面向城市空间热点分析的可视化方法综述
发布时间：2021-07-04 21:00
随着定位技术和通信技术的发展和普及,带有时空属性的数据呈爆炸性增长.这些时空数据蕴藏着丰富的热点信息,利用可视化方法进行城市空间热点分析有显著优势,对优化资源配置、指导城市建设具有重要意义.文中综述了近年来国内外城市空间热点分析的相关研究,总结不同时空数据热点分析的可视化方法框架;并根据数据特征分别按照基于统计信息和基于语义信息进行分类,详细阐述各类方法的研究现状和优缺点,可为不同的数据类别及派生的特征选择合适的可视化方法,以更好地协调多个数据属性及其展示结果,进而减少信息混乱和视觉遮挡;最后,指出面向城市空间热点分析可视化方法面临的挑战和进一步探索的方向.
【文章来源】：计算机辅助设计与图形学学报. 2020,32(04)北大核心EICSCD
【文章页数】：17 页
【部分图文】：
不同时空数据热点分析的可视化框架
基于点模式分析的可视化方法基本思想是将地理对象作为热点映射到地理空间上,每个热点都会对其邻域产生一定的影响(由核函数确定);然后将每个热点的影响相加,并将叠加的结果转换为颜色进行渲染产生热图.Liu等[30]通过热图用颜色强度指示流量属性来描述交通流量的密度分布,进而分析热点,如图3所示.在社交数据方面,Chae等[31]使用地理空间热图来说明2012年纽约曼哈顿飓风桑迪的灾难事件公共流动空间分布的大致变化趋势,图4a和图4b所示为灾难事件前Twitter空间用户分布情况,图4c所示为疏散令下达4 h内纽约市曼哈顿地区的Twitter空间用户分布情况.这种标准的热图可视化功能使分析师能够在任何给定时间探索Twitter用户的空间格局.在应用方面,Smartadp[32]系统通过多视图交互式分析,分析广告牌放置的热点区域.但是,基于影响叠加的热图分析热点也存在一些缺点,单一的叠加规则对地理空间特征的考虑不足,如适应性差.基于上述缺陷,王胜开等[33]提出了一种如图5所示逆向绘制热图的方法,将渲染器像素映射的地理空间作为计算分析的空间粒度,解决了热力图影响力叠加规则依赖于渲染器机制的问题,热图反映层次更加分明,更适合进行地理空间的热点分析.
1997年,Kulldorff[18]基于扫描统计信息设计了一个热点检测模型,以检测活动性高的空间区域;该模型将不同半径的圆覆盖研究区域,通过识别具有统计意义的圆圈来检测热点.无论空间活动的原始分布如何,该模型都可以识别圆形热点.2001年,Kulldorff[19]拓展了空间扫描统计方法的窗口,加入时间差因素,提出了时空扫描统计方法,检测分析出了疾病高发的区域,证明了时空扫描统计方法的可行性.时空扫描统计法基于统计学理论减少了聚类的主观影响,但其局限在趋向于发现近似球形的聚集结构,不易发现不同形状的类簇[20].一方面,研究人员开始研究不规则形状的热点检测,Kulldorff等[21]将空间热点检测扩展到空间扫描统计信息的椭圆形式.Takahashi等[22]和Tango等[23]提出灵活形状的扫描统计,进一步扩展时空扫描统计在探测局部突发性聚集模式中的应用;Katragadda等[24]基于多边形传播算法提出由三角形组合成多边形的可视化检测方法,通过多边形扫描窗口,其优于传统的固定形状扫描统计方法.另一方面,针对应用场景进行优化,周勍等[14]以武汉市的出租车轨迹数据为例,利用单峰直方图阈值法进行高势值区域筛选,得到轨迹聚集区域,从而提取持续热点区域(大型社区、火车站等)和随时间变化的热点区域(旅游景点、医院等);在扫描统计分析基础之上,Yue等[25]将地图映射和流程图的可视化方法相结合,对热点区域与土地使用情况进行分析,找出城市中潜在的、强关联的兴趣区域;童晓君[26]以统计的方法从出行时段、日出行总量、空驶率等几个方面用饼图分析了居民出行在时间上的特征,结合层次聚类算法分析了居民出行在空间上的特征,挖掘了出行热点区域.