Mehr

Ähnlichkeit zwischen zwei oder mehr Trajektorien

Ähnlichkeit zwischen zwei oder mehr Trajektorien


Ich habe die Daten von Lastwagen (http://www.chorochronos.org/).

Diese Daten sind GPS-Koordinaten von mehreren Trajektorien von Lastwagen in Athen.

Ich muss die Ähnlichkeit zwischen den Trajektorien berechnen, um die sehr ähnlichen zu löschen!

Rot und Grün sind ähnlich, aber Blau, Schwarz und (Rot oder Grün) sind unterschiedliche Flugbahnen. Ich möchte eines der Ähnlichkeiten, rot oder grün, löschen.

Die Daten sind in Punkten (Geometrie, Breite und Länge, x und y) (Koordinaten gps), die Bilder sind Beispiele für Flugbahnentra


Ein wirklich einfaches, aber nicht fantastisches Maß ist es, den Hausdorff-Abstand zwischen jeder Kombination zu ermitteln, was mit der Funktion ST_HausdorffDistance durchgeführt wird. Wenn Sie ungefähre LineStrings aus Ihrer Figur verwenden, werden diese alle in Blau angezeigt, und der Hausdorff-Abstand wird für eines der Linienpaare in Rot angezeigt:

Und die Abfrage, um die 6 Kombinationen in absteigender Reihenfolge zu sortieren:

WITH data AS ( SELECT 'blue' AS name, 'LINESTRING (60 200, 110 290, 200 320, 330 320, 430 240, 450 200)'::geometry AS geom UNION SELECT 'black', 'LINESTRING (60 200, 120 270, 235 297, 295 207, 450 200)'::geometry UNION SELECT 'green', 'LINESTRING (60 200, 280 190, 450 200)'::geometry UNION SELECT 'red', 'LINESTRING (60 200, 150 210, 257 195, 360 210, 430 190, 450 200)'::Geometrie) SELECT a.name || ' <-> ' || b.name AS vergleichen, ST_HausdorffDistance(a.geom, b.geom) FROM Daten a, Daten b WHERE a.name < b.name ORDER BY ST_HausdorffDistance(a.geom, b.geom) DESC; vergleichen | st_hausdorffdistance ------------------+ ---------------------- blau <-> grün | 130 blau <-> rot | 125 schwarz <-> blau | 110.102502131467 schwarz <-> grün | 104.846289061163 schwarz <-> rot | 97.9580173908678 grün <-> rot | 15.2677257073823 (6 Reihen)

Für dieses Beispiel funktioniert es also gut, aber es ist keine großartige oder robuste Technik zum Clustern von Linien, da die einzige Metrik der einzelne Punkt mit der größten Entfernung ist, anstatt die Unterschiede vollständiger Linien zu vergleichen. Es gibt viel bessere Methoden, aber sie werden komplizierter sein.


Ich habe keinen Zugriff auf PostGres/PostGIS, aber so würde ich es in ArcGIS (oder anderen) vorgehen.

  1. Berechne die Länge der ursprünglichen Zeilen in eine statische Spalte
  2. Puffern Sie Ihre Zeilen so, wie Sie "ähnlich" definieren. Puffer nicht auflösen. Die resultierenden Puffer haben einen FID gleich der ursprünglichen Zeile.
  3. Überschneiden Sie Puffer und Originallinien. Der resultierende Layer identifiziert FIDs, die an dieser bestimmten Kreuzung teilnehmen (zum Beispiel "FID_lines" und "FID_buff").
  4. Layer von #3 durch die beiden ursprünglichen FID-Spalten und die ursprüngliche Längenspalte auflösen
  5. Ignorieren Sie resultierende Zeilen, die den gleichen Wert für die beiden ursprünglichen FID-Spalten haben, mit einer Definitionsabfrage oder auf andere Weise (natürlich überlappen sich Zeilen, die gepuffert und mit ihrem eigenen Puffer geschnitten werden, vollständig).
  6. Fügen Sie eine numerische Spalte hinzu und füllen Sie sie mit der neuen Länge
  7. Teilen Sie die neue Länge durch die ursprüngliche Länge (in eine neue Spalte), um ein Verhältnis der ursprünglichen Zeile zu erhalten, das in den Puffer jeder benachbarten Zeile fällt.
  8. Überprüfen Sie die Werte für das Verhältnis. Behalten Sie diejenigen bei, die Sie als "ähnlich genug" definiert haben. Zum Beispiel, vielleicht ist eine Zeile, die zu 75 % ihrer Länge in den Puffer einer anderen Zeile fällt, ähnlich genug, vielleicht liegt Ihr Cutoff bei 50 % Zustimmung usw.

Die gegensätzliche Berichterstattung über die Sperrung von NSW und Victoria verrät viel über die Politik von COVID – und die Medien

Denis Muller arbeitet nicht für Unternehmen oder Organisationen, die von diesem Artikel profitieren würden, berät, besitzt keine Anteile oder erhält Finanzmittel von ihnen und hat keine relevanten Verbindungen über ihre akademische Ernennung hinaus bekannt gegeben.

Partner

Die University of Melbourne stellt als Gründungspartner von The Conversation AU Mittel zur Verfügung.

The Conversation UK erhält Mittel von diesen Organisationen

Die Medienberichterstattung über die ersten Tage des Ausbruchs der COVID-19-Delta-Variante in New South Wales unterschied sich deutlich von der der jüngsten Sperrung in Victoria.

Der auffälligste Unterschied besteht darin, dass der Medienfokus in New South Wales in erster Linie auf Informationen ausgerichtet war: das Wachstum und die Verbreitung von Fällen, die Sperrregeln. Das politische Element war zweitrangig: Hätte der Lockdown früher und härter verhängt werden sollen?

