보행자 공간 시간 활동 학습을위한 궤적 데이터 분석
Summary
spatiotemporal 처리 방법의 스위트 룸은 이러한 모델링 보행자 공간 시간 활동의 목적을 위해 GPS 장치를 사용하여 수집하는 것과 같은 인간의 궤도 데이터를 분석 제공됩니다.
Abstract
이곳은 공간과 시간적 차원에서 인간의 움직임이 질병 전송 1-3에 직접적인 영향력을 갖고 인정 받고 있습니다. 전염성 질병이 일반적으로 중첩 활동 공간에서 감염 취약 개인 사이의 접촉을 통해 확산됩니다. 따라서, 매일 이동성 – 활동 정보는 감염의 요소를 위험 노출을 측정하는 지표로 사용될 수 있습니다. 그러나, 따라서 주요 어려움과 마이크로 스케일의 감염증 전송의 연구 소수의 이유는 자세한 개인 이동성 데이터의 부족에서 발생한다. 이전 운송 및 자주 과목 적극적으로 시간과 공간에서 자신의 활동을 기록하기 위해 필요한 시간 공간 일기 기술에 의존 관광 연구 세부 공간 시간 활동 데이터를 인치 이 높은 참가자에서 참가자와 협력을 위해 요구되는 것은 크게 데이터는 4의 품질에 영향을 미칩니다.
현대이러한 GPS 및 모바일 통신 등의 기술 궤적 데이터의 자동 수집이 가능했습니다. 수집 된 데이터는 그러나, 기존 장치의 정확도에 의해 제한 인간의 시공간 활동을 모델링하는 데에는 적합하지 않습니다. 인간 행동 연구에 대한 데이터의 효율적인 처리에 대한 즉시 사용할 수 도구는 없습니다. 여기 방법의 스위트 룸 및 궤도 데이터의 사전 처리 및 spatiotemporal 분석을위한 통합 ArcGIS 데스크탑 기반의 시각적 인터페이스를 제시한다. 우리는 감염증 전송 모델링과 같은 공중 보건 연구에 도움이 될 수있는 이러한 처리는 특히 오류가 풍부한 보행자 궤적 데이터와, 인간 공간 시간 활동을 모델링하는 데 사용할 수 있습니다하는 방법의 예를 제공합니다.
제시 절차는 사전 처리, 탄도 세분화, 활동 공간 특성, 밀도 추정 및 시각화, 그리고 몇 가지 다른 탐색 분석 방법이 포함되어 있습니다. 사전 processing는 시끄러운 원시 궤적 데이터의 청소입니다. 우리는 인터랙티브 영상 사전 처리 인터페이스뿐만 아니라 자동 모듈을 소개합니다. 탄도 세분화 5 미리 가공 시공간 트랙에서 실내 및 실외 부품의 식별을 포함한다. 다시 말하지만, 인터랙티브 영상 분할 및 자동 세분화 모두 지원됩니다. 세그먼트 공간 시간 트랙은 그러한 활동 반경 등 밀도 추정 및 시각화 같은 하나의 활동 공간의 특성 온천 명소 상호 작용을 모델링하기 위해 궤도 데이터의 많은 양의를 조사하는 데 사용됩니다를 유도하기 위해 분석하고 있습니다. 우리는 밀도 표면 매핑 6 밀도 볼륨 렌더링 7을 모두 보여줍니다. 우리는 또한 다른 탐색 데이터 분석의 몇 (EDA) 및 Google 어스 애니메이션 지원 및 연결 분석 시각화 도구를 포함합니다. 뿐만 아니라 본 논문에서 제시 시각적 인 방법으로 분석의 스위트 룸은 S에 대한 궤적 데이터에 적용 할 수 있습니다속도 – 시간 활동 연구.
Protocol
Representative Results
Discussion
우리는 인터페이스를 개발하기 위해 ArcGIS의 추가 기능 메커니즘을 사용했습니다. 모든 대화 형 작업이 사용하여 구현 된 C + +. 모든 자동 처리 및 분석 기능은 Python을 사용하여 개발되었습니다.
오류가 건물과 자주 실내 정류장 인접으로 인해 엄청난 수로 보행자에 의해 수집 된 AGPS 데이터 또는 GPS 데이터 전처리에 독특한 도전을 제공합니다. 또한, 전처리의 초점은 추적 점 …
Disclosures
The authors have nothing to disclose.
Acknowledgements
이 작품은 NIH 보조금 1R03AI090465으로 운용되고 있습니다.
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
- 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).
- Morens, D. M., Folkers, G. K., et al. The challenge of emerging and re-emerging infectious diseases. Nature. 430, 242-249 (2004).
- Viboud, C., Bjornstad, O. N., et al. Synchrony, waves, and spatial hierarchies in the spread of influenza. Science. 312, 447-451 (2006).
- Shoval, N., Isaacson, M. The Application of tracking technologies to the study of pedestrian spatial behaviour. The Professional Geographer. 58 (2), 172-183 (2006).
- Yu, H. Spatio-temporal GIS design for exploring interactions of human activities. Cartography and Geographic Information Science. 33 (1), 3-19 (2006).
- 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).
- 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).
- Kraak, M., Koussoulakous, A., Fisher, P. . A visualization environment for the space-time cube. , 189-200 (2004).
- MacEachren, A. M., Polsky, C., et al. Visualizing spatial relationships among health, environmental, and demographic statistics: interface design issues. , 880-887 (1997).
- Levory, M. Display of surfaces from volume data. IEEE Computer Graphics and Application. 8 (5), 29-37 (1998).
- Drebin, R. A., Carpenter, L., et al. Volume Rendering. Computer Graphics. , (1998).
- Lee, W., Krumm, J., Zheng, Y., Zhou, X. Trajectory preprocessing. Computing with Spatial Trajectories. , 3-34 (2011).
- 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).