在社交网络数据方面,Karimi等[27]基于带有地理位置的社交网络签到数据,提出考虑用户偏好、社会影响和地理时间对用户签到行为的影响的方法,并用折线图比较签到数据的时间、地点和行为等,通过对社会、地理和时间模式进行建模向用户推荐活动位置.de Lara Pahins等[28]基于订单统计数据介绍了分位数数据立方体结构(quantile datacube structure,QDS),通过QDS索引在大数据集上结合折线图等视图执行交互式事件检测.Maciejewski等[29]基于统计分析视图和热图进行热点预测.2.1.2 基于空间点模式分析的可视化方法
【参考文献】：
期刊论文
[1]出租车轨迹数据挖掘进展[J]. 吴华意,黄蕊,游兰,向隆刚. 测绘学报. 2019(11)
[2]基于轨迹数据场的热点区域提取及空间交互分析——以深圳市为例[J]. 周博,马林兵,胡继华,吴苏杰,何桂林. 热带地理. 2019(01)
[3]多参数的城市时空热点查询[J]. 康家兴,牛保宁,郝晋瑶. 计算机工程与应用. 2019(10)
[4]逆向热力图的绘制方法[J]. 王胜开,徐志洁,张健钦,杜明义. 地球信息科学学报. 2018(04)
[5]时空数据语义理解:技术与应用[J]. 姚迪,张超,黄建辉,陈越新,毕经平. 软件学报. 2018(07)
[6]城市交通热点区域的空间交互网络分析[J]. 秦昆,周勍,徐源泉,徐雯婷,罗萍. 地理科学进展. 2017(09)
[7]时空大数据面临的挑战与机遇[J]. 王家耀,武芳,郭建忠,成毅,陈科. 测绘科学. 2017(07)
[8]面向多维稀疏时空数据的可视化研究[J]. 赵凡,蒋同海,周喜,马博,程力. 中国科学技术大学学报. 2017(07)
[9]基于数据场的出租车轨迹热点区域探测方法[J]. 周勍,秦昆,陈一祥,李志鑫. 地理与地理信息科学. 2016(06)
[10]利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J]. 禹文豪,艾廷华,杨敏,刘纪平. 武汉大学学报(信息科学版). 2016(02)
硕士论文
[1]基于出租车GPS数据的居民出行行为分析[D]. 童晓君.中南大学 2012
本文编号：3265533
【文章来源】：计算机辅助设计与图形学学报. 2020,32(04)北大核心EICSCD
【文章页数】：17 页
【部分图文】：
不同时空数据热点分析的可视化框架
基于点模式分析的可视化方法基本思想是将地理对象作为热点映射到地理空间上,每个热点都会对其邻域产生一定的影响(由核函数确定);然后将每个热点的影响相加,并将叠加的结果转换为颜色进行渲染产生热图.Liu等[30]通过热图用颜色强度指示流量属性来描述交通流量的密度分布,进而分析热点,如图3所示.在社交数据方面,Chae等[31]使用地理空间热图来说明2012年纽约曼哈顿飓风桑迪的灾难事件公共流动空间分布的大致变化趋势,图4a和图4b所示为灾难事件前Twitter空间用户分布情况,图4c所示为疏散令下达4 h内纽约市曼哈顿地区的Twitter空间用户分布情况.这种标准的热图可视化功能使分析师能够在任何给定时间探索Twitter用户的空间格局.在应用方面,Smartadp[32]系统通过多视图交互式分析,分析广告牌放置的热点区域.但是,基于影响叠加的热图分析热点也存在一些缺点,单一的叠加规则对地理空间特征的考虑不足,如适应性差.基于上述缺陷,王胜开等[33]提出了一种如图5所示逆向绘制热图的方法,将渲染器像素映射的地理空间作为计算分析的空间粒度,解决了热力图影响力叠加规则依赖于渲染器机制的问题,热图反映层次更加分明,更适合进行地理空间的热点分析.
