Yaya Uzay-zaman Aktivite Çalışmaları Yörünge Veri Analizleri

Bu prosedürün genel amacı, insan yörünge verilerinin uzay-zamansal analizi ve görselleştirilmesi yoluyla yaya uzay-zaman aktivitelerini modellemektir. Bu işlem, öncelikle ayrıntılı küresel konumlandırma sistemi veya GPS verilerinin toplanması ve verilerin yörünge analizörüne yüklenmesiyle gerçekleştirilir. İkinci adım ise yörünge verilerinin ön işlemeden geçirilmesi ve bölümlere ayrılmasıdır.

Ardından, bireylerin aktivite alanları karakterize edilir. Son adım, yoğunluk yüzey haritalama, yoğunluk hacim oluşturma veya her ikisi aracılığıyla uzamsal-zamansal örüntüleri incelemektir. Nihayetinde, verilerdeki ek gizli örüntüleri göstermek için diğer keşifsel veri analizi yöntemleri ve görselleştirmeler kullanılır.

Bu tekniğin, uzay-zaman yörüngelerini analiz etmek için SHNU tarafından geliştirilen FGIS uzantısı gibi mevcut yöntemlere göre temel avantajı, sadece yörüngelerle etkileşimli görselleştirme için arayüz sağlamakla kalmayıp, aynı zamanda rota yörünge verilerini temizleyen, bunları bölümlere ayıran, TR verilerinden özellikler türeten ve çok miktarda yörünge verisinden kalıplar keşfetmeye yönelik keşifsel analizleri gerçekleştiren işleme yöntemine odaklanmasıdır. Bu yöntem, mikro ölçekli hastalık bulaşmasıyla ilgili insan uzay-zaman aktivite çalışmaları alanındaki temel soruların yanıtlanmasına yardımcı olabilir; örneğin, bir kişinin uzay-zaman aktivitesinin enfeksiyon şansını nasıl etkilediği veya hangi ortamların veya uzay-zaman davranışlarının daha yüksek riskli yörüngelere yol açtığı gibi. Veriler, el tipi GPS üniteleriyle toplanabilir.

Kullanılan örneğe benzer yardımcı GPS cihazlarının yanı sıra GPS destekli akıllı telefon takip uygulamaları da kullanılabilir. Ticari bir çocuk takip cihazı yörüngesinin kullanıldığı bu çalışmada, veriler genellikle zaman, enlem ve boylam kayıtları şeklinde kaydedilir. Uygulama ihtiyaçlarına göre uygun bir zaman aralığı belirlenmelidir.

Uzay-zaman aktivite çalışmaları için genellikle en sık tekrarlanan aralık istenir; verileri kayıt kimliği, enlem, boylam ve zaman için sırasıyla ayrı sütunlar içeren virgülle ayrılmış değerler veya CSV dosyalarına dönüştürün. Ardından CSV dosyalarını, yaygın olarak kullanılan coğrafi bilgi sistemleri veya GIS dosya formatına dönüştürün. Bir yörünge analizörü ile bina poligonlarının yer aldığı bir şekil dosyasını (shape file) ve çalışma alanının sınırlarını belirten başka bir dosyayı yükleyin.

Binaların ekstrüzyonunu 3 boyutlu bir gösterim için uygun şekilde ayarlayın; uzay-zaman küpünü görüntülemek için sınır katmanının ekstrüzyonunu ve şeffaflığını uygun şekilde ayarlayın. Ardından, XY boyutlarının uzayı ve Z boyutunun zamanı temsil ettiği uzay-zaman küpündeki yörüngeyi açın; ön işleme için iki seçenek mevcuttur.

Gürültülü ham yörünge verileri, ön işleme menüsündeki açılır listeden seçilebilir. İnteraktif seçeneği seçilirse, kolay görüntüleme ve seçim için 3D yörüngenin 2D bir projeksiyonu oluşturulur.

Uzay ve zamandaki ham yörüngeyi incelemek için 3B görünümü manipüle edin. İz segmentlerinin şekline, hızına ve/veya topolojisine dayanarak verilerdeki hataları belirleyin. Genellikle gerçekçi olmayan yüksek hıza veya ani yön değişimine sahip iz noktaları hatalara işaret eder; bunları 3B yörüngeden veya 2B projeksiyonundan seçerek kaldırın.

Mekansal olarak sivri şekillere sahip bir iz noktası kümesi ve zamansal olarak uzun bir süre, büyük olasılıkla GPS sinyalinin zayıf olduğu kapalı alanların neden olduğu hatalara işaret eder. Bu noktalardan bir grup seçilirse, program seçilen noktaların mekansal-zamansal OID değerini hesaplayabilir ve ardından izi bu OID üzerinden geçecek şekilde ayarlayabilir. Alternatif olarak, ön işleme menüsünden otomatik seçenek seçilirse; giriş ve çıkış konumlarının yanı sıra noktaların anormal yüksek hızını ve ani dönüşlerini belirleyen ampirik parametreleri ayarlayın.

