Journal of Geomatics Science and Technology

fa اکتشاف الگوهای مکانی-زمانی در مشاهدات حرکتی ورزشی Exploring Spatio-Temporal Patterns in Analyzing Sport Movement Data سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;">امروزه پیشرفت فناوریهای تعیین موقعیت و حسگرهای موجود در ابزارکهای پوشیدنی، امکان دستیابی به دادههای حرکتی و مشاهدات اضافی موجودیتهای مختلف را با سطح جزئیات بالا فراهم نموده و به تبع آن، رویکردهای جدیدی برای تحلیل این دادهها به منظور استخراج اطلاعات مفید از آنها توسعه داده شده است. به عنوان یکی از زمینههای کاربردی تحلیل دادههای حرکتی، این مقاله به تحلیل الگوهای رفتاری حرکت افراد در حین انجام فعالیتهای ورزشی میپردازد. در این راستا دادههای حرکتی افراد در حین انجام فعالیتهای ورزشی با لحاظ کردن مشاهدات رفتاری و عملکردی (مانند سرعت، ضربان قلب و غیره) تحلیل شده و الگوهای حرکتی آنها مورد بررسی قرار گرفتهاند. بدین ترتیب، هدف این تحقیق کاوش الگوهای حرکتی ورزشکاران با تجزیه و تحلیل تغییرات در مشخصههای عملکردی آنها میباشد. در این راستا تشخیص و بررسی تأثیر مؤلفههای مکانی، شخصی و محیطی روی الگوهای رفتاری حرکت افراد امری ضروری بشمار میآید. این تحقیق با معرفی مجموعهای از مؤلفههای مکانی، شخصی و محیطی و همچنین مشخصههای عملکردی افراد در حین پیادهروی، با استفاده از روشهای مبتنی بر قطعهبندی سیگنالهای حرکتی به الگوهای رفتاری حرکت افراد دست یافته است و در پی آن میزان تأثیر مؤلفههای گوناگون بر الگوهای رفتاری حرکت توسط محاسبه شباهت بین رشتههای حاصل از قطعهبندی بررسی شده است. نتایج بدست آمده از تحلیلهای بصری و محاسباتی در این تحقیق حاکی از وابستگی میزان تأثیر مؤلفههای شخصی و محیطی بر روی الگوهای رفتاری افراد حین پیادهروی به جهت شیب مسیر پیموده شده و همچنین جنسیت شخص میباشد. علاوه بر این، جنسیت فرد به تنهایی دارای تأثیر حدود 10 درصد بر روی الگوهای رفتاری حرکت افراد در حین پیادهروی است. از این رو، با تفکیک مسیر پیموده شده بر حسب جهت شیب و همچنین بررسی زن و مرد به صورت جداگانه، میزان تأثیر هر مؤلفه بررسی میشود.</div> <div style="text-align: justify;">Analysis of movement data is a new trend of research in GIScience. Recent and emerging positioning technologies and wearable sensors such as smart watches have led to increases in the availability of various kinds of data for moving objects. Thus, new exploratory tools and knowledge discovery techniques are required to extract meaningful information, discover interesting patterns, and explore the dynamic behaviour of moving objects in order to transform raw trajectory data into useful information to be used in reality interpretation and decision making. Especially, analysis of movement observations, which contain information about the movement of each individual entity and the underlying mechanisms, are of great interest. These observations are key to the study and understanding of movement behaviour. It is essential for movement behaviour studies to take into consideration the so-called movement parameters (MPs), e.g. speed, acceleration, or direction, which are key to characterize the movement of objects. For example, in some sports, it is important to be aware of the heart rate or speed patterns of athletes through running or walking at different times of the day in order to detect the athletes’ performance. In such cases, analyzing a persons’ movement observations in terms of space (x, y, z) and time (t), through considering movement attributes of each person and contextual information (e.g. the environmental information such as temperature) will allow a better understanding of behavioural movement patterns and effect of different parameters on patterns as well. This article proposes analysing walking observations to extract behavioural pattern of attributes (such as speed and heart rate) of a person to examine the influence of different conditions on behavioural movement patterns. For this, a segmentation approach is proposed to project the “movement parameter profiles” into a pattern for analyzing changes in different movement attributes of each individual during walking in order to identify the effect of each personal context (e.g. gender of the person) and environmental context (e.g. day time, tiredness, weather condition, etc.) on the movement patterns. A measure to assign distance value is then used to examine the effect of contexts on the movement. As expected, the results show that time series of each attribute for each person have a unique pattern describing the persons’ movement behaviour, which changes in different contexts. For detecting the effect of different personal and environmental conditons on the behavioral movement patterns of people during walking, the comparing procedure was implemented on movement parameter patterns with the same conditions and different conditions respectively and a running index was introduced to model the similarity and persons performance during walking. This model was used to predict the similarity between the movement parameter patterns with different conditions. Finally, by comparing the predicted value and the similarity which calculated by proposed approach, we could reach the effect of different situation on behavioral movement pattern of people during walking.</div> تحلیل‌های حرکتی, سیگنال‌های حرکتی, الگوهای رفتاری حرکت, قطعه‌بندی سیگنال‌ها Movement Observations, Movement Parameters Profile, Movement Behavioural Pattern, Walking 85 100 http://jgst.issgeac.ir/browse.php?a_code=A-10-703-1&slc_lang=fa&sid=1 K. Amouzandeh کیمیا آموزنده amouzandeh.kimia@ut.ac.ir 10031947532846005862 10031947532846005862 No University of Tehran دانشگاه تهران F. Karimipour فرید کریمی‌پور fkarimipour@ut.ac.ir 10031947532846005863 10031947532846005863 Yes University of Tehran دانشگاه تهران M. Tayebi مرتضی طیبی mortezatayebi@ut.ac.ir 10031947532846005864 10031947532846005864 No University of Tehran دانشگاه تهران