Ce travail est financé par le NIH 1R03AI090465.

1. Obtention de données <ol><li> Données de trajectoire peuvent être collectées avec les unités GPS de poche, GPS-enabled applications intelligentes de téléphone de suivi, ainsi que A-GPS (Assisted GPS) des dispositifs tels que celui utilisé dans notre étude, un dispositif commerciale des enfants tracker. </li><li> Données de trajectoire est généralement enregistré en termes de temps-latitude-longitude dossiers. Un intervalle de temps désirée doit être réglée en fonction des besoins de l&#39;application. Souvent, l&#39;intervalle le plus fréquent est souhaitée pour les études d&#39;activité spatio-temporelles. </li><li> Convertir les données en comma-separated values, ou. Csv avec des colonnes séparées pour les ID de l&#39;enregistrement, la latitude, la longitude et l&#39;heure, respectivement. Puis convertir les fichiers. Csv couramment utilisés dans les systèmes d&#39;information géographiques format de fichier (SIG) (c. ESRI shapefile 8). </li><li> Charger dans un fichier de formes de polygones de construction et un autre de la limite de la zone d&#39;étude avec l&#39;analyseur de trajectoire. Réglez le &quot;extrusion&quot; des bâtiments correctement pour une di 3Dsplay et l&#39;option &quot;extrusion&quot; et la &quot;transparence&quot; de la couche limite appropriée pour afficher un cube espace-temps 6, 9 avec la dimensions X, Y représentant l&#39;espace et la dimension z représentant le temps. </li></ol> 2. Pré-traitement <ol><li> Deux options sont disponibles pour le pré-traitement des données de trajectoire bruyants premières. On peut choisir à partir de la liste déroulante du menu de pré-traitement. </li><li> Si «interactif» est choisie, une projection 2D de la trajectoire 3D est créé pour faciliter la visualisation et la sélection. Manipuler l&#39;affichage 3D d&#39;examiner la trajectoire brute dans l&#39;espace et le temps. Identifier les erreurs dans les données en fonction de la forme, de la vitesse et / ou la topologie des segments de piste. Habituellement points de trace (sommets) à haute vitesse irréaliste ou changement de direction brusque signifier des erreurs. Sélectionnez-les et retirez-les trajectoires originales. Sélectionner et les supprimer soit de la trajectoire 3D ou sa projection 2D. </li><li> Un groupe de points de suivi avec hérissés shapes (figure 1) dans l&#39;espace et dans le temps d&#39;une durée de temps signifient des erreurs qui sont le plus probablement causée par endroits à l&#39;intérieur lorsque le signal GPS est faible. Si un groupe de ces points est sélectionné, le programme peut calculer le centroïde spatio-temporelle des points sélectionnés et ajuster la piste de passer par le centre de gravité. </li><li> Par ailleurs, si &quot;Automatique&quot; est choisi dans le menu de pré-traitement, régler l&#39;entrée et emplacements de sortie ainsi que des paramètres empiriques qui déterminent la vitesse anormalement élevée et tournant abrupt de points. Le programme recherche à travers les données de trajectoire chargés et s&#39;exécute automatiquement selon un algorithme qui imite l&#39;approche visuelle de détection d&#39;erreur. </li></ol> 3. Segmentation de la trajectoire et caractérisation espace d&#39;activités <ol><li> Segmentation trajectoire nécessite la couche de construction, de sorte que le fichier forme du bâtiment est chargé. </li><li> Cliquez sur l&#39;outil de segmentation dans la barre d&#39;outils pour lancer la fonction.Réglez l&#39;entrée et la sortie et le fichier localisé forme du bâtiment que la couche de référence. Utilisez les noms de construction pour marquer la trajectoire segmentée. L&#39;algorithme identifie les segments intérieurs selon des critères définis par défaut ou comme la vitesse, durée, etc de points de suivi, ainsi que la topologie de l&#39;espace par rapport aux bâtiments. </li><li> Cliquez sur l&#39;outil récapitulatif des activités spatiales pour charger et calculer des trajectoires segmentés attributs récapitulatifs sélectionnés pour caractériser l&#39;espace son activité, tels que l&#39;activité totale rayon, le rayon à une certaine période de temps, le ratio du temps total passé à l&#39;intérieur par rapport à l&#39;extérieur, et ainsi de suite. </li><li> Les attributs peuvent être exportés