CRAN 任务视图:跟踪数据的处理和分析

维护者Rocío Joo,Mathieu Basille
联系方式rocio.joo at globalfishingwatch.org
版本2023-03-07
网址https://CRAN.R-project.org/view=Tracking
源代码https://github.com/cran-task-views/Tracking
贡献欢迎您对本任务视图提出建议和改进,您可以通过 GitHub 上的问题或拉取请求,或通过电子邮件发送给维护者地址。有关更多详细信息,请参阅 贡献指南.
引用Rocío Joo,Mathieu Basille (2023)。CRAN 任务视图:跟踪数据的处理和分析。版本 2023-03-07。网址 https://CRAN.R-project.org/view=Tracking.
安装可以使用 ctv 包自动安装此任务视图中的包。例如,ctv::install.views("Tracking", coreOnly = TRUE) 安装所有核心包,或 ctv::update.views("Tracking") 安装所有尚未安装和更新的包。有关更多详细信息,请参阅 CRAN 任务视图计划.

此 CRAN 任务视图 (CTV) 包含一个用于处理和分析跟踪数据的包列表。如果您只想查看此版本 CTV 的新增内容,请点击 这里。请参阅下面的 如何引用 Tracking CTV.

物体的运动(包括生物和非生物)定义为其地理位置随时间的变化,因此运动数据可以由空间和时间成分定义。跟踪数据至少由二维空间坐标 (x,y) 和时间索引 (t) 组成,可以看作是物体路径的几何表示(轨迹)。这里列出的包,以下称为跟踪包,是那些专门用于创建、转换或分析跟踪数据(即 (x,y,t))的包,允许从跟踪设备的原始数据到最终分析结果的完整工作流程。换句话说,跟踪包必须具有一个或多个函数,这些函数以跟踪数据作为输入或输出。例如,一个使用加速度计、陀螺仪和磁力计数据通过航位推算重建物体轨迹(最可能是动物轨迹)的包,从而将这些数据转换为 (x,y,t) 格式,将符合定义。但是,分析加速度计序列以检测行为变化的包将不符合(请注意,此 CTV 的末尾有一个专门的部分用于处理运动但不是跟踪数据的包)。有关更多信息,请参阅 Joo 等人 (2020).

关于 (x,y),一些包可能假设二维欧几里得(笛卡尔)坐标,而另一些包可能假设地理(经度/纬度)坐标。我们鼓励用户验证包中坐标的处理方式,因为结果在空间属性(例如距离、速度和角度)方面可能很重要。

除了这些软件包之外,许多其他软件包也包含用于数据处理和分析的功能,这些功能最终可用于跟踪数据或从跟踪数据获得的二阶/三阶变量;我们鼓励用户查看其他 CRAN 任务视图,例如 SpatioTemporalSpatialTimeSeries

该 CTV 的灵感来自 Joo 等人 (2020) 对跟踪软件包的回顾,旨在不断更新回顾中已描述的软件包列表。因此,CTV 采用与回顾类似的结构。

Diagram with boxes and arrows depicting the workflow for data processing and analysis in movement ecology. Three steps—represented by arrows in the diagram—are identified: 1) Pre-processing, taking raw data (box on the left) as input and leading to tracking data as output (x, y, t) (box on the center); 2) Post-processing, manipulating tracking data as both input and output; 3) Analysis, which takes tracking data as input for visualization, track description, path reconstruction, behavioral pattern identification, space use, trajectory simulation, and others (all of these represented by boxes on the right).

我们欢迎并鼓励您 贡献 以随时添加软件包。要提交新软件包,请在 GitHub 存储库中打开一个问题,并按照此 链接 进行操作。

目录

预处理

当原始数据不是跟踪数据格式时,需要进行预处理。用于预处理的方法在很大程度上取决于所用生物记录设备的类型。在跟踪软件包中,一些软件包专注于 GLS(全球定位传感器),另一些则专注于无线电遥测、加速度计、磁力计或 GTFS(通用交通提要规范)数据。

后处理

追踪数据的后处理包括数据清理(例如识别异常值或错误)、压缩(即降低数据分辨率,有时称为重采样)以及基于追踪数据的指标计算,这些指标对后续分析很有用。

分析

可视化

主要用于可视化目的,更具体地说,用于轨迹动画的软件包是 anipathsmoveVis (已归档)

