os da trajetória 3D ou de sua projeção 2D.

Um agrupamento de pontos de trilha com formas espigadas espacialmente e de longa duração temporal indica erros que muito provavelmente são causados por locais internos onde o sinal GPS é fraco. Se um grupo desses pontos for selecionado, o programa pode calcular o OID espaciotemporal dos pontos selecionados e, em seguida, ajustar a trilha para passar pelo OID. Alternativamente, se a opção automática for escolhida no menu de pré-processamento, defina as localizações de entrada e saída, bem como os parâmetros empíricos que determinam a alta velocidade anormal e as mudanças bruscas de direção dos pontos.

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

Defina as entradas e saídas e localize o arquivo de formato de edifícios como a camada de referência. Utilize 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 a edifícios, clique na ferramenta de sumarização do espaço de atividade para carregar trajetórias segmentadas e calcular atributos resumidos selecionados para caracterizar o espaço de atividade de um indivíduo, como atividade total, raio, raio em um determinado período de tempo, razão entre o tempo total gasto no interior e no exterior de edificações, e assim por diante. Os atributos podem ser exportados para uma planilha para fins de modelagem quantitativa. A superfície de densidade mostra a densidade de atividades no espaço com a dimensão temporal reduzida.

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

Se a densidade do caminho da trilha for selecionada, o algoritmo calcula e exibe a densidade dos caminhos individuais percorridos. Se a opção de densidade de pontos reamostrados for selecionada, o algoritmo reamostra os dados de trajetória usando um intervalo de tempo definido e mapeia as densidades dos pontos distribuídos uniformemente no tempo. Esta opção foi projetada para dispositivos de rastreamento que coletam pontos de rastreamento em intervalos de tempo irregulares devido à sensibilidade variável dos dispositivos sob diferentes condições físicas ou trajetórias segmentadas.

As superfícies de densidade 2D e 3D das trajetórias segmentadas são mostradas aqui. Se o foco temporal for selecionado em qualquer uma das opções, pode-se realizar o foco temporal para examinar padrões de atividade em diferentes períodos de tempo. Por exemplo, as superfícies de densidade de atividade em diferentes momentos do dia podem ser visualizadas para facilitar a identificação de pontos de alta concentração; a visualização do volume de densidade ao longo do tempo utiliza a noção de um cubo espaço-temporal, como na visualização de trajetórias.

O cerne dessa visualização é a desagregação do espaço em voxels. A abordagem utilizada aqui para visualizar o volume de densidade estima primeiro o volume de densidade em voxels individuais, contando o número de trajetórias espaço-temporais que se intersectam com os voxels. As mesmas três opções estão disponíveis para a visualização de volume de densidade, assim como para a 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 aglomerados em diferentes escalas. Um fator Z é utilizado para definir a exageração vertical, permitindo uma melhor visualização.

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

Na outra opção, clique em exportar para KML para EDA a fim de acessar este procedimento, o qual cria um arquivo KML que abre no Google Earth para animação interativa da trajetória. Pode-se seguir a trajetória para percorrer o ambiente ao longo do tempo, rolando a linha do tempo. No Google Earth, há um procedimento disponível para visualizar conexões entre locais de interesse por meio da análise de conexão.

Por exemplo, conexões entre diferentes prédios em um campus universitário são derivadas de dados de trajetória segmentados coletados por estudantes; com base nessas conexões, pontos de concentração como os prédios com maior tráfego de saída ou entrada e os principais nós que conectam os locais mais movimentados podem ser identificados. Os dados de trajetória foram coletados por estudantes voluntários de graduação da Keen University na primavera de 2010. O objetivo era estudar os padrões de atividade de estudantes que contraíram influenza em comparação com aqueles que não contraíram.

Para ilustrar os métodos e procedimentos apresentados aqui, foram utilizadas as trajetórias coletadas na área suburbana do campus para gerar resultados representativos. A representação do cubo espaço-temporal de uma trajetória em relação aos prédios no campus universitário é mostrada aqui. Os dados brutos coletados por um estudante registrando um dia inteiro de sua atividade no campus usando um dispositivo GPS revelam que algumas permanências prolongadas em ambientes internos resultaram em dados ruidosos, indicados pela porção irregular da trilha.

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 espaço-temporal é apresentada aqui. É mostrado aqui o mapeamento da superfície de densidade de um conjunto de trajetórias.

Os pontos de rastreamento brutos envolvidos na realização de uma opção de mapeamento de densidade de pontos de rastreamento e o mapa de densidade resultante podem ser visualizados. Inversamente, 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 utilizando pontos reamostrados dessas trajetórias. Além da exibição interativa da dimensão temporal em um cubo espaço-temporal, a variável temporal pode ser processada por meio de foco temporal para examinar padrões espaciais em diferentes períodos de tempo.

Mostrados aqui estão exemplos dessa análise. Utilizando o conjunto de dados de exemplo que contém dados de trajetória coletados por alunos durante a temporada de gripe. É evidente que suas atividades estão concentradas em torno de diferentes locais ao longo do dia.

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

Outra forma de identificar pontos de calor é por meio da análise de conexões. As linhas retas que conectam 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 movimentadas destacadas em preto. Ao realizar este procedimento, é importante lembrar de iniciar com uma etapa de pré-processamento antes de passar para a segmentação, análise exploratória e outros métodos de visualização, seguindo esta sequência. Outros métodos, como análise estatística dos atributos, categorização do espaço de atividades ou análise de sequências, como alinhamento de sequências, podem ser realizados para responder perguntas adicionais, como a forma pela qual as atividades, espaços e sequências de uma pessoa podem afetar as chances de infecção.