JoVE Logo

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

وتعرض مجموعة من الطرق وتجهيز الزمانية المكانية لتحليل البيانات مسار الإنسان، مثل تلك التي تم جمعها باستخدام جهاز GPS، لغرض أنشطة النمذجة الزمكان المشاة.

Abstract

ومن المعروف جيدا أن حركة الإنسان في الأبعاد المكانية والزمانية لديها تأثير مباشر على المرض انتقال 1-3. مرض معد ينتشر عادة عن طريق الاتصال بين الأفراد المصابين وعرضة في المساحات النشاط المتراكبة. ولذلك، يمكن استخدام اليومي التنقل والنشاط المعلومات كمؤشر لقياس التعرض للعوامل الخطر للإصابة. ومع ذلك، فإن الصعوبة الرئيسية، وبالتالي سبب ندرة الدراسات من انتقال الأمراض المعدية على نطاق الصغيرة تنشأ من عدم وجود بيانات مفصلة تنقل الأفراد. سابقا في مجال النقل والسياحة أبحاث مفصلة بيانات النشاط الفضائي في الوقت تعتمد في كثير من الأحيان على تقنية مذكرات الزمكان، الأمر الذي يتطلب لتسجيل المواد الدراسية بنشاط أنشطتها في الزمان والمكان. هذا وتطالب جدا للمشاركين والتعاون من المشاركين يؤثر بشكل كبير على جودة البيانات 4.

حديثجعلت تقنيات مثل GPS والاتصالات المتنقلة من الممكن جمع البيانات التلقائي للمسار. البيانات التي تم جمعها، ولكن، ليست مثالية لنمذجة الإنسان الزمكان الأنشطة، محدودة بسبب دقة الأجهزة الموجودة. لا توجد أيضا أي أداة متاحة بسهولة للتجهيز الفعال للبيانات لدراسة السلوك البشري. نقدم هنا مجموعة من الأساليب ومتكاملة تستند إلى سطح المكتب برنامج ArcGIS اجهة مرئية للتحاليل ما قبل المعالجة والزمانية المكانية للبيانات مسار. نحن نقدم أمثلة على الكيفية التي يمكن أن تستخدم هذه المعالجة في تصميم نموذج الإنسان الزمكان الأنشطة، خاصة مع غنية الخطأ البيانات مسار للمشاة، التي يمكن أن تكون مفيدة في الدراسات الصحية العامة مثل الأمراض المعدية النمذجة الإرسال.

الإجراء يشمل قدمت قبل تجهيز تجزئة المسار، والنشاط توصيف الفضاء، وتقدير كثافة والتصور، وعدد قليل آخر من أساليب التحليل استكشافية. قبل معالجة التحويلز هو تنظيف صاخبة البيانات مسار الخام. ونحن نقدم تفاعلية البصرية السابقة للتجهيز واجهة وكذلك وحدة نمطية التلقائي. تجزئة المسار 5 على تحديد أجزاء داخلية وخارجية من المسارات الفضاء لمرة قبل معالجتها. مرة أخرى، دعم كلا تجزئة البصرية التفاعلية وتنويع قطاعات التلقائي. ثم تحليلها مجزأة الزمكان لاستخلاص المسارات خصائص الفضاء النشاط واحد مثل دائرة نصف قطرها النشاط وما إلى ذلك تقدير الكثافة والتصور وتستخدم لفحص كمية كبيرة من البيانات في تصميم نموذج مسار النقاط الساخنة والتفاعلات. علينا أن نبرهن على حد سواء رسم الخرائط السطحية كثافة 6 و كثافة جعل حجم 7. نحن تشمل أيضا اثنين من غيرها من تحليل البيانات استكشافية (EDA) وتصورات الأدوات، مثل دعم جوجل الأرض للرسوم المتحركة وتحليل الاتصال. ويمكن تطبيق مجموعة من التحليلية وكذلك الأساليب البصرية المعروضة في هذه الورقة إلى أية بيانات مسار لياليدراسات النشاط تيرة الوقت.

Protocol

1. الحصول على البيانات

  1. ويمكن جمع البيانات مع وحدات GPS مسار محمول وGPS تمكين تتبع الهاتف تطبيقات الذكية، فضلا عن نظام A-GPS (نظام تحديد المواقع بمساعدة) أجهزة مثل واحد العاملين في دراستنا، وتعقب الأطفال تجارية الجهاز.
  2. يتم حفظ البيانات عادة مسار من حيث الوقت خطوط العرض خط الطول السجلات. يجب تعيين فاصل زمني المطلوب على أساس احتياجات التطبيق. في كثير من الأحيان هو المطلوب الفاصل الأكثر شيوعا للدراسات النشاط الفضائي في الوقت.
  3. تحويل البيانات إلى قيم مفصولة بفواصل، أو ملفات CSV مع أعمدة منفصلة لمعرف السجل، خطوط العرض والطول، ومرة، على التوالي. ثم تحويل الملفات. CSV شائعة الاستخدام في نظم المعلومات الجغرافية (GIS) تنسيق ملف (أي ESRI بحلقات 8).
  4. تحميل بحلقات في المضلعات وبناء آخر من حدود منطقة الدراسة مع محلل مسار. تعيين "البثق" المباني بشكل صحيح لدي 3Dووسع تعيين "قذف" و "الشفافية" من ​​الطبقة الحدودية بشكل صحيح لعرض المكعب الزمكان 6 و 9 مع العاشر، Y تمثل أبعاد الفضاء والبعد Z يمثل الوقت.