1997年,Kulldorff[18]基于扫描统计信息设计了一个热点检测模型,以检测活动性高的空间区域;该模型将不同半径的圆覆盖研究区域,通过识别具有统计意义的圆圈来检测热点.无论空间活动的原始分布如何,该模型都可以识别圆形热点.2001年,Kulldorff[19]拓展了空间扫描统计方法的窗口,加入时间差因素,提出了时空扫描统计方法,检测分析出了疾病高发的区域,证明了时空扫描统计方法的可行性.时空扫描统计法基于统计学理论减少了聚类的主观影响,但其局限在趋向于发现近似球形的聚集结构,不易发现不同形状的类簇[20].一方面,研究人员开始研究不规则形状的热点检测,Kulldorff等[21]将空间热点检测扩展到空间扫描统计信息的椭圆形式.Takahashi等[22]和Tango等[23]提出灵活形状的扫描统计,进一步扩展时空扫描统计在探测局部突发性聚集模式中的应用;Katragadda等[24]基于多边形传播算法提出由三角形组合成多边形的可视化检测方法,通过多边形扫描窗口,其优于传统的固定形状扫描统计方法.另一方面,针对应用场景进行优化,周勍等[14]以武汉市的出租车轨迹数据为例,利用单峰直方图阈值法进行高势值区域筛选,得到轨迹聚集区域,从而提取持续热点区域(大型社区、火车站等)和随时间变化的热点区域(旅游景点、医院等);在扫描统计分析基础之上,Yue等[25]将地图映射和流程图的可视化方法相结合,对热点区域与土地使用情况进行分析,找出城市中潜在的、强关联的兴趣区域;童晓君[26]以统计的方法从出行时段、日出行总量、空驶率等几个方面用饼图分析了居民出行在时间上的特征,结合层次聚类算法分析了居民出行在空间上的特征,挖掘了出行热点区域.在社交网络数据方面,Karimi等[27]基于带有地理位置的社交网络签到数据,提出考虑用户偏好、社会影响和地理时间对用户签到行为的影响的方法,并用折线图比较签到数据的时间、地点和行为等,通过对社会、地理和时间模式进行建模向用户推荐活动位置.de Lara Pahins等[28]基于订单统计数据介绍了分位数数据立方体结构(quantile datacube structure,QDS),通过QDS索引在大数据集上结合折线图等视图执行交互式事件检测.Maciejewski等[29]基于统计分析视图和热图进行热点预测.2.1.2 基于空间点模式分析的可视化方法
【参考文献】：
期刊论文
[1]出租车轨迹数据挖掘进展[J]. 吴华意,黄蕊,游兰,向隆刚. 测绘学报. 2019(11)
[2]基于轨迹数据场的热点区域提取及空间交互分析——以深圳市为例[J]. 周博,马林兵,胡继华,吴苏杰,何桂林. 热带地理. 2019(01)
[3]多参数的城市时空热点查询[J]. 康家兴,牛保宁,郝晋瑶. 计算机工程与应用. 2019(10)
[4]逆向热力图的绘制方法[J]. 王胜开,徐志洁,张健钦,杜明义. 地球信息科学学报. 2018(04)
[5]时空数据语义理解:技术与应用[J]. 姚迪,张超,黄建辉,陈越新,毕经平. 软件学报. 2018(07)
[6]城市交通热点区域的空间交互网络分析[J]. 秦昆,周勍,徐源泉,徐雯婷,罗萍. 地理科学进展. 2017(09)
[7]时空大数据面临的挑战与机遇[J]. 王家耀,武芳,郭建忠,成毅,陈科. 测绘科学. 2017(07)
[8]面向多维稀疏时空数据的可视化研究[J]. 赵凡,蒋同海,周喜,马博,程力. 中国科学技术大学学报. 2017(07)
[9]基于数据场的出租车轨迹热点区域探测方法[J]. 周勍,秦昆,陈一祥,李志鑫. 地理与地理信息科学. 2016(06)
[10]利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J]. 禹文豪,艾廷华,杨敏,刘纪平. 武汉大学学报(信息科学版). 2016(02)
硕士论文
[1]基于出租车GPS数据的居民出行行为分析[D]. 童晓君.中南大学 2012
本文编号：3265533
本文链接：https://www.wllwen.com/kejilunwen/wltx/3265533.html