Als Victoria vor einem Monat in seine vierte Sperre eintrat, war der Medienfokus dagegen in erster Linie politisch: Was ist falsch an Victoria, dass es immer dort zu sein scheint, wo Sperren stattfinden? Informationen belegten den zweiten Platz.

Einige der Gründe für diesen Unterschied liegen auf der Hand. Es gab verständliche Verzweiflung unter den Viktorianern, dass sie immer auf der Empfängerseite von Sperren zu sein schienen.

Auch die Medienkonferenzen in Victoria waren im Zuge des langen Lockdowns im Jahr 2020 bereits zunehmend politisiert worden, beispielhaft an den dortigen Auftritten der Sky News-Nachtkommentatorin Peta Credlin.

Als die täglichen Briefings letzten Monat wieder aufgenommen wurden, machten die Medien dort weiter, wo sie aufgehört hatten.

Aber es scheinen auch andere, subtilere Faktoren am Werk zu sein.

Einer ist, dass sich ein Medienstereotyp über Victorias COVID-Reaktion entwickelt hat. Das Stereotyp ist, dass die Regierung im Umgang mit der Pandemie inkompetent ist. Anfängliche Misserfolge bei der Hotelquarantäne und der Kontaktverfolgung haben die Wahrnehmung der gesamten Reaktion der Regierung getrübt, ungeachtet der seitdem vorgenommenen Verbesserungen. Die Tatsache, dass der jüngste Ausbruch als Folge eines Verstoßes gegen die Hotelquarantäne in Südaustralien aufgetreten ist, wurde von einigen Medien bequemerweise ignoriert.

Die aggressive Befragung der viktorianischen Regierung während der verlängerten zweiten Sperrung wurde durch die Anwesenheit der Sky News-Kommentatorin Peta Credlin veranschaulicht. AAP/James Ross

Medienstereotype sind in der Regel faktenbasiert, und dafür gab es zunächst viele Fakten, wie der Untersuchungsbericht zur Hotelquarantäne zeigte.

Aber Medienstereotypen wirken heimtückischer. Sie erschaffen, was die Geschichte wird, die wir alle kennen. Und wie Ihnen jeder Reporter sagen wird, findet eine neue Geschichte, die das Stereotyp verstärkt, immer mehr Akzeptanz bei der Nachrichtenredaktion als eine Geschichte, die dem Stereotyp widerspricht.

Auch das Publikum ist empfänglicher für eine Geschichte, die wirklich eine alte Geschichte mit neuen Daten ist. Es verstärkt ein vertrautes Weltbild und stellt weniger Anforderungen an das Gehirn.

Der amerikanische Journalist und politische Weise Walter Lippmann schrieb vor hundert Jahren:

Nichts ist so hartnäckig gegenüber Bildung oder Kritik wie das Stereotyp. Es prägt sich dem Beweismittel schon bei der Beweissicherung ein.

Eine weitere Feinheit liegt in der Entwicklung der Medieneinstellungen. Die frühen Briefings in Victoria im letzten Jahr waren in Ton und Inhalt ähnlich wie in den letzten Tagen in New South Wales: ein Fokus auf das Wachstum der Fälle und auf Sperrregeln.

Es wird interessant sein zu beobachten, ob sich dies in New South Wales im Laufe der Zeit ändert, wenn sich der Ausbruch, wie Premier Gladys Berejiklian sagt, verschlimmert, bevor er besser wird und eine längere Sperrung folgt.

Die politischen Argumente in New South Wales betreffen nicht die Zuständigkeit der Regierung. Tatsächlich ist das Stereotyp, dass New South Wales über ein überlegenes Kontaktverfolgungssystem verfügt, das es dem Staat ermöglicht, große Sperren zu vermeiden.

Bei der Politik in Sydney geht es um die Auswirkungen auf die Regierung, ihre Anti-Lockdown-Position aufzugeben und das wirtschaftliche Wohl des Staates im Interesse der öffentlichen Gesundheit zu opfern.

Das brachte ihm einen vorwurfsvollen Leitartikel von The Weekend Australian ein, obwohl der begründete Ton in scharfem Kontrast zu den Schlägen über den Kopf stand, die die Murdoch-Presse Daniel Andrews während der Sperrung von Victoria zuteilte.

Außerdem wird die liberal-nationale Regierung in New South Wales von ihren Mitbrüdern in Canberra nicht wie die Labour-Regierung in Victoria ins Visier genommen.

Dies wirft einen weiteren Faktor auf, der die Mediendynamik der COVID-Berichterstattung beeinflusst.

Die COVID-Politik gewinnt einen immer schärferen Vorsprung. James Merlino, der während seiner letzten Sperrung amtierender Premierminister von Victoria war, nutzte viele Gelegenheiten, um die Verantwortung dafür zu übernehmen, dass die Bundesregierung bei Quarantäne und Impfungen versäumt hatte.

Selbst Berejiklian konnte ihre Frustration über die Bundesregierung über diese Misserfolge nicht verbergen, als sie am Montag antrat, um weitere 18 neue Fälle in ihrem Bundesstaat anzukündigen.

Die Verschärfung der politischen Differenzen geht mit einer verstärkten Polarisierung in der Mainstream-Medienberichterstattung einher.

Ein anschauliches Beispiel dafür war die Reaktion auf eine Kolumne in The Age on Sunday von Jon Faine. Er war langjähriger Moderator der Morgensendung bei ABC Radio Melbourne und schreibt nach seiner Pensionierung für The Age.

In seiner Kolumne ringt er mit seinem Gewissen über seine Reaktion auf den COVID-Ausbruch in Sydney. Es ist ein Tauziehen zwischen zwei Charakteren, „Good Jon“ und „Bad Jon“.

