Skip to main content
Skip header

Spatiotemporal Analyses

* Exchange students do not have to consider this information when selecting suitable courses for an exchange stay.

Course Unit Code548-0117/05
Number of ECTS Credits Allocated5 ECTS credits
Type of Course Unit *Choice-compulsory type B
Level of Course Unit *Second Cycle
Year of Study *First Year
Semester when the Course Unit is deliveredSummer Semester
Mode of DeliveryFace-to-face
Language of InstructionCzech
Prerequisites and Co-Requisites Course succeeds to compulsory courses of previous semester
Name of Lecturer(s)Personal IDName
IVA026prof. Ing. Igor Ivan, Ph.D.
Summary
The aim of this course is to present the processing of spatiotemporal data. The introductory part of the course presents the problems of time series and selected methods of their visualization, analysis and modeling (decomposition, regression models, exponential models, ARIMA and SARIMA). Furthermore, key aspects of spatiotemporal data and methods of their exploratory analysis are presented. Methods of analysis of spatiotemporal data and spatiotemporal clustering are presented, which form a key part of this course. Lectures are also devoted to the issue of visualization of spatiotemporal data.
Learning Outcomes of the Course Unit
Cílem tohoto předmětu je seznámení studentů s časoprostorovými analýzami a jejich simulacemi. Úvodní část předmětu seznamuje studenty s problematikou časových řad a vybranými metodami jejich analýz. Představeny jsou aspekty časoprostorových dat a metody explorační analýzy těchto dat. Významná část předmětu se věnuje problematice geosurvaillance (prostorové přežití) – retrospektivním a prospektivním analýzám. V závěru je pak prostor věnován časoprostorovým modelům, hlavně jednoparametrickým, ale také víceparametrickým.
Osnova přednášek
1) Úvod do časových řad.
2) Úvod do časových řad.
3) Metody analýz časových řad.
4) Metody analýz časových řad.
5) Úvod do časoprostorových analýz.
6) Explorační analýza časoprostorových dat.
7) Časoprostorové analýzy.
8) GeoSurveillance – retrospektivní a prospektivní testy
9) Časoprostorové modelování
10) Časoprostorové modelování
11) Multivariační časoprostorové modely
12) Multivariační časoprostorové modely

Znalosti prokazované při ukončení předmětu:
Orientace v metodách analýz časových řad, časoprostorových analýz a časoprostorového modelování.
Dovednosti prokazované při ukončení předmětu:
Schopnost aplikovat analýzy časových řad a časoprostorové analýz a modelování při řešení praktických úloh.
Course Contents
1) Introduction to time series.
2) Decomposition of time series.
3) Methods of time series analysis - regression modeling.
4) Methods of time series analysis - exponential modeling.
5) Methods of time series analysis - ARIMA.
6) Methods of time series analysis - SARIMA models.
7) Introduction to spatiotemporal data.
8) Exploratory analysis of spatiotemporal data.
9) Spatio-temporal analyzes (part 1).
10) Spatio-temporal analyzes (part 2).
11) Spatio-temporal clustering (part 1).
12) Spatio-temporal clustering (part 2).
13) Visualization of spatiotemporal data.
Recommended or Required Reading
Required Reading:
CRESSIE, N., WINKLE, C.K. Statistics for Spatio-Temporal Data. Wiley, 2011, 624 p.
SHERMAN, M. Spatial Statistics and Spatio-Temporal Data: Covariance Functions and Directional Properties. Wiley, 2010, 294 p.
COWPERTWAIT, Paul S. P. a Andrew V. METCALFE. Introductory time series with R. Dordrecht: Springer, c2009. Use R!. ISBN 978-0-387-88697-8.
SHMUELI, G., LICHTENDAHL, K.C. Practical Time Series Forecasting with R: A Hands-On Guide, Axelrod Schnall Publishers, 2nd edition, 2016, ISBN 978-0997847918.
ARLT, J., ARLTOVÁ, M., RUBLÍKOVÁ, E. (2002): Analýza ekonomických časových řad s příklady. Vysoká škola ekonomická v Praze, 147 stran. Dostupné z: < http://nb.vse.cz/~arltova/vyuka/crsbir02.pdf>.
HORÁK, J., LITSCHMANNOVÁ, M., INSPEKTOR, T., VOJTEK, D., FOJTÍK, D. Průzkumová analýza dat se zaměřením na GIS statistiku. VŠB - Technická univerzita Ostrava, 2017. ISBN 978-80-248-4125-0.
HORÁK, J. Prostorové analýzy dat. Ostrava : Vysoká škola báňská - Technická univerzita Ostrava, 2019. 181 s. ISBN 978-80-248-4368-1. Dostupné na: http://homel.vsb.cz/~hor10/Vyuka/PAD/SkriptaPAD2019.pdf
SHMUELI, G., LICHTENDAHL, K.C. Practical Time Series Forecasting with R: A Hands-On Guide, Axelrod Schnall Publishers, 2nd edition, 2016, ISBN 978-0997847918.
Recommended Reading:
ROGERSON, P., YAMADA, I. Statistical Detection and Surveillance of Geographic. Chapman and Hall/CRC, 2008, 324 p.
ANSARI, M.Y., AHMAD, A., KHAN, S.S., BHUSHAN, G., MAINUDDIN. Spatiotemporal clustering: a review. Artificial Intelligence Review, 2020, 53:2381–2423, https://doi.org/10.1007/s10462-019-09736-1.
LEVINE, N. CrimeStat: A Spatial Statistics Program for the Analysis of Crime Incident Locations (v 4.02). Ned Levine & Associates, Houston, Texas, and the National Institute of Justice, Washington, D.C. August. 2015.
BOX-STEFFENSMEIER, J. M., FREEMAN, J.R., HITT, M.P., PEVEHOUSE, J.C. (2014): Time series analysis for the social sciences. New York: Cambridge University Press. Analytical methods for social research. ISBN 978-0-521-87116-7.
HANČLOVÁ, J., TVRDÝ, L. Úvod do analýzy časových řad. VŠB - Technická univerzita Ostrava, 2003.
SHI, Z., PUN-CHENG, L.S.C. Spatiotemporal Data Clustering: A Survey of Methods. ISPRS International Journal of Geo-Information, 2019, 8, 112; doi:10.3390/ijgi8030112.
KULLDORFF, M. SaTScan User Guide. 2021. 119 p. http://www.satscan.org/
ARLT, J., ARLTOVÁ, M. Ekonomické časové řady. Professional Publishing, 2009. ISBN 978-80-86946-85-6.
Planned learning activities and teaching methods
Lectures, Tutorials
Assesment methods and criteria
Task TitleTask TypeMaximum Number of Points
(Act. for Subtasks)
Minimum Number of Points for Task Passing
Credit and ExaminationCredit and Examination100 (100)51
        CreditCredit33 17
        ExaminationExamination67 34