对交通流的可视化、过滤与分析(Visualization, Selection, and Analysis of Traffic Flows)

移动物体(Moving objects)例如车辆、船舶、飞机等不是随机地运动,而是有一定的功能性的关系,例如飞机的有相同的目的地。这时我们把这类轨迹的集合成为交通流(Traffic flows)。然而这些轨迹通常数目多而且具有重叠。交通流通常会有一定的行为模式(Patterns),但是这些模式很难挖掘到。因此可视化交通流面临许多挑战:

  • 如何可视化所有轨迹的概览(overview)能让用户轻松的找到他们感兴趣的交通流。
  • 如何选取交通流。
  • 如何分析交通流的运动特征(例如方向,速度,海拔高度等随时间的变化)。
  • 如何对比不同的交通流。

该工作[1]经过与航空流量控制专家的讨论,作者首先确定三个基本的需求。用户应该可以看到交通流的方向。可以选择交通流并且探索和比较交通流。作者提出了如下所示的三个用户任务(如图1), 并以Brehmer and Munzner的可视化任务的理论形式[2]描述出来。

图1 用户任务

其中任务1希望用户能够发现,搜索交通流,并能辨别出选取的交通流。任务2而希望用户能能够发现、探索交通流,并能总结交通流的运动特这。任务3则是希望用户能够在探索,对比不同交通流的区别。

基于以上用户的任务。作者做了以用户为中心的设计(如图2)。设计分别在可视化、选择、分析三个方面。通过密度图来展示所有轨迹的预览和动态的粒子来表示轨迹的方向。一个新颖的多维尺度的刷选工具来筛选用户感兴趣的交通流。然后在一个独立的窗口来分析所选择的交通流。

图2 以用户为中心的设计

首先是可视化。作者使用密度图(如图3)来展示轨迹的分布,密度图属于交通流高层次的概览。

图3 密度图

方向是交通流的一个重要特征,需要把方向信息编码到可视化结果中对用户了解交通流的概率十分重要。传统对轨迹方向进行视觉编码的方法有用颜色、图示符的方法。然后用颜色映射往往会造成颜色混合问题(blending issues),用图示符的方法则会有遮挡问题。作者采用了动画的形式基于粒子系统(particle system)。对于每条轨迹,生成一组粒子,粒子之间等间距等速度,循环的在轨迹上运动。作者尝试使用其编码原轨迹的实际速度、海拔高度,但是速度、海拔高度的多样性让使用者觉得十分混乱,对观察交通流起到负面的作用。因此作者将粒子的速度都设为常数。每条轨迹被渲染成单独的粒子在原轨迹上运动。把所有轨迹一起渲染,自然能生产密度图。粒子的速度可以用来编码轨迹的其他属性。使用粒子系统的优点是直观,使用运动方向来编码运动方向,不用干扰其他视觉编码的元素。缺点是要求平台能渲染高帧率的平滑的动画。

图4 粒子展示方式

在粒子的渲染方式上(如图4),如图a是将粒子作为阴影部分与密度图混合的方式。但是它很难使用颜色去编码其他信息,并且很难理解。相对之下,如图b用高斯平滑的方式渲染粒子的密度图的效果较好,因此采用该技术。

接下来是交通流的选取(如图5)。用户能够通过任意点击三个以上的顶点创建一个多边形,所有通过该多边形的轨迹都会被过滤出来,接下来用户能够限制筛选出轨迹的方向:如图所示,作者首先运用主成分分析(PCA)的方法提取交通流的主要方向,并且把它放在多边形的中央。通过拖拽锚点的位置,能够设定交通流的方向范围:把锚点往前移动能够增大范围,把锚点往后移则减小范围。同时把锚点绕着多边形旋转则能选择范围。

图5 选择工具

同时还支持多区域复杂的轨迹组合选取(如图6),通过创建多个多边形,他们之间交、并、补的操作能够筛选出更精确的轨迹。

图6 组合式选择

最后是对筛选出的交通流进行分析(如图7)。对于筛选出的交通流,用户能够通过创建多边形的方式分析这些交通流在特定区域的特征。如图所示,作者在独立的窗口上通过柱状图展示交通流在时间上的分布,用极坐标形式的面积图展示交通流方向的分布,用密度图展示空间分布。用户可以把鼠标悬停在柱状图上,观察特定时间的交通流(图b)。可以点击左下角的矩形选择启用、禁止已创建的过滤器(图c)。

图7 交通流分析

分析任务还包括多种方式对比不同的交通流(如图8)。首先用户可以将多个视图并列排放来比较。其次可以将多个视图堆叠,形成堆叠图。如图a所示,堆叠的方式展示了三组交通流在时间分布的柱状图和方向分布用来作数值的情况。另一种方式可以对比两个图之间的绝对差异。图b则把两组交通流的在时间和方向分布的差值表现到原来的形式中,颜色表示数量占优的一方。

图8 交通流比较

如图9, 这个案例数据是法国上空东北部和西南部之间的交通流。我们可以发现为了避免飞机的碰撞,交通流明显的分成了两部分。并且两组交通流的密度不一样。飞向西南方向的飞机在上午密集,返回的交通流在下午密码。可能是大量的人选择在上午从东北部飞向西南部,然后下午返回。航班流量控制专家发现两个异样的表现。一个如图a,有一个异常的峰值。专家后来发现这个是因为有部分航班返回机场来度过夜晚。在图b中,此时机场已经关闭,却仍然发现有轨迹数据。最终确定这是飞机降落在旁边一个军事机场的轨迹。

图9 案例分析

 

 

参考文献:

[1]R. Scheepens, C. Hurter, H. Van De Wetering and J. J. Van Wijk, “Visualization, Selection, and Analysis of Traffic FlowsIEEE Transactions on Visualization and Computer Graphics, vol. 22, no. 1, pp. 379-388, Jan. 31 2016.

[2] M. Brehmer and T. Munzner, “A Multi-Level Typology of Abstract Visualization Tasks,” IEEE Transactions on Visualization and Computer Graphics, vol. 19, no. 12, pp. 2376-2385, Dec. 2013.

 

 

 

 

图9 Case Study

发表评论?

0 条评论。

发表评论


注意 - 你可以用以下 HTML tags and attributes:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>