最近二十年来，随着动态图数据的大量产生，动态图可视化研究也得到了长足的发展。人们设计了许多可视化技术，用于支持不同种类的探索任务。接着，为了比较不同技术的优劣，人们又并发展了相应的评价方法。在此过程中，人们也将动态图可视化技术运用于解决一系列实际问题。Beck等人在今年EuroVis的Start of the Art Report环节报告了一篇综述论文[1]，总结了现有的动态图可视化研究。他们共计考察了129篇相关论文，将它们大致分为技术类、评价类和应用类。他们随后对以上三方面研究进行详细的归类整理，并在最后展望了未来的研究方向。
在论文中，Beck等人将可视化技术分为动画技术（Animation）和时间轴技术（Time line）。在每一类下面，他们又分出了详细的小类，如图1所示：
图1 动态图可视化技术分类
动画技术是一种直观的可视化技术。它主要基于点边图（Node link diagram）表示。因此，这类技术考虑的主要问题是，如果为每一个时间步的图选择一个好的点布局（Node layout）。根据考虑的图本身特性的不同，点布局算法又可以分为通用性算法和特殊算法。通用性算法可以处理所有类型的动态图数据。这类算法所考虑的一个核心问题是如何保持思维导图（Mental map）。也就是说，如何使得每个时间步的图有一个美观和容易理解的布局，同时相邻时间步的图布局又要尽可能相似以方便用户追踪点的移动。特殊算法往往针对特殊的数据，通常可以达到一些特殊的要求。比如有一类图数据，其中节点之间不仅有相互联系，节点本身还存在一个层级组织关系。也就是说，有些节点被看做是属于同一类。这类图数据成为组合图（Compound graph）。在动态组合图的可视化中，一个重要需求是保证同一类的节点始终在一起，并且当时间切换时，同一类节点形成的闭包的位置需要大致保持不变。有一些特殊的算法致力于解决这类问题，例如Dynamic GMap [2]。
相比而言，时间轴技术不那么直观，但它更侧重于分析时变特性。它既可以使用点边图表示，也可以使用矩阵（Matrix）表示。使用点边图表示的技术，通常会将每个时间步的图重叠（Superimpose）或并列放置（Juxtapose）。也有不少技术会将点边图和时间轴进行更加紧密的结合（Integrate），如图2所示。例如，最右侧的图中显示的是Massive Sequence View技术 [3]，其中横轴是时间轴，每行表示一个节点，两行之间的连线表示一条边。这类技术给予了用户很大的设计自由度，通常支持很高精度的时间展示，但是直观性可能有所不足。
图2 几种紧密结合点边图和时间轴的动态图可视化技术
基于矩阵表示的时间轴技术，其时间信息要么通过矩阵的重叠或并置表示，要么通过在矩阵的每个小格内嵌入时间轴来表示。这类方法直观性最差，主要侧重于边模式的时序比较。
Beck等人认为，动态图可视化在未来有以下研究方向：
- 发展评价方法，例如，何时需要保持思维导图，需要保持到什么程度？
- 提高可视化伸缩度，例如，如何支持更多的时间步骤？
- 设计混合表现技术，例如，是否可以混合矩阵表示和动画技术？
- 支持更多类型的数据，例如，如何展现带不确定信息的动态图数据？
- 发展交互技术，例如，如何标记和编辑动态图数据？
- 应用于更多类型的数据
[1] Fabian Beck, Michael Burch, Stephan Diehl, and Daniel Weiskopf. The State of the Art in Visualizing Dynamic Graphs, in Proc. EuroVis State of The Art Report, 2014.
[2] Yifan Hu, Stephen G. Kobourov and Sankar Veeramoni. Embedding, Clustering and Coloring for Dynamic Maps, in Proc. IEEE PacificVis, pages 33-40, 2012.
[3] Stef van den Elzen and Danny Holten and Jorik Blaas and Jarke J. van Wijk. Reordering Massive Sequence Views: Enabling Temporal and Structural Analysis of Dynamic Networks, in Proc. IEEE PacificVis, pages 33-40, 2013.
评论关闭。