In Bezug auf die Medien denkt „Good Jon“:

Ich bin so beeindruckt von dem Anstand, mit dem die Medien von Sydney ihre Pressekonferenzen mit ihrem Premier durchführen. Sie zeigen Respekt, hören genau zu, unterbrechen selten oder gar nicht und wir sind umso klüger. Und zeigt der Premier unter Druck nicht Anmut?“

Was für eine unglaubliche Doppelmoral. Die Reptilien in Melbourne, bewaffnet von den Murdoch-Blattblättern und Sky News, rissen Dan Andrews und Brett Sutton wochenlang jeden blutigen Tag auf, wiederholten unzählige Male die gleichen Fragen in der Hoffnung, sie zum Stolpern zu bringen, schrien sie an, hielten eine Ansprache und argumentierten: hörte auf, berechtigte Fragen zu stellen, und stellte stattdessen unbegründete Behauptungen auf und verlangte dann, dass bloße Gerüchte als unwahr erwiesen werden. Wie wagen sie es?

Die Murdoch-Presse hat dies nicht hingenommen. Am Montag veröffentlichte sie eine Antwort, die auf einer einseitigen Darstellung des Faine-Artikels beruhte und behauptete, er habe in Sydney „Wut“ geweckt.

Und das bringt uns zum letzten Faktor der Unterschiede zwischen der Medienberichterstattung in den beiden Staaten: die offen rabiate Voreingenommenheit der Murdoch-Blattblätter.

Die Schlagzeile auf Seite eins im Sunday Telegraph von Sydney am 27. Juni war ein PR-Triumph für die Koalitionsregierungen in Sydney und Canberra: „Smart Strain rutscht aus dem Netz“. So ein cleverer Virus. Nichts über das Versäumnis, Flughafenfahrer zu impfen oder sie zum Tragen von Masken zu zwingen.

Vergleichen Sie das mit der Titelseite der Herald Sun, als eine von Victorias Lockdowns angekündigt wurde: „State of Disaster“. „6-wöchiger extremer Lockdown, um COVID zu vernichten“.


Zusammenhang zwischen Entropie und Anzahl der Symmetrien

Ist dies eine bloße Analogie oder wäre es möglich, Entropie im Sinne des Symmetriebegriffs zu definieren?

Eine Antwort

@ali Ich werde da einen schwachen Stich machen. Erstens, das ist meine Vermutung, was Sie meinen.

Hier ist ein "System"-Mikrozustand 00110. Hier ist ein anderer "System"-Mikrozustand 11000. Unterschiedliche Mikrozustände und die Operation war ungefähr der Austausch der Plätze 3, 4 und 1,2.

Eine Systemmakrozustandseigenschaft ist die Summe über "Stellen" für einen gegebenen Mikrozustand. In diesem Fall haben beide Mikrozustände die Makrozustandseigenschaft 2. Konzeptionell ist die Gesamtentropie für dieses System die Anzahl der Möglichkeiten, wie ich den Makrozustand 2 aus Umordnungen der beiden Einsen und Nullen herausbekommen kann.

Wenn wir die für die Symmetrie bereitgestellte Definition akzeptieren, dann ist das symmetrische "Merkmal" 2 und die Symmetrie-"Transformationen" sind die Umordnungen von Einsen und Nullen. Im Kontext dieses einfachen Beispiels ist Ihre Frage berechtigt, aber ich weiß nicht, wie weit sie geht. Es braucht nur ein Gegenbeispiel, um jede Äquivalenzart von Aussage zu widerlegen.


Vergleich zweier Datenverteilungen, nicht der Wahrscheinlichkeitsverteilung

Nehmen wir an, ich habe die 200 MNIST-Daten. Diese 200 Daten sind in zwei Trainingsdatensätze unterteilt. ein Trainings-Dataset hat 100 und ein anderes Trainings-Dataset hat die restlichen 100.

Ich habe meine beiden CNN-Modelle mit dem ersten Trainings-Dataset und dem zweiten Trainings-Dataset trainiert. Nach dem Training waren die Testfehlerraten unterschiedlich, da das Modell einen anderen Trainingsdatensatz hat. Ich möchte diesen Unterschied also identifizieren, indem ich nach den beiden Datenverteilungen suche. Ich habe meine Lösung entwickelt, um den Unterschied zwischen den beiden Datenverteilungen zu identifizieren.

  1. Summieren aller Daten von jedem Etikett (Beispiel: Jedes Etikett hat jeweils 10 Daten und das Summieren der 10 Daten von jedem Etikett, daher sollten 10 Ausgaben berechnet werden.)
  2. Durch die Anzahl der Etiketten dividieren
  3. Berechnen Sie die Kosinusähnlichkeit und summieren Sie alle Ähnlichkeitswerte.

Dieser Algorithmus wird also zweimal ausgeführt, einer für den ersten Trainingsdatensatz und ein weiterer für den zweiten Trainingsdatensatz und zuletzt sollte ich den Unterschied zwischen den beiden Ähnlichkeitswerten überprüfen. Tatsächlich kann ich anhand der Ähnlichkeitsunterschiede den Grund verstehen, warum sich die Testfehlerraten voneinander unterscheiden, aber manchmal sehe ich große unterschiedliche Testfehlerraten, obwohl die Ähnlichkeit der beiden Datensätze nahe beieinander liegt.

Lassen Sie es mich wissen, wenn Sie eine bessere Idee oder eine bekannte Methode haben. Ich habe nach ähnlichen Methoden wie Kullback Leibler Divergence und Siamese Networks gesucht, aber ich denke, diese beiden Methoden sind nicht geeignet, um dieses Problem zu lösen.


