英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
TranSeVis：一个交通数据传输和探索的可视化分析系统
摘要：随着位置获取技术的日益成熟，大量的基于数据的交通系统应运而生。这些数据对于揭示人类移动模式、交通系统利用和城市规划具有很高的价值。然而，交通数据的可视化和探索仍然是一项极具挑战性的工作。本文提出了一种交互式可视化分析系统--TranSeVisas。它有两个可视化模块，一个是region view,提供地理信息的区域视图和有效的时间信息比较功能，另一个是road view,提供路线或拥挤点移动因素的详细可视化分析。此外，还利用两个案例对可视化技术进行了评价，并利用真实的出租车数据集进行了TranSeVis的演示。基于这些结果，TranSeVis 给交通研究人员提供了一个易于使用的高效可扩展的平台来进行交通数据的可视化和开发。
关键词：可视分析、城市交通、时空数据的拥堵分析
1 引言
如今，先进的传感技术和计算基础设施的城市空间已经产生了大量的人类和车辆交通数据。从城市管理和城市规划的角度看，交通数据不仅对揭示人类活动模式具有很高的价值，而且对于帮助当局、经营者和个人更好地理解交通系统，并进可能地利用和规划具有重要价值。在中国大多数城市，出租车提供了城市当局管理的大部分交通数据。随着全球定位系统(Gps)和路边传感器的广泛应用，出租车数据现在可以实时记录移动路径样本作为与城市道路网络车辆属性相关的一系列位置。大量出租车数据，包括其运行模式，包含着丰富的被城市管理部门广泛使用来掌握交通情况的城市和都市生活的信息。因此，研究这些从GPS数据中提取的出租车乘客的行为，对个人和整个城市都有很高的价值。
通过出租车记录与有效的用户交互和即时视觉反馈研究交通数据需要探索性的视觉分析系统。然而，由于数据的复杂性不断增加，开发可视化分析方法以实现这一目标是一项极具挑战性的任务。为了给分析人员设计有效的方法来可视化和探索交通数据和提取有价值的信息，我们开发了一个交互式可视化分析系统TransSeVis，该系统集成了两个可视化模块：区域视图用来提供地理信息的区域视图和有效的时间信息比较，道路视图用于详细分析沿线或拥挤点的移动因素。区域视图将所有统计信息投影成几个平行的辐射表示，最大限度地利用清晰的空间信息对与移动性相关的数据进行可视化。在这个视图中，城市中选定区域的速度分布也是通过平滑的交线提供的，并且能够通过个人或群体查询出租车。并给出了一个显示在不同地区车流量的和弦图。此外，我们还设计了具有交互式可视化查询功能的道路视图，以方便用户了解道路和车辆交数据的动态变化。路况视图允许分析人员挑选出感兴趣的车辆和道路，以探索详细的交通情况。此外，POI视图还用于帮助专家快速导航和探索从统计或挖掘结果中提取的感兴趣的区域。
最后，我们还通过现实世界的出租车GPS数据和在人口超过1000万的中国城市成都，大约15000辆出租车运行了一个月得到的计数量演示了Transevis，并与交通研究人员进行了各种案例研究，对我们的视觉化技术进行了评估。基于我们广泛实证的实验结果，Transevis 为我们提供了一个操作简便的高效可扩展的平台用于交通政策制定和城市规划的交通数据可视化和开发，以及为人们优化出行计划以避免拥堵。
总之，我们作出了以下贡献。(1)我们开发了一个研究大规模交通数据、集成可视化和数据分析功能的系统，并提出了提高效率和可扩展性的技术.(2)我们报告了我们在构建TranSeVis方面的经验和观察。(3)我们使用真实世界的数据集来演示和测试我们的系统，并在现实中应用。
2相关工作
地理可视化地理可视化提供了交互式的可视化工具，用于利用地理信息对数据进行研究和分析。由于空间有限，我们总结了一些有代表性的文章。Mehler等人[10]将新的资料作为数据来源，以显示一个实体在地理上的受欢迎程度，以及任何可能的地域偏好。Wood等人[14]讨论了地理可视化处理技术，包括标签云、标签地图、数据拨号和多尺度密度面，用于对大型时空数据集进行探索性可视化分析。Fisher提出了热力图[6]来表示总体活动，并将用户的注意力吸引到地图上。地理可视化的一个挑战在于视觉思维和用户交互，例如人类视觉如何感知地图和图像以及如何找到模块。Chang等人[4]给出了清晰的城市，用抽象的不同层次表示城市环境中大量的数据集合。Growth Ring Maps[3]通过绘制一些不重叠的像素来表示时空数据。
