Приходилось ли вам когда-нибудь бежать по тротуару, хорошо проводя время, а затем врезаться в холм и замедляться? Если да, то вы знаете, как уклон влияет на скорость движения. Для большинства из нас понимание того, как крутизна склона влияет на нашу скорость, является вопросом физической подготовки. Для других, таких как лесные пожарные, отступающие от линии огня в безопасную зону, прогнозирование того, сколько времени потребуется для перемещения по местности, может быть вопросом жизни и смерти..
Пожарные команды, градостроители и поисково-спасательные команды - это лишь некоторые из многих групп, которые могут использовать математические модели для прогнозирования того, как уклон влияет на скорость движения. У существующих моделей есть две большие проблемы. Они основаны на наборах данных с очень небольшим размером выборки и не учитывают, насколько по-разному люди перемещаются в окружающей среде - ходьба и бег по одному и тому же склону дают очень разные скорости перемещения.
Команда географов разработала серию моделей, которые четко предсказывают, как уклон местности влияет на скорость передвижения людей. Используя огромную краудсорсинговую базу данных отслеживания физической активности, географы проанализировали GPS-данные почти 30 000 человек в Солт-Лейк-Сити, штат Юта. Люди ходили пешком, бегали трусцой и пробежали в общей сложности 81 000 миль, что эквивалентно более чем трем поездкам вокруг земного экватора. Полученные модели первыми учитывают изменчивость скорости движения между медленными, средними и быстрыми транспортными средствами.
«Это произведет революцию в нашем понимании того, как местность влияет на движение пешеходов», - сказал Майкл Кэмпбелл, доцент колледжа Форт-Льюис и ведущий автор исследования. «С точки зрения пожарных, в нормальных условиях у пожарной команды может быть достаточно времени, чтобы добраться до безопасной зоны, но если дерьмо попадет в вентилятор, им придется бежать, чтобы добраться туда. Мы попытались ввести прогностическую гибкость, которая может имитировать ряд условий, которые, возможно, потребуется учитывать при оценке скорости и времени в пути».
Доклад, опубликованный в Интернете 3 апреля 2019 года в журнале Applied Geography.
Большие данные
Исследователи использовали краудсорсинговые данные из Strava, социального фитнес-приложения, которое отслеживает велосипедистов, бегунов, туристов и пловцов, используя данные GPS с мобильных телефонов пользователей и других устройств с поддержкой GPS. Strava Metro - это программа, которая распространяет большие объемы агрегированных анонимных данных GPS среди организаций, таких как местные и региональные органы власти, для помощи в планировании транспорта. На сегодняшний день сотрудничество Strava Metro в основном связано с ездой на велосипеде и беговыми данными в городских условиях. Географы одними из первых используют данные о пеших прогулках, беге и беге трусцой в результате активности на тропах, а также первыми, кто использует большие данные для оценки взаимосвязи между уклоном и скоростью движения по пешеходным тропам. Географы оценили уклон с помощью лидара, который использует лазерные импульсы для измерения топографии с точностью до нескольких сантиметров. Предыдущие исследования опирались на гораздо более грубые оценки, чтобы определить, как уклон влияет на скорость движения.
"Вычисление того, насколько быстро люди перемещаются в окружающей среде, является проблемой, которой уже более века. Наличие данных о таком большом количестве людей, движущихся с разными скоростями, позволило нам создать гораздо более продвинутые модели, чем те, что были сделаны раньше. ", - сказал Филип Деннисон, профессор кафедры географии Университета штата Юта и автор исследования. «Любое приложение, которое оценивает, как быстро люди ходят, бегают трусцой или бегут из точки А в точку Б, может выиграть от этой работы».
Стеф Хэннон, директор по продуктам Strava, добавил: «Это увлекательное приложение набора данных Strava Metro за пределами городской мобильности и планирования инфраструктуры, и мы в восторге от спасительных последствий этого исследования.. Я рад, что наши аналитические данные могут помочь в работе, которая защищает пожарных, в то время как они усердно работают, чтобы защитить остальных».