Axhausen, K.W., & Gärling, T. (1992). Aktivitätsbasierte Ansätze zur Reiseanalyse: Konzeptionelle Rahmenbedingungen, Modelle und Forschungsprobleme. Transport Bewertungen, 12(4), 323–341.

Bazeley, P., & Richards, L. (2000). Das qualitative Projektbuch von NVivo. Salbei.

Boschmann, E. E., &. Cubbon, E. (2014). Kartenskizzen und qualitative GIS: Verwendung von Kartographien individueller räumlicher Erzählungen in der geographischen Forschung. Der professionelle Geograph, 66(2), 236–248.

Clandinin, D.J. (2006). Handbuch der narrativen Untersuchung: Abbildung einer Methodik. Tausend Eichen: Salbei Publikationen.

Cooper, A.R., Page, A.S., Wheeler, B.W., Hillsdon, M., Griew, P., &. Jago, R. (2010). Muster von GPS-Messungen der Zeit im Freien nach der Schule und objektiver körperlicher Aktivität bei englischen Kindern: Das PEACH-Projekt. Internationale Zeitschrift für Verhaltensernährung und körperliche Aktivität, 7(1), 1.

Cope, M. (2009). Einführung: Qualitatives GIS: Schmieden gemischter Methoden durch Darstellungen, analytische Innovationen und konzeptionelle Engagements. In M. Cope & S. Elwood (Hrsg.), Qualitative GIS: Ein Ansatz mit gemischten Methoden. Qualitatives GIS: Ein Mixed-Methods-Ansatz. aus dem Englischen (S. 1–12). London: SAGE Publications Ltd.

Cummins, S., Curtis, S., Diez-Roux, A.V., &. Macintyre, S. (2007). „Ort“ in der Gesundheitsforschung verstehen und repräsentieren: Ein relationaler Ansatz. Sozialwissenschaften und Medizin, 65(9), 1825–1838.

Curtis, A., Blackburn, J.K., Widmer, J.M., & Morris, J.G., Jr. (2013). Eine allgegenwärtige Methode zur Erfassung und Analyse räumlicher Daten im Straßenmaßstab in anspruchsvollen städtischen Umgebungen: Kartierung von Gesundheitsrisiken mithilfe von räumlichen Videos in Haiti. Internationale Zeitschrift für Gesundheitsgeographie, 12(1), 1.

Duncan, M.J., Badland, H.M., &. Mummery, W.K. (2009). Anwendung von GPS zur Verbesserung des Verständnisses der verkehrsbezogenen körperlichen Aktivität. Zeitschrift für Wissenschaft und Medizin im Sport, 12(5), 549–556.

Dunkel, A. (2015). Visualisierung der wahrgenommenen Umgebung mit Hilfe von Crowdsourcing-Foto-Geodaten. Landschafts- und Stadtplanung, 142, 173–186.

Elwood, S. (2006). Kritische Fragen in partizipativen GIS: Dekonstruktionen, Rekonstruktionen und neue Forschungsrichtungen. Transaktionen in GIS, 10(5), 693–708.

Fjørtoft, I., Kristoffersen, B., &. Sagie, J. (2009). Kinder auf Schulhöfen: Verfolgung von Bewegungsmustern und körperlicher Aktivität auf Schulhöfen mit Global Positioning System und Herzfrequenzüberwachung. Landschafts- und Stadtplanung, 93(3), 210–217.

Gahegan, M. (1995). Näherungsoperatoren für qualitatives räumliches Denken. Vortrag auf der internationalen Konferenz zur Rauminformationstheorie.

Gibbs, G.R. (2002). Qualitative Datenanalyse: Explorationen mit NVivo. Offene Universität.

Goodchild, M.F. (2000). GIS und Transport: Status und Herausforderungen. GeoInformatica, 4(2), 127–139.

Goodchild, M.F., & Glennon, J.A. (2010). Crowdsourcing von geografischen Informationen für die Katastrophenhilfe: Eine Forschungsfront. Internationale Zeitschrift für digitale Erde, 3(3), 231–241.

Goodchild, M.F., & Janelle, D.G. (Hrsg.). (2004). Räumlich integrierte Sozialwissenschaft. Oxford University Press (S. 48–66).

Hägerstraße, T. (1970). Was ist mit den Leuten in der Regionalwissenschaft? Beiträge zur Regionalwissenschaft, 24(1), 7–24.

Harris, T., & Weiner, D. (1998). Empowerment, Marginalisierung und „gemeinschaftsintegriertes“ GIS. Kartographie und Geographische Informationssysteme, 25(2), 67–76.

Harris, T., & Weiner, D. (2002). Implementierung eines gemeindeintegrierten GIS: Perspektiven aus der südafrikanischen Feldforschung. In T. M. Harris, W. J. Craig & D. Weiner (Hrsg.), Community Participation and Geographic Information Systems (S. 246–258). doi:10.1201/9780203469484.ch18.

Hawthorne, T., Krygier, J., &. Kwan, M.-P. (2008). Ambivalenz kartieren: Erforschung der Geographien des Community-Wandels und der Rail-to-Trail-Entwicklung mit fotobasierter Q-Methode und PPGIS. Geoforum, 39(2), 1058–1078.

Hawthorne, T.L., Solís, P., Terry, B., Price, M., & Atchison, C.L. (2015). Critical Reflection Mapping als hybride Methodik zur Untersuchung sozialräumlicher Wahrnehmungen neuer Forschungsstandorte. Annalen der Association of American Geographers, 105(1), 22–47.

Jones, P., & Evans, J. (2012). Das räumliche Transkript: Analyse von Mobilitäten durch qualitative GIS. Bereich, 44(1), 92–99.

Jung, J.K., &. Elwood, S. (2010). Erweiterung der qualitativen Fähigkeiten von GIS: Computergestütztes qualitatives GIS. Transaktionen im GIS, 14(1), 63–87.

