通过GPS或其他技术收集的移动数据越来越普遍，但是这种数据由于在二维地图上轨迹的遮挡问题而变得难以可视化出来。另一个挑战是提取原始移动数据中有用的更抽象的特征信息（例如相遇事件）。作者展示了MovementSlicer[1]的设计研究，一个可视化个人访问地点和行为的工具，同时展示多个参与者之间的相遇事件。作者首先提出运动数据可视化的分类，然后在分析运动数据，特别是多个参与者的相遇事件支持的任务。他们认为甘特图对于理解小团体的运动和相遇事件有很多好处，并且提出了一个甘特图的设计，甘特图可以把人物嵌入地点信息或地点嵌入人物信息展现在Y轴，并沿水平方向x轴显示时间轴。甘特图的行可以按照活动级别进行排序，并且可以使用显示人们之间相遇次数的加权邻接矩阵进行过滤。甘特图中的没有记录信息的时间间隔可以自动折叠，从而产生多焦点视图。作者使用多个案例研究证明了MovementSlicer的实用性。
图1 移动数据可视化分类
作者把移动数据的可视化分为五类，如图1所示：small multiples，动画，时空立方块，2D地图以及甘特图。其中small multiples需要更多的空间，动画需要更多的记忆负载，时空立方块需要用户不断的改变视角，而在2D地图中绘制不能显示事件且容易产生遮挡问题。这个工作关注少量的移动数据，以及数据中离散的位置和抽象的特征信息(如相遇事件)等，因此使用甘特图是较好的选择。
图2 甘特图使用示例
甘特图虽然不能表示实际地理的距离以及轨迹的形状，但是它没有轨迹遮挡，可以方便性显示到达地点的顺序和次数。这样可以更好的展示数据中的行为模式，异常，相遇事件，共同移动等。如图2所示, 在A中可以清晰的观察到他的行为模式，B中在Week3去看了医生，然后就在家里呆了很长时间。C中可以看到相遇信息，D中两人共同移动的现象。
图3 不同甘特图类型
作者把甘特图可视分析移动数据分为两类，基于人的和基于地图的形式都支持(图3)。相对于A，C在y轴上节省了空间，但是它需要用颜色表示不同的地点。在基于地图的甘特图中，E比B节省了空间；与D相比，减少了遮挡问题。
图4 界面
图5是该工作的界面，左上角部分是展现相遇次数的邻接矩阵，下面是甘特图，还有地图部分。在邻接矩阵中可以方便的看到会面的频繁次数，选择人或者单元格可以方便的过滤展现相应的数据。甘特图中对没有信息的时间部分进行折叠，点击甘特图中的位置可以在地图中相应的展现。
图5 使用案例
该工作使用GeoLife[2]的数据进行了分析。图5所示，在邻接矩阵中明显看到3号和4号经常会面，在甘特图(左上)中可以推测二人是亲密的关系。而对于0号和3号人物，二人经常会面，但是每次会面呆在一起的时间太长，有时候甚至长达一整天，这种现象需要进一步去分析。
参考文献：
[1] S. Gupta, M. Dumas, M. J. McGuffin and T. Kapler, “MovementSlicer: Better Gantt charts for visualizing behaviors and meetings in movement data,” 2016 IEEE Pacific Visualization Symposium (PacificVis), Taipei, 2016, pp. 168-175.
[2] Y. Zheng, X. Xie, and W.-Y. Ma. GeoLife: A collaborative social networking service among user, location and trajectory. IEEE Data Engineering Bulletin, 33(2):32–39, 2010.
评论关闭。