可视化是观察和分析源-目的地 (Origin-Destination) 数据的重要工具，分析多个地理空间点之间的流数据，应用在有关通勤、迁移和货物运输中。流向图(flow map）是OD数据分析最常用的可视化方法，然而经常会遇到混乱和遮挡的问题。为了解决这些问题，许多可视化方法采用数据抽象和视觉抽象，例如进行节点聚合或边缘捆绑，从而导致信息丢失。最近可视化的理论和经验发展[2]证实了这种抽象方法的优点，同时证实了观众的知识可以减轻由于信息丢失造成的负面影响。探索源-目的地数据可视化的设计空间需要了解在数据和视觉抽象中丢失和添加信息的不同方式。该工作[1]基于数据抽象和视觉抽象中对源-目的地数据的信息操作的分类，制定了源-目的地可视化的新设计空间。依据该设计空间，提出了基于半边编码和饼图的源-目的地数据的可视化方法。
继续阅读 »
虚拟地球三维空间中的地理数据可视化直观且应用广泛，但是存在三维空间的遮挡和投影变形等问题，目前没有给出相应的三维地球中定量数据的可视化设计准则。该工作[1]探索了虚拟地球上定量数据可视化的两个主要设计因素：i) 常用元素（2D 条形、3D 条形、圆形）和 ii) 这些元素的方向（切线、法线、广告牌）。用户研究实验表明，虚拟地球上的 3D 法向量条形和 2D 广告牌条行都是准确的，切向量的条形和圆形都增加了用户的认知负担。在这些结果的指导下，作者提出了一个新颖的可视化 Geoburst，它结合了虚拟地球和径向条形图，通过对齐加强了数据的比较，减少了数据的遮挡和投影变形的问题。
继续阅读 »
拥堵是城市交通最普遍的现象，确定拥堵的原因是城市规划中的主要问题。由于交通数据量大且复杂，分析和监视拥塞很困难。 例如，监视大量的监视摄像机是困难的，并且可能会丢失可能影响不久的交通状况的重要信息（例如，非法停车，车辆事故）。 因此，需要一种系统可以监视来自多个源的各种流数据并集成此信息以进行实时拥塞监视，预测和回顾性分析。该工作[1]结合LSTM模型进行拥堵预测，对大面积区域进行实时拥堵监控，预测和分析。
在运动数据分析中，存在将运动物体的多个轨迹与共同或不同参考轨迹进行比较的问题。比较涉及到轨迹的形状，时间和其他的属性，如速度，方向等。该工作[1]引入了一个用于轨迹比较分析的一般概念框架和一个分析程序，它包括（1）轨迹的对应点匹配，（2）成对差异度量，以及（3）交互式视觉分析差异的分布，包括在空间，时间，运动物体的环境，轨迹结构和时空背景方面的差异。 通过可视化，交互和数据转换技术的组合，该工作支持分析并演示用于解决航空领域的挑战性问题。
大量的移动数据集以源 – 目的地（OD）形式表示，例如出租车旅行，移动电话位置等。作为可视化OD数据的常用方法，流图(flow map)经常因为大量的遮挡和交叉问题而难以发现移动的模式。过滤，聚类和边捆绑都可以减少流图的视觉混乱，但是OD流之间的相关性经常被忽略，这使得简化的OD流图呈现很少的语义信息。该工作[1]将OD流表征为单词和语句后通过Word2Vec模型来向量化处理。然后采用t-SNE对转换的高维向量进行降维，并设计了迭代的多目标采样方案以在矢量化表示空间中选择OD流。为了增强采样后OD流图的可读性，作者设计了抽象的流图以及flow wheel等呈现OD流的相互作用，并且整合了一组定量比较技术来评估样本流。基于真实数据集的案例研究和领域专家的访谈证明了该系统在减少视觉混乱和增强OD流量相关性方面的有效性。
数据总结(summary)允许分析人员探索太复杂或数据量太大而无法可视化其细节的数据集。在可视化分析系统中使用总结时，设计人员需要面对大量的设计选择。虽然这些选择会影响所得到的系统的效用，但使用这些总结技术并没有明确的指导原则。在本文中[1]，作者将总结用法编入现有系统中，以确定总结可视化设计的关键因素。他们使用定量内容分析系统地调查可视分析系统的示例，并列举这些设计因素在数据总结中的使用。通过这一分析，作者揭示了设计考虑因素，可视化系统中数据总结策略之间的关系，以及不同总结方法如何影响系统支持的分析。作者利用这些结果综合了现实世界中使用总结可视化的常见模式，并强调了这些模式为设计有效系统所提供的开放挑战和机遇。这项工作为总结可视化的设计实践提供了更原则性的理解，并提供对于未充分利用方法的洞察。
国际航空运输协会（International Air Transport Association）对空中交通增长前景的最新研究预测表明到2035年空中交通量将增加一倍[1]。为了应对流量突变，降低管制员的工作负担以及保障空中交通的安全性和效率，动态地划分空域变得更加重要。传统的空域划分包括基于交通流的图划分[2], 对扇区的合并增加[3]以及基于Voronoi图[4]。该工作CDAS[5]使用认知决策架构的模型, 采用多目标优化算法来动态的划分空域。评测结果表情该工作有效提高了管制员的工作效率。
在带有地理标签的社交媒体数据中检测特定区域的专有事件是一项重要任务。然而在大量的文本数据中有效的提取出某特定时间和区域的事件是异常复杂的。为了应对这项挑战，该工作提出了TopicOnTiles[1]，通过使用社交媒体数据提取主题信息，在多层次的基于瓦片的地图界面中显示专有事件相关信息的可视化分析系统。TopicOnTiles采用并改进了最近提出的可以提取与特定区域和时间点相对应的时空专用主题的主题建模方法STExNMF[2]。此外，作者利用基于瓦片的地图界面来并行处理大规模数据，并设计词云，glyph和热点图等来帮助用户提取并分析事件的时空特征。
时序数据在历史，气象，金融，地理，运动等许多领域都很普遍。文献中有许多在2D路径上进行时间和/或速度编码的研究，经常使用的视觉变量有大小，色彩亮度和段长度等。 然而到目前为止还没有研究来评估这些可视编码的相对可解释性。该工作[1]实验性地评估了人们在2D路径上感知非恒定时间和速度的程度。 在该图形感知研究中，作者评估了文献中所存在的关于直线和曲线路径上映射时间和/或速度的九种编码。 当x和y轴已经编码其他数据维度时，例如位置信息，在此基础上可视化时间和速度信息是一个挑战。 该研究成果为InfoVis设计人员提供了在2D路径上进行时间和/或速度编码的指导方针。其中，作者建议尽可能使用颜色值来编码速度和路径的分段长度来编码时间。
近期评论