Keddem, S., Barg, F.K., Glanz, K., Jackson, T., Green, S. & George, M. (2015). Kartierung der Asthmaerfahrung in der Stadt: Verwendung qualitativer GIS, um kontextuelle Faktoren zu verstehen, die die Asthmakontrolle beeinflussen. Sozialwissenschaften und Medizin, 140, 9–17.

Kim, H.-M., &. Kwan, M.-P. (2003). Raum-Zeit-Zugänglichkeitsmaße: Ein geocomputationaler Algorithmus mit Fokus auf die möglichen Möglichkeiten und mögliche Aktivitätsdauer. Zeitschrift für Geographische Systeme, 5(1), 71–91.

Knigge, L., & Cope, M. (2006). Grounded Visualization: Integration der Analyse qualitativer und quantitativer Daten durch Grounded Theory und Visualisierung. Umwelt und Planung A, 38(11), 2021–2037.

Kwan, M.-P. (2000). Analyse des menschlichen Raumverhaltens in einer GIS-Umgebung: Jüngste Entwicklungen und Zukunftsaussichten. Zeitschrift für Geographische Systeme, 2(1), 85–90.

Kwan, M.-P. (2013). Jenseits des Raums (wie wir ihn kannten): Auf dem Weg zu zeitlich integrierten Geographien der Segregation, Gesundheit und Zugänglichkeit: Raum-Zeit-Integration in Geographie und GIS. Annalen der Association of American Geographers, 103(5), 1078–1086.

Kwan, M.-P., &. Ding, G. (2008). Geo-Narrativ: Erweiterung geographischer Informationssysteme zur narrativen Analyse in der qualitativen und Mixed-Method-Forschung∗. Der professionelle Geograph, 60(4), 443–465.

Li, D., & Zhou, X. (2017). Empfohlene Grafiken: „Leave your Footprints in my words“ – ein georeferenzierter Wortwolkenansatz. Umwelt und Planung A, 49(3), 489–492.

Matthews, S. A., Detwiler, J. E., & Burton, L. M. (2005). Geoethnographie: Kopplung geographischer Informationsanalysetechniken mit ethnographischen Methoden in der Stadtforschung. Cartographica: Internationale Zeitschrift für geografische Informationen und Geovisualisierung, 40(4), 75–90.

Mennis, J., Mason, M.J., &. Cao, Y. (2013). Qualitatives GIS und die Visualisierung von narrativen Aktivitätsraumdaten. Internationale Zeitschrift für Geographische Informationswissenschaft, 27(2), 267–291.

Miller, H.J. (1991). Modellierung der Zugänglichkeit mit Raum-Zeit-Prismenkonzepten in geografischen Informationssystemen. Internationale Zeitschrift für geografisches Informationssystem, 5(3), 287–301.

Miller, H.J., &. Bridwell, S.A. (2009). Eine feldbasierte Theorie für die Zeitgeographie. Annalen der Association of American Geographers, 99(1), 49–75.

Parks, L. (2001). Kulturgeographien in der Praxis: Plotting the personal: Global Positioning Satellites and Interactive Media. Ökumene, 8(2), 209–222.

Riloff, E. &. Wiebe, J. (2003). Extraktionsmuster für subjektive Ausdrücke lernen. EMNLP-2003. http://www.cs.pitt.edu/mpqa/#subj_lexicon.

Rodríguez, D.A., Cho, G.-H., Evenson, K.R., Conway, T.L., Cohen, D., Ghosh-Dastidar, B., et al. (2012). Unterwegs: Zusammenhang der gebauten Umwelt mit dem Bewegungsverhalten heranwachsender Frauen. Gesundheit und Ort, 18(1), 55–62.

Schmid, H. (1994). Probabilistisches Part-of-Speech-Tagging unter Verwendung von Entscheidungsbäumen. In Tagungsband der internationalen Konferenz zu neuen Methoden der Sprachverarbeitung (Bd. 12, S. 44–49).

Seeger, C.J. (2008). Die Rolle der bereitgestellten freiwilligen geografischen Informationen im Landschaftsplanungs- und Standortgestaltungsprozess. GeoJournal, 72(3–4), 199–213.

Shariff, A.R.B., Egenhofer, M.J., & Mark, D.M. (1998). Natürlichsprachliche räumliche Beziehungen zwischen linearen und flächigen Objekten: Die Topologie und Metrik englischsprachiger Begriffe. Internationale Zeitschrift für Geographische Informationswissenschaft, 12(3), 215–245.

Shaw, S.-L., &. Yu, H. (2009). Ein GIS-basierter zeitgeographischer Ansatz zur Untersuchung individueller Aktivitäten und Interaktionen in einem hybriden physisch-virtuellen Raum. Zeitschrift für Verkehrsgeographie, 17(2), 141–149.

Shaw, S.L., Yu, H., & Bombom, L.S. (2008). Ein Raum-Zeit-GIS-Ansatz zur Untersuchung großer individueller raumzeitlicher Datensätze. Transaktionen im GIS, 12(4), 425–441.

Shelton, T., Poorthuis, A., Graham, M., &. Zook, M. (2014). Kartierung der Datenschatten des Hurrikans Sandy: Aufdeckung der sozialräumlichen Dimensionen von „Big Data“. Geoforum, 52, 167–179.

Shiffman, S., Stone, A.A., &. Hufford, M.R. (2008). Ökologische Momentaufnahme. Jährliche Überprüfung der Klinischen Psychologie, 4, 1–32.

Glänzend, R. (o. J.). RStudio: Ein Webanwendungs-Framework für R. Abgerufen am 10. September 2016 von https://shiny.rstudio.com/.