Наиболее широко используемой моделью для оценки скорости перемещения по склону является функция пешего туризма Тоблера. В 1993 году географ Уолдо Тоблер подогнал математическую функцию к рисунку, который обобщил эмпирические данные, собранные в 1950-х годах, до эпохи GPS. Люди использовали функцию походов Tobler для оценки времени эвакуации в случае цунами, поиска и спасения пропавших без вести и путей эвакуации пожарных из дикой местности. Следующая наиболее широко используемая функция, называемая правилом Нейсмита, существует с 1892 года. Шотландский альпинист отправился в поход, а затем написал статью в «Шотландском журнале альпинизма». Основываясь на своем личном опыте, он писал, что нужно планировать три часа на каждые три горизонтальных мили, пройденные и добавляющие один час на каждые 2000 метров подъема по вертикали.
«Сотни людей используют эти функции скорости движения по склону, основанные на случайном шотландском чуваке из 1890-х годов и некоторых данных 1950-х годов», - сказал Кэмпбелл. «Мы хотели сделать лучше».
В 2017 году Кэмпбелл, Деннисон и другие экспериментально измерили уклон и скорость перемещения для 37 человек, что было самым большим экспериментальным набором данных до тех пор, пока Ирмишер и Кларк не зафиксировали скорость перемещения 200 человек в 2018 году. В новом исследовании использовались данные, полученные в июле 1 января 2016 г. и 30 июня 2017 г. от почти 30 000 человек, всего около 1,1 миллиона точек данных. Огромный объем данных позволил географам разработать гибкие функции для различных скоростей движения, от самых медленных пешеходов в 1-м процентиле до самых быстрых бегунов в 99-м процентиле..
Согласно результатам исследования, медленная прогулка по ровной тропе протяженностью 1,6 км занимает в среднем около 33 минут, в то время как такой же уровень нагрузки на крутом 30-градусном склоне займет около 97 минут. С другой стороны, быстрый бег по ровной 1-километровой трассе занимает около шести минут по сравнению с 13 минутами по 30-градусному склону. Люди быстрее всего передвигаются по склону с небольшим спуском, и скорость передвижения выше при спуске, чем при движении в гору. Например, спуск по крутому склону в 30 градусов выполнялся с той же скоростью, что и подъем по склону в 16 градусов.
Настройка больших данных для пожарных
Данные имеют некоторые ограничения. Поскольку это краудсорсинг, данные беспорядочны. И из-за его анонимности исследователи не знают об отдельных бегунах. Если бы у них была информация об уровне физической подготовки каждого человека, они могли бы разработать более тонкие функции для прогнозирования времени в пути.
Начиная с этого месяца географы будут применять свои новые модели к пожарным в дикой местности. Во время весенних учений почти дюжина пожарных команд в Юте, Айдахо, Колорадо и Калифорнии будут использовать GPS-трекеры для записи своих перемещений и скорости передвижения. Это позволит им лучше понять скорость передвижения уникального населения пожарных, которые часто пересекают пересеченную местность, работают сверхурочно и несут тяжелые рюкзаки.
«Нам нужно найти, где пожарные соответствуют этому спектру из больших данных», - сказал Кэмпбелл.«Сообщение пожарным, что мы можем предсказать, сколько времени потребуется, чтобы добраться до безопасных зон, используя данные от различных групп пользователей Strava, не будет столь же убедительным, как данные, которые предоставляют сами пожарные команды. Все, что мы можем сделать, чтобы улучшить скорость перемещения оценки для пожарных обеспечат дополнительный запас прочности и, как мы надеемся, спасут жизни».
Спонсорство для этого исследования предоставили следующие организации: Национальный план лесных пожаров Министерства сельского хозяйства США через Управление исследований и Подкомитет по противопожарному поведению Национальной группы по координации лесных пожаров, соглашения о сотрудничестве 15CR11221637105, 18JV11221637153 и 18JV11221637154. Эта работа также была поддержана грантом Национального научного фонда DEB-1714972.