在许多时候，我们需要对群体的移动进行分析。例如，对于一些动物的移动，我们可能会关心谁在路线确定上起领导作用，谁倾向于走在队伍的前列，每个动物的相对位置是否会随着时间变化。传统的分析方法可以提取移动特征，例如移动群体、相遇、趋势设定，但是却不能很好的表现这些特征。而相关的可视分析方法还很原始，目前只能显示群体属性随时间的变化，例如群体位置凸包的面积和形状随时间的变化。这些现有的方法都不能满足复杂问题的分析需求，例如动物的行为分析。对此，德国Fraunhofer Institute IAIS的Natalia Andrienko等人提出了空间变换的方法[1]。他们的方法可以对群体移动进行深入的研究。
图1显示了空间变换的基本思想，即将地理空间中的绝对移动分解为群体的平均移动加上每个个体在群体空间中的相对运动。
图1 空间变换的基本思想
他们将空间变换的方法应用到了一个真实的狒狒移动数据中，得到了狒狒在群体空间中的相对位置。接着，他们将已有的可视分析技术应用于群体空间的分析中，对狒狒个体在群体中的角色进行了研究，得到了许多有意义的猜想。该狒狒数据描述了南非De Hoop自然保护区13只狒狒的GPS移动信息。数据横跨391天，但其中只有74天有数据记录。数据点共计61,842个，空间精度为2~5米。数据的采样时间间隔较长，中值为7分钟，最长可达到213分钟。
他们首先根据一系列数据探索，将狒狒的轨迹按照15分钟内的移动距离分为停止、闲逛和行进。接着，他们重点研究了狒狒个体在群体移动中的角色问题。例如，图2显示了几只狒狒的相对位置密度与所有狒狒的相对位置密度的差值。红色区域表示该狒狒相对与其他狒狒更喜欢在该区域移动，而蓝色区域表示给狒狒相对不喜欢在该区域移动。我们可以看到B04和B09倾向于在中心移动，B03在周边，B06和B10在前方，B05在后方。
图2 狒狒的相对位置密度与所有狒狒的相对位置密度的差值
接下来，他们希望知道前方移动的狒狒是否更可能影响其他狒狒的移动，即他们的方向改变引导了其他狒狒的方向改变。为此，他们提取了所有的”趋势设定”事件。图3左边为只考虑闲逛和行进轨迹时的事件空间分布密度，右边为只考虑行进轨迹的情况。我们可以看到，前方确实有更高的密度，因此前方的狒狒更有可能影响其他狒狒的移动。
图3 趋势设定事件的空间分布密度
通过查看数据的详细信息，他们发现每个狒狒都会有”趋势设定”事件，事件数量的差别并不大，因此并不存在单个狒狒一直具有决定权。此外，他们通过对这些时间进行时空聚类，发现大部分的时候多个狒狒几乎同时产生”趋势设定”事件。这可能意味着狒狒会相互”商量”共同决定路径。不过也有另一种可能，即有一些狒狒反应很快，立即跟着改变方向。因此在目前的低时间精度下，这些狒狒看起来也像是决定者。图4显示了狒狒之间相互”商量”的频率，即他们共同出现在一个事件的时空聚类中的次数。
图4 两个狒狒共同出现在一个趋势设定事件聚类中的频率矩阵
最后，他们还研究了狒狒的行为随时间的变化。他们发现，狒狒的相对位置确实会随时间变化，但变化可能具有一定的季节周期性。
他们在研究过程中和动物领域专家进行了多次交流。专家对该研究的热情很高。他们认为他们系统中的时间可视化部分 (如时空立方体) 非常有用，是目前其他方法缺少的。此外，空间变换的方法可以支持动物角色的研究，而将行为划分为停止、闲逛和行进可以进一步研究角色和行为状态的关系。根据目前的方法，专家们已经能够得到许多关于动物角色的猜想。他们希望未来该方法能够进一步揭示动物移动的内在规律。
[1] Natalia Andrienko, Gennady Andrienko, Louise Barrett, Marcus Dostie, and Peter Henzi, Space Transformation for Understanding Group Movement, IEEE Trans. Visual. Comput. Graph., 19(12): 2169-2178, 2013.
评论关闭。