Sui, D., & DeLyser, D. (2012). Durchquerung der qualitativ-quantitativen Kluft I hybride Geographien, die räumliche Wende und freiwillige geographische Informationen (VGI). Fortschritte in der Humangeographie, 36(1), 111–124.

Waagmeester, J. (2016). Eine Erweiterung von Leaflet, die Konfigurationen für verschiedene kostenlose Tile-Anbieter enthält, GitHub. https://github.com/leaflet-extras/leaflet-providers.

Young, J. C., & Gilmore, M. P. (2013). Die räumliche Politik von Affekt und Emotion in partizipativen GIS. Annalen der Association of American Geographers, 103(4), 808–823.

Zenk, S.N., Schulz, A.J., Matthews, S.A., Odoms-Young, A., Wilbur, J., Wegrzyn, L., et al. (2011). Aktivitätsraumumgebung und Ernährungs- und Bewegungsverhalten: Eine Pilotstudie. Gesundheit und Ort, 17(5), 1150–1161.

Zhou, X., Li, D., &. Larsen, L. (2016a). Mit webbasiertem partizipativem Mapping die Wahrnehmung von Kindern und die räumliche Verteilung von Spielplätzen im Freien untersuchen. Umgebung und Verhalten, 48(7), 859–884.

Zhou, X., Yu, W., & Sullivan, W.C. (2016b). Pervasive Sensing möglich machen: Effektive Reisemoduserkennung auf Basis von Smartphones. Computer, Umwelt und urbane Systeme, 58, 52–59.

Zook, M., & Graham, M. (2010). Vorgestellte Grafik: Der virtuelle „Bibelgürtel“. Umwelt und Planung A, 42(4), 763–764.


1 Antwort 1

Wenn ich deine Frage richtig verstehe, hast du ein Modell, das ungefähr so ​​aussieht: $Y = eta_0 + eta_1 X + eta_2 D + epsilon,$ wobei $X$ eine unabhängige Variable ist, $D$ der Dummy dumm Variable, bei deren Einschluss Sie sich nicht sicher sind, und die $eta$ s sind die Koeffizienten, die Sie schätzen. Nehmen wir der Einfachheit halber an, dass es nur eine unabhängige Variable gibt, also ist $X$ ein Skalar.

Wenn Sie sagen, dass es keinen signifikanten Unterschied zwischen den Gruppen gibt, die einen t-Test verwenden, gehe ich davon aus, dass Sie meinen, dass ein t-Test, der die Mittelwerte der Variablen vergleicht, Ihnen sagt, dass es keinen signifikanten Unterschied zwischen ihren meint. Aber die beiden Proben können sich auf andere Weise unterscheiden. Nehmen wir zum Beispiel an, dass $E[X]=1$ und $E[Y]=2$ in beiden Beispielen sind, aber im ersten Beispiel $eta_1 = 1$ und im zweiten Beispiel $eta_1 = 2 $. Wenn wir das Modell ohne die Dummy-Variable $Y = eta_0 + eta_1 X + epsilon$ für beide Stichproben schätzen, erhalten wir $eta_0 = 1$ , $eta_1 = 1$ für die erste Stichprobe und $ eta_0 = 0$ , $eta_1=1$ für die zweite Stichprobe. Das liegt daran, dass die Stichproben zwar ähnlich aussehen, aber ihre zugrunde liegenden Korrelationsstrukturen unterschiedlich sind. Wenn wir in diesem Beispiel die beiden Stichproben in einer einzigen Regression kombinieren möchten, wäre die korrekte Spezifikation tatsächlich etwas wie $Y = eta_0 + eta_1 X + eta_2 D + eta_3 X*D + epsilon $, um der Tatsache Rechnung zu tragen, dass sowohl der Achsenabschnitt als auch der Steigungskoeffizient zwischen den beiden Regressionen unterschiedlich sind.

Natürlich können wir ohne einen Blick auf die von Ihnen verwendeten Daten nichts mit Sicherheit sagen, aber die Tatsache, dass der Dummy signifikant ist, wenn Sie ihn einbeziehen, ist wahrscheinlich zumindest ein Hinweis darauf, dass die Spezifikation ohne den Dummy nicht ganz stimmt. Ich würde mit mehreren verschiedenen Spezifikationen herumspielen, einschließlich zum Beispiel der, die ich oben geschrieben habe, und sehen, ob Sie herausfinden können, welches das richtige Modell ist. Oder, wenn möglich, ist es möglicherweise am besten, die beiden Stichproben getrennt zu halten, da ihre Beziehungen zu der abhängigen Variablen anscheinend unterschiedlich sind.


Nummerierung der Scheitelpunkte eines $n$-Layer-Diagramms, sodass Kanten an ihren Enden ähnlich nummerierte Scheitelpunkte haben

Betrachten Sie einen Graphen, dessen Scheitelpunkte in $n$-Schichten unterteilt werden können. Kanten existieren nur zwischen Scheitelpunkten in aufeinanderfolgenden Schichten. Es gibt also Kanten zwischen den Ebenen $1$ und $2$ , zwischen den Ebenen $2$ und $3$ und so weiter, aber niemals zwischen den Ebenen $1$ und $3$ (da es sich nicht um aufeinander folgende Ebenen handelt) oder zwischen Scheitelpunkten in derselben Ebene.

Ein Beispiel für ein solches Diagramm mit drei Schichten ist in der folgenden Abbildung dargestellt.

Jetzt möchte ich die Scheitelpunkte in jeder Ebene von $1$ bis $m_i$ nummerieren (wobei $m_i$ die Anzahl der Scheitelpunkte in der Ebene $i$ ist) so, dass die Scheitelpunkte an den beiden Enden jeder Kante so nah beieinander liegen möglichst zahlreich. Wir können uns eine Zielfunktion vorstellen, die die Summe der quadrierten Differenzen der Zahlen ist, die den durch jede Kante verbundenen Scheitelpunkten über alle Kanten hinweg zugewiesen sind.