vers un tableur pour des utilisations de modélisation quantitative. </li></ol> 4. Surface Mapping densité <ol><li> Surface de densité montre la densité des activités dans l&#39;espace avec la dimension temporelle s&#39;est effondré. Trois options sont disponibles à partir de la liste déroulante du menu cartographie densité de surface. </li><li> Si l&#39;option &#39;Densité des pistes point »est sélectionné, remplissez la boîte de dialogue avec entrée et sortie d&#39;informations et de choisir d&#39;afficher soit en 3D ou 2D. Tous les sommets à partir des données de trajectoire sont utilisés pour calculer les densités noyau des points. Figure 2 montre une surface de densité. </li><li> Si la «densité chemin Track&quot; est sélectionné, l&#39;algorithme calcule et affiche la densité des trajectoires individuelles parcourues (figure 3). </li><li> Si l&#39;option «densité Re-échantillonné point» est sélectionné, l&#39;algorithme de ré-échantillonne les données de trajectoire en utilisant un intervalle de temps défini et les cartes des densités de points répartis uniformément dans le temps. Cette option est conçue pour les dispositifs de suivi qui collectent des points de suivi à intervalles irréguliers raison de la diversité de sensibilité des appareils sous diverses conditions physiques ou des trajectoires segmentés. Figure 4 montre les surfaces de densité 2D et 3D des trajectoires segmentés. </li><li> Si «focalisation temporelle» est sélectionné pour unny des options ci-dessus, en se concentrant temporel 10 peut être réalisée afin d&#39;examiner les modèles d&#39;activité à des périodes différentes. Par exemple, les surfaces de densité d&#39;activité à différents moments de la journée peuvent être visualisées pour faciliter l&#39;identification des points chauds à travers le temps (figure 5). </li></ol> 5. Estimation du volume de densité et de volume de rendu <ol><li> Visualisation volumique Densité utilise la notion d&#39;un cube espace-temps dans la visualisation des trajectoires. Le noyau de cette visualisation est la désagrégation de l&#39;espace en voxels 11. Notre approche pour visualiser le volume de densité première estimation du volume de la densité des voxels individuels par comptage du nombre de titres d&#39;espace-temps qui se croisent avec les voxels. On peut cliquer sur «calcul du volume Densité&quot; dans le menu de visualisation densité volumique pour cette étape. </li><li> Les trois mêmes options sont disponibles pour la visualisation de volume de densité que pour la visualisation de surface de densité. </li><li> «Rendu de volume» Cliquez sur Suivant pour lancer l&#39;interface du volume de visualisation 3D pour le rendu de volume interactif 12. En réglant le nombre de divisions le long de chaque axe, on peut examiner les grappes à différentes échelles. Un z-facteur sert à régler l&#39;exagération verticale pour une meilleure visualisation. Une couche de référence tels que les bâtiments peuvent être chargées à l&#39;aide de la visualisation ainsi. Les résultats de rendu de volume peut être ajustée de façon interactive par la manipulation de la fonction de transfert qui commande la mise en correspondance de densité de couleur. (Figure 6). </li></ol> 6. D&#39;autres analyses exploratoires de données (EDA) et visualisations <ol><li> Une procédure est disponible pour créer des séries d&#39;animation à afficher dans Google Earth. Rubrique «Autres», cliquez sur «Exporter vers un fichier KML pour EDA» pour accéder à cette procédure. Il crée un kml 13 fichier qui s&#39;ouvre dans Google Earth pour l&#39;animation interactive de la trajectoire. </li><li> On peut suivre la trajectoire à travel &#39;environnement en temps en faisant défiler le long de la ligne de temps dans Google Earth. </li><li> Une procédure est disponible pour visualiser les liens entre les lieux d&#39;intérêt grâce à «l&#39;analyse de connexion &#39;. Par exemple, les liens entre les différents bâtiments sur un campus universitaire sont tirées des données de trajectoire segmentés qui ont été recueillies par les élèves (figure 7). </li><li> Sur la base des connexions dérivées, les points chauds tels que les bâtiments avec le plus de trafic entrant ou sortant et les moyeux qui relient les endroits les plus trafiquées peuvent être identifiés. </li></ol>

