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
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

חבילה של שיטות עיבוד חלל ובזמן מוצגת לניתוח נתונים תלולים מסלול אנושיים, כמו שנאסף באמצעות מכשיר GPS, לצורך פעילות הולכי רגל דוגמנות חלל וזמן.

Abstract

היא מוכרת היטב כי תנועה אנושית בממדי המרחב וזמן יש לו השפעה ישירה על מחל הילוכי 1-3. מחלה זיהומית בדרך כלל מתפשטת באמצעות מגע בין אנשים שנדבקו ורגישים בחללי הפעילות החופפות שלהם. לכן, מידע יומי על ניידות פעילות יכול לשמש כאינדיקציה למדידת חשיפות לגורמי סיכון של זיהום. עם זאת, קושי גדול ולכן הסיבה למיעוט מחקרים של התפשטות מחלות מידבקות בקנה מידת מייקרו נובע מהמחסור בנתוני ניידות בודדים מפורטים. קודם לכן בתחום התחבורה ונתוני תיירות מחקר מפורטים חלל וזמן פעילות הסתמכו לעתים קרובות בטכניקת יומן מרחב זמן, המחייב נושאים פעילים לתעד את פעילותם בזמן ובמרחב. זה מאוד תובעני עבור המשתתפים ושיתוף הפעולה מצד המשתתפים מאוד משפיע על איכות הנתונים 4.

מודרניטכנולוגיות כגון תקשורת סלולרית וה-GPS היו מתאפשרות איסוף האוטומטי של נתוני מסלול. הנתונים שנאספו, לעומת זאת, אינם אידיאליים עבור דוגמנות פעילויות שטח בזמן אדם, מוגבלת על ידי בדיוק של מכשירים קיימים. אין גם כלי זמין לעיבוד יעיל של הנתונים למחקר התנהגות אנושית. אנו מציגים כאן חבילה של שיטות וממשק משולב ArcGIS שולחן עבודה מבוסס חזותי לניתוחים מראש העיבוד וחלל ובזמן של נתונים תלולים מסלול. אנו מספקים דוגמאות כיצד ניתן להשתמש בעיבוד כזה למודל פעילות אנושית בחלל זמן, במיוחד עם נתוני מסלול להולכי רגל עשירים בשגיאה, שיכול להיות שימושי במחקרי בריאות הציבור כגון דוגמנות העברת מחלה מדבקת.

ההליך הציג כולל, פילוח מראש עיבוד מסלול, אפיון מרחב פעילות, להערכת צפיפות והדמיה, וכמה שיטות ניתוח גישוש אחרות. טרום processinגר הוא ניקוי נתונים תלולים מסלול גלם רועשים. אנחנו מציגים את ממשק אינטרקטיווי חזותי מראש עיבוד, כמו גם מודול אוטומטי. פילוח המסלול 5 כולל זיהוי של חלקים פנימיים וחיצוניים ממסלולים מראש מעובדי חלל והזמן. שוב, גם פילוח ויזואלי אינטרקטיווי ופילוח אוטומטי נתמכים. מסלולים מפולחים חלל והזמן נותחו לאחר מכן לגזור מאפיינים של מרחב פעילותו שלו, כגון הערכת פעילות רדיוס וכו צפיפות והדמיה המשמשים לבדיקת כמות גדולה של נתונים תלולים מסלול לדגם כתמים ואינטראקציות חמים. אנו להפגין גם את מיפוי צפיפות משטחת 6 וטיוח נפח צפיפות 7. אנו גם כמה ניתוחי נתוני גישוש אחרים (EDA) וכלים חזותיים, כגון תמיכה ב-Google Earth אנימציה וניתוח חיבור. החבילה של אנליטית, כמו גם שיטות חזותיות שהוצגו במאמר זה יכול להיות מיושם על כל נתונים למסלול שלמחקרי פעילות הקצב זמן.

Protocol

1. קבלת נתונים

  1. נתוני מסלול ניתן לאסוף ביחידות כף יד GPS, יישומי מעקב GPS מופעלים טלפון חכמים, כמו גם A-GPS (GPS סייע) התקנים כגון זה של מועסקים במחקר שלנו, מכשיר גשש ילד מסחרי.
  2. נתוני מסלול בדרך כלל נשמרו במונחים של זמן רשום בקווי רוחב, אורך ורוחב. מרווח זמן רצוי שמבוסס על צרכי יישום. לעתים קרובות המרווח השכיח ביותר הוא רצוי ללימודי פעילות שטח בזמן.
  3. להמיר את הנתונים לערכים המופרדים באמצעות פסיקים, או. קבצי CSV עם עמודות נפרדות לid שיא, קו רוחב, קו אורך, וזמן, בהתאמה. לאחר מכן להמיר את הקבצים. Csv למערכות מידע גיאוגרפיים נפוץ בשימוש בפורמט קובץ (GIS) (כלומר ESRI shapefile 8).
  4. טען בshapefile הפוליגונים בנייה ועוד לגבולו של אזור המחקר עם מנתח המסלול. הגדרה "החול" של הבניינים כראוי ל3D דיפסוק ולהגדיר את "חול" ואת "שקיפות" של שכבת הגבול מתאים להצגת קוביית מרחב ובזמן 6, 9 עם x, y מייצגים ממדי מרחב וממד הזמן z מייצג.