动态数据可视化Andrienko等人[1]讨论了时空数据的各种特征，并将可视化技术分为三大类，包括直接描述、总结和模式提取。直接描绘技术直接呈现变化。传统方法[8]通常根据地理环境在2D/3D中直接绘制轨迹路径。这类技术还包括绘制路径为多边形[1]或叠加带[12]，将路径的起点和目的地表示为点[5]，并将空间和时间信息都用时空立方体[2]表示。总的来说，技术提供基于统计计算的数据，关注信息在空间和时间上的变化，从而使分析人员能够全面了解这种趋势，并研究整体模式。这类技术包括密度图[13]、多变量图[15]和流量图[7]。模式提取技术将提取的运动模式提供给分析人员进行解释和进一步的研究。许多模式，如交换模式[16]，已经被研究过了。
螺旋布局可以使周期性数据趋势在选择了正确的模式时很容易地显示出来。这是一个众所周知的解决方案，通过对最近的视觉设计进行仔细的参数化，揭示了螺旋线时间轴上的时间数据的周期模式。刘等人[9]展示了一个围住路网图的环形时间轴，以编码关于轨迹的时间信息，但该设计被有限的可见道路数目所限制。项链地图[11]将这些映射变量投影到区间上，并将它们显示在一条围绕地图区域的圆形曲线中。赵等人[17]提出了环图，它在保存地理信息的同时，随着时间的推移，将多个循环活动可视化，这些方法可能最类似于我们的视觉设计。然而，我们的系统可以同时从空间、时间和多个相关维度的多个方面进行可视化分析，从而帮助用户更好地探索、比较和理解不断变化的交通数据。
3系统设计
本节详细介绍了TranSeVis。本系统主要由两个部分组成：数据处理部分和可视化展示部分。在数据处理部分，根据车辆相关属性对原始GPS数据进行清理、索引和计算。然后，在可视化展示部分，结合不同的可视化技术，分别提供交互式区域视图和道路视图。利用该系统，分析人员可以从区域和道路水平上对车流量的时空特征进行交互地探索。
3.1数据处理
在本项工作中，出租车GPS记录被用来演示TranSeVis。原始数据是用GPS采集的，覆盖了中国成都市的整个城市地区。这个数据集中有14931辆出租车，采样率从几秒钟到几分钟不等。每个记录包含出租车ID、出租车位置(纬度和经度)、时间(以秒为单位)和出租车的服务状态。将计算出的交通数据可视化在成都市行政区划图上。数据处理的第一步是从空间和时间两个方面清除离群点，对数据进行清理。我们通过选取在经度范围103.92~104.22、纬度30.75~30.79范围内所有的点来过滤数据集，使我们的案例研究集中在成都市中心区。为了突出出租车数据的空间信息，我们从总体上将数据点和路径划分为成都市的5个行政区划，即金牛区、晋江区、庆阳区、武侯区、成华区。这里的一条路径是形式上的定义，它是由来自具体出租车的两个连续数据点组成的一条线段。另外，系统通过将7天times;24小时的模块内将所有数据点编码成径向布局来实现运动数据的时间信息比较。利用上述方法，我们可以从路径和速度矩阵中得到车流量矩阵，以便于实现可视化，从而进一步帮助分析人员研究整体交通特征以及出租车的移动模式。
3.2可视化展示
在准备好时空数据的基础上，设计了交互式区域视图和道路视图，分别从全局和个体两方面展示了出租车的移动模式。
区域可视化区域可视化(见图1(1-4))显示了在5个区域24小时范围内的出租车位置的空间和时间分布。一个和弦图设计(图1(3))用于编码不同区域之间的交通量。此视图还提供了由k均值聚类生成的“运动区域”，可以在面板图1(1)中选择。通过比较这些结果和行政区划的代表性，可以得出更多见解。在这个视图中，应用了“花状（flower）”和“弦状（Chord）”设计。“花状”设计由外部“花瓣”和一个内环组成，用于显示各个区域内、区域之间和区域附近的出租车的时空分布。实际上，“花状”设计是由点的时间分布的辐射性条形图构成的，内环代表了一个具体区域和附近区域之间的路径比。编码细节如图2(A)所示：
图1.系统描述：(1)区域视图的控制面板。(2)交通负荷的分配。(3)区域车流量和弦图。(4)TranSeVis的主要视图。(5)道路景观控制面板。
花瓣.花瓣是“花状”设计的基本元素。这是辐射性条形图上的一根条形。花状上的每个条形表示一个小时的时隙，高度编码了相关的具体区域中的空间点的总数。
区域.区域是内环的基本元素，这意味着出租车到其他区域的比例。
