CRAN Task View: Processing and Analysis of Tracking Dataについて、機械翻訳を交えて日本語化し掲載しております。

目次

概要

Maintainer: Rocío Joo and Mathieu Basille
Contact: rocio.joo at globalfishingwatch.org
Version: 2023-03-07
URL: https://CRAN.R-project.org/view=Tracking
Source: https://github.com/cran-task-views/Tracking
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guide をご覧ください。
Installation: このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Tracking”, coreOnly = TRUE) は全てのコアパッケージをインストールし、ctv::update.views(“Tracking”)はまだインストールしていない全てのパッケージをインストールして最新の状態にします。詳しくはCRAN Task View Initiativeを参照してください。

このCRANタスクビュー（CTV）には、追跡データの処理と分析に役立つパッケージのリストが含まれています。メンテナのほかに、次の人々がこのタスクビューの作成に貢献しました：Achim Zeileis、Edzer Pebesma。

オブジェクト（生物と無生物の両方）の動きは、時間における地理的位置の変化として定義されるため、動きデータは空間と時間の要素によって定義できます。追跡データは、少なくとも2次元の空間座標（x、y）と時間インデックス（t）で構成され、オブジェクトのパスの幾何学的表現（軌道）として見ることができます。ここにリストされているパッケージ（以降、追跡パッケージと呼ばれます）は、追跡データ（つまり（x、y、t））を作成、変換、または分析するために明示的に開発されたもので、追跡デバイスからの生データから最終分析結果までの完全なワークフローを可能にします。たとえば、加速度計、ジャイロスコープ、磁力計のデータを使用して、推測航法によってオブジェクトの軌道（ほとんどの場合動物の軌道）を再構築し、それらのデータを（x、y、t）形式に変換するパッケージは、定義。ただし、動作の変化を検出するために加速度計シリーズを分析するパッケージは適合しません。詳細については、Joo et al. (2020)。（x、y）に関して、一部のパッケージは2-Dユークリッド（デカルト）座標を想定し、他のパッケージは地理（経度/緯度）座標を想定します。結果は空間属性（距離、速度、角度など）の観点から重要になる可能性があるため、パッケージ内で座標がどのように処理されるかを確認することをお勧めします。

ここに含まれるパッケージは主に追跡パッケージですが、他の移動関連パッケージのサブセクションも含まれています。パッケージは主にCRANからのもので、そのうちのいくつかは他のリポジトリからのものです。CRANのものではないものは、チェックテスト（R CMD check。詳細はhere）に合格した場合にのみ含まれます。コアパッケージは、他の追跡パッケージからの言及（依存、インポート、提案）が最も多い追跡パッケージのグループとして定義されます。カットポイントは、coinパッケージのmaxstat_test()を使用して推定されます。各暦年の初めと中間に、CTVを更新し、ここで非CRANパッケージの評価を行い、チェックテストに合格しない非CRANパッケージを削除します。Bioconductorパッケージは、CRANパッケージと同様の精査を通過する必要があるため、ここで自動的に受け入れられます。CTVを更新するたびに、より多くのパッケージを含めることもできます。私たちは、いつでもパッケージの追加を歓迎し、contributionsを奨励します。GitHub リポジトリで issue を発行するには、このlinkを使用してください。

これらのパッケージに加えて、他の多くのパッケージには、最終的にデータまたは追跡データから取得した2次/ 3次変数の追跡に使用できるデータ処理および分析用の機能が含まれています。SpatioTemporal、Spatial、TimeSeriesなどの他のCRANタスクビューを確認することをお勧めします。

このCTVは、Joo et al. (2020)による追跡パッケージのレビューに触発されました。レビューで既に説明されているパッケージのリストを継続的に更新する試みとして。したがって、CTVはレビューと同様の構造を取ります。

前処理

生データが追跡データ形式でない場合は、前処理が必要です。前処理に使用される方法は、使用されるバイオロギングデバイスのタイプに大きく依存します。追跡パッケージの中で、それらの一部はGLS（グローバルロケーションセンサー）に焦点を当てており、その他は無線テレメトリに焦点を当てており、その他は加速度計と磁気測定データを使用しています。