2. טרום עיבוד

  1. שתי אפשרויות עומד לרשות את נתוני מסלול הגלם הרועשים מראש העיבוד. אחד יכול לבחור מתוך רשימה הנפתחת של התפריט מראש העיבוד.
  2. אם 'אינטראקטיב' נבחר, הקרנת 2D של מסלול 3D נוצרה עבור צפייה ובחירה קלות. לתפעל את תצוגת 3D לבחון את מסלול הגלם במרחב ובזמן. לזהות טעויות בנתונים המבוססים על הצורה, מהירות ו / או הטופולוגיה של מסלול מגזרים. בדרך כלל נקודות במסלול (קודקודים) עם מהירות גבוהה מציאותית או שינוי כיוון פתאומי מסמנות שגיאות. בחר ולהרחיק אותם מהמסלולים המקוריים. לבחור ולהסירם מכל מסלול 3D או 2D הקרנתו.
  3. מקבץ של נקודות במסלול עם הקוצים shaPES (איור 1) במרחב ובזמן ארוך באופן זמני מסמן שגיאות שנגרמות ככל הנראה על ידי רוב המקומות מקורים שבו אות GPS חלשה. אם קבוצה של נקודות אלה נבחרה, התכנית יכולה לחשב את centroid החלל ובזמן של נקודות הנבחרות ולהתאים את המסלול לעבור centroid.
  4. לחלופין, אם "אוטומטי" נבחר מהתפריט מראש העיבוד, להגדיר את הקלט ומיקומי פלט כמו גם פרמטרים אמפיריים הקובעים את המהירות הגבוהה והחריגה מפנה פתאומי של נקודות. חיפושי התכנית באמצעות נתוני המסלול הטעונים ופועל באופן אוטומטי בהתבסס על אלגוריתם המחקה את גישת זיהוי שגיאות החזותית.

3. פילוח מסלול ואפיון שטח פעילות

  1. פילוח מסלול דורש שכבת הבניין, כדי להבטיח את קובץ צורת הבניין הוא טעון.
  2. לחץ על כלי הפילוח בסרגל הכלים כדי להפעיל את הפונקציה.הגדר את הקלט והפלט ואתר את קובץ צורת הבניין כרובד ההתייחסות. השתמש בשמות הבנייה לתייג את המסלול המפולח. האלגוריתם מזהה קטעי מקורים על פי קריטריונים שנקבעו כברירת מחדל או כמו מהירות, משך, וכו 'של נקודות במסלול, כמו גם את הטופולוגיה המרחבית ביחס למבנים.
  3. לחץ על כלי תמצות מרחב הפעילות לטעינה במסלולים מפולחים ולחשב תכונות סיכום נבחרות לאפיין מרחב פעילותו של אחד, כגון רדיוס סך פעילות, רדיוס בפרק זמן מסוים, יחס בין סך כל הזמן בילה בבית לעומת בחוץ, וכן הלאה.
  4. את התכונות ניתן לייצא לגיליון אלקטרוני לשימושי דוגמנות כמותיים.

4. מיפוי שטח צפיפות

  1. משטח צפיפות מציג את הצפיפות של פעילות במרחב עם ממד הזמן התמוטטה. שלוש אפשרויות זמינות ברשימה הנפתחת של תפריט מיפוי שטח הצפיפות.
  2. אם האפשרות 'צפיפות נקודת המסלול' נבחרה, מלא את תיבת השיח עם קלט ופלט מידע ולבחור להציג באו 3D או 2D. כל קודקודים מנתוני המסלול משמשים לחישוב צפיפות ליבה של נקודות. איור 2 מראה משטח צפיפות.
  3. אם 'צפיפות נתיב מסלול "מסומנת, אלגוריתם מחשב ומציג את הצפיפות של שבילים בודדים נסעו (איור 3).
  4. אם האפשרות 'צפיפות נקודת העניין שנדגמו' נבחרה, האלגוריתם מחדש את נתוני דגימות התלולות המסלול באמצעות מרווח זמן מוגדר ומפות הצפיפות של נקודות בצורה שווה בזמן. אפשרות זו מיועדת להתקני מעקב שאוספים נקודתי מעקב במרווחי זמן סדירים בשל רגישות שונה של המכשירים בתנאים פיסיים שונים או מסלולים מפולחים. איור 4 מראה את משטחי צפיפות 2D and 3D של מסלולים מפולחים.
  5. אם 'התמקדות זמנית "נבחר עבורניו יורק מהאפשרויות הנ"ל, תוך התמקדות 10 זמניים ניתן לבצע כדי לבחון את דפוסי פעילות בתקופות זמן שונות. לדוגמה, צפיפות משטחי פעילות בזמנים שונים ביום עשויים להיות דמיינו לזיהוי קל של נקודות חמות על פני זמן (איור 5).

