En pakke med Spatiotemporal bearbeidingsmetoder presenteres å analysere menneskelige banen data, for eksempel som samlet ved hjelp av en GPS-enhet, i den hensikt å modellering fotgjenger plass fritidsaktiviteter.
Det er velkjent at menneskelig bevegelse i rom og tid dimensjoner har direkte innflytelse på smitteoverføring 1-3. En smittsom sykdom sprer typisk via kontakt mellom smittede og utsatt enkeltpersoner i deres overlappende aktivitet mellomrom. Derfor kan daglig mobilitet-aktivitet informasjon brukes som en indikator for å måle eksponeringer mot risikofaktorer av infeksjon. Imidlertid, en stor vanskelighet og dermed årsaken til mangelen på studier av smittsomme sykdomsoverføring ved mikro skala oppstår fra mangel på detaljerte individuelle mobilitet data. Tidligere i transport og turisme forskning detaljerte space-time aktivitet data ofte stolt på tid-rom dagbok teknikk, som krever fag å aktivt registrere sin aktivitet i tid og rom. Dette er svært krevende for deltakerne og samarbeid fra deltakerne i stor grad påvirker kvaliteten på data 4.
Moderneteknologier som GPS og mobilkommunikasjon har gjort det mulig å automatisk innhenting av banen data. De innsamlede data er imidlertid ikke ideelt for modellering humane plass fritidsaktiviteter, begrenset av de nøyaktighet på eksisterende enheter. Det er også ikke lett tilgjengelig verktøy for effektiv behandling av dataene for menneskelig adferd studien. Vi presenterer her en rekke metoder og en integrert ArcGIS desktop-baserte visuelt grensesnitt for pre-prosessering og Spatiotemporal analyser av banen data. Vi gir eksempler på hvordan en slik behandling kan brukes for å modellere humane plass fritidsaktiviteter, spesielt med feil-rike fotgjenger banen data, som kan være nyttige i folkehelsen studier som smittsomme smitteoverføring modellering.
Prosedyren presentert inkluderer pre-prosessering, bane segmentering, aktivitet plass karakterisering, tetthet estimering og visualisering, og noen få andre utforskende analysemetoder. Pre-processing er rengjøring av bråkete rå bane data. Vi introduserer en interaktiv visuell forbehandlende grensesnitt samt en automatisk modul. Mønsterhastighet segmentering 5 innebærer identifisering av innendørs og utendørs deler fra pre-behandlet rom-tid spor. Igjen, blir både interaktive visuell segmentering og automatisk segmentering støttes. Segmenterte rom-tid spor blir deretter analysert for å utlede egenskapene til en aktivitet plass, for eksempel aktivitet radius etc. Tetthet estimering og visualisering brukes til å undersøke store mengder banen data å modellere heteflekker og interaksjoner. Vi viser både tetthet overflaten kartlegging 6 og tetthet volumgjengivelse 7. Vi inkluderer også et par andre utforskende dataanalyser (EDA) og visualiseringer verktøy, for eksempel Google Earth animasjon støtte og tilknytning analyse. Suiten av analytiske samt visuelle metoder presenteres i denne artikkelen kan brukes til noen bane data for stempo-time aktivitet studier.
Vi brukte tillegget mekanisme ArcGIS å utvikle grensesnittet. Alle de interaktive operasjoner ble gjennomført ved hjelp av C + +. Alle automatisk behandling og analyse funksjoner ble utviklet ved hjelp av Python.
AGPS data, eller GPS-data samlet inn av fotgjenger presenterer unik utfordring i forbehandling som feilene kan være massive grunn tilstøter bygninger og hyppige innendørs stopper. Videre bør fokus for preprosessering ikke være data reduksjon som det som vanligvis gjøres for …
The authors have nothing to disclose.
Dette arbeidet er finansiert av NIH stipend 1R03AI090465.
Name of the reagent | Company | Catalogue number | Comments (optional) |
WorldTracker GPRS | Tracking The World | ||
A personal computer for running the analysis | |||
ArcGIS software | ESRI | ||
Trajectory Analyzer Extension |