JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

甲套件时空处理方法以分析人类的轨迹数据,如建模行人的空间 - 时间活动的目的,使用GPS设备收集。

摘要

众所周知,人体运动的空间和时间维度,直接影响疾病传播的1-3。通常是通过感染者和易感个体重叠的活动空间之间的接触传播的传染病。因此,每日行动不便的活动信息可以用来作为一个指标来测量暴露感染危险因素。然而,一个主要的困难,因此产生的原因缺乏传染病传播的研究在微观尺度上缺乏详细的个人移动数据。此前在运输和旅游研究的详细时间的活动空间往往依赖于时间,空间日记的技术,它需要的主题,积极记录他们的活动在时间和空间上的数据。这是要求很高的从参与者参与者和协作极大地影响数据4的质量。

现代如GPS和移动通信的技术提供了可能的轨迹数据的自动采集。收集的数据,然而,这不是理想的模拟人类的空间 - 时间的活动,限制由现有设备的精度。也没有现成的工具是人类行为研究的数据的高效处理。在这里,我们提出了一套方法和一个集成的ArcGIS的轨迹数据的前处理和时空分析的基于桌面的可视化界面。我们提供的例子,这样的处理可以用来模拟人类的空间活动,特别是丰富的错误行人轨迹数据,这可能是有用的公共健康研究,如传染性疾病的传播模型。

程序包括前处理,轨迹分割,活动空间特征密度估计和可视化,和其他一些探索性的分析方法。前处理者g是喧闹的原始轨迹数据的清洗。我们引入交互式可视化前处理接口,以及一个自动的模块。弹道分割5涉及的室内和室外部分,从处理前的空间-时间轨迹的识别。同样的原因,交互式可视化分割和自动分割的支持。分段的时空轨迹进行分析,然后得出一个人的活动空间,如活动半径密度估计和可视化的特点,是用来检查大量的轨迹数据模型的热点和互动。我们演示这两种密度的表面映射6和密度容积再现7。我们还包括一些其他的探索性数据分析(EDA)和可视化工具,如谷歌地球的动画支持和关联分析。一套分析以及视觉本文提出的方法可以适用于任何轨迹数据的s步伐活性的研究。

研究方案

1。获取数据

  1. 手持GPS装置,GPS功能的智能手机跟踪应用程序,以及A-GPS(辅助GPS)设备,如我们的研究中,一个商业儿童跟踪器轨迹数据可以被收集。
  2. 轨道数据通常保存在的时间,经纬度记录。所需的时间间隔应根据应用的需要。通常情况下,最频繁的时间间隔是需要时间的活动空间研究。
  3. 将数据转换为以逗号分隔的值,或单独记录的id列。csv文件,经度,纬度,时间,分别。然后转换。CSV文件导入到常用的地理信息系统(GIS)文件格式( ESRI的shapefile 8)。
  4. 加载在shapefile中的建筑物多边形的轨迹分析仪的研究领域的边界。正确设置“挤出”的建筑的3D二张开,并设置“挤出”和“透明度”的边界层适当地显示空间-时间立方体6,9的x,y尺寸代表空间和z维度表示时间。

2。前处理

  1. 有两个选项可用于前处理嘈杂的原始轨迹数据。人们可以从下拉列表中的前处理菜单中进行选择。
  2. 如果选择“互动”,创建的二维投影的三维轨迹,便于查看和选择。操纵3D显示在空间和时间来检查原始轨迹。确定基于轨道段的形状,速度和/或拓扑的数据中的错误。通常不切实际的高速度或突然改变方向的轨道点(顶点)表示错误。选择并删除它们从原来的轨迹。选择并删除它们的三维轨迹或二维投影。
  3. 集群中的沙尖的轨迹点PES( 图1)空间和持续时间很长的时间表示,最有可能造成的室内GPS信号的地方是弱的错误。如果这些点的一组被选择时,该程序可以计算出的时空的选定点的质心和调整的轨道去通过质心。
  4. 另外,如果选择“自动”的前处理菜单,设置的输入和输出的位置,以及经验参数确定的异常高的速度和突然转弯点。程序加载的轨迹数据的搜索算法,模拟的视觉误差检测方法的基础上并自动运行。