5. הערכה וטיוח נפח נפח צפיפות

  1. הדמית נפח צפיפות משתמשת ברעיון של קוביית מרחב ובזמן כמו בהדמיה של מסלולים. הליבה של הדמיה כזו היא החלוקה של שטח ל11 voxels. הגישה שלנו להמחשת נפח הצפיפות הראשונה מעריכה נפח צפיפות בvoxels הבודד על ידי ספירת מספר מסלולי שטח בזמן שמצטלב עם voxels. אפשר ללחוץ על 'חישוב נפח צפיפות "תחת תפריט הדמית נפח הצפיפות לצעד זה.
  2. אותם השלוש אפשרויות זמינות להדמית נפח צפיפות כלהדמית משטח צפיפות.
  3. "טיוח עצמה 'לחץ על הבא כדי להפעיל את ממשק הדמית נפח 3D טיוח נפח אינטרקטיווי 12. על ידי הגדרת מספר החטיבות לאורך כל ציר, ניתן לבחון אשכולות בקני מידה שונים. Z-גורם משמש להגדרת ההגזמה האנכית להדמיה טובה יותר. שכבת התייחסות כגון בניינים יכולה להיות טעונה כדי לסייע להדמיה גם כן. התוצאות של טיוח נפח יכולות להיות מותאמות באופן אינטרקטיווי על ידי המניפולציה של פונקציית ההעברה, השולטת במיפוי מצפיפות לצבע. (איור 6).

6. ניתוחים אחרים גישוש נתונים (EDA) ופריטים חזותיים

  1. נוהל קיים כדי ליצור סדרת אנימציה שיוצגה ב-Google Earth. תחת 'אחר', לחץ על 'יצוא לKML לEDA' לגשת להליך זה. זה יוצר 13 קובץ kml שנפתח ב-Google Earth לאנימציה אינטראקטיבית של המסלול.
  2. אפשר לעקוב אחר מסלולו לtraveאני בסביבה בזמן על ידי גלילה לאורך ציר הזמן ב-Google Earth.
  3. הליך זמין לדמיין קשרים בין מקומות של עניין באמצעות 'ניתוח חיבור'. לדוגמה, קשרים בין בניינים שונים בקמפוס אוניברסיטה, נגזרים מנתונים מפולחים תלולים מסלול שנאספו על ידי תלמידים (איור 7).
  4. בהתבסס על קשרים נגזרים, נקודות חמות, כגון הבניינים האלה עם התנועה ורכזות המחברות את המקומות בעלי התעבורה הגדולים ביותר יכולים להיות מזוהים היוצאת או הנכנסת ביותר.

תוצאות

נתונים נאספו על ידי מסלול התנדבות סטודנטים לתואר ראשונים מאוניברסיטת קין (ניו ג'רזי, ארה"ב) באביב 2010. המטרה הייתה ללמוד דפוסי פעילות של תלמידים שתפסו שפעת (שאובחן על ידי רופא או עצמי אובחן-) בהשוואה לאלו שלא. כדי להמחיש את השיטות והנהלים שהוצגו במאמר זה לקחנו את המ?...

Discussion

אנחנו השתמשנו מנגנון תוספת של ArcGIS לפתח ממשק. כל הפעולות האינטראקטיביות יושמו באמצעות C + +. כל העיבוד האוטומטי ופונקציות ניתוח פותחו באמצעות פייתון.

נתוני AGPS, או נתונים שנאספו על ידי GPS להולכי רגל מציג אתגר ייחודי בpreprocessing כשגיאות י...

Disclosures

אין ניגודי האינטרסים הכריזו.

Acknowledgements

עבודה זו מומנה על ידי מענק NIH 1R03AI090465.

Materials

NameCompanyCatalog NumberComments
שם המגיב חברה מספר קטלוגים תגובות (אופציונלי)
WorldTracker GPRS מעקב העולמי
מחשב אישי להפעלת הניתוח
ArcGIS תוכנה ESRI
הארכת המסלול Analyzer

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

72GPSGISArcGIS

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