En av de förbättringar som skulle vara intressant för applikationens samhällsnytta vore att kunna hantera verkligt positionsdata. I denna studie hanteras endast fabrice-rade data som pseudoslumpats över Gävle, dock kan datat bytas ut mot verkligt data. Detta då positionsdata kan vara integritetskränkande och således svårt att få tillgång till. Utöver detta krävs en stor kapacitet för att kunna hantera de stora mängder data som ett verkligt scenario kräver.
Det vektordata över gym, köpcentrum och butiksytor som används i studien åter-speglar i vissa fall inte den verkliga ytan av verksamheten, det då datat inte tar i be-aktande om verksamheterna är fördelade över flera plan. Datat tar inte heller i beak-tande de ytor som inte är tillgängliga för kunder, till exempel lager eller personaly-tor. En möjlig lösning på detta problem skulle kunna vara att få tillgång till data över planlösningar från fastighetsägare och därigenom skapa en mer realistisk avbildning av verkligheten.
För att en applikation ska bidra med samhällsnytta och användas av en bred mål-grupp bör en applikation vara tillgänglig till smartphones. En smartphone finns idag i de flesta svenska hushåll, applikationen skulle genom detta kunna skapa mer nytta då den kan användas ute i vardagen då användningen förenklas om den finns tillgänglig som en mobilapplikation.
Prototypen som utvecklats i denna studie behandlar alla data på klientsidan. Detta medför att alla datapunkter skickas över Internet och processas på klienten hos an-vändaren. När datat innehåller en stor mängd punkter påverkas prestandan märkbart och kan försämra användarupplevelsen då det går emot ett av användbarhetskraven från Uden gällande Task Performance Speed [19]. En lösning på detta problem skulle kunna vara att implementera en serverlösning där datan processas på en webbserver som applikationen körs på och sedan skickar endast resultatet till klien-ten.
6 Slutsatser
Studien har resulterat i en prototyp till en webapplikation som besvarar studiens frå-geställningar. Resultatet visar att det genom att skapa polygoner som antar en färg baserat på ett specifikt värde är möjligt att utveckla en webapplikation som kan på-visa mänsklig koncentration på utvalda platser i samhället.
Studien bevisar även att områden hög mänsklig koncentration kan identifieras ge-nom användning av olika data, där datat sedan analyseras på ett sätt som gör det möjligt att beräkna koncentrationen. Resultatet av studien visar även att kombinat-ionen av positionsdata och GIS är ett möjligt tillvägagångssätt för att uppnå detta.
Prototypen som denna studie har resulterat i påvisar ett sätt att effektivt förmedla denna information.
Referenser
[1] “Smittspridning — Folkhälsomyndigheten.”
https://www.folkhalsomyndigheten.se/smittskydd- beredskap/utbrott/aktuella-utbrott/covid-19/om-sjukdomen-och-smittspridning/smittspridning/ (accessed Apr. 26, 2021).
[2] “Covid-19 — Folkhälsomyndigheten.”
https://www.folkhalsomyndigheten.se/smittskydd-beredskap/utbrott/aktuella-utbrott/covid-19/ (accessed Jan. 10, 2021).
[3] “Butiker, gym och köpcentrum måste begränsa antalet besökare — Folkhälsomyndigheten.” https://www.folkhalsomyndigheten.se/nyheter- och-press/nyhetsarkiv/2021/januari/butiker-gym-och-kopcentrum-maste-begransa-antalet-besokare/ (accessed Apr. 26, 2021).
[4] “Sjukdomsinformation om influensa — Folkhälsomyndigheten.”
https://www.folkhalsomyndigheten.se/smittskydd-beredskap/smittsamma-sjukdomar/influensa-/ (accessed May 17, 2021).
[5] “Senaste influensarapporten — Folkhälsomyndigheten.”
https://www.folkhalsomyndigheten.se/folkhalsorapportering- statistik/statistik-a-o/sjukdomsstatistik/influensa-veckorapporter/aktuell-influensarapport/ (accessed May 17, 2021).
[6] B. Marr, Big Data in Practice: How 45 Succesful Companies Used Big Data Analytics to Deliver Extraordinary Results, 1st ed. Chichester, UK: John Wiley and Sons Ltd, 2016.
[7] T. Pei et al., “Big geodata mining: Objective, connotations and research issues,” J. Geogr. Sci., vol. 30, no. 2, pp. 251–266, Feb. 2020, doi:
10.1007/s11442-020-1726-7.
[8] C. Specht, P. S. Dabrowski, J. Pawelski, M. Specht, and T. Szot,
“Comparative analysis of positioning accuracy of GNSS receivers of Samsung Galaxy smartphones in marine dynamic measurements,” Adv. Sp. Res., vol.
63, no. 9, pp. 3018–3028, May 2019, doi: 10.1016/j.asr.2018.05.019.
[9] L. Wanninger and A. Heßelbarth, “GNSS code and carrier phase observations of a Huawei P30 smartphone: quality assessment and centimeter-accurate positioning,” GPS Solut., vol. 24, no. 2, p. 64, Apr. 2020, doi:
10.1007/s10291-020-00978-z.
[10] Z. Zhao, S. L. Shaw, Y. Xu, F. Lu, J. Chen, and L. Yin, “Understanding the bias of call detail records in human mobility research,” Int. J. Geogr. Inf. Sci., vol. 30, no. 9, pp. 1738–1762, Sep. 2016, doi:
10.1080/13658816.2015.1137298.
