Le analisi per i dati di traiettoria pedonale Lo spazio-tempo di attività di studio
Summary
Una serie di metodi di elaborazione spazio-temporali vengono presentati per analizzare dati di traiettoria umani, come quelli raccolti utilizzando un dispositivo GPS, al fine di modellazione pedonali spazio-temporali attività.
Abstract
È ben noto che il movimento umano nelle dimensioni spaziali e temporali ha un'influenza diretta sulla trasmissione della malattia 1-3. Una malattia infettiva si diffonde in genere attraverso il contatto tra individui infetti e suscettibili nei loro spazi di attività sovrapposte. Pertanto, l'attività quotidiana mobilità-informazione può essere utilizzata come indicatore per misurare l'esposizione a fattori di rischio di infezione. Tuttavia, una difficoltà maggiore e quindi la ragione per scarsità di studi di trasmissione di malattie infettive in scala micro derivano dalla mancanza di dati dettagliati mobilità individuale. In precedenza nel trasporto e turismo di ricerca dettagliati spazio-temporali dei dati relativi all'attività spesso invocati lo spazio-tempo tecnica di diario, che richiede di registrare i soggetti attivamente le proprie attività nel tempo e nello spazio. Questo è molto impegnativo per i partecipanti e la collaborazione da parte dei partecipanti influisce notevolmente sulla qualità dei dati 4.
Modernotecnologie come il GPS e le comunicazioni mobili hanno reso possibile la raccolta automatica dei dati di traiettoria. I dati raccolti, tuttavia, non è ideale per modellare umani spazio-temporali attività, limitata dalla precisione dei dispositivi esistenti. Non ci è inoltre strumento prontamente disponibili per l'elaborazione efficiente dei dati per lo studio del comportamento umano. Vi presentiamo qui una serie di metodi e di un sistema integrato di ArcGIS desktop-based interfaccia visiva per le analisi di pre-elaborazione e spazio-temporale dei dati di traiettoria. Forniamo esempi di come tale processo possa essere utilizzato per modellare umani spazio-temporali delle attività, in particolare con i dati di errore pedonali ricchi di traiettoria, che potrebbero essere utili in studi sulla salute pubblica come la modellazione trasmissione di malattie infettive.
La procedura presentata include pre-processing, segmentazione traiettoria, spazio caratterizzazione attività, stima della densità e la visualizzazione, e alcuni altri metodi di analisi esplorative. Pre-processing è la pulizia dei dati rumorosi traiettoria grezzi. Si introduce una visuale interattivo pre-elaborazione interfaccia così come un modulo automatico. Segmentazione della traiettoria 5 comporta l'identificazione delle parti interne ed esterne di pre-lavorati spazio-temporali tracce. Ancora, sia segmentazione interattiva visiva e segmentazione automatica sono supportati. Segmentati spazio-temporali tracce vengono quindi analizzati per derivare le caratteristiche del proprio spazio di attività come stima raggio Densità attività ecc e visualizzazione sono utilizzati per esaminare grandi quantità di dati di traiettoria per modellare punti caldi e interazioni. Dimostriamo sia la mappatura densità superficiale e volume 6 il rendering densità 7. Abbiamo anche un paio di altre analisi esplorativa dei dati (EDA) e gli strumenti di visualizzazioni, come il supporto di animazione Google Earth e analisi della connessione. La suite di analitica e metodi visivi presentati in questo documento può essere applicato a tutti i dati di traiettoria per space-time attività consiste nello studio.
Protocol
Representative Results
Discussion
Abbiamo usato aggiuntivo meccanismo di ArcGIS sviluppare l'interfaccia. Tutte le operazioni interattive sono state realizzate in C + +. Tutto il trattamento automatico e funzioni di analisi sono state sviluppate utilizzando Python.
Dati AGPS, o dati GPS raccolti da pedonale presenta sfida unica nel pre-elaborazione, come gli errori possono essere enormi a causa di adiacenza agli edifici e alle frequenti fermate interne. Inoltre, la messa a fuoco di pre-elaborazione non dovrebbe essere la…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questo lavoro è finanziato dalla sovvenzione del 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
- 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).
