用于分析多维度地理信息数据的动态的可视分析

一、论文介绍

用于分析多维度地理信息数据的动态的可视分析(Attribute Signatures: Dynamic Visual Summaries for Analyzing Multivariate Geographical Data )是Turkay, Cagatay Slingsby, Aidan等人于2014年12月在IEEE可视化与计算机图形汇刊发表的论文。该论文旨在解决地理位置相关的多元属性由于受屏幕空间和地图大小限制,一次只能同时可视化的展示少量属性的问题。由于地理数据可视化普遍要求保留地图信息,而地图信息往往已经占用了位置和尺寸信息两个可视通道。因此,这就造成了可视通道资源的进一步短缺。本文通过提出一种实时的同时研究多元属性与空间位置信息关系的方法及有效的可视化交互方法,来保持空间上下文信息,同时利用图解说明了结合地理地形来分析多元信息的重要性。

二、具体内容

 上图为本文可视化工具的总览图。其中左侧围地图,右侧为选取的各种属性。在多维度探索中, 作者使用了Small-Multiple的形式,将不同的维度属性绘制成小的折线图,并排摆放成矩阵的形式。其中X轴是variation轴,即根据用户交互产生的变化动态产生的,y轴为比较轴,可以是该观察属性的原始值、统计值等,同时在图中也提供了比较基线,可以设置为固定基线(某个整体平均值或则标准差)或者自定义一类值作为基线。

1.交互对象

 交互方式的对象主要为三个方面:地理位置(SL)、地理范围(SE)及采样精度(SR)的变化,我们分别或连续地改变一个,并保持其他方面不变.

对于每个交互对象,作者主要使用了离散和连续两种方式。举地理位置选取为例,连续交互即用画刷在地图上画出一条连续的线段。这时右侧会根据你画出的轨迹,统计这条线段上经过的固定范围内各个属性的情况。从而利用折线图的方式在右侧表示出来。而离散型则是在地图上选取几个点,统计这几个点在固定范围内不同数据的变化情况。并在右侧属性面板里绘制出条形统计图。

2.属性签名

 属性签名表示沿变化轴的单个(或多个)属性中的更改。X轴是变化轴,与用户交互定义的地理方面(位置、范围或分辨率)相对应。Y轴表示计算出的统计数据的变化,并将动态计算的值与适当的基线进行比较。

3.属性的归一化与重排序

归一化:在本文中并没有提到归一化,但提到了Turkay等人动态创建属性签名的方法,且在后文中又提到了重排序,众说周知,要进行排序首先必须统一坐标的尺度,在结合Turkay等人的论文(虽然没有怎么看懂),猜测该方法在动态创建属性签名时便已将坐标归一化(或该方法本就是归一化的一种),在本文中提到该方法大致过程是这样的:将每个属性总结为与该区域相关的汇总统计数据,其中统计数据λ,例如平均μ或标准偏差σ等描述性统计数据,仅使用在变化轴上特定位置i处选择的数据点计算。然后,我们将这些“局部”计算结果λsi与基线值λbi进行比较,以计算位置i处的差异:Δi=λsi−λbi,类似于Turkay等人的差分图。所有属性的计算都是实时进行的,而Δi和λ是大小为p的向量——数据中属性的数量。在交互会话期间,用户选择(即递增i)位置或比例(范围或分辨率)。作为响应,对fly执行新的比较计算,并在每个属性签名中描述产生的差异。由于本人水平有限,只能看个大概,希望详细理解请阅读C. Turkay, P. Filzmoser, and H. Hauser. Brushing dimensions – a dual visual analysis model for high-dimensional data. IEEE TVCG, 17(12):2591–2599, dec. 2011.

重排序:除了基本交互外,作者还提供了辅助的交互手段如重排序,文中提到的具体方法如下:首先在概览图的右侧的Small-Multiple图中选则一个希望得到其相似图形的图作为基图,然后用欧式距离法计算其他Small-Multiple图与该图的相似度,计算好之后,将基图放在左上角的最顶端,其下则是与其相似度最接近的,其后是第二相似的,依次降序排列,其原文叙述如下:

参考:

[1]Cagatay Turkay, Aidan Slingsby, Helwig Hauser, Jo Wood, Jason Dykes, Attribute Signatures: Dynamic Visual Summaries for Analyzing Multivariate Geographical Data. IEEE Trans. Vis. Comput. Graph. (InfoVis), 2014, Pages 2033-2042

北大可视化博客:http://vis.pku.edu.cn/blog/attribute-signatures-dynamic-visual-summaries-for-analyzing-multivariate-geographical-data-%E7%94%A8%E4%BA%8E%E5%88%86%E6%9E%90%E5%A4%9A%E7%BB%B4%E5%BA%A6%E5%9C%B0%E7%90%86%E4%BF%A1%E6%81%AF/?tdsourcetag=s_pctim_aiomsg

浙大可视化博客:http://www.cad.zju.edu.cn/home/vagblog/?p=2688&tdsourcetag=s_pctim_aiomsg

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
项目名称:广州美食店铺数据分析 一、数据分析项目MVP加/价值主张宣言 随着经济的快速发展以及新媒体的兴起,美食攻略、美食探店等一系列东西进入大众的眼球,而人们也会在各大平台中查找美食推荐,因此本项目做的美食店铺数据分析也是带有可行性的。 首先通过对广东省的各市美食店铺数量的地图分析,发现广州美食店铺数量最多,然后继续通过广州不同地区的美食店铺数据分析美食店铺所在的地区、人均价格、菜系类别等字段,从而通过可视化图表呈现出来,帮助目标人群可以快速知道广州美食店铺的地理位置、人均价格、综合评分等信息。 二、问题情境的数据来源及类型 数据来源 通过在和鲸社区查找得到的数据,该项目的目标在于给用户直观的数据,用数据说话增加可信度。 数据分析项目的问题情境说明清楚合理,展示了为啥要做 数据分析项目的问题情境说明清楚合理,展示了具有分析加价潜力的关键数据,是可以收集并分析. 通过在和鲸社区查找到的数据,目标给用户直观的数据,用数据说话,增加可信度。从店铺所在商圈、店铺星级、店铺人均价格、店铺美食类别等多维度多方面因素的数据进行分析广州各个行政区的美食店铺,是比较直观和全面的。 数据分析项目的问题情境说明清楚合理,展示了关键数据来源对问题情境的相关性 人均价格、口味评分以及服务评分会直接影响到顾客是否去该店铺用餐,而店铺所在商圈、店铺美食类别从多维度分析顾客选择餐厅的客观影响,因此目标人群可以通过人均价格、口味评分、店铺所在商圈、店铺美食类别做出的可视化图表从而进行选择。 数据分析项目的问题情境说明清楚合理,展示了关键数据类型特性对解决方案的可能影响论证 数据类型最终可以是地图、饼图、柱形图等,目标人群在选择美食店铺的时候可能会需要花点时间寻找、对比、统计,所以适当的时空交互将数据进行对比分析是必要的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值