2. قبل المعالجة

  1. هناك خياران لمرحلة ما قبل تجهيز البيانات الخام مسار صاخبة. يمكن للمرء أن يختار من القائمة المنسدلة من القائمة السابقة للتجهيز.
  2. إذا ما تم اختيار "التفاعلية"، يتم إنشاء الإسقاط 2D 3D من مسار للعرض سهلة والاختيار. التلاعب في عرض 3D لدراسة مسار الخام في المكان والزمان. تحديد الأخطاء في البيانات استنادا إلى السرعة والشكل و / أو طوبولوجيا من شرائح المسار. نقاط المسار عادة (الرؤوس) مع سرعة عالية غير واقعية أو التغيير المفاجئ الاتجاه دلالة أخطاء. حدد وإزالتها من المسارات الأصلي. حدد وإزالتها من مسار إما 3D أو 2D توقعاته.
  3. هناك مجموعة من النقاط مع المسار شاء شائكالدائرة العامة (الشكل 1) مكانيا وزمنيا مدة طويلة دلالة على الأخطاء التي ربما هي الأكثر الناجمة عن المواقع GPS داخلي حيث الإشارة ضعيفة. إذا تم تحديد مجموعة من هذه النقاط، يمكن للبرنامج حساب النقطة الوسطى الزمانية المكانية من النقاط المحددة وضبط المسار من خلال الذهاب الى النقطة الوسطى.
  4. بدلا من ذلك، إذا ما تم اختيار 'التلقائي' من القائمة السابقة للتجهيز، ضبط الإدخال والإخراج المواقع وكذلك المعلمات التجريبية التي تحدد سرعة غير طبيعية تحول مفاجئ وارتفاع من النقاط. عمليات البحث من خلال برنامج مسار البيانات المحملة ويعمل تلقائيا على أساس خوارزمية الذي يحاكي نهج الكشف عن الخطأ البصرية.

3. الإنقسام مسار ونشاط توصيف الفضاء

  1. تجزئة المسار يتطلب بناء طبقة، لذا تأكد من تحميل ملف شكل المبنى.
  2. انقر فوق الأداة تجزئة في شريط الأدوات لبدء وظيفة.تعيين المدخلات والمخرجات ووضع الملف كما شكل بناء طبقة المرجعية. استخدام أسماء لتسمية بناء مسار مجزأة. الخوارزمية يحدد شرائح داخلية بناء على معايير محددة أو الافتراضية مثل السرعة، والمدة، وغير ذلك من النقاط المسار، فضلا عن طوبولوجيا المكانية وعلاقتها المباني.
  3. انقر فوق تلخيص الفضاء أداة لتحميل النشاط في مسارات مجزأة وحساب ملخص سمات المحددة لوصف مساحة واحدة النشاط، مثل دائرة نصف قطرها النشاط الكلي، طول في فترة زمنية معينة، ونسبة من إجمالي الوقت المنفق في الداخل مقابل في الهواء الطلق، وهلم جرا.
  4. يمكن تصدير سمات إلى جدول بيانات للاستخدامات النمذجة الكمية.

4. الكثافة السطحية رسم الخرائط

  1. يظهر سطح كثافة كثافة الأنشطة في الفضاء مع البعد الزمني انهارت. ثلاثة خيارات متاحة من القائمة المنسدلة من القائمة رسم الخرائط كثافة السطح.
  2. إذا تم تحديد الخيار "نقطة المسار الكثافة"، في ملء مربع الحوار مع المدخلات والمخرجات والمعلومات اختيار عرض إما في 3D أو 2D. وتستخدم كل القمم من البيانات لحساب كثافة مسار النواة من النقاط. ويبين الشكل 2 سطح الكثافة.
  3. إذا تم تحديد "مسار كثافة المسار '، الخوارزمية بحساب ويعرض كثافة المسارات الفردية السفر (الشكل 3).
  4. إذا تم تحديد الخيار 'إعادة كثافة عينات نقطة، خوارزمية إعادة عينات البيانات باستخدام مسار فاصل زمني مجموعة والخرائط كثافة من النقاط موزعة بالتساوي في الوقت المناسب. تم تصميم هذا الخيار للأجهزة التعقب التي تتبع جمع النقاط في فترات زمنية غير منتظمة بسبب حساسية متفاوتة من الأجهزة المختلفة في ظل ظروف مادية أو مسارات مجزأة. ويبين الشكل 4 السطوح الكثافة 2D و 3D من مسارات مجزأة.
  5. إذا تم تحديد "التركيز الزمني" لنيويورك من الخيارات المذكورة أعلاه، يمكن إجراء الزمنية لدراسة تركز 10 أنماط النشاط في فترات زمنية مختلفة. على سبيل المثال، قد السطوح كثافة النشاط في أوقات مختلفة في يوم واحد يمكن تصور لسهولة تحديد النقاط الساخنة عبر الزمن (الشكل 5).