Gibt es einen effizienten Algorithmus, der dies kann?

Eine Idee besteht darin, Konzepte aus dem Zeichnen kraftgerichteter Graphen zu verwenden, wobei wir berücksichtigen, dass jede Kante eine Federkraft hat, die versucht, sie so kurz wie möglich zu machen, mit der zusätzlichen Einschränkung, dass Scheitel in jeder Schicht auf vertikale "Rohre" beschränkt sind. Der Versuch, dies zu implementieren, scheint sehr kompliziert und nicht die effizienteste Methode zu sein.


Leistungsvergleich zwischen genetischem Algorithmus und Ameisenkolonie-Optimierungsalgorithmus für die Wegplanung mobiler Roboter in einer globalen statischen Umgebung / Nohaidda Sariff

Ich erkläre, dass die Arbeit in dieser Arbeit in Übereinstimmung mit den Bestimmungen der Universiti Teknologi MARA durchgeführt wurde. Es ist ein Original und das Ergebnis meiner eigenen Arbeit, sofern nicht anders angegeben oder als Nachschlagewerk anerkannt. Dieses Thema wurde bei keiner anderen akademischen oder nicht-akademischen Einrichtung für einen anderen Abschluss oder eine andere Qualifikation eingereicht.

Für den Fall, dass meine Dissertation gegen die oben genannten Bedingungen verstößt, verzichte ich freiwillig auf das Recht auf Verleihung meines Abschlusses und stimme den Disziplinarordnungen der Universiti Teknologi MARA zu.

Name der Kandidaten-ID-Nr. Programm

Nohaidda Bind Sariff 2005713743

EE780-Master of Sc. In Elektrotechnik Elektrotechnik

Leistungsvergleich zwischen genetischem Algorithmus und Ameisenkoloniesystemalgorithmus für die Bahnplanung mobiler Roboter in einer globalen statischen Umgebung

ABSTRAKT

Bahnplanung (PP) zusammen mit Kartierung und Lokalisierung sind wichtige Elemente in autonomen mobilen Roboternavigationssystemen. Sowohl in globalen als auch lokalen PP-Systemen sollte ein mobiler Roboter in der Lage sein, effektiv zu navigieren, bis er ein Ziel erreicht, ohne mit Hindernissen in einer Umgebung zu kollidieren. Aufgrund der Bedeutung der globalen Bahnplanung in mobilen Roboternavigationssystemen konzentrierte sich die hier vorgestellte Forschung auf das Optimierungsproblem der Bahnplanung für mobile Roboter. Das Problem besteht darin, den globalen Pfad zu finden, der die Optimierungskriterien erfüllt, die kürzere Pfadlänge und weniger Rechenzeit sind. Dies führt zu einer Reduzierung des Energieverbrauchs des Roboters selbst. Das Hauptziel dieser Forschung ist es, die Leistungen zwischen dem genetischen Algorithmus (GA) und dem Algorithmus zur Optimierung der Ameisenkolonie (ACO) zu vergleichen. Das Ziel besteht darin, die Effektivität beider Algorithmen beim Finden des optimalen Roboterpfads in verschiedenen Arten von globalen Kartenumgebungen zu überprüfen und zu vergleichen. Die ausgewählten Umgebungen bestehen aus unterschiedlichen Komplexitäten von realisierbaren Knoten und unterschiedlichen Komplexitäten von Hindernissen. In der Anfangsphase wurden die Testumgebungen aufgebaut. Anschließend wurden beide Algorithmen auf die Testumgebungen angewendet. Abschließend wurden die Leistungen beider Algorithmen analysiert und anhand der geforderten Kriterien bewertet. Die Ergebnisse der Untersuchung zeigten, dass ACO im Vergleich zu GA robuster war, da es in der Lage war, in allen getesteten Umgebungen den optimalen Pfad zu finden. Darüber hinaus waren die für jeden Fall erforderlichen Parametereinstellungen von ACO im Vergleich zu GA sehr einfach. Die Robustheit von ACO, einen optimalen Pfad zu bestimmen, wurde in dieser Forschung nachgewiesen. Dies weist darauf hin, dass

Danksagung

Alhamdulillah und Lob an ALLAH S.W.T. dafür, dass sie mir die Kraft gegeben hat, mein Forschungsstudium abzuschließen, während ich in dieser Zeit mit allen möglichen Herausforderungen konfrontiert war.

Zuallererst möchte ich meiner Betreuerin, Prof. Madya Ir. Dr. Norlida Buniyamin, danken, die mir geholfen und mir geholfen hat, meine Forschung abzuschließen. Auch anderen Dozenten, die an meiner Arbeit beteiligt waren und mich angeleitet haben, möchte ich mich bedanken. Möge Allah euch alle segnen.

Besonderer Dank gilt meiner lieben Familie, insbesondere meiner Mutter und meinem Vater, En. Sariff und Pn. Hasmunah, die mich während meines Studiums immer unterstützt und motiviert haben. Ohne euch beide wüsste ich nicht, wie ich diese herausfordernde Zeit meistern soll. Nochmals vielen Dank an ALLAH, dass er mir die besten Eltern gegeben hat, die man je haben kann. Meiner einzigen Schwester Nurein und nicht zuletzt meinem Mann Zaid danke ich euch allen für eure Ermutigung und ich liebe euch alle so sehr.

Abschließend möchte ich mich bei all meinen lieben Freunden für die Ermutigung und Unterstützung während meines Studiums bedanken. Ich liebe euch alle und hoffe, dass ALLAH immer bei euch sein wird.