Program, yüklenen yörünge verileri içerisinde arama yapar ve görsel hata tespit yaklaşımını taklit eden bir algoritma temelinde otomatik olarak çalışır. Yörünge segmentasyonu için bina katmanı gereklidir, bu nedenle bina şekil dosyasının hazır olduğundan emin olun. İşlemi başlatmak için araç çubuğundaki segmentasyon aracına tıklayın.

Giriş ve çıkış ayarlarını yapın ve referans katman olarak bina şekil dosyasını konumlandırın. Segmentlere ayrılmış yörüngeyi etiketlemek için bina isimlerini kullanın. Algoritma; iz noktalarının hızı ve süresi gibi belirlenen veya varsayılan kriterlerin yanı sıra mekânsal topolojiyi temel alarak kapalı alan segmentlerini tanımlar.

Binalarla ilgili olarak, segmente edilmiş yörüngeleri yüklemek ve toplam aktivite, yarıçap, belirli bir zaman dilimindeki yarıçap, iç mekan ile dış mekanda geçirilen toplam süre oranı ve benzeri şekilde kişinin aktivite alanını tanımlayan seçili özet öznitelikleri hesaplamak için aktivite alanı özetleme aracına tıklayın. Öznitelikler, kantitatif modelleme amaçları için bir hesap çizelgesine aktarılabilir. Yoğunluk yüzeyi, zaman boyutunun daraltıldığı mekandaki aktivitelerin yoğunluğunu gösterir.

Yoğunluk yüzey haritalama menüsünün açılır listesinde üç seçenek mevcuttur. İzleme noktası yoğunluğu seçeneği seçilirse, iletişim kutusunu giriş ve çıkış bilgileriyle doldurun ve 3D veya 2D görüntüleme seçeneklerinden birini seçin. Burada gösterildiği gibi, yörünge verilerindeki tüm köşeler, noktaların çekirdek yoğunluklarını hesaplamak için kullanılır.

İz yolu yoğunluğu seçilirse, algoritma kat edilen münferit yolların yoğunluğunu hesaplar ve görüntüler. Yeniden örneklendirilmiş nokta yoğunluğu seçeneği seçilirse, algoritma yörünge verilerini belirli bir zaman aralığı kullanarak yeniden örneklendirir ve zaman içinde eşit dağılmış noktaların yoğunluklarını haritalandırır. Bu seçenek, çeşitli fiziksel koşullar altında cihazların değişen hassasiyeti veya bölümlenmiş yörüngeler nedeniyle düzensiz zaman aralıklarında izleme noktaları toplayan izleme cihazları için tasarlanmıştır.

Segmentlenmiş yörüngelerin 2D ve 3D yoğunluk yüzeyleri burada gösterilmiştir. Seçeneklerden herhangi biri için zamansal odaklama seçilirse, farklı zaman dilimlerindeki aktivite modellerini incelemek için zamansal odaklama gerçekleştirilebilir. Örneğin, zaman yoğunluğu hacim görselleştirmesinde yörüngelerin görselleştirmesinde olduğu gibi bir uzay-zaman küpü kavramı kullanılarak, günün farklı saatlerindeki aktivite yoğunluk yüzeyleri, sıcak noktaların zaman içindeki kolayca tanımlanması için görselleştirilebilir.

Bu tür görselleştirmenin temelini, uzayın voksellere ayrıştırılması oluşturur. Yoğunluk hacmini görselleştirmek için burada kullanılan yaklaşım, öncelikle voksellerle kesişen uzay-zaman izlerinin sayısını sayarak her bir vokseldeki yoğunluk hacmini tahmin eder. Yoğunluk hacmi görselleştirmesi için, yoğunluk yüzeyi görselleştirmesinde olduğu gibi aynı üç seçenek mevcuttur.

Ardından, etkileşimli hacim oluşturma için 3D hacim görselleştirme arayüzünü başlatmak üzere seçeneklerden birine tıklayın. Her bir eksen boyunca bölme sayısı ayarlanarak, kümeler farklı ölçeklerde incelenebilir. Daha iyi bir görselleştirme için dikey abartıyı belirlemek amacıyla bir Z faktörü kullanılır.

Görselleştirmeye yardımcı olması için binalar gibi bir referans katmanı da yüklenebilir. Hacimsel işlemenin sonuçları, yoğunluktan renge eşlemeyi kontrol eden transfer fonksiyonu manipüle edilerek etkileşimli olarak ayarlanabilir. Google Earth'te görüntülenmek üzere animasyon serileri oluşturmak için bir prosedür mevcuttur.