5. الكثافة تقدير حجم وحدة التخزين التقديم

  1. كثافة حجم التصور يستخدم مفهوم مكعب الزمكان كما هو الحال في تصور مسارات. جوهر التصور هذا هو تفصيل في الفضاء voxels 11. نهجنا في تصور حجم الكثافة الأولى تقدر حجم الكثافة في voxels الفردية عن طريق حساب عدد الزمكان المسارات التي تتقاطع مع voxels. يمكن للمرء أن انقر فوق "حساب حجم الكثافة" في إطار التصور القائمة كثافة حجم لهذه الخطوة.
  2. نفس ثلاثة خيارات متاحة لتصور حجم الكثافة أما التصور سطح الكثافة.
  3. انقر فوق التالي 'تقديم وحدة تخزين "لإطلاق التصور 3D حجم واجهة تفاعلية لتقديم حجم 12. عن طريق تعيين عدد من الانقسامات على طول كل محور، يمكن للمرء أن دراسة المجموعات على مستويات مختلفة. ويستخدم Z-عامل لضبط الرأسي للمبالغة أفضل التصور. يمكن تحميل A طبقة مرجعية مثل المباني لمساعدة التصور أيضا. ويمكن تقديم نتائج تعديل حجم تفاعلي عن طريق التلاعب وظيفة النقل التي تسيطر على التعيين من كثافة اللون. (الشكل 6).

6. تحليل بيانات استطلاعية أخرى (EDA) والمرئيات

  1. A إجراء لإنشاء سلسلة الرسوم المتحركة ليتم عرضها في Google Earth. تحت "أخرى"، انقر فوق "تصدير إلى KML لجمعية الإمارات للغوص" للوصول إلى هذا الإجراء. يقوم بإنشاء ملف KML 13 الملف الذي يفتح في برنامج Google Earth للرسوم المتحركة التفاعلية للمسار.
  2. يمكن للمرء أن تتبع مسار لtraveL البيئة في وقت عن طريق التمرير على طول الخط الزمني في برنامج Google Earth.
  3. A إجراء لتصور الروابط بين الأماكن ذات الأهمية من خلال "التحليل الاتصال". على سبيل المثال، وتستمد اتصالات بين المباني المختلفة في حرم جامعة من بيانات مجزأة مسار التي تم جمعها من قبل الطلاب (الشكل 7).
  4. بناء على اتصالات المستمدة، والنقاط الساخنة مثل تلك المباني مع مرور معظم الصادرة أو الواردة والمحاور التي تربط يمكن تحديد أكثر الأماكن المتاجر بهم.

النتائج

تم جمع البيانات عن طريق التطوع مسار طلاب المرحلة الجامعية من جامعة كين (NJ، الولايات المتحدة الأمريكية) في ربيع عام 2010. وكان الغرض من دراسة أنماط النشاط من الطلاب الذين اشتعلت الأنفلونزا (تشخيص من قبل الطبيب أو تشخيص الذاتي) بالمقارنة مع أولئك الذين لم يفعلوا ذلك. من أج...

Discussion

استخدمنا الوظيفة الإضافية آلية برنامج ArcGIS لتطوير واجهة. تم تنفيذ جميع العمليات التفاعلية باستخدام C + +. وقد وضعت كل وظائف المعالجة التلقائية التحليل باستخدام بيثون.

AGPS البيانات، أو بيانات GPS التي جمعتها المشاة يقدم تحديا فريدا من...

Disclosures

الإعلان عن أي تضارب في المصالح.

Acknowledgements

ويتم تمويل هذا العمل من قبل المعاهد الوطنية للصحة منح 1R03AI090465.

Materials

NameCompanyCatalog NumberComments
اسم كاشف شركة كتالوج رقم التعليقات (اختياري)
جي بي آر إس WorldTracker تتبع العالم
كمبيوتر شخصي لإدارة التحليل
برنامج ArcGIS البرمجيات ESRI
مسار محلل ملحق

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).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

72 GPS GIS ArcGIS

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved