Summary

ניתוח נתונים תלולים מסלול לחקר חלל פעילות הולכי רגל בזמן

Published: February 25, 2013
doi:

Summary

חבילה של שיטות עיבוד חלל ובזמן מוצגת לניתוח נתונים תלולים מסלול אנושיים, כמו שנאסף באמצעות מכשיר GPS, לצורך פעילות הולכי רגל דוגמנות חלל וזמן.

Abstract

היא מוכרת היטב כי תנועה אנושית בממדי המרחב וזמן יש לו השפעה ישירה על מחל הילוכי 1-3. מחלה זיהומית בדרך כלל מתפשטת באמצעות מגע בין אנשים שנדבקו ורגישים בחללי הפעילות החופפות שלהם. לכן, מידע יומי על ניידות פעילות יכול לשמש כאינדיקציה למדידת חשיפות לגורמי סיכון של זיהום. עם זאת, קושי גדול ולכן הסיבה למיעוט מחקרים של התפשטות מחלות מידבקות בקנה מידת מייקרו נובע מהמחסור בנתוני ניידות בודדים מפורטים. קודם לכן בתחום התחבורה ונתוני תיירות מחקר מפורטים חלל וזמן פעילות הסתמכו לעתים קרובות בטכניקת יומן מרחב זמן, המחייב נושאים פעילים לתעד את פעילותם בזמן ובמרחב. זה מאוד תובעני עבור המשתתפים ושיתוף הפעולה מצד המשתתפים מאוד משפיע על איכות הנתונים 4.

מודרניטכנולוגיות כגון תקשורת סלולרית וה-GPS היו מתאפשרות איסוף האוטומטי של נתוני מסלול. הנתונים שנאספו, לעומת זאת, אינם אידיאליים עבור דוגמנות פעילויות שטח בזמן אדם, מוגבלת על ידי בדיוק של מכשירים קיימים. אין גם כלי זמין לעיבוד יעיל של הנתונים למחקר התנהגות אנושית. אנו מציגים כאן חבילה של שיטות וממשק משולב ArcGIS שולחן עבודה מבוסס חזותי לניתוחים מראש העיבוד וחלל ובזמן של נתונים תלולים מסלול. אנו מספקים דוגמאות כיצד ניתן להשתמש בעיבוד כזה למודל פעילות אנושית בחלל זמן, במיוחד עם נתוני מסלול להולכי רגל עשירים בשגיאה, שיכול להיות שימושי במחקרי בריאות הציבור כגון דוגמנות העברת מחלה מדבקת.

ההליך הציג כולל, פילוח מראש עיבוד מסלול, אפיון מרחב פעילות, להערכת צפיפות והדמיה, וכמה שיטות ניתוח גישוש אחרות. טרום processinגר הוא ניקוי נתונים תלולים מסלול גלם רועשים. אנחנו מציגים את ממשק אינטרקטיווי חזותי מראש עיבוד, כמו גם מודול אוטומטי. פילוח המסלול 5 כולל זיהוי של חלקים פנימיים וחיצוניים ממסלולים מראש מעובדי חלל והזמן. שוב, גם פילוח ויזואלי אינטרקטיווי ופילוח אוטומטי נתמכים. מסלולים מפולחים חלל והזמן נותחו לאחר מכן לגזור מאפיינים של מרחב פעילותו שלו, כגון הערכת פעילות רדיוס וכו צפיפות והדמיה המשמשים לבדיקת כמות גדולה של נתונים תלולים מסלול לדגם כתמים ואינטראקציות חמים. אנו להפגין גם את מיפוי צפיפות משטחת 6 וטיוח נפח צפיפות 7. אנו גם כמה ניתוחי נתוני גישוש אחרים (EDA) וכלים חזותיים, כגון תמיכה ב-Google Earth אנימציה וניתוח חיבור. החבילה של אנליטית, כמו גם שיטות חזותיות שהוצגו במאמר זה יכול להיות מיושם על כל נתונים למסלול שלמחקרי פעילות הקצב זמן.

