课程： 空间与地理数据可视化
讲师： 曾伟
讲师简介： 博士，中国科学院深圳先进技术研究院，副研究员。于2011、2015年分别获得新加坡南洋理工大学计算机专业本科和博士学位。研究领域包括可视分析、信息可视化、虚拟及增强现实、人机交互等。发表国际顶尖学术期刊和会议论文10余篇，其中包括IEEE TVCG、IEEE VIS、EuroVis、IEEE TITS、顶级期刊和会议论文。获得International Conference Information Visualisation最佳论文一次。曾任PacificVis 2019海报联合主席，IEEE T-CSS期刊客座编委，ChinaVis、IVAPP等学术会议的程序委员会委员，IEEE Vis、EuroVis、IEEE TVCG、IEEE TITS等会议和期刊的审稿人。。
课程简介： 本次课程主要从地理空间投影、地理数据可视化编码、OD线绑定和核密度技术等几个方面介绍了空间与地理数据可视化。
课程内容：
1 地理数据
1.1 地理信息
80%的数据是带有空间和地理信息的，随着gps、北斗等定位系统的普及，地理信息在我们身边有着越发广泛的应用。
地理信息可解构为对象、位置、时间三个维度的属性，分别从这三个维度出发又有许多细分的属性。
1.2 数据的表示
根据地理数据的性质不同，可用点、线、面三种可视化元素表征。
2 地图投影
在地理可视化中，我们常需要将曲面的地理信息投影到一个平面上。
一种常见的地图投影方法是墨卡托投影法,该方法是通过假想一个与地轴方向一致的圆柱切或割于地球，按等角条件，将经纬网投影到圆柱面上，将圆柱面展为平面后得到。它最大的优势是具有共形保角的特性，能够使投影前后的局部形状不变,但是也会扭曲实际面积。
对于地图投影，我们有四种性能评价维度，分别是共形、等面积、等距离和同方位角，但目前没有一种投影方法可以满足这四种要求，所以在实际应用中要根据需求进行取舍。
3 地理可视化的高级方法
四种地理可视化的高级方法：几何形状(Geometry)、分级统计图(Choropleth)、比较统计图(Cartograms)和场/线方法(Fields/Lines)。
(1)几何形状(Geometry)是指用点、线、圈等几何形状，在原本的地图图层上覆盖一层几何形状图层的可视化方法。如图3.1是芝加哥市不同种族的人口分布图,采用的就是不同颜色的点表示。
(2)分级统计图(Choropleth)是指将部分区域用相应的色级标示来表现统计变量的方法。如图3.2是1826年新冠疫情各省分布图。由于人分辨颜色的能力有限，所以数据分级数量在五到七类为最佳。
(3)比较统计图(Cartograms)使用面积和距离进行编码。图3.3用面积大小对应人口数量的多少，制作了世界人口地图。
4 场/线(Fields/Lines)
4.1 密度场(Density Field)
核密度估计（kernel density estimation）是在概率论中根据数据样本本身来估计概率密度分布的方法，可以理解为对直方图的平滑处理。图4.1展现了对航道中不同密度的映射，黄色和蓝色分别表示白天段和夜间段的数据。
4.2 边捆绑技术(Edge bunding)
当数据存在大量节点和边时，视觉混乱（Visual Clutter）很快成为严重的问题。因此，学术界诸多研究者设计了各种通过优化边的方式减轻上述视觉混乱，其中边绑定（Edge Bundling）方法被广泛研究和应用。
其中，在城市交通OD数据的边绑定中，一种称为路由感知边捆绑（RAEB）的方法保留了路网的拓扑信息。
