连续时间多状态“步长与转向”动物运动的贝叶斯推断

动物运动的机制建模通常以离散时间表述，尽管存在尺度不变性问题，例如处理不规则时间间隔的观测。一个自然的解决方案是以连续时间表述，然而这方面的采用一直缓慢。这种未实现性常以解释困难为由。在此，我们旨在通过开发一个具有可解释参数的连续时间模型来促进使用，该模型类似于那些使用转向角和步长的流行离散时间模型。运动由一个联合方位和速度过程定义，其参数依赖于一个连续时间行为切换过程，从而创建了一类灵活的运动模型。针对不规则观测，提出了马尔可夫链蒙特卡罗推断方法，该方法通过重建底层运动过程来增强观测位置。这应用于著名的 elk（\emph{Cervus elaphus}）的 GPS 数据，此前这些数据已用离散时间建模。我们展示了连续时间模型的可解释性，发现了随时间行为的明显差异，以及对短期行为的洞察，这些在离散时间中无法获得。