[11] Y. Zhou, B. P. L. Lau, Z. Koh, C. Yuen, and B. K. K. Ng, “Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing and Data Mining,”
IEEE Internet Things J., vol. 7, no. 5, pp. 4442–4454, May 2020, doi:
10.1109/JIOT.2020.2972062.
[12] Y. Zhou, R. Xu, D. Hu, Y. Yue, Q. Li, and J. Xia, “Effects of human mobility restrictions on the spread of COVID-19 in Shenzhen, China: a modelling study using mobile phone data,” Lancet Digit. Heal., vol. 2, no. 8, pp. e417–e424, Aug. 2020, doi: 10.1016/S2589-7500(20)30165-5.
[13] N. Oliver et al., “Mobile phone data for informing public health actions across the COVID-19 pandemic life cycle,” Science Advances, vol. 6, no. 23. 2020, doi: 10.1126/sciadv.abc0764.
[14] A. Mollalo, B. Vahedi, and K. M. Rivera, “GIS-based spatial modeling of COVID-19 incidence rate in the continental United States,” Sci. Total Environ., vol. 728, p. 138884, Aug. 2020, doi:
10.1016/j.scitotenv.2020.138884.
[15] S. Sarwar, R. Waheed, S. Sarwar, and A. Khan, “COVID-19 challenges to Pakistan: Is GIS analysis useful to draw solutions?,” Sci. Total Environ., vol.
730, 2020, doi: 10.1016/j.scitotenv.2020.139089.
[16] C. Oxendine, M. Sonwalkar, and N. Waters, “A Objective, Multi-Criteria Approach to Improve Situational Awareness in Emergency Evacuation Routing Using Mobile Phone Data,” Trans. GIS, vol. 16, no. 3, pp. 375–396, 2012, doi: 10.1111/j.1467-9671.2012.01341.x.
[17] L. Alonso-Virgós, J. P. Espada, and R. G. Crespo, “Analyzing compliance and application of usability guidelines and recommendations by web
developers,” Comput. Stand. Interfaces, vol. 64, pp. 117–132, May 2019, doi:
10.1016/j.csi.2019.01.004.
[18] S. Stg et al., “SVENSK STANDARD SS-EN ISO 9241-11 Ergonomic requirements for office work with visual display terminals ( VDTs ) – Part 11 : Guidance on arbete med bildskärmar ( VDTs ) –,” pp. 8–13, 2000.
[19] L. Uden, “Design process for Web applications,” IEEE Multimed., vol. 9, no.
4, pp. 47–55, Oct. 2002, doi: 10.1109/MMUL.2002.1041948.
[20] N. Djordjevic, “Evaluation of the usability of web-based applications,”
Vojnoteh. Glas., vol. 65, no. 3, pp. 785–802, 2017, doi: 10.5937/vojtehg65-11319.
[21] S. Einakian and T. S. Newman, “An examination of color theories in map-based information visualization,” J. Comput. Lang., vol. 51, pp. 143–153, Apr.
2019, doi: 10.1016/j.cola.2018.12.003.
[22] M. Ballhausen, “Free and open source software licenses explained,” Computer (Long. Beach. Calif)., vol. 52, no. 6, pp. 82–86, 2019, doi:
10.1109/MC.2019.2907766.
[23] J. Linåker and B. Regnell, “What to share, when, and where: balancing the objectives and complexities of open source software contributions,” Empir.
Softw. Eng., vol. 25, no. 5, pp. 3799–3840, 2020, doi: 10.1007/s10664-020-09855-2.
[24] “integritet - Uppslagsverk - NE.se.”
https://www.ne.se/uppslagsverk/encyklopedi/lång/integritet (accessed May 14, 2021).
[25] I. Krontiris, F. Freiling, and T. Dimitriou, “Location privacy in urban sensing networks: Research challenges and directions,” IEEE Wirel. Commun., vol. 17, no. 5, pp. 30–35, Oct. 2010, doi: 10.1109/MWC.2010.5601955.
[26] F. Beierle et al., “What data are smartphone users willing to share with researchers? Designing and evaluating a privacy model for mobile data
collection apps,” J. Ambient Intell. Humaniz. Comput., vol. 11, pp. 2277–2289, 2020, doi: 10.1007/s12652-019-01355-6.
[27] D. T. E. Julsrud and D. J. R. Krogstad, “Is there enough trust for the smart city? exploring acceptance for use of mobile phone data in oslo and tallinn,”
Technol. Forecast. Soc. Change, vol. 161, Dec. 2020, doi:
10.1016/j.techfore.2020.120314.
[28] J. Pierre, “Nudges against pandemics: Sweden’s COVID-19 containment strategy in perspective,” Policy Soc., vol. 39, no. 3, pp. 478–493, Jul. 2020, doi: 10.1080/14494035.2020.1783787.
[29] H. Bohman, J. Ryan, V. Stjernborg, and D. Nilsson, “A study of changes in everyday mobility during the Covid-19 pandemic: As perceived by people living in Malmö, Sweden,” Transp. Policy, vol. 106, pp. 109–119, Jun. 2021, doi: 10.1016/j.tranpol.2021.03.013.
[30] “THE 17 GOALS | Sustainable Development.” https://sdgs.un.org/goals (accessed Jan. 11, 2021).
Bilaga A
Figur 1. Vektordatats attributtabell.
Bilaga B
Figur 1.Skapat positionsdata