2018年秋季学期视觉计算实验室第12周论文研读预告

论文研读时间: 2018年11月23日9点30分
论文研读地点: 四川大学望江校区基础教学楼B座318(视觉计算实验室)
论文分享者: 张艺兰、龙春林
分享者一:张艺兰
分享内容:Revealing Patterns and Trends of Mass Mobility Through Spatial and Temporal Abstraction of Origin-Destination Movement Data
分享来源:IEEE Transactions on Visualization & Computer Graphics, VOL. 23, NO. 9, SEPTEMBER 2017
分享理由:1.提出了分析大规模移动数据的模式与趋势的一套一般性分析流,与分享人研究工作密切相关。2.对学位论文工作有借鉴和启发意义。3.长期跟踪作者(Gennady Andrienko, Natalia Andrienko)团队的工作。1
论文简介

  1. 内容简介
    本文主要揭示大规模OD(Origin-Destination)移动数据的模式和趋势,现有方法通常是用流(flow)来实现相关分析,但流的可视化和分析中存在两大挑战。首先,流可以连接任意位置(不仅仅是相邻位置),这样就形成了一个具有众多边界交叉点的图,这很难以一种可理解的方式可视化。第二个挑战是需要分析由大量空间情况组成的长时间序列。针对这些挑战和分析任务,本文作者提出了一种通过时空抽象的方法来促进对长期流数据的探索,并提出了一套一般性的分析流程。本文的主要贡献包括两个部分:
    a)空间抽象和分析方面。
    一种数据抽象技术,通过使用方向和距离范围聚合OD流来简化流的情况。
    一种用一组径向图在地图上再现抽象流态的制图可视化方法。
    一种支持流情况之间视觉比较的方法。
    一种将空间情况的整体抽象视图与“随需应变的细节”相结合的方法。
    b)时间抽象和分析方面。
    一种数据抽象技术,根据流的相似程度对时间间隔进行交互聚类。
    一种类似于日历的可视化方式,显示了流状态集群的总体时间分布。
    用时间簇总结流动情况。
  2. 内容详解
    a)分析工作流
    表示了在交互式可视化显示的帮助下,由数据转换、聚类和知识发现组成的分析工作流。
    --1-1
图1
b)空间抽象 c)时间抽象

--2-1

图2
d)创新的可视化设计

分享者二:龙春林
分享内容:Revealing Patterns and Trends of Mass Mobility Through Spatial and Temporal Abstraction of Origin-Destination Movement Data
分享来源:IEEE Transactions on Visualization & Computer Graphics, VOL. 23, NO. 9, SEPTEMBER 2017
分享理由:1.文章提出一种分析OD数据流的流程,从而减少流图的杂乱程度并可用于长时间范围分析。2.文章提出的方法具有普遍适用性,对于数据分析方向的工作具有一定的指导价值。
论文简介

  1. 内容简介:针对OD数据可视化流图存在的由边的交叉造成的杂乱和难以分析长时间数据两大问题,文章提出一种普适的分析流程(图1)。通过对OD数据进行空间和时间上的抽象,简化数据维度,并用图表形式(图3)直观表示OD数据流。时间上抽象聚类(图2)实现对长时间数据的分析。

TIM--20181120224858

图3
在可视化方面,作者进行了一些可视化设计(图4),并通过同行专家对其进行评估,总结出可视化设计好坏的一般特点。在交互式方面,作者提出了几种交互方法(图5),让OD数据分析更加清晰明了,分析人员可以选择性查看相关数据。

TIM--20181120225145

图4

TIM--20181120225151

图5
123