A time-geographic approach to quantify the duration of interaction in movement data
A time-geographic approach to quantify the duration of interaction in movement data
复制标题
量化运动数据中交互持续时间的时间地理方法
DOI：
10.1145/3486637.3489490
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Goulias, Konstadinos
中科院分区：
文献类型：
--
作者：
Su, Rongxiang;Dodge, Somayeh;Goulias, Konstadinos
移动个体之间的互动是塑造社会动态和人际网络的关键因素。轨迹分析的最新进展已经产生了使用运动跟踪数据来识别和提取交互的时空模式的有前途的方法。然而，量化互动持续时间的方法仍然有限。在目前的工作中，我们提出了现有的时间-地理为基础的方法，主要依靠潜在的路径面积计算和多边形相交量化潜在的并发交互（即在空间和时间上的同步交互）之间的持续时间移动的个人。使用加州的真实的人类GPS跟踪数据的两个案例研究表明，在一般情况下，所提出的基于时间-地理的方法优于基于邻近度的方法，这是常用的数字接触跟踪技术。我们的方法是更有效的识别潜在的连续的相互作用，特别是当个人不一起移动。此外，结果表明，该方法可以更准确地估计接触的持续时间，并可以识别更完整的互动在一个连续的时间段内，而基于邻近度的方法低估了接触，这可能会导致更多的间歇性互动与较短的持续时间。
Interaction between moving individuals is a critical factor in shaping social dynamics and human networks. Recent advancements in trajectory analytics have resulted in promising methods to identify and extract spatio-temporal patterns of interaction using movement tracking data. However, methodologies to quantify the duration of interaction remain limited. In the present work, we advance the existing time-geographic based approach that mainly relies on potential path area computation and polygon intersection to quantify the duration of potential concurrent interactions (i.e. synchronous interaction in space and time) between mobile individuals. Two case studies using real human GPS tracking data in California reveal that in general, the proposed time-geographic based approach outperforms the proximity-based approach which is commonly used in digital contact tracing technologies. Our method is more effective in the identification of potential continuous interactions, especially when individuals do not move together. In addition, the results show that the proposed method can estimate the duration of contacts more accurately and can identify more complete interactions over a continuous time period, while the proximity-based approach underestimates contacts which may result in more intermittent interactions with shorter durations.
登录
查看更多内容
时间图的压缩 kd 树
影响因子：
2.7
作者：
Diego Caro;M. A. Rodríguez;N. Brisaboa;A. Fariña
通讯作者：
A. Fariña
影响因子：
16.6
作者：
Cencetti G;Santin G;Longa A;Pigani E;Barrat A;Cattuto C;Lehmann S;Salathé M;Lepri B
通讯作者：
Lepri B
苍鹰的筑巢后行为，Accipiter gentilis：II。
影响因子：
2.5
作者：
R. Kenward;V. Marcström;M. Karlbom
通讯作者：
M. Karlbom
DOI：
10.1080/00045608.2012.689238
发表时间：
2013-05-01
期刊：
ANNALS OF THE ASSOCIATION OF AMERICAN GEOGRAPHERS
影响因子：
--
作者：
Farber, Steven;Neutens, Tijs;Li, Xiao
通讯作者：
Li, Xiao
时间图的压缩 $$ ext {k}mathsf {^d} ext {-tree}$$kd-tree
影响因子：
2.7
作者：
Diego Caro;M. A. Rodríguez;N. Brisaboa;A. Fariña
通讯作者：
A. Fariña