《Computers, Environment and Urban Systems》:Assessment of individualised dynamic environmental exposures within The World Avatar
编辑推荐:
在由The World Avatar(TWA)驱动的数字孪生(digital twins)中计算个性化动态环境暴露。本体(ontologies)实现城市环境特征间的互操作性。语义上区分环境的历史特征和时间特定可用性。实现可扩展和可转移的移动性感知评估。使用英国
在由The World Avatar(TWA)驱动的数字孪生(digital twins)中计算个性化动态环境暴露。本体(ontologies)实现城市环境特征间的互操作性。语义上区分环境的历史特征和时间特定可用性。实现可扩展和可转移的移动性感知评估。使用英国和新加坡的位置追踪数据进行演示。
**论文解读:基于The World Avatar的个性化动态环境暴露评估**
**研究背景与问题**
非传染性疾病(NCDs)是全球重大健康挑战,占全球年死亡人数的70%以上,城市环境因素(如绿地和食品零售分布)对NCDs的可改变行为风险因素(如体力活动不足、不健康饮食)具有上游决定作用。然而,传统环境流行病学依赖静态暴露模型(基于家庭或工作地点),忽略个体移动性带来的时空变异性,导致暴露估计偏差。移动性感知模型虽能整合轨迹数据,但面临环境数据异构(格式、时间动态、来源)、处理流程临时化以及“支持变化问题”(spatial and temporal mismatches)等挑战。为此,研究人员利用语义技术(semantic technologies)和The World Avatar(TWA)框架,旨在构建可扩展、可转移的移动性感知暴露评估方法,并发表在该期刊上。
**关键技术方法**
研究人员采用本体驱动的方法,开发了核心本体Ontology for Environmental Exposure(OntoEnvExpo)及领域本体(OntoFHRS用于食品零售,OntoGreenspace用于绿地,OntoPOI用于兴趣点),并引入Information Exchange Standard(IES4)本体建模时间有效性(temporal validity)和Ontology for Service(OntoService)建模营业时间(operational availability)。GPS轨迹通过核密度估计(kernel-based method)分段为出行(trip)和停留(stay),以出行为分析单元,使用空间缓冲区(buffer)定义暴露区域,并实施两阶段时间过滤(IES4确定数据有效性,OntoService确定营业时间)。数据来源包括Fenland Study(英国剑桥,2005年建立,12,435名参与者,GPS数据)和SG100K/HD4(新加坡),以及OpenStreetMap、英国食品标准局等开放数据。
**研究结果**
**4.1 英国和新加坡的互操作数字孪生**
通过标准本体和分布式架构,构建了覆盖英国(150,415个绿地特征、150,026个兴趣点、1,440个食品零售商)和新加坡(441个绿地特征、8,167个食品零售商)的知识图谱数字孪生,验证了语义一致性和跨地理互操作性。
**4.2 上下文感知的环境暴露**
操控示例轨迹的时间戳模拟不同年份(如2023 vs. 2025),发现剑桥中心食品零售暴露增加了约20%;考虑营业时间后,傍晚(18:00)与夜间(21:00)的暴露差异显著,且800米缓冲区的时间过滤效果相当于将缓冲区从800米缩减至100米。该结果通过同一工作流在不同地理和环境背景下的应用,证明了时间上下文对暴露估计的重要影响。
**4.3 Fenland Study位置追踪数据的初步分析**
对Fenland Study的7,452条轨迹进行分析,发现参与者活动空间覆盖约600×500平方公里,接近全国尺度,凸显了可扩展数字孪生方法对异构数据整合和大规模处理的重要性。
**总结与讨论**
讨论部分指出,该语义框架提供了可扩展、互操作的本体驱动工作流,支持同时评估多种环境暴露,为数字队列基础设施奠定基础。但存在局限性:本体工程需要前期投入,IES4本体在UK以外采纳有限,未来可对齐W3C的OWL-Time标准。暴露估计不应直接解释为实际行为或健康效应,需结合行为与健康结局数据进行流行病学分析。未来方向包括扩展网络约束缓冲区、考虑停留暴露、接入实时数据流(交通、噪声、空气质量)以及加强隐私保护设计。
**研究结论翻译**
本论文提出了一种理解人们如何在时空运动中暴露于环境的新方法。研究人员引入了一种数字孪生方法,利用语义技术和The World Avatar的概念,基于真实移动数据计算个性化、时间感知的环境暴露。在英国和新加坡的演示表明,同一系统能够整合食品零售商、绿地和公共设施等多样化环境数据集,同时适应本地环境。通过估计对多种环境特征的同步暴露,该方法支持对健康上游决定因素的综合视角,并促进整体性城市研究。关键的是,该语义方法不仅考虑人们去哪里,还考虑哪些特征存在以及何时可访问(例如,商店或公园在暴露时是否开放)。研究结果强调了时间和上下文以及大规模数据覆盖在暴露评估中的重要性。