Algorithmic approaches to simulating animal movement using agent-based models

Sengupta, Raja (Supervisor) New methods for making sense of movement data continue to emerge in response to unprecedented volume of geographic information on moving objects. Geo-computational techniques, including spatial agent-based models, are presented with new opportunities for innovation as people, animals, vehicles, and countless other objects are tracked across space and time at an ever-expanding scale and resolution. This thesis explores algorithmic approaches to agent-based modelling animal movement. Algorithmic approaches to informing, calibrating, and/or validating agent-based models of spatial systems are an open area of research in geographic information science. Following an introduction to animal movement and the objectives of this thesis (chapter one) and a comprehensive literature review of geosimulation approaches to modelling mobility, movement, and migration (chapter two), chapter three demonstrates an innovative geospatial artificial intelligence technique for agent-based simulation of olive baboon (Papio anubis) troop movement in Mpala, Kenya. This individual, bottom-up animal movement simulation uses classification trees to develop local movement rationales for baboon-agents. Simulated trajectories depict real-world troop movement corridors across the region. Unexpected emergent behaviour arises in the simulation as animal-agents cross a known, although unprogrammed, river-crossing site. Extensive discussion of this baboon-agent model, along with implications for modelling tightly-coupled socioecological systems follows chapter three. This contribution to geosimulation and computational movement analysis is published in Transactions in GIS and was presented at an IEEE workshop on geospatial visualisation and the ESRI user conference. The method offers an innovative way of making sense of animal movement data and simulating high-fidelity trajectories using inductive learning artificial intelligence technologies. New methods for making sense of movement data continue to emerge in response to unprecedented volume of geographic information on moving objects. Geo-computational techniques, including spatial agent-based models, are presented with new opportunities for innovation as people, animals, vehicles, and countless other objects are tracked across space and time at an ever-expanding scale and resolution. This thesis explores algorithmic approaches to agent-based modelling animal movement. Algorithmic approaches to informing, calibrating, and/or validating agent-based models of spatial systems are an open area of research in geographic information science. Following an introduction to animal movement and the objectives of this thesis (chapter one) and a comprehensive literature review of geosimulation approaches to modelling mobility, movement, and migration (chapter two), chapter three demonstrates an innovative geospatial artificial intelligence technique for agent-based simulation of olive baboon (Papio anubis) troop movement in Mpala, Kenya. This individual, bottom-up animal movement simulation uses classification trees to develop local movement rationales for baboon-agents. Simulated trajectories accurately depict real-world troop movement corridors across the region. Unexpected emergent behaviour arises in the simulation as animal-agents cross a known, although unprogrammed, river-crossing site. Extensive discussion of this baboon-agent model, along with implications for modelling tightly-coupled socioecological systems follows chapter three. This contribution to geosimulation and computational movement analysis is published in Transactions in GIS and was presented at an IEEE workshop on geospatial visualisation and the ESRI user conference. The method offers an innovative way of making sense of animal movement data and simulating high-fidelity trajectories using inductive learning artificial intelligence technologies. This contribution to geosimulation and computational movement analysis is published in Transactions in GIS and was presented at an IEEE workshop on geospatial visualisation and the ESRI user conference. The method offers an innovative way of making sense of and simulating movement De nouvelles méthodes pour donner un sens aux données de mouvement continuent d'émerger en réponse au volume sans précédent d'informations géographiques sur les objets en mouvement. Les techniques géoinformatiques, y compris les modèles spatiaux basés sur des agents, offrent de nouvelles possibilités d'innovation car les personnes, les animaux, les véhicules et d'innombrables autres objets sont suivis dans l'espace et dans le temps à une échelle et à une résolution toujours plus grandes. Cette thèse explore les approches algorithmiques de la modélisation des mouvements d'animaux à base d'agents. Les approches algorithmiques visant à informer, calibrer et/ou valider les modèles de systèmes spatiaux basés sur des agents constituent un domaine de recherche ouvert dans les sciences de l'information géographique. Après une introduction sur les mouvements d'animaux et les objectifs de cette thèse (chapitre 1) et une revue complète de la littérature sur les approches de géosimulation pour modéliser la mobilité, les mouvements et la migration (chapitre 2), le chapitre 3 démontre une technique innovante d'intelligence artificielle géospatiale pour la simulation à base d'agents des mouvements de troupes de babouins olivâtres (Papio anubis) à Mpala, au Kenya. Cette simulation individuelle et ascendante des mouvements d'animaux utilise des arbres de classification pour développer des logiques de mouvement local pour les agents babouins. Les trajectoires simulées décrivent avec précision les couloirs de déplacement des troupes dans le monde réel à travers la région. Un comportement émergent inattendu apparaît dans la simulation lorsque les agents-animaux traversent un site de franchissement de rivière connu, bien que non programmé. Le chapitre 3 présente une analyse détaillée de ce modèle babouin-agent, ainsi que ses implications pour la modélisation de systèmes socio-écologiques étroitement couplés. Cette contribution à la géosimulation et à l'analyse computationnelle des mouvements est publiée dans Transactions in GIS et a été présentée lors d'un atelier de l'IEEE sur la visualisation géospatiale et de la conférence des utilisateurs de l'ESRI. La méthode offre un moyen innovant de donner un sens aux données sur les mouvements des animaux et de simuler des trajectoires de haute fidélité à l'aide de technologies d'intelligence artificielle d'apprentissage inductif