计算动物运动路径上各点之间的距离和时间

Question

我有一个大型的数据集(> 900万行)，在站点上检测到单个动物的时间和位置。我想计算每一个站之间的距离，每一个动物的路径，因为它在不同的站之间旅行，以及它所花费的时间在不同的站之间。然后，我想总结一下路径各个部分的总距离和时间。

对于此数据集中的每个个体，每次在固定点检测到数据时，都会组织数据。如果个体长时间处于静止点，那么这个时期有多个记录(每隔30秒)。

我可以总结一下下面的数据，每次当一个人到达一个站点时，我可以得到1行数据(见下文)。然而，当一个人不止一次到达同一站时，输出就不识别了。

例如。

id <- c("A", "A", "A", "A", "A", "A", "A", "A", "B", "B")
site <- c("a", "a", "b", "a", "c", "c", "c", "d", "a", "b")
time <- seq(1:10)
lat <- c(1, 1, 2, 1, 3, 3, 3, 4, 1, 2)
lon <- c(1, 1, 2, 1, 3, 3, 3, 4, 1, 2)

df <- data.frame(id, site, time, lat, lon)

df %>% group_by(id, site, lat, lon) %>%
  summarize(timeStart = min(time), 
            timeEnd = max(time))

# A tibble: 6 x 6
# Groups:   id, site, lat [?]
  id    site    lat   lon timeStart timeEnd
  <fct> <fct> <dbl> <dbl>     <dbl>   <dbl>
1 A     a         1     1         1       4
2 A     b         2     2         3       3
3 A     c         3     3         5       7
4 A     d         4     4         8       8
5 B     a         1     1         9       9
6 B     b         2     2        10      10

一种将数据分组的方法，使对同一站的多次访问(其间有其他站点的访问)被确认为旅行的一个单独的“腿”。

然后，我需要计算每个站之间的大圆距离，以及timeEnd (第一站)和timeStart (第二站)之间的时间差。

Answer 1

这可能不是您的完整解决方案，但这是一个好的开始。这将查找每一行数据之间的距离和时间差，并在id在行间更改时将值设置为NA。

df <- data.frame(id, site, time, lat, lon)

library(geosphere)
library(dplyr)

#sort data by id and time
df<-df[order(df$id, df$time), ]
#find distance between each point in column
# Note longitude is the first column
df$distance<-c(NA, distGeo(df[,c("lon", "lat")]))
#find delta time between each row for each id
df<-df %>% group_by(id) %>% mutate(dtime=case_when(site != lag(site) ~ time-lag(time),
                                               TRUE ~ NA_integer_))
#remove distances where there was no delta time (row pairs with different ids)
df$distance[is.na(df$dtime)]<-NA

#id summary
df%>% summarize(disttraveled=sum(distance, na.rm=TRUE), totaltime=sum(dtime, na.rm=TRUE))

Answer 2

首先，data.table函数rleid用于创建一个分组变量:对于每个个人，站点的每一个更改都代表一个新的组。在每个组中，计算所需的统计数据：

library(data.table)
library(geosphere)
setDT(df)
df2 <- df[ , .(id = id[1],
               site = site[1],
               lat = lat[1],
               lon = lon[1],
               first_time = min(time),
               last_time = max(time)),
           by = .(id_site = rleid(id, site))]

然后，对于每个个体，用geosphere::distHaversine计算连续点之间的连续大圆距离.为了避免当个人只有一或两条记录*时出现问题，添加了一些检查：

df2[ , dist := if(.N == 1){
  0 } else if(.N == 2){
    c(0, distHaversine(c(lon[1], lat[1]), c(lon[2], lat[2])))
  } else c(0, distHaversine(as.matrix(.SD[ , .(lon, lat)]))), by = id]

#    id_site id site lat lon first_time last_time     dist
# 1:       1  A    a   1   1          1         2      0.0
# 2:       2  A    b   2   2          3         3 157401.6
# 3:       3  A    a   1   1          4         4 157401.6
# 4:       4  A    c   3   3          5         7 314755.2
# 5:       5  A    d   4   4          8         8 157281.8
# 6:       6  B    a   1   1          9         9      0.0
# 7:       7  B    b   2   2         10        10 157401.6
# 8:       8  C    a   1   1         11        11      0.0

因此，对于每一个人，距离只计算一次每一个新的网站。这与另一个答案形成对比，在每个时间步骤之间执行距离计算(看起来可能很多)。

*尝试例如distHaversine(cbind(1, 1)) (distGeo(cbind(1, 1)))或distHaversine(cbind(c(1, 1), c(1, 2))) (distGeo(cbind(c(1, 1), c(1, 2))))

数据

我添加了一个只有一条记录的个人作为测试用例。

id <- c("A", "A", "A", "A", "A", "A", "A", "A", "B", "B", "C")
site <- c("a", "a", "b", "a", "c", "c", "c", "d", "a", "b", "a")
time <- seq(1:11)
lat <- c(1, 1, 2, 1, 3, 3, 3, 4, 1, 2, 1)
lon <- c(1, 1, 2, 1, 3, 3, 3, 4, 1, 2, 1)

df <- data.frame(id, site, time, lat, lon)