标签存档: 时空信息可视化

无轨迹信息时空统计数据的数据流分析与可视化(Data Flow Analysis and Visualization for Spatiotemporal Statistical Data without Trajectory Information)

地理可视化研究使用多种技术来表示和探索时空数据。这些技术的目标是使用户能够在空间和时间上探索事件和交互,以便于发现数据中的模式、异常和关系。然而,对于没有轨迹信息的非方向性统计数据,很难提取和可视化数据流模式。在本文[1]中,我们开发了一种新的流分析技术,以提取、表示和分析无方向时空数据流图,而不受轨迹信息的影响。我们估计这些事件在空间和时间上的连续分布,并利用重力模型提取空间和时间变化的流场。然后,我们使用流可视化技术可视化数据中的时空模式。用户在地图上呈现地理参考离散事件的时间趋势。因此,整体的时空数据流模式帮助用户分析地理时空的事件,如疾病暴发,犯罪模式,等来验证我们的模型,我们丢弃的轨迹信息在OD数据集和应用我们的技术数据和比较得出的轨迹和源。最后,我们提出了包括推特数据统计数据的时空趋势分析、海上搜救事件和症状监测案例。

继续阅读 »

通过可视化分析地理因素对多变量聚类的影响(Visualizing the Impact of Geographical Variations on Multivariate Clustering)

通过可视化分析地理因素对多变量聚类的影响

多变量地理空间数据是一种十分常见的数据类型,例如对各大城市的人口状况统计、世界各国的国力评判指标等等。如何分析地理因素(如地域的位置、范围、方向等)对多变量数据的影响,一直是地理信息、可视分析等领域的重要课题。另一方面,聚类是简化多变量分析的常用方法,它能够挖掘相似数据、总结数据特征、并消除变量增长所带来的负担。然而,当下的聚类分析方法并没有考虑地理因素的影响。这篇发表于2016年EuroVis会议的文章[1],就探讨了如何通过可视化分析地理因素对多变量聚类的影响。

继续阅读 »

公共交通数据中途经限制的OD模式可视分析 (Visualizing Waypoints-Constrained Origin-Destination Patterns for Massive Transportation Data)

在交通领域,对OD模式的研究能够帮助交通领域的专家研究城市交通的动态规律以及移动行为。但是大多数OD模式的研究多集中于对全局OD模式的探索,而很少针对具有一定限制的OD模式分析。基于这个需求,本文[1]提出公共交通数据中途经限制的OD可视分析方法,通过交互式过滤满足途经限制的轨迹,并提出新颖的可视化设计,帮助领域专家分析对应的OD模式。

继续阅读 »

实验室博士生陆旻在第七届中国数据库技术大会数据挖掘和BI专场演讲

2016年5月13日,北京大学可视化与可视分析实验室博士生陆旻受邀参加在北京国际会议中心举办的第七届中国数据库技术大会,在数据挖掘和BI专场做了题为《城市移动数据知微探秘》的演讲。
继续阅读 »

相似性探索:针对多角度气候模型的比较可视化工具 (SimilarityExplorer: A Visual Inter-Comparison Tool for Multifaceted Climate Data)

在气候数据分析中,相似性比较对研究不同气候模型之间存在共识和差异很重要。陆地生物圈模型等气候模型模拟了生态系统在时间和空间上的变化,比如光和作用,呼吸作用等。众所周知,交互可视化方法可以让研究者们更方便地浏览数据,从不同角度和粒度下对数据进行分析。但目前并不存在一个特别针对气候模型数据比较的可视化工具。在今天的EuroVis2014会议上,美国纽约大学的学者针对气候数据提出他们的工作SimilarityExplorer[1]。作者首先提出了针对气候数据不同角度下模型相似度的四种可视化分析需求,之后从这些需求出发,作者设计了满足这些需求的四种可视化任务设计指导。最后基于这些设计指导,作者开发了一个可视分析工具SimilarityExplorer,它结合了矩阵、散点图投影技术、平行坐标等多种可视化技术,重点从空间和时间这两个角度出发,对气候模型之间相似度做比较。由于这些设计指导和开发的系统都是基于与气候领域专家讨论的基础上得出的,所以这个系统的实用性和有效性都得到很好的验证。

继续阅读 »

微博可视化-V 地图

地图是一种简便、直观,也是目前非常流行的展现地理信息的可视化方式。它主要根据地理位置的不同,将不同地区的数据展示在地图上。当前,随着移动互联网的爆炸性发展,我们可以越来越方便地获取到更加精确的地理位置信息。在这大量地理数据的背后,还有很多有意思的东西正等待着人们去挖掘发现。微博上基于地理信息的可视化也将会有很广阔的前景。

Trendsmap(http://trendsmap.com/)是一个用来展示Twitter上各个地区热点话题的可视化应用。 继续阅读 »