在可视化中，我们可以用位置、长度或亮度等视觉通道展示数据。现有对视觉通道的排名主要是基于参与者能多准确地报告两个用视觉通道表示的数值之间的比率。这个排名成立的假设是，对于不同的任务和不同数量的视觉元素，排名保持不变。然而，现有的工作很少对该假设进行实验，特别是考虑到在现实世界的可视化中，根据观察到的视觉通道来计算两个数值的比率相对来说没有那么重要，相比之下，看到、记住和比较趋势更为重要。

地图是人类概括和符号化所在地理空间和现象的有效手段。有猜测，自从石器时代人类开始制作各种原始的地图。今天我们还能在博物馆看到数千年前人类保留下来的实物地图。19世纪约翰·斯诺医生制作的霍乱地图则开启了利用地图这一形式进行多元数据融合推断，进行决策的先河。

在针对新冠疫情的工作中，北京大学可视化与可视分析实验室研发制作了一系列交互地图。在此我们讨论通过数据绘制各类主题地图，帮助更好的理解疫情发展变化。今天我们介绍其中的零新增地图。

目前中国新冠肺炎新增确诊人数总体在逐渐减少，世界卫生组织也肯定了中国对新冠肺炎所做的努力，并且认为中国的疫情顶峰已过，现在正处于稳步下降的状态。但是国际疫情却异常严重，韩国，日本，意大利，伊朗都面临着巨大的挑战。

北京大学可视化与可视分析实验室提供了一系列的工具，帮助大家实时查看国际疫情。

截至2020-02-23 16:50，新型冠状病毒肺炎（COVID-19）全国确诊人数超过7万7千人。全国人民都在关注何时疫情能够被遏制和战胜。

北京大学可视化与可视分析实验室最近发布了疫情晴雨表，为大众深入理解当前疫情提供了可视化利器。今天我们发布了晴雨表的新版本。新版本包括在原有省和地级市两级可视化的基础上，增加了对全国所有地市新增确诊数动态（不包含台湾省）的排名。下面为大家介绍晴雨表的新功能。具体试用可以通过疫情可视化网址：http://vis.pku.edu.cn/ncov/

北大可视化与可视分析实验室发布疫情轨迹图，可视化对比新冠与其他历史疫情。

自从新冠疫情爆发以来，你的生活或许变成了这样：每天早上一起床，便习惯性地打开手机，点开微信朋友圈或新闻类APP，查看今天的新增确诊病例人数、新增死亡病例人数和疑似病例数，忧心忡忡地看着窗外，想着什么时候情况能够好转，自己得以“刑满释放”，出门去在春风杨柳里走一遭。

粒子追踪是流场可视化与分析里最重要的技术之一，被大量应用在场线渲染、源汇查询、有限时间李雅普诺夫指数计算等应用中。然而，在大规模流场中，对大量粒子通过粒子追踪算法计算轨迹时，由于粒子访问数据块的局部性很差，导致计算过程中有大量时间消耗在数据块的读入上。一种提高数据块访问效率的做法，就是对粒子将要访问的数据块进行预测，然后提前进行预读取，从而将读入花费隐藏在计算时间之下。这个工作首次引入了深度学习模型，即基于长短期记忆 (Long Short-Term Memory, LSTM) 的模型，对粒子轨迹进行建模，从而能更为准确地预测粒子对数据块的访问，从而提高大规模粒子追踪算法的效率。

继续阅读 »

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。

继续阅读 »