時空間処理方法のスイートは、モデリング·歩行者の時空間活動の目的のため、GPSデバイスを使用して収集されたものと人間の軌道データを分析するために提示されています。
これはよく空間的および時間的な次元における人間の運動は病気伝送1-3直接的な影響力を持っていることが認識されている。感染症は、通常、それらの重なり活動空間における感染と感受性個体間の接触を介して広がっています。したがって、毎日のモビリティアクティビティ情報は、感染の危険因子への曝露を測定するための指標として使用することができる。しかし、このように大きな難題とミクロスケールでの感染症伝播の研究が不足している理由は、詳細な個人のモビリティデータの不足から生じる。以前はしばしば被験者が積極的に時間と空間での活動を記録するために必要な時間空間日記技術、に依存していた交通、観光研究の詳細な時空間活動データインチこれは非常に参加者からの参加者とのコラボレーションを求めている大幅にデータ4の品質に影響を与える。
現代のGPSやモバイル通信などの技術が可能軌跡データの自動収集を行っている。収集されたデータは、しかし、既存の機器の精度によって制限され、人間の時空間活動をモデル化するための理想的ではありません。人間行動研究のためのデータの効率的な処理のための容易に利用可能なツールもありません。私たちはここでのメソッドのスイートと軌跡データの前処理、時空間解析のための統合されたArcGISのデスクトップベースのビジュアルなインターフェイスを提示。我々は、特にそのような感染症の伝送モデリングなど、公衆衛生学に有用である可能性のあるエラーの豊富な歩行者の軌跡データと、人間の時空間活動をモデル化するために使用されるかもしれないか、このような処理の例を示します。
提示の手順では、前処理、軌道セグメンテーション、活動空間の特性、密度推定と可視化、および他のいくつかの予備的な解析手法を含む。プリprocessingがうるさい生の軌道データのクリーニングです。私たちは、対話型のビジュアル前処理インタフェースと同様に自動モジュールをご紹介します。軌道セグメンテーション5は前処理された時空のトラックから、屋内と屋外の部品の識別を必要とする。繰り返しになりますが、インタラクティブな視覚的セグメンテーションと自動セグメンテーションの両方がサポートされています。セグメント化された時空のトラックはその後派生するために分析されるような活動半径等密度推定と可視化など、1つの活動領域の特性は、ホットスポットとの相互作用をモデル化するために軌道に大量のデータを調べるために使用されます。我々は、密度表面マッピング6および密度ボリュームレンダリング7の両方を示しています。我々はまた、Google Earthのアニメーションをサポートし、接続の分析など、他の探索的データ解析(EDA)と視覚化ツールのカップルが含まれています。分析のスイートだけでなく、この論文で提示ビジュアルメソッドはsの任意の軌道データに適用してもよいペースタイム活性研究。
我々は、インターフェースを開発するために、ArcGISのアドインのメカニズムを使用していました。すべての対話的な操作を使用して実装されたC + +です。すべて自動処理と分析機能がPythonを使って開発されました。
エラーが原因で建物や頻繁な屋内停留所に隣接する大規模なことができるように歩行者が収集したAGPSデータ、またはGPSデータは、前処理に特有の課題を提?…
The authors have nothing to disclose.
この作品は、NIHの助成金1R03AI090465によって賄われています。