<ol>
	<li>Stoddard, S. T., Morrison, A. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+human+movement+in+the+transmission+of+vector-borne+pathogens.">The role of human movement in the transmission of vector-borne pathogens.</a> PLoS Negl. Trop. Dis. 3 (7), e10 (2009).</li><li>Morens, D. M., Folkers, G. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+challenge+of+emerging+and+re-emerging+infectious+diseases.">The challenge of emerging and re-emerging infectious diseases.</a> Nature. 430, 242-249 (2004).</li><li>Viboud, C., Bjornstad, O. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synchrony,+waves,+and+spatial+hierarchies+in+the+spread+of+influenza.">Synchrony, waves, and spatial hierarchies in the spread of influenza.</a> Science. 312, 447-451 (2006).</li><li>Shoval, N., Isaacson, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Application+of+tracking+technologies+to+the+study+of+pedestrian+spatial+behaviour.">The Application of tracking technologies to the study of pedestrian spatial behaviour.</a> The Professional Geographer. 58 (2), 172-183 (2006).</li><li>Yu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatio-temporal+GIS+design+for+exploring+interactions+of+human+activities.">Spatio-temporal GIS design for exploring interactions of human activities.</a> Cartography and Geographic Information Science. 33 (1), 3-19 (2006).</li><li>Kwan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interactive+geovisualization+of+activity-travel+patterns+using+three-dimensional+geographical+information+systems:+a+methodological+exploration+with+a+large+data+set.">Interactive geovisualization of activity-travel patterns using three-dimensional geographical information systems: a methodological exploration with a large data set.</a> Transportation Research Part C. 8, 185-203 (2000).</li><li>Dem&#353;ar, U., Virrantaus, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Space-time+density+of+trajectories:+exploring+spatio-temporal+patterns+in+movement+data.">Space-time density of trajectories: exploring spatio-temporal patterns in movement data.</a> International Journal of Geographical Information Science. 24 (10), 1527-1542 (2010).</li><li>Kraak, M., Koussoulakous, A., Fisher, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> A visualization environment for the space-time cube. , 189-200 (2004).</li><li>MacEachren, A. M., Polsky, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visualizing+spatial+relationships+among+health,+environmental,+and+demographic+statistics:+interface+design+issues.">Visualizing spatial relationships among health, environmental, and demographic statistics: interface design issues.</a> , 880-887 (1997).</li><li>Levory, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Display+of+surfaces+from+volume+data.">Display of surfaces from volume data.</a> IEEE Computer Graphics and Application. 8 (5), 29-37 (1998).</li><li>Drebin, R. A., Carpenter, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Volume+Rendering.">Volume Rendering.</a> Computer Graphics. , (1998).</li><li>Lee, W., Krumm, J., Zheng, Y., Zhou, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Trajectory+preprocessing.">Trajectory preprocessing.</a> Computing with Spatial Trajectories. , 3-34 (2011).</li><li>Han, B., Comaniciu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sequential+kernel+density+approximation+and+its+application+to+real-time+visual+tracking.">Sequential kernel density approximation and its application to real-time visual tracking.</a> IEEE Transactions on Pattern Analysis and Machine Intelligence. , (2007).</li></ol>