3。轨迹分割的活动空间特征

  1. 的轨迹分割需要建立层,确保建筑形状文件被加载。
  2. 在工具栏上单击分割工具启动功能。设置的输入和输出,并位于文件作为参考层的建筑物形状。使用的的楼宇名称标签的分段轨迹。该算法识别的基础上设置或默认的标准,如速度,时间,轨迹点 ,以及空间拓扑结构的建筑物的室内段。
  3. 单击活动空间总结工具加载在分段的轨迹,并计算选定的的摘要属性表征的一个人的活动空间,如总的活动半径,半径在一定的时间期间,花费的总时间在室内与室外的比,和等。
  4. 该属性可以被导出到电子表格定量建模使用。

4。密度表面映射

  1. 密度表面的活动空间与时间维的密度崩溃。有三个选项,从下拉列表中的密度表面映射菜单。
  2. 如果选择了“轨道点密度”选项,填写对话框中的输入和输出信息,并选择3D或2D显示。从该轨迹数据的所有顶点被用来计算内核密度的点, 图2示出了密度表面。
  3. 如果“轨道路径密度'被选择时,该算法计算并显示单个路径行驶( 图3)的密度。
  4. 如果'重新采样点的密度“选项被选择时,重新采样算法使用设定的时间间隔,和地图上的点的密度均匀地撒布在时间的轨迹数据。此选项被设计为,在不规则的时间间隔中,由于不同灵敏度的不同物理条件下的装置或分段轨迹收集跟踪点的跟踪设备, 图4示出了2D和3D的密度分段轨迹表面。
  5. 如果'时空聚焦'被选择用于纽约州的上述认股权,时空聚焦10可以在不同的时间段进行检查的活动模式。例如,在不同的时间在一天的活动密度表面可能是可视化的,便于识别跨越时间的热点( 图5)。

5。密度蓄积量估测,容积再现

  1. 密度体积可视化使用空间 - 时间立方体中的轨迹的可视化的概念。这种可视化的核心是分列的空间体素11。我们的可视化密度量的估计方法计数的时空轨道相交的体素数个人体素的密度量。此步骤可以点击“密度体积计算”下的密度体积可视化菜单。
  2. 相同的三个选项可用于密度体积可视化密度表面可视化。
  3. 下一步点击“音量渲染”推出的三维体积的可视化界面的交互式立体渲染12。通过设置沿每个轴的分割数,可以检查集群在不同的尺度。的Z-系数是用来设置垂直夸大,以便更好地观察。可以被加载的参考层,如建筑物,可视化以及帮助。的体绘制的结果,可以交互调整通过操纵控制映射的传递函数,从密度的颜色。 ( 图6)。

6。探索性数据分析(EDA)和可视化

  1. 过程是要显示在谷歌地球,可用于创建动画系列。在“其他”,点击“导出为KML为EDA访问此程序。它创建了一个KML 13在谷歌地球中打开的文件,互动式动画的轨迹。
  2. 一个可以遵循的轨迹,下移动在谷歌地球沿时间线滚动升的环境。
  3. 过程是可视化的地方利益之间的连接通过关联分析。例如,在大学校园的建筑物之间的连接是从分割的轨迹数据收集学生( 图7)。
  4. 根据上派生的连接,如楼宇最出站或入站流量和连接的枢纽,最繁忙的地方可能的热点。

结果

轨迹数据收集志愿本科学生肯恩大学(NJ,USA)在2010年春季。其目的是研究谁抓住了流感(医生诊断或自我诊断)相比,那些谁没有学生的活动模式。为了说明本文提出的方法和程序,我们把收集的轨迹在郊区的校园面积,产生具有代表性的结果。校园内的区域大多是行人的运动轨迹轨迹,只有一小部分驾驶之间的各种停车场和校园外的。

参照大学校园的建筑物的轨迹的空?...

讨论

我们使用附加的机制的ArcGIS开发的接口。所有的交互操作,使用C + +。使用Python开发的自动处理和分析功能。

AGPS数据,或行人所收集的GPS数据的预处理,提出了独特的挑战,,由于邻接建筑物和频繁的室内站的错误可能是巨大的。此外,预处理的重点不应该是数据通常是车辆GPS轨迹数据由于稀缺的跟踪点已经明显减少。最明显的错误行人轨迹数据的模式,但是,提供独特的?...

披露声明

没有利益冲突的声明。

致谢

这项工作的经费由美国国立卫生研究院授予1R03AI090465。

材料

NameCompanyCatalog NumberComments
的试剂的名称 公司 目录编号 评论(可选)
WorldTracker GPRS 跟踪世界
一台个人电脑运行分析
ArcGIS软件 ESRI
弹道分析仪扩展

参考文献

  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).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

72 GPS GIS ArcGIS

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。