EDA'nın bu prosedüre erişmesi için diğer tıklama seçeneğinden KML olarak dışa aktar'ı seçin; bu işlem, yörüngenin etkileşimli animasyonu için Google Earth'te açılan bir KML dosyası oluşturur. Zaman çizelgesi boyunca kaydırarak yörüngeyi takip edip ortamda zaman içinde yolculuk yapılabilir. Google Earth'te, bağlantı analizi yoluyla ilgi çekici yerler arasındaki bağlantıları görselleştirmek için bir prosedür mevcuttur.

Örneğin, bir üniversite kampüsündeki farklı binalar arasındaki bağlantılar, öğrenciler tarafından toplanan segmente edilmiş yörünge verilerinden türetilmiştir; bu türetilen bağlantı sıcak noktaları üzerinden, en fazla gidiş veya geliş trafiğine sahip binalar ve en yoğun trafikli yerleri birbirine bağlayan merkezler tanımlanabilir. Yörünge verileri, 2010 yılının bahar döneminde Keen University'den gönüllü lisans öğrencileri tarafından toplanmıştır. Çalışmanın amacı, influenza geçiren öğrencilerin aktivite modellerini, geçirmeyenlerle karşılaştırmalı olarak incelemekti.

Bu çalışmada sunulan yöntem ve prosedürleri örneklendirmek amacıyla, banliyö kampüs alanı içerisinde toplanan yörüngeler kullanılarak temsili sonuçlar oluşturulmuştur. Bir yörüngenin üniversite kampüsündeki binalara göre uzay-zaman küpü gösterimi burada sunulmuştur. Bir öğrencinin kampüsteki bir günlük faaliyetlerini A GPS cihazı kullanarak kaydettiği ham veriler, uzun süreli kapalı alan konaklamalarının, izdeki sivri kısımlarla belirtilen gürültülü verilere yol açtığını ortaya koymaktadır.

Bu durum yaya yörünge verilerinde oldukça yaygındır. Bu şekil, ön işlemeden geçirilmiş ve segmente edilmiş yörüngeyi temsil ederken; uzay-zaman küpü üzerindeki iç ve dış mekan segmentlerinin renklerle kodlandığı ön işlemeden geçirilmiş ve segmente edilmiş yörünge burada gösterilmiştir. Burada bir dizi yörüngenin yoğunluk yüzeyi haritalaması sunulmaktadır.

İz noktası yoğunluk haritalama seçeneğinin gerçekleştirilmesinde kullanılan ham izleme noktaları ve ortaya çıkan yoğunluk haritası görselleştirilebilir. Buna karşılık, katedilen yolların yoğunlukları da haritalanabilir. Yoğunluk haritalama, özellikle çok sayıda yörünge analiz edilirken yararlıdır.

Bu harita toplam 470 yörüngeyi göstermektedir. Yoğunluk yüzeyi, bu yörüngelerden yeniden örneklenmiş noktalar kullanılarak 2D ve 3D temsillerle de görüntülenebilir. Zaman boyutunun bir uzay-zaman küpünde etkileşimli gösterimine ek olarak, farklı zaman dilimlerindeki mekansal modelleri incelemek için zaman değişkeni zamansal odaklama yoluyla işlenebilir.

Burada bu tür analizlere örnekler gösterilmiştir. Öğrenciler tarafından grip sezonu boyunca toplanan yörünge verilerini içeren örnek veri seti kullanıldığında, faaliyetlerinin gün boyunca farklı konumlar etrafında yoğunlaştığı açıkça görülmektedir.

Nihayetinde alttaki kompozit aktivite yoğunluk haritasına ulaşmak için, burada gösterildiği gibi yoğunluk hacim render işlemi de gerçekleştirilebilir; tüm uzay-zaman izlerinin bir uzay-zaman küpünde görselleştirilmesi durumunda modelleri tespit etmek zordur. Buradaki görsel karmaşadan dolayı, ilgili veriler yoğunluk hacim renderi olarak görselleştirilmiştir. Dört illüstrasyon, yoğunluk render programının transfer fonksiyonunun farklı ayarlarını temsil etmekte ve böylece farklı frekans aralıklarındaki yoğunluk hacimlerini vurgulamaktadır.

Sıcak noktaları bulmanın bir başka yolu da bağlantı analizidir. Kampüsteki tüm binalar arasındaki doğrusal hat bağlantıları burada gösterilmiştir. Vurgulanan binalar, dışa giden trafik hacmi en yüksek olanlardır.

Burada, aynı bağlantılar gösterilmiş olup en yoğun kullanılan bağlantılar siyahla vurgulanmıştır. Bu prosedürü uygularken, segmentasyon, keşifsel analiz ve diğer görselleştirme yöntemlerine geçmeden önce bir ön işleme adımıyla başlamayı hatırlamak önemlidir. Kişinin aktivitesinin, mekanının ve sekanslarının enfeksiyon olasılıklarını nasıl etkileyebileceği gibi ek soruları yanıtlamak amacıyla; özniteliklerin istatistiksel analizi, aktivite alanının kategorize edilmesi veya sekans hizalama gibi sekans analizleri gibi diğer yöntemler uygulanabilir.