Aucun conflit d&#39;intérêt déclaré.

Nous avons utilisé complément d&#39;ArcGIS mécanisme de développer l&#39;interface. Toutes les opérations interactives ont été mises en œuvre en C + +. Tout le traitement automatique et des fonctions d&#39;analyse ont été développés en utilisant Python. Données AGPS ou les données GPS collectées par les piétons présente défi unique en prétraitement que les erreurs peuvent être massives en raison de la contiguïté des bâtiments et des arrêts fréquents à l&#39;intérie...

<table border="1"><tbody><tr><td> Nom du réactif </td><td> Entreprise </td><td> Numéro de catalogue </td><td> Commentaires (optionnel) </td></tr><tr><td> WorldTracker GPRS </td><td> Suivi The World </td><td></td><td></td></tr><tr><td> Un ordinateur personnel pour l&#39;exécution de l&#39;analyse </td><td></td><td></td><td></td></tr><tr><td> Logiciel ArcGIS </td><td> ESRI </td><td></td><td></td></tr><tr><td> Extension Analyseur de trajectoire </td><td></td><td></td><td></td></tr></tbody></table>

trajectory data analyses for pedestrian space-time activity study

Il est bien connu que le mouvement humain dans les dimensions spatiales et temporelles a une influence directe sur la transmission de la maladie de 1-3. Une maladie infectieuse se propage habituellement par contact entre les individus infectés et réceptifs dans leurs espaces d&#39;activités qui se chevauchent. Par conséquent, tous les jours à mobilité activité d&#39;information peut être utilisé comme un indicateur pour mesurer l&#39;exposition aux facteurs de risque d&#39;infection. Cependant, une difficulté majeure et donc la raison pour manque d&#39;études sur la transmission des maladies infectieuses à l&#39;échelle micro résulter de l&#39;absence de données détaillées sur la mobilité individuelle. Auparavant, dans les transports et le tourisme de la recherche des données détaillées sur l&#39;activité spatio-temporelles souvent invoqués sur la technique journal l&#39;espace-temps, qui nécessite sujets activement enregistrer leurs activités dans le temps et dans l&#39;espace. Ceci est très exigeant pour les participants et la collaboration des participants influe grandement sur ​​la qualité des données 4. Modernetechnologies telles que le GPS et les communications mobiles ont rendu possible la collecte automatique des données de trajectoire. Les données recueillies, cependant, n&#39;est pas idéal pour la modélisation spatio-temporelles de l&#39;homme des activités, limitées par la précision des dispositifs existants. Il ya aussi pas d&#39;outil facilement disponible pour un traitement efficace des données pour l&#39;étude du comportement humain. Nous présentons ici un ensemble de méthodes et une approche intégrée ArcGIS Desktop basé sur une interface visuelle pour les analyses de pré-traitement et spatio-temporelle des données de trajectoire. Nous fournissons des exemples de la façon dont un tel traitement peut être utilisé pour modéliser l&#39;homme spatio-temporelles des activités, en particulier avec d&#39;erreur riches en données de trajectoire des piétons, qui pourraient être utiles dans les études de santé publique telles que la modélisation des maladies infectieuses de transmission. La procédure présentée comprend de pré-traitement de segmentation trajectoire, la caractérisation espace d&#39;activité, l&#39;estimation de la densité et de la visualisation, et quelques autres méthodes d&#39;analyse exploratoire. Pré-processing est le nettoyage de bruyants données de trajectoire premières. On introduit un visuel interactif de pré-traitement d&#39;interface et un module automatique. 5 trajectoire segmentation consiste à identifier les parties intérieures et extérieures de pré-traitées spatio-temporelles pistes. Encore une fois, à la fois visuelle et interactive de segmentation segmentation automatique sont pris en charge. Segmentés spatio-temporelles pistes sont ensuite analysées pour dériver des caractéristiques de l&#39;espace d&#39;activité tels que son rayon d&#39;action, etc estimation de densité et de visualisation sont utilisés pour examiner grande quantité de données pour modéliser la trajectoire des points chauds et des interactions. Nous démontrons la fois la cartographie de surface de densité 6 et le rendu de volume de densité 7. Nous incluons également une couple d&#39;autres analyses exploratoires de données (EDA) et des outils de visualisations, comme le soutien de Google animation de la Terre et de l&#39;analyse de connexion. La suite de l&#39;analyse ainsi que des méthodes visuelles présentées dans ce document peuvent être appliqués à toutes les données de trajectoire pour sétudes d&#39;activité pace-temps.

Données de trajectoire ont été recueillis par le bénévolat des étudiants de premier cycle de Kean University (New Jersey, États-Unis) au printemps 2010. Le but était d&#39;étudier les habitudes des étudiants qui ont attrapé la grippe (diagnostiqué par un médecin ou un auto-diagnostic) par rapport à ceux qui n&#39;en ont pas. Afin d&#39;illustrer les modalités et la procédure présentées dans ce document, nous avons pris les trajectoires collectées dans la zone du campus de banlieue afin de générer de...

Watch this Scientific Journal Video about Trajectory Data Analyses for Pedestrian Space-time Activity Study at JoVE.com

Trajectory Data Analyses for Pedestrian Space-time Activity Study

Une série de méthodes de traitement spatio-temporelles sont présentés pour analyser les données de trajectoire de l&#39;homme, comme celle recueillie à l&#39;aide d&#39;un GPS, dans le but de modélisation spatio-temporelles piétons activités.

Les analyses des données de trajectoire pour étudier l&#39;activité piétonne l&#39;espace-temps

It is well recognized that human movement in the  spatial and temporal dimensions has direct influence on disease transmission1-3.  An infectious disease ...

trajectory-data-analyses-for-pedestrian-space-time-activity-study

Research

JoVE Journal

Biology

13.4K vues.  Kean University. Une série de méthodes de traitement spatio-temporelles sont présentés pour analyser les données de trajectoire de l'homme, comme celle recueillie à l'aide d'un GPS, dans le but de modélisation spatio-temporelles piétons activités.