7.3.2 移动轨迹数据可视化
随着定位、跟踪和存储技术的快速发展,人们已经能够搜集大量的车辆、动物和人的移动轨迹数据(简称轨迹数据)。对这些数据进行分析可以有效地帮助人们了解一个城市的交通状况、动物的活动习性和人的移动规律。轨迹数据的分析是一项难度很大的工作,其具有时空特性,而且数据量大、维度高。轨迹数据是一种采样数据,往往面临采样率低、误差范围大等问题,对其的分析可以采用数据挖掘的方法。但因为轨迹数据本身具有时空特征,可视化方法往往可以最直观地展现这些轨迹。另外,可视化方法还可以用来对轨迹数据中的错误进行修正,发现轨迹中多维属性之间的关系,并探索数据中隐藏的时空规律。
轨迹数据具有时空属性和许多其他属性,如速度、方向、高度等,可视化技术可以用来直观地表现其中的一种或多种属性。如何将多种属性集成到一个显示图上以揭示这些属性之间的联系,以及如何解决大量轨迹数据所带来的视觉混淆,是轨迹数据可视化面临的挑战。
(1)轨迹的空间属性可视化
轨迹的空间属性一般是移动物体在空间中的位置及该位置周围的地理情况。最初的显示轨迹的方式是简单地在地图上显示孤立的GPS记录点,如图7.20(a)所示。早期众多研究者多使用这种方法来调查探讨实体独立的活动,从而在地图上找到有重要分析意义的位置,如活动停止的位置,通过观察不同时刻点的位置,用于发现点的轨迹变化。
随着定位技术的进步,由原始的记录点形成的曲线或线条能更好地表示运动的轨迹。研究人员通过使用插值来研究不完整的轨迹数据集,提供连续的轨迹,如图7.20(b)所示。除那些使用地图作为背景来直接标识轨迹数据的可视化方法外,研究人员已开发出了新的数据转换技术,能更好地揭示与表达轨迹中包含的一些规律与趋势。一种可行的数据转换方法是将数据的原始位置变换到一个抽象的空间,使地理信息转化为有意义的多元数据。通过对数据中实体和一些重要的位置之间的距离进行计算得到这个抽象的空间,这些重要位置的范围可以是一个单一(或多个)的固定点、一个(或多个)移动的点,甚至实体之间的距离。这种方法通过结合这些抽象的视图与实际空间上分布的情况进行分析,提供了一种帮助分析人员建立从抽象空间映射回现实空间的方法。
图7.20 轨迹空间属相的两种表示方法
(2)轨迹的时间属性可视化(https://www.daowen.com)
时间表达具有一种在粒度上的层级系统,包括秒、分钟、小时、天、周、月、年、世纪等。时间包含自然循环周期,其中一些规律在某种程度上可以预测,如季节;其他一些不寻常的规律包括社会周期或经济周期。当数据涉及时间时,动画显示通常被视作分析的第一选择,许多研究者选择用动画方式来展示轨迹的演变。动画地图被广泛用于移动数据的可视化,但也有的心理学研究认为动画不一定优于静态展示。
在进行时空属性相关的可视化分析设计时,通常会使用颜色来对不同的时间段进行分类。以船舶运动轨迹的密度图为例。
如图7.21所示的轨迹密度图是一个混合了4种密度的图,每种密度代表每天的四分之一时间段,用于该密度图的色彩定义如下:凌晨以后是深蓝色,早上是明亮的黄色,下午是暗黄色,晚上则是明亮的蓝色。此外,色彩饱和度用来表示不同区域的密度疏密,色调则由那些密度最高的时间段决定。图7.21显示了主要航线在白天最常用,而在夜晚航线发生偏离的情况。
图7.21 鹿特丹船舶一天的交通密度图
(3)轨迹其他相关属性的可视化
无论轨迹数据是从哪里或是从哪个应用领域里搜集到的,这些数据都拥有时空属性。除此之外,不同的应用领域搜集到的轨迹数据具有许多不同于时空特征的属性,包括速度、方向、高度等。当数据具有复杂属性(如移动数据中涉及空间、时间、移动实体、数字和定性的特点)时,通常不能很好地被传统的可视化方式充分显示。