  • GLSデータの前処理：
    • GLSデータを前処理するための多数のパッケージに反映される、光データから生成される地理的位置のエラーを減らすために、いくつかの方法が開発されました。これらの方法を、しきい値、カーブフィッティング、およびトワイライトフリーの3つのカテゴリに分類しました。
    • しきい値の方法：
      • 太陽光放射のしきい値レベルは、任意に選択され、日の出と日没のタイミングを識別するために使用されます。しきい値メソッドを使用するパッケージは、SGATです。
    • カーブフィッティング方法：
      • 各トワイライトの観測された光放射レベルは、理論的な光レベル（つまりテンプレート）の関数としてモデル化されます。次に、モデルからのパラメーター（線形回帰の勾配など）を使用して、位置を推定します。モデルの定式化および位置推定に使用されるパラメータは、方法ごとに異なります。曲線近似法を使用するパッケージは、tripEstimationとSGATです。
    • 加速度計と磁力計のデータを使用した推測航法：
      • 磁力計と加速度計のデータ、およびオプションでジャイロスコープと速度センサーを組み合わせて使用すると、推測航法（DR）技術を使用して1秒未満の微細スケールの移動経路を再構築できます。animalTrack (archived)とTrackReconstructionはDRを実装して、さまざまな方法に基づいてトラックを取得します。
    • GTFSデータの前処理を行う：
      • gtfs2gpsは、GTFS形式の公共交通機関のデータをトリップごと、車両ごとに時空間補間し、GPSのような記録を得ることができます。

後処理

追跡データの後処理には、事後分析に役立つデータクリーニング（異常値やエラーの識別）、圧縮（リサンプリングと呼ばれることもあるデータ解像度の低下）、追跡データに基づくメトリックの計算が含まれます。

  • データクリーニング：
    • argosfilterとfoieGras (archived)、SDLfilterは、信じがたいプラットフォーム端末送信機（PTT）の場所をフィルタリングする機能を実装しています。
    • SDLfilterは、GPSデータにも適応しています。
    • track2KBAは、中心地で採食する種のために、トラックをトリップに分割することができます。
    • 追跡データをクリーニングする機能を備えたその他のパッケージには、TrajDataMiningとtripがあります。
  • データ圧縮：
  • メトリックの計算：
    • 一部のパッケージでは、追跡データをパッケージのデータクラスに変換するときに、2次または3次の移動変数（連続修正間の距離や角度など）が自動的に導出されます。
    • これらのパッケージは、adehabitatLTとmomentuHMM、moveHMM、trajectoriesです。
    • bcpaは、トラックから速度、ステップ長、方向、およびその他の属性を計算する機能があります。
    • amtとmove、segclust2d、sftrack、trajr、tripにもこれらのメトリックを計算するための関数が含まれていますが、ユーザーは計算する必要があるメトリックを指定する必要があります。

分析

可視化

  • 主に視覚化を目的として開発されたパッケージ、より具体的にはトラックのアニメーションは、anipathsとmoveVisです。

トラックの説明

  • amtとtrajr、track2KBAは、総走行距離、直線性指数、洞察力、旅行期間など、トラックの要約メトリックを計算します（パッケージにより異なります）。
  • trackeRは、人間のGPS追跡デバイスからのランニング、サイクリング、および水泳データを分析するために作成されました。
  • trackeRは、各トラック中の運動努力（またはセッションごとの運動努力）を要約するメトリックを計算します。
  • sftrackは、トラッキングデータから、トラック（時間列のsf点）と軌跡（時間列のsf線分）の2種類のオブジェクトを定義し、開始時刻と終了時刻、点数、総走行距離などを要約する関数を提供します。

パス再構築

  • サンプリングエラーを修正する目的であろうと、より細かいデータ解像度や定期的なタイムステップを取得する目的であろうと、経路再構築は運動解析の一般的な目標です。
  • パスの再構築に使用できるパッケージは、argosTrack、bsam、crawl、ctmm、ctmcmove、foieGras (archived)、TrackReconstructionです。

行動パターンの識別

運動生態学におけるもう1つの一般的な目標は、位置自体または距離、速度、回転角度などの2次/ 3次変数に基づいて、観察された運動パターンを通じて個人の行動のプロキシを取得することです。主に環境に関連する共変量は、行動パターンの識別に頻繁に使用されます。

このセクションのメソッドは、1）ノンシーケンシャル分類またはクラスタリングテクニック、2）セグメンテーションメソッド、3）隠れマルコフモデルに分類されます。

  • ノンシーケンシャル分類またはクラスタリングテクニック：
    • ここでは、トラック内の各修正は、先行または後続の修正の分類とは無関係に（つまり、時間シーケンスとは無関係に）所定のタイプの動作として分類されます。これらの手法を実装するパッケージは、EMbCおよびm2bです。
  • セグメンテーション方法：
    • 時系列の動作パターンの動作の変化を特定して、いくつかのセグメントに分割します。これらの手法を実装するパッケージは、adehabitatLTとbcpa、bayesmove、segclust2d、marcherです。
  • 隠れマルコフモデル：
    • 観測された運動パターンを調整する隠れ状態のマルコフ過程（観測されていない一連の行動を表す）に基づいています。これらのメソッドを実装するパッケージは、bsamとmoveHMM、momentuHMMです。

空間と生息地の使用特性

複数のパッケージには、個人がどこで時間を費やすか、環境条件が移動や宇宙使用の決定で果たす役割に関連する質問に答えるのに役立つ機能が実装されています。これらは通常、ホームレンジ計算と生息地選択の2つのカテゴリに分けられます。

