高维可视化在时空数据中的应用

简介

随着定位技术的发展，时空数据已经成为一种十分普遍的数据形式。这类数据记录了人、交通工具、乃至地壳版块的活动情况，反映着其中各式各样的行为模式。除了时空信息，数据中往往也记录了对象在多个变量上的取值，以帮助分析人员了解行为模式产生的原因。对于这些高维信息，我们将高维数据可视化方法引入到时空数据的可视分析中，并产生了许多优秀的应用案例。

轨迹数据是一类重要的时空数据。其中往往伴随着属性信息，用以描述活动对象的特征（如尺寸、颜色、类型等），或是轨迹本身的特性（如速度、方向、角度等）。我们基于轨迹数据开展了许多研究工作，包括车辆在路口的行为分析[1]、轨迹时间线的比较[2]、飓风移动模式的分析[3]等等。在这些工作中，我们运用了许多高维可视化方法如平行坐标（左下图）、散点图矩阵（右下图）、降维投影等，来帮助用户分析轨迹在属性空间中的特征，以揭示行为模式背后更深层的原因。

另一类时空数据，是在特定地点上记录的一系列事件，譬如各城市的地震记录、射频定位（RFID）数据、各监测站上报的污染水平记录等等。我们研究了射频装置在标定过程中所收集的定位数据[4]，如左下图所示，其中RFID标签分布在不同层的平面上。我们利用平行坐标展现定位数据的各个属性，并将其中一个轴替换为每层的截面图，以显示数据的空间分布信息（如右下图）。这种方式能够有效地结合空间和属性，同时展现数据的不同侧面。

对于地震记录数据，我们也建立了相应的可视分析系统[3]。其中，我们结合了卫星收集的、多维度的地表情况数据，并通过平行坐标来进行展示（如下图）。用户通过数据刷选能够将地表属性和空间视图里的地震事件联系起来，从而对地震发生的原因进行分析推理。

引用

1. Hanqi Guo, Zuchao Wang, Bowen Yu, Huijing Zhao, and Xiaoru Yuan. TripVista: Triple Perspective Visual Trajectory Analytics and Its Application on Microscopic Traffic Data at a Road Intersection. In Proceedings of IEEE Pacific Visualization Symposium (PacificVis'11), pages 163-170, Hong Kong, March 1-4, 2011.
   | 文章：pdf (1.2 MB) | 视频： mp4 (6.3 MB) |

2. Zuchao Wang, and Xiaoru Yuan. Urban Trajectory Timeline Visualization. In Proceedings of International Conference on Big Data and Smart Computing (BigComp'2014), Bangkok, Thailand, Jan. 15-17, 2014. (INVITED).
   | 文章：pdf (0.8 MB) |

3. Zuchao Wang, Hanqi Guo, Bowen Yu, Xiaoru Yuan. Interactive Visualization of 160 Years’ Global Hurricane Trajectory Data. IEEE Pacific Visualization Symposium (Poster), Hong Kong, March 1-4, 2011.

4. Xiaoru Yuan, He Xiao, Hanqi Guo, Peihong Guo, Wesley Kendall, Jian Huang, and Yongxian Zhang Scalable Multi-variate Analytics of Seismic and Satellite-based Observational Data. IEEE Transactions on Visualization and Computer Graphics, 16(3):1413-1420, 2010.
   | 文章：pdf (3.3 MB) |