Fakultät für Elektrotechnik Universiti Teknologi MARA Shah Alam

KAPITEL 1

EINLEITUNG

1.0 Einführung

Die Forschung zur autonomen mobilen Roboternavigation stößt bei Forschern auf großes Interesse, um die Probleme der Kartierung, Lokalisierung, Steuerung und Bahnplanung (PP) des Roboters selbst zu lösen [1, 2]. Das Problem, einen sicheren Weg zur Zielposition zu finden, ohne mit Hindernissen in der Umgebung zu kollidieren, wird als Roboter-PP-Problem bezeichnet. Mit einem effektiven PP-System sollte ein autonomer mobiler Roboter in der Lage sein, ohne Anleitung und Eingriff eines Menschen effektiv in seiner Umgebung zu navigieren. Aufgrund der Bedeutung von Roboter-PP für die Verbesserung des Navigationssystems eines Roboters haben sich die Forschungsbereiche im Zusammenhang mit PP seit 1980 enorm erweitert [2-4],

Im Allgemeinen kann Roboter-PP in zwei Kategorien unterteilt werden, nämlich globales [5, 6] und lokales PP [7-10]. Durch die Kenntnis der globalen Umgebung oder der globalen Karte des Roboterarbeitsbereichs kann dieser globale optimale Weg offline geplant werden. Dies kann durch Modellieren der Karte und Anwendung eines geeigneten PP-Algorithmus im gesamten System erreicht werden, wie er von früheren Forschern wie Nagib et al. [11], Gengqian et al. [2] und Warren [6] implementiert wurde. Mit dem globalen Pfad wurde der Prozess des Findens eines Pfads zur Zielposition beim Durchqueren der realen Umgebung vereinfacht. Local PP also plays an important role in creating a path when a robot faces dynamic obstacles. As the robot avoids the obstacles, a local path will be constructed by using an appropriate algorithm. Therefore, global and local PP complement each other [12- 14] and the utilization of both PP approaches depend on the applications and objectives of the research itself. For example, to solve PP problems in dynamic


Einführung

The increasing proliferation of a broad array of geographically referenced data derived from Global Positioning System (GPS) receivers, location-based services, or georeferenced user-generated data enables new opportunities in the analysis of human spatial behavior (Kwan 2000 ). These emerging datasets offer the potential to extract collective human behavior patterns, enabling insights onto the social component of urban dynamics. User-generated mobile network traffic data is one such data source that may serve as a proxy to characterize society’s behavior. (Ratti et al. 2006 Shoval 2007 Sevtsuk and Ratti 2010 Calabrese, Colonna, et al. 2011 Sagl, Resch, et al. 2012 Yuan and Raubal 2012 ).

The overall motivation of this research is to explore spatial and temporal variations in intensity and similarity of collective human activity at different times of the day and days of the week, thereby enabling an enhanced understanding of human behavior in the context of the city’s spatial configuration. Such an enhanced understanding may be particularly useful to urban planners in facilitating sustainable decision-making. First, information on daily human routines can inform public authorities for a more efficient allocation of rescue services in anticipation of increased interventions, distinguishing between critical and noncritical places. Second, urban planners may find supporting evidence that the planned (legal) zoning of an area coincide with its actual use, thereby reconsidering planning sustainability. We hypothesize that such variations in intensity and similarity of collective human activity can be revealed from mobile phone data.

Recent research employing mobile network data has sought to understand the temporal dynamics of these data across an urban landscape. In this regard, prior work has mapped the intensity of network data at various time increments producing map sequences to explore dynamics (Ratti et al. 2006 Pulselli et al. 2008 ). Sevtsuk and Ratti ( 2010 ) utilized network intensity values assigned to a geographic cell in a regression modeling framework. A series of dummy variables portraying hourly, daily, and weekly increments served as independent variables to test whether the time of day, day of the week, or week in the year could explain intensity and thus confirm the existence of a “routine” in urban mobility. Andrienko, Andrienko, Bak, et al. ( 2010 ) and Sagl, Loidl, and Beinat ( 2012 ) present visual analytic approaches to exploring temporal changes in urban mobile network data. Both studies demonstrate the effectiveness and the efficiency of such approaches in real-world analytic scenarios for providing complementary views on the temporal sequence of spatial conditions and, moreover, on the spatial distribution of local temporal variations. In this research, we build upon these initial visualization techniques and propose another method for depicting spatiotemporal trajectories of changes in mobile phone uses across an urban area. The visualization technique we employ further enables spatial statistical analyses to be performed on the output which aids in identifying “outliers” or unanticipated patterns.

Specifically, this current article advances existing research in investigating the rhythms of social urban systems by elaborating on spatiotemporal variations within collective human activity patterns based on mobile phone data. We propose innovative combinations of visualization and exploratory space-time analysis methods. First, we use the self-organizing map (SOM) as the underlying framework for the development of temporal trajectories of change in multidimensional mobile phone data across an urban area a methodology first proposed by Skupin and Hagelman ( 2005 ) in the context of census data change. We expand upon this visualization technique by proposing subsequent analyses on the properties of the trajectories (e.g., length). Finally, trajectories are linked to the geographic space to identify clusters of similarity along with outlier trajectories through the use of local spatial autocorrelation statistics.

The article is structured as follows. In the “User-generated data in urban social dynamics analysis” section, we provide a concise overview on the rationale of user-generated data and analysis methods in the context of urban social dynamics. In the “Data and methodology” section, we introduce the data set used and the methodology developed for mapping collective human activity based on mobile phone data. The “Results” section illustrates the results of the case study performed, which is followed by a discussion in the “Discussion” section. We draw some conclusions in the “Conclusions and further research” section and provide insights for future research.


Schau das Video: Zeichne zwei Strecken AB. und CD. mit dem Längenverhältnis.. Beispiele