  • ホーム範囲：
    • adehabitatHRとamt、ctmm、move、track2KBAなどのホーム範囲の推定を可能にするいくつかのパッケージ。これらは、単純な最小凸多角形からより複雑な確率的使用率分布まで、追跡データの時間的自己相関を潜在的に考慮した、さまざまな方法を提供します。
  • 生息地の使用：
    • いくつかのパッケージは、ステップ選択関数を用いたamt、機能的移動モデリングを用いたctmcmove、移動データにLangevinモデルを適用した古典的資源選択関数を用いたRhabitなど、動物の空間利用や生息地選択における生息地の特徴の役割を推定しています。
  • 空間使用のための従来とは異なるアプローチ：
    • 追跡データから空間使用を調査するためのその他の従来とは異なるアプローチは、recurseにあります。

軌道シミュレーション

  • 追跡パッケージを実装する追跡パッケージは、主に、隠れマルコフモデル、相関ランダムウォーク、ブラウン運動、レヴィウォーク、またはオーンシュタイン-ウーレンベックプロセスに基づいています：

追跡データの他の分析

  • 相互作用：
    • 個人間の相互作用は、wildlifeDIおよびTrajDataMiningのメトリックを使用して評価できます。
    • spatsocは、同じ期間または同じ空間範囲内の再配置をグループ化し、グループ内の個人間の距離を計算し、最も近い隣人を識別することを可能にします。
  • 動きの類似性：
    • 最長共通サブシーケンス、フレシェ距離、編集距離、動的タイムワーピングなどの測定値は、SimilarityMeasuresまたはtrajectoriesで計算できます。
  • 個体数：
    • caribouは、Caribouの追跡データから個体数を推定するために特別に作成されましたが、同様の行動範囲を持つ野生生物個体群にも使用できます。
  • 環境条件の推測：
    • moveWindSpeedは、追跡データを使用して風速を推測します。
    • rerddapXtractoを使用すると、特定のトラックに沿ってERDDAPサーバーで提供される環境データを抽出できます。

動きを扱うが、データを追跡しない

  • バイオロギングデータの分析：
    • diveMoveは、動物のTDR（time depth recorder）や加速度センサーのデータを解析するためのパッケージです。
    • いくつかのパッケージは、主に周期性と活動レベルを記述するために、人間の加速度測定データの分析に焦点を当てています：
    • 非バイオロギングビデオと画像：
      • カメラが個体の移動に十分な広さを包含できる場合、動画や画像を使って動きを記録することができる。これらのデータに関連するパッケージとして、trackdem（フレーム単位の画像処理用）があります。
      • 音響テレメトリステーションからのデータを扱うactelも、生物学的ではないが動きのあるパッケージの例です。これは、各アレイでの滞在時間を調べたり、アレイ間の遷移の時系列を取得したりすることができます。

テクニカルノート

Tracking CTVに含まれるパッケージは主にCRANからのもので、そのうちのいくつかは他のリポジトリからのものです。CRANとBioconductorのパッケージは、R CMDチェックのテストにすでに合格しているため、提出時にスコープ(上記参照)に適合する場合、Tracking CTVに自動的に受け入れられます。CRAN/Bioconductor以外のパッケージは、テストされ、チェックテストに合格した後にのみ含まれます(詳細はhere)。

たまに、Tracking CTVのメンテナがチェック済みバージョンをリリースしますが、これはCTVのメジャーアップデートであり、すべての非CRAN/非Bioconductorパッケージで完全なテストが実行されます。テストに失敗したパッケージも、この機会に削除されます。

コアパッケージは、他のトラッキングパッケージからのメンション数(Depends、Imports、Suggests)が最も多いトラッキングパッケージのグループとして定義されます。カットポイントは、coinパッケージのmaxstat_test()を使用して推定されます。

引用と謝辞

このCTVを引用したい場合は、メンテナ、年、CTVのタイトル、バージョン、URLを記載することをお勧めします。例えば

メンテナの他に、以下の方々がこのタスクビューの作成に貢献されました。Achim Zeileis, Edzer Pebesma, Michael Sumner, Matthew E. Boone (元CTVメンテナ)。

このタスクビューのベースにある記事、したがってTrackingパッケージの初期リストをもたらした初期の作業は、Human Frontier Science Program Young Investigator Grant（シーバードサウンド – RGY0072/2017; R. Joo and M. Basille）から一部資金提供を受けています。

 

R言語 CRAN Task View：追跡データの処理と分析

こちらもおすすめ

R言語 CRAN Task View：機械学習＆統計学習

R言語 CRAN Task View：機械学習＆統計学習

【廃止】R言語 CRAN Task View：多変量統計

【廃止】R言語 CRAN Task View：多変量統計

R言語 CRAN Task View：心理モデルや手法

R言語 CRAN Task View：心理モデルや手法