FaVVEs: 不同抽象层次的多个图标结合的方式可视化数据的不同属性(Faceted Views of Varying Emphasis (FaVVEs): a framework for visualising multi-perspective small multiples)

在可视化中,大部分数据存在多个不同的属性,比如说空间,时间以及描述性的信息等角度,分析人员需要同时研究不同的属性。然而目前存在的并排图标(small multiple)将不同的属性分开比较的方法使得用户难以对于数据进行分析。为了辅助用户同时获得同时分析数据集的不同属性,本文提出了框架FaVVEs,将支持将不同的并排图标叠加在一起进行显示,同时通过动态调整图标的抽象程度,尽可能的避免并排图标的遮挡问题。本文针对图标并排显示以及叠加显示进行了用户测评。

本文[1]所提出的框架FaVVEs通过提出图标的不同抽象层次尽可能的消除图标叠加显示时存在的遮挡,避免视图之间的遮挡影响用户对于数据的感知。FaVVEs框架中提供了高,中,低三种不同的抽象层级,用户可以根据自己的分析任务在不同的抽象层级之间进行切换,辅助用户完成对于数据的分析。

系统介绍

本文所提出的框架FaVVEs主要针对的是空间数据,下面对于框架的介绍中所采用的数据是芝加哥犯罪情况的数据集,数据集中的每个数据项含有空间位置信息,时间信息,以及犯罪描述型的信息。

最高抽象层级

high level abstraction

图1 FaVVEs框架的空间,时间,描述性信息的最高抽象层次

在最高的抽象层级角度,系统对于空间,时间以及描述性的信息提供了遮挡率较低的数据概览。主要使用两个图形分别描述数据的中心以及分布趋势。空间信息主要是通过一个变形的椭圆进行描述,原点表示所有犯罪事件的中心位置,椭圆描述犯罪时间在地理位置上分布的大致形状。时间信息中的犯罪时间,犯罪日期两个不同的角度采用两个圆环进行映射,圆环同样描述的是犯罪事件在时间上的分布,圆环上的点描述平均犯罪时间。针对描述信息中的位置以及犯罪类型属性对于犯罪事件进行分类,因此图1两侧的标注主要描述的是描述信息的两个不同角度,其中字母是犯罪事件的类型,圆形上的连线描述的是犯罪在不同类型上的分布熵。

中间抽象层级

middle sbtraction

图2 FaVVEs框架的空间,时间,描述性信息的中等抽象层次

中间抽象层级相对于最高抽象层次通过对于数据的聚类以及组合的方式暴露出更多的数据细节。在空间信息的角度,通过2-d的柱状图描述犯罪在空间中的分布,标记的大小映射犯罪事件的数量;在事件信息的角度,使用极坐标的方式描述犯罪事件在每周的不同日期以及每天的不同时刻的分布情况,使用柱状图在极坐标上的长度映射犯罪事件的数量;在犯罪事件描述的角度,将犯罪事件在犯罪地点以及犯罪类型两个角度进行分类,柱状图的长度同样描述犯罪事件的数量。

最低抽象层级

low abstraction level

图3 FaVVEs框架的空间,时间,描述性信息的最低抽象层次

最低抽象层级尽可能多地提供给用户数据细节的信息。在空间信息方面,通过热力图的方式反映犯罪事件数量的分布情况,颜色越深的地方表示犯罪数量越多;在时间信息方面,使用矩阵描述每周的不同时刻,其中横轴反映不同的日期,纵轴反映每天的不同时刻,同样颜色的赊欠反映犯罪数量。相对于其他两个抽象层级,最低抽象层级在空间以及时间角度使用透明度反映数据量的大小。

combination

图4 将FaVVEs框架中针对不同属性的不同抽象层次进行组合

在针对空间,时间,描述信息设计不同的抽象层次之后,FaVVEs框架采用叠加的方式将不同的方面的信息组合在一起进行显示,用户针对当前的分析任务或者分析阶段可以选择不同的抽象层级组合,在分析的开始阶段,用户希望得到数据概览情况,可以将空间,时间以及描述信息设置为高抽象层次,用户发现感兴趣的信息之后可以将该信息切换为更为具体的抽象层次,发现数据内部的规律。即使在FaVVEs框架中已经尽可能的避免视图之间的遮挡,比如在时间信息方面采用极坐标的映射方式,不同抽象层次的组合的情况下仍然会产生元素遮挡的情况,比如将空间,时间以及描述性的信息均设为低抽象模式显示。

系统评估

本文设计的FaVVEs系统所基于的假设是图形重叠放置的方式比并列放置的方式更能够帮助用户对于数据中多个属性的感知,但是并没有文献支持这一假设,因此本文通过开展用户调研的方式比较两种不同的排列方式的比较效果。user study task

图5 用户调研中的设计的任务界面,用户比较下方的18个可视化和上方的3个可视化进行分类

本文中将用户分为两组,两组的被试有相同的人数以及相似的教育背景,两组执行相同的任务,不同之处在于一组在并列放置的可视化上执行任务,另一组在重叠放置的可视化的执行,将18个不同的可视化图标进行分类,按照分类的正确率作为检验指标。

user study results

图6 用户调研的结果,结果显示可视化图标重叠方式的方式略优于并置放置的方式

上图为用户测评的结果,结果显示比较并排放置以及重叠放置的两种方式,用户执行任务的准确率方面不存在明显的区别,论文中解释出现这种现象的原因主要是因为论文中在进行用户测评的任务选择方面过于简单,因此无法表现出两种方式在用户数据感知方面明显的区别。

总结来说,本文主要提出了一个可视化框架,允许用户通过将多个图标重叠放置的方式帮助用户同时分析数据的不同属性,并且提供不同数据抽象的方法尽可能的避免视图的重叠,本文将提出的方法应用在带有事件信息的时空数据中,验证了本文方法的有效性和有用性。基于本文提出的可视化框架,本文通过用户调研的方式比较图标重叠排列以及并置排列两种方式的比较效果。

[1]Beecham, R., et al. “Faceted Views of Varying Emphasis (FaVVEs): a framework for visualising multi‐perspective small multiples.” Computer Graphics Forum. Vol. 35. No. 3. 2016.

评论关闭。