Траектория Анализ данных для пешеходного пространства-времени активность исследование

Summary

Набор пространственно-временных методов обработки представлены для анализа человеческого данные траектории, такие как данные, собранные с помощью устройства GPS, с целью моделирования пешеходного пространства-времени деятельности.

Abstract

Общепризнано, что движение человека в пространственном и временном измерениях оказывает непосредственное влияние на передачу болезни^1-3. Инфекционное заболевание обычно распространяется при контакте между инфицированными и восприимчивыми людьми в их перекрывающихся пространствах активности. Таким образом, ежедневная информация о подвижности и активности может быть использована в качестве индикатора для измерения воздействия факторов риска инфекции. Тем не менее, основная трудность и, следовательно, причина недостаточности исследований передачи инфекционных заболеваний в микромасштабе связаны с отсутствием подробных данных об индивидуальной мобильности. Ранее в исследованиях транспорта и туризма детальные данные о пространственно-временной активности часто основывались на технике пространственно-временного дневника, которая требует от испытуемых активной записи своей деятельности во времени и пространстве. Это очень требовательно к участникам, и совместная работа участников сильно влияет на качество данных⁴.

Современные технологии, такие как GPS и мобильная связь, сделали возможным автоматический сбор данных о траекториях. Собранные данные, однако, не идеальны для моделирования пространственно-временной деятельности человека, ограниченной точностью существующих устройств. Также не существует легкодоступного инструмента для эффективной обработки данных для изучения поведения человека. Здесь мы представляем набор методов и интегрированный визуальный интерфейс ArcGIS на основе настольных компьютеров для предварительной обработки и пространственно-временного анализа данных траекторий. Мы приводим примеры того, как такая обработка может быть использована для моделирования пространственно-временной деятельности человека, особенно с богатыми ошибками данными о траекториях пешеходов, которые могут быть полезны в исследованиях общественного здравоохранения, таких как моделирование передачи инфекционных заболеваний.

Представленная процедура включает в себя предварительную обработку, сегментацию траектории, характеристику пространства активности, оценку плотности и визуализацию, а также несколько других методов исследовательского анализа. Предварительная обработка — это очистка от зашумленных исходных данных о траекториях. Мы представляем интерактивный визуальный интерфейс предварительной обработки, а также автоматический модуль. Сегментация траектории⁵ включает в себя идентификацию внутренних и наружных частей по предварительно обработанным пространственно-временным трекам. Опять же, поддерживаются как интерактивная, так и автоматическая сегментация. Сегментированные пространственно-временные треки затем анализируются для получения характеристик пространства активности, таких как радиус активности и т. д. Оценка плотности и визуализация используются для изучения большого объема данных траектории для моделирования горячих точек и взаимодействий. Мы демонстрируем как картографирование плотности поверхности⁶, так и объемное отображение плотности⁷. Мы также включили несколько других инструментов исследовательского анализа данных (EDA) и визуализации, таких как поддержка анимации Google Earth и анализ соединений. Представленный в данной работе комплекс аналитических и визуальных методов может быть применен к любым траекторным данным для изучения пространственно-временной активности.

Protocol

1. Получение данных

1. Траектория данные могут быть собраны с ручных приборов GPS, GPS с поддержкой приложений для смарт-телефон отслеживания, а также A-GPS (Assisted GPS) устройств, таких как одного занятого в нашем исследовании, коммерческие устройства трекер ребенка.
2. Траектория данных обычно хранится в терминах времени широта-долгота записей. Желаемого интервала времени должны быть установлены на основе потребностей приложений. Часто наиболее частых интервал желаемого для пространственно-временных исследований деятельности.
3. Преобразование данных значений, разделенных запятыми, или. CSV файлов с отдельными колонками для записи идентификатора, широту, долготу и время, соответственно. Тогда преобразования. CSV файлов в широко используемых географических информационных систем (ГИС), формат файла (то есть шейп-файлов ESRI ^8).
4. Загрузите в шейп строительных полигонов и другое границы исследуемой области с траектории анализатора. Установить "выдавливание" из зданий должным образом для 3D-ди-скошенной и установить "выдавливание" и "прозрачность" пограничный слой должным образом для отображения пространства-времени куба ^{6, 9} с х, у размеры представляющих пространства и размерности г представляющие времени.

2. Предварительная обработка

1. Два варианта доступны для предварительной обработки шумных исходные данные траектории. Можно выбрать из выпадающего списка предварительной обработки меню.
2. Если «Интерактивные» выбрана, 2D проекции 3D траектории создан для удобного просмотра и выбора. Манипулирование 3D-дисплей для изучения сырья траектории в пространстве и времени. Определите ошибки в данных, основанных на формы, скорости и / или топология пути сегментах. Обычно трек точек (вершин) с нереально высокой скорости или резкого изменения направления означают ошибки. Выберите и удалите их из оригинальной траектории. Выберите и удалите их из любой 3D траектории или 2D проекции.
3. Кластер точек трека с остроконечными шаPES (рис. 1) пространственно и длительность временного означают ошибки, которые наиболее вероятно вызванные закрытых помещениях, где GPS сигнал слабый. Если группа этих точек выбрано, программа может вычислить пространственно-временной тяжести выбранных точках и настроить трек, чтобы пройти через центр тяжести.
4. Кроме того, если "Автоматически" выбирается из предварительной обработки меню, установить входные и выходные местах, а также эмпирические параметры, которые определяют аномально высокой скорости и крутых поворотах точек. Программа просматривает загруженные данные траектории и запускается автоматически на основе алгоритма, который имитирует визуальный подход обнаружения ошибок.