颜色.此视图中使用的颜色用于分类，适用于区分5个不同区域。
这里我们用绿色来表示金牛区，兰色代表晋江区，橙色代表庆阳区，紫色代表五湖区，蓝色代表成华区。
道路视图道路道路视图展示了一种动态相关因素的可视化，如对编码为 7天times;24 h基色矩阵路段的出租车速度分布。每个扇区的对应颜色代表速度，其中绿色代表比红色更高的速度。出租车的速度是通过平均每周具体小时的总里程来计算的。图2(B)显示了详细的设计：
图2.视觉编码方案的详细设计：(a)区域视图；(b)道路视图。
环.颜色矩阵中的每个环表示从周一到周日的某天从内部位置到外部环的映射。因此，工作日是内部的5个同心圆，周末是两个外层。
扇区.每个指定环的扇区显示一个小时的时隙。时隙按顺时针方向分布。扇区的颜色编码为出租车的速度。
颜色.该扇区的颜色代表从绿色(高速)到红色(低速)的出租车的平均速度。它基于交通信号灯的颜色编码。
4案例研究
在这一部分中，我们提供了两个案例研究以此来说明ranSeVis的效率。其中，以“概述分析”为例，说明了该可视化分析系统是如何体现成都市整体交通现状的。“区域聚类分析”分析了从k均值算法得到的行政区划与“运动中心”之间的差异。最后，“道路交通分析”突出了该系统在展示和分析时空层交通状态方面的优势。这两个案例的研究不仅证明了TranSeVis的效率，而且显示了该系统在挖掘时空交通数据方面的潜力。
4.1案例1：概述分析
如图3所示，TranSeVis的主要视图通过三个图表进行演示：动态区域分布(“花状”图)、交通关联(弦图)和交通负载的空间分布(条形图)。通过对不同区域的“花状”图进行比较，可以很容易地看出，武侯区的交通负载量最大。交通负载的总数如条形图所示。从和弦图的总体水平和每一个具体区域的“花状”内环的区域层次，可以探索连接不同区域的出租车路径。从主要视图来看，我们可以看出，武侯市和成化市与晋江市相比，拥有更多的交通流。建议加强对市中心附近地区武侯市交通运输设施的改造。此外，通过对比条形图，我们发现周末的出租车总时间比工作日要少得多。根据我们以前的工作和道路视图的进一步探索结果，可以观察到周末发生的交通阻塞比工作日更多。考虑到交通限制，我们认为这可能是因为更多的市民选择在周末开车而不是乘出租车，这使得拥挤变得更加严重。从这个角度出发，我们可以建议城市居民，尤其是那些周末住在市中心或喜欢靠近市中心的人选择公共交通系统。政府可以通过增加地铁线路和优化公交线路等多种方式来改善公共交通系统的便利性。
图3 案例1：概述分析
4.2案例2：道路交通分析
我们的系统TranSeVis还提供了道路视图，以帮助分析人员掌握道路交通的空间和时间特性。图4以四条道路为例，分别是西金利路(1)、金里中路(2)、金利东路(3)、人民西路(4)。如图4所示，路4在市中心，这里的出租车总是以低速行驶，特别是在周末和下午。1号路、2号路和3号路是直接连在一起的，然而，从1号路到3号路的出租车速度下降，原因很复杂，可以推断为：(1)靠近城市的南北干道(垂直虚线)越拥挤；(2)道路离著名的POIS（兴趣点，就像天府广场和锦江饭店一样）越近，速度会越慢。这四种颜色矩阵的整体空间和时间模式是：在白天和周末，大多数道路的交通状况更差，中心城区将始终处于拥堵状态。因此，对人们的建议是：如果你必须穿过中心区或高峰时间，就留出足够的时间。
图4 案例2 ：道路交通分析
5结论
本文提出了一个交互式可视化系统TranSeVis，利用出租车轨迹数据，描述了交通情况，并对大城市的交通模式进行了分析。这项工作仍在进行中，今后或许还会开发许多特性。我们的系统目前由两个主要模块组成，包括区域视图和道路视图。其中，前者允许用户观察城市出租车的时间和空间模式，以便为城市出行提供一些建议，后者则在用户选择的道路上显示某些车辆在24小时内的速度，这可以告诉他们一些交通拥堵的信息。我们关注的是全球形势，而不是具体的点，以帮助分析师了解整个城市的状况，但市民可能需要一些他们通常去的地方的信息。因此，我们计划在未来设计一个新的模块，以分析一些兴趣点的交通情况，并为那些想要去某个地方的人提供一些实用的建议和可能的路线。
参考文献
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[240167]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
