标签存档: OD分析

大规模地理空间的源-目的地移动数据的视觉抽象(Visual Abstraction of Large Scale Geospatial Origin-Destination Movement Data)

大量的移动数据集以源 – 目的地(OD)形式表示,例如出租车旅行,移动电话位置等。作为可视化OD数据的常用方法,流图(flow map)经常因为大量的遮挡和交叉问题而难以发现移动的模式。过滤,聚类和边捆绑都可以减少流图的视觉混乱​​,但是OD流之间的相关性经常被忽略,这使得简化的OD流图呈现很少的语义信息。该工作[1]将OD流表征为单词和语句后通过Word2Vec模型来向量化处理。然后采用t-SNE对转换的高维向量进行降维,并设计了迭代的多目标采样方案以在矢量化表示空间中选择OD流。为了增强采样后OD流图的可读性,作者设计了抽象的流图以及flow wheel等呈现OD流的相互作用,并且整合了一组定量比较技术来评估样本流。基于真实数据集的案例研究和领域专家的访谈证明了该系统在减少视觉混乱和增强OD流量相关性方面的有效性。

继续阅读 »

通过对OD数据的空间时间抽象来揭示大规模移动数据的模式和趋势(Revealing Patterns and Trends of Mass Mobility Through Spatial and Temporal Abstraction of Origin-Destination Movement Data)

Origin-destination (OD)移动数据没有具体的描述移动的轨迹,而是仅具有起点,目的地,开始和结束时间以及其他属性。为了研究大规模移动数据的时空模式和趋势,常常把单个轨迹通过时间间隔聚合成流。时变的OD流数据为可视化和分析提出了两个难题。首先,流可以连接任意位置,从而形成的具有许多边缘交叉遮挡的难以理解的表达。第二个挑战是需要分析长时间序列的多个空间状态。这篇文章[1]提出一种方法,通过空间和时间抽象来促进对长时间序列流数据的探索。它通过一种特殊的数据聚合方式,允许通过图表而不是流图来表示空间状态,从而减少流图所具有的交叉和遮挡问题。聚合数据用于通过空间状态的相似性对时间间隔进行聚类。聚类结果的时间和空间可视化表达有助于发现大规模移动行为的周期性模式和长期趋势。

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 »