轨迹描述

amtrpkg("mousetrap")trajrtrack2KBA 计算轨迹的汇总指标,例如总行程距离、直线度指数、曲折度、行程持续时间或其他指标(取决于软件包)。 trackeR 是为了分析人类从 GPS 跟踪设备获得的跑步、骑行和游泳数据而创建的。 trackeR 计算汇总每个轨迹的运动量的指标(或每次训练的训练量)。 sftrack 从跟踪数据中定义两类对象,轨迹(sf 点按时间顺序排列)和轨迹线(sf 线按时间顺序排列),并提供函数来汇总两者,显示开始和结束时间、点数和总行程距离。 cylcop 可以使用 copula 方法拟合多元分布,该方法允许步长和转向角相关;这些分布可以随后用于步长选择建模。

路径重建

无论是为了校正采样误差,还是为了获得更精细的数据分辨率或规则的时间步长,路径重建都是运动分析中的一个常见目标。可用于路径重建的软件包包括 adehabitatLTbsamcrawlctmmctmcmovemousetrapTrackReconstruction

行为模式识别

运动生态学中的另一个常见目标是根据观察到的运动模式,通过位置本身或距离、速度或转向角等二阶/三阶变量来获得对个体行为的代理。协变量,主要与环境相关,经常用于行为模式识别。

我们将本节中的方法分类为:1) 非顺序分类或聚类技术,2) 分割方法和 3) 隐马尔可夫模型。

空间和栖息地利用特征

多个软件包实现了函数来帮助回答与个体在哪里花费时间以及环境条件在运动或空间利用决策中扮演什么角色相关的问题,这些问题通常分为两类:活动范围计算和栖息地选择。

轨迹模拟

跟踪数据包实现轨迹模拟主要基于隐马尔可夫模型、相关随机游走、布朗运动、莱维游走或奥恩斯坦-乌伦贝克过程:adehabitatLTbsamcrawlctmmmomentuHMMmoveHMMsmamSiMRivtrajr

其他跟踪数据的分析

处理运动数据但不处理跟踪数据

技术说明

跟踪 CTV 中包含的软件包主要来自 CRAN,其中一些来自其他存储库。提交后,来自 CRAN 和 Bioconductor 的软件包如果符合范围(见上文),将自动被跟踪 CTV 接受,因为它们已经通过了 R CMD check 的测试。来自 CRAN/Bioconductor 之外的软件包只有在经过测试并通过检查测试后才会被包含(更多详细信息 此处)。

偶尔,跟踪 CTV 的维护人员会发布一个已检查版本,这是一个对 CTV 的重大更新,对每个非 CRAN/非 Bioconductor 软件包进行全面测试。在此情况下,未通过测试的软件包也会被删除。

核心软件包被定义为跟踪软件包组,这些软件包在其他跟踪软件包中被提及的次数最多(DependsImportsSuggests);使用 coin 软件包中的 maxstat_test 函数估计临界点。

上次检查版本于 2023-05-20

引用和致谢

如果您想引用此 CTV,我们建议您提及:维护人员、年份、CTV 的标题、版本和 URL。例如

Joo 和 Basille (2023) CRAN 任务视图:跟踪数据的处理和分析。版本 2023-06-19)。URL:https://CRAN.R-project.org/view=Tracking

除了维护人员之外,以下人员还为创建此任务视图做出了贡献:Achim ZeileisEdzer PebesmaMichael SumnerMatthew E. Boone(前 CTV 维护人员)。

导致本文成为此任务视图基础的早期工作,以及由此产生的初始跟踪软件包列表,部分由人类前沿科学计划青年研究员奖(SeabirdSound - RGY0072/2017;R. Joo 和 M. Basille)资助。

CRAN 软件包

核心adehabitatHRadehabitatLTmovemoveHMM
常规acc, accelerometry, actel, amt, anipaths, argosfilter, bayesmove, bcpa, bsam, caribou, crawl, ctmcmove, ctmm, cylcop, diveMove, EMbC, eyelinker, GGIR, gtfs2gps, m2b, marcher, momentuHMM, mousetrap, moveWindSpeed, nparACT, pawacc, PhysicalActivity, recurse, rerddapXtracto, SDLfilter, segclust2d, sftrack, SimilarityMeasures, SiMRiv, smam, spatsoc, track2KBA, trackdem, trackeR, TrackReconstruction, trajectories, trajr, trip, tripEstimation, wildlifeDI.
已归档FLightRgazepathmoveVisTrajDataMining

其他资源