3. Сегментация траектории и характеристик космической деятельности

1. Траектория сегментации требует создания слоя, поэтому убедитесь, файл формы здания загружен.
2. Нажмите на сегментацию на панели инструментов, чтобы запустить функцию.Установка входных и выходных и расположен файл формы здания в качестве опорного слоя. Используйте здания имен для обозначения сегментирован траектории. Алгоритм определяет закрытый сегментов на основе набора или по умолчанию такие критерии, как скорость, длительность и т. д. точек трека, а также пространственной топологии по отношению к зданиям.
3. Нажмите обобщения космической деятельности инструмент для загрузки в сегментированных траектории и вычислить выбранные атрибуты резюме характеризуют деятельность своего пространства, таких как общий радиус деятельности, радиусом в определенный период времени, отношение общее время, проведенное в помещении по сравнению открытом воздухе, и так далее.
4. Атрибуты могут быть экспортированы в таблицы для использования количественных моделей.

4. Карты поверхностной плотности

1. Плотность поверхности показана плотность деятельности в космосе с временной аспект рухнула. Три варианта из выпадающего списка отображения меню поверхностной плотности.
2. Если опция 'Трек плотность точек' выбран, заполнить диалоговое окно с входной и выходной информации и выбрать для отображения в любом 3D или 2D. Все вершины с траектории данные используются для расчета ядро плотностью точек. 2 показана поверхностная плотность.
3. Если «Трек пути плотности 'выбран, алгоритм вычисляет и отображает плотность отдельных путей поездки (рис. 3).
4. Если опция 'Re-пробы плотность точек' выбран, алгоритм повторной образцы траекторию данных с использованием заданном интервале времени и карты плотности точек равномерно во времени. Эта опция предназначена для отслеживания устройств, которые собирают отслеживания точек в неравные промежутки времени из-за различной чувствительности устройства при различных физических условиях или сегментированные траектории. Рисунок 4 показывает 2D и 3D плотности поверхности сегментирован траектории.
5. Если «Временная фокусировка выбран дляНью-Йорк из вышеперечисленных вариантов, временные фокусировки ¹⁰ могут быть выполнены, чтобы изучить деятельность моделей в различные периоды времени. Например, деятельность плотности поверхности в разное время в течение дня могут быть визуализированы для легкой идентификации горячих точках во времени (рис. 5).

5. Плотность оценка объема и объема Rendering

1. Визуализации объемной плотности используется понятие пространства-времени куба, как в визуализации траектории. В основе такой визуализации разбивки пространства в вокселей ^11. Наш подход к визуализации объемной плотности первые оценки объемной плотности в отдельных вокселей путем подсчета количества пространства-времени, треки, которые пересекаются с вокселей. Можно нажать 'Плотность расчета объема "под визуализации меню объемной плотности для этого шага.
2. Те же три варианта для плотности визуализации объема, как и для плотности визуализации поверхности.
3. Затем нажмите "Volume Rendering ', чтобы запустить 3D-интерфейс для визуализации объема интерактивный объемный рендеринг ^12. Установив количество делений вдоль каждой оси, можно рассматривать кластеры в различных масштабах. Z-фактор используется для установки вертикального преувеличением для лучшей визуализации. Опорного слоя, такие как здания могут быть загружены, чтобы помочь визуализации, а также. Результаты объем оказания можно интерактивно регулировать путем манипулирования передаточной функцией, которая управляет отображением плотности цвета. (Рис. 6).

6. Другие поисковые анализа данных (РАД) и визуализаций

1. Процедура доступна для создания анимационного сериала, который будет отображаться в Google Earth. В разделе "Прочее", нажмите кнопку "Экспорт в KML для EDA", чтобы получить доступ к этой процедуре. Это создает KML ¹³ файл, который открывает в Google Earth на интерактивной анимации траектории.
2. Можно следовать траектории на травел окружающей среды во времени на прокрутку по временной шкале в Google Earth.
3. Процедура доступна для визуализации связей между достопримечательностями через "Подключение анализа. Например, связи между различными зданий на кампусе университета являются производными от сегментированных данных траектории, которые были собраны студентами (рис. 7).
4. На основании полученных соединений, горячие точки, такие как здания с самого исходящего или входящего трафика и концентраторы, которые соединяют наиболее посещаемых местах могут быть определены.

Results

Траектория Данные были собраны на добровольных началах студентов из Кин университета (Нью-Джерси, США) весной 2010 года. Целью было изучить активность моделей студенты, которые поймали гриппа (диагноз врача или самостоятельно диагностировать) по сравнению с теми, кто этого не сделал. Для того чтобы проиллюстрировать методы и процедуры, представленные в этой работе приняли траектории, собранные на территории пригородной зоне кампуса для получения репрезентативных результатов. Траектории в кампусе области в основном пешех...

Discussion

Мы использовали дополнения в механизме ArcGIS для разработки интерфейса. Все интерактивные операции были реализованы с помощью C + +. Все автоматической обработки и анализа функций были разработаны с использованием Python.

AGPS данных или GPS данных, собранных пешеходных представляет уникальные задачи в предварительной обработке, как ошибки могут быть массивными за счет близости от зданий и частыми остановками закрытый. Кроме того, в центре внимания предварительная обработка не должна быть о...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Название реагента	Компания	Номер в каталоге	Комментарии (по желанию)
WorldTracker GPRS	Отслеживание мира
Персональный компьютер для запуска анализа
Программное обеспечение ArcGIS	ESRI
Расширение Анализатор траекторий