城市无障碍/可达性(accessibility)评估具有挑战性,涉及不同决策背景下的不同利益相关者(stakeholder),同时也要满足人们的需求。为了更好地支持使用数据可视化的城市无障碍评估,Saha等人使用基于地图的可视化对不同的利益相关者群体进行访谈研究[1]。
继续阅读 »作者存档: Wu, Cong
可视化城市无障碍:过基于地图的设计探测研究来调查多方利益相关者的观点(Visualizing Urban Accessibility: Investigating Multi-Stakeholder Perspectives through a Map-based Design Probe Study)
拟人化图元对分类任务准确性的影响(Effect of Anthropomorphic Glyph Design on the Accuracy of Categorization Tasks)
数据图元(glyph)在信息可视化等领域得到了广泛应用,然而图元在分类任务上的认知和感知理论研究较少。本文作者对拟人化的图元进行实验,探究其对分类任务准确性的影响[1]。作者假设拟人图元对分类任务的准确性有正面提升,然而实验结果说明非拟人的图元效果更好。
继续阅读 »大规模粒子数据的计算属性上的交互选择 (Interactive Selection on Calculated Attributes of Large-Scale Particle Data)
在大规模的粒子数据中,有些属性需要在模拟过程中才能获得,比如温度、表面张力等。我们需要这些属性用来选择感兴趣区域的粒子,比如热点区域或者局部极值区域等,并在之后的模拟中观察粒子的变化情况。为了使用这些属性,我们可以首先运行一遍模拟过程,并把计算得到的属性保存下来,接着在系统中加载这些提前计算好的属性。然而,保存这些属性需要大量的磁盘空间,而且如果需要其他的属性,还需要再进行模拟以保存属性。另一种使用计算属性进行选择的方法是在模拟过程中实时计算并根据属性选择粒子,然而如果计算所有粒子的属性,模拟时需要分配更多的内存空间并使用更长的时间。本文结合3D视图刷选,提出了一种数据驱动的基于延迟计算的选择扩展方法[1]。
继续阅读 »2021年北京大学可视化发展前沿研究生暑期学校 – Day 6
多视图多类别散点图的利用集合覆盖优化的数据采样 (Data Sampling in Multi-view and Multi-class Scatterplots via Set Cover Optimization)
用于交通数据预测的深度时空3维卷积神经网络 (Deep Spatial–Temporal 3D Convolutional Neural Networks for Traffic Data Forecasting)
一种用于多类密度图的声明式渲染模型 (A Declarative Rendering Model for Multiclass Density Maps)
当数据点具有两个quantitative属性和一个categorical属性时,就可以用multiclass maps展示,包括散点图,多维投影,主题地图等。如果点的数量很多,直接绘制会引起overplotting,降低可读性,此时需要进行一些处理,比如alpha blending、数据聚集等,来保持可读性。本文展示了multiclass density maps,对每一种category都计算出2维的histogram,通过分块提高可视化的表达力和可扩展性。在总结相关工作的基础上,作者设计了一种模型,通过声明式的语法来进行multiclass density maps的可视化,并且可以动态调整来得到不同的可视化结果。
近期评论