Protocol

1. קבלת נתונים נתוני מסלול ניתן לאסוף ביחידות כף יד GPS, יישומי מעקב GPS מופעלים טלפון חכמים, כמו גם A-GPS (GPS סייע) התקנים כגון זה של מועסקים במחקר שלנו, מכשיר גשש ילד מסחרי. נתוני מסלול בדרך כלל נשמ?…

Representative Results

נתונים נאספו על ידי מסלול התנדבות סטודנטים לתואר ראשונים מאוניברסיטת קין (ניו ג'רזי, ארה"ב) באביב 2010. המטרה הייתה ללמוד דפוסי פעילות של תלמידים שתפסו שפעת (שאובחן על ידי רופא או עצמי אובחן-) בהשוואה לאלו שלא. כדי להמחיש את השיטות והנהלים שהוצגו במאמר זה לקחנו את המ?…

Discussion

אנחנו השתמשנו מנגנון תוספת של ArcGIS לפתח ממשק. כל הפעולות האינטראקטיביות יושמו באמצעות C + +. כל העיבוד האוטומטי ופונקציות ניתוח פותחו באמצעות פייתון.

נתוני AGPS, או נתונים שנאספו על ידי GPS להולכי רגל מציג אתגר ייחודי בpreprocessing כשגיאות י…

Disclosures

The authors have nothing to disclose.

Acknowledgements

עבודה זו מומנה על ידי מענק NIH 1R03AI090465.

Materials

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

References

  1. Stoddard, S. T., Morrison, A. C., et al. The role of human movement in the transmission of vector-borne pathogens. PLoS Negl. Trop. Dis. 3 (7), e10 (2009).
  2. Morens, D. M., Folkers, G. K., et al. The challenge of emerging and re-emerging infectious diseases. Nature. 430, 242-249 (2004).
  3. Viboud, C., Bjornstad, O. N., et al. Synchrony, waves, and spatial hierarchies in the spread of influenza. Science. 312, 447-451 (2006).
  4. Shoval, N., Isaacson, M. The Application of tracking technologies to the study of pedestrian spatial behaviour. The Professional Geographer. 58 (2), 172-183 (2006).
  5. Yu, H. Spatio-temporal GIS design for exploring interactions of human activities. Cartography and Geographic Information Science. 33 (1), 3-19 (2006).
  6. Kwan, M. Interactive geovisualization of activity-travel patterns using three-dimensional geographical information systems: a methodological exploration with a large data set. Transportation Research Part C. 8, 185-203 (2000).
  7. Demšar, U., Virrantaus, K. Space-time density of trajectories: exploring spatio-temporal patterns in movement data. International Journal of Geographical Information Science. 24 (10), 1527-1542 (2010).
  8. Kraak, M., Koussoulakous, A., Fisher, P. . A visualization environment for the space-time cube. , 189-200 (2004).
  9. MacEachren, A. M., Polsky, C., et al. Visualizing spatial relationships among health, environmental, and demographic statistics: interface design issues. , 880-887 (1997).
  10. Levory, M. Display of surfaces from volume data. IEEE Computer Graphics and Application. 8 (5), 29-37 (1998).
  11. Drebin, R. A., Carpenter, L., et al. Volume Rendering. Computer Graphics. , (1998).
  12. Lee, W., Krumm, J., Zheng, Y., Zhou, X. Trajectory preprocessing. Computing with Spatial Trajectories. , 3-34 (2011).
  13. Han, B., Comaniciu, D., et al. Sequential kernel density approximation and its application to real-time visual tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence. , (2007).

Play Video

Cite This Article
Qi, F., Du, F. Trajectory Data Analyses for Pedestrian Space-time Activity Study. J. Vis. Exp. (72), e50130, doi:10.3791/50130 (2013).

View Video