All Posts

B-Planner:利用大规模出租车GPS轨迹规划双向夜间公交路线

B-Planner:利用大规模出租车GPS轨迹规划双向夜间公交路线

公交车是城市中一种经济方便的交通方式,然而大部分公交在夜间都停止运行,为了为夜间出行的人提供一种低成本的绿色交通方式,许多城市都开始规划夜间公交路线。然而,人工调研成本高且适应力弱。而本文利用出租车轨迹数据进行了夜间公交线路规划问题的探索。具体来说,本文提出了一种两层方法,在第一层中进行热点区域挖掘,在第二层进行线路规划。为了验证该方法的有效性,本文作者采用真实世界数据集进行试验和评估。

Juniper:一种用于多变量图可视化的树+表格方法

Juniper:一种用于多变量图可视化的树+表格方法

分析大型、多变量图在许多领域中都是重要的问题,然而,可视化这样的图充满了挑战。本文介绍了一个新颖的、可拓展的、树+表格的多变量图可视化技术。该技术主要关注于焦点任务,即单个节点、边、邻居、子图相关的任务。该技术的核心步骤是查询感兴趣的节点/子图——>树+表格的可视化,主要采用了生成树技术、线性布局和表格可视化技术,该技术的有效性通过两个用例(Game of Thrones Network、科研合作网络)得到了证明。

在长时间眼动跟踪数据集中识别时变的感兴趣区域

在长时间眼动跟踪数据集中识别时变的感兴趣区域

眼动跟踪常用于许多技术领域的分析实践,通常更侧重于短期任务。在长时间的眼动跟踪中,长时间的观察对比感兴趣区域的变化以及应对一些紧急情况,会使得分析极度困难。本文提出了一种新的方法,通过在时间域中采用聚类和聚类合并方法,自动识别时变的空间兴趣点,并采用时空立方体技术进行可视化。有效的克服了长时间眼动跟踪的困难,并适用于其他广大相关领域。

利用共享单车轨迹检测非法停车事件

利用共享单车轨迹检测非法停车事件

在城市中,非法停车是一个普遍且令人困扰的问题,常常造成交通堵塞和交通事故,同时也降低了骑行者的体验。传统的非法停车检测采用警察巡逻、视频识别等方法,然而这些方法的覆盖范围有限且成本较高。本文提出了一种,基于共享单车轨迹检测非法停车的方法,通过将海量自行车轨迹和轨迹基线进行对比,发现其中的异常,自动检测出非法停车现象。本文主要使用了2个组件:轨迹预处理和轨迹检测,来完成这一工作。

共享单车停在哪里?——新城市的停放热点挖掘

共享单车停在哪里?——新城市的停放热点挖掘

在现在共享单车大背景下,胡乱停车给人们带来了很多困扰。因此,对一个新城市,如何提前预测停车热点,更好的规划城市,是一个重要的问题。该问题衍生了三个挑战:道路热度的定义;热点随时间的变化;热点和地理特征的关系(领域转移)。本文提出了利用 KDE 测量道路热度的方法,并引入了一个新型的领域适应的神经网络 ConvCDAN,用于在源城市和目标城市之间转移热点知识和进行预测。最后,多种实验证明了本文方法的有效性。

TPFlow:用于大规模时空数据分析的渐进式分区和多维模式提取

TPFlow:用于大规模时空数据分析的渐进式分区和多维模式提取

多维时空数据中蕴含着丰富的模式,常用于数据分析中,多视图交互式可视化是分析的经典方法。然而,这样的方法不能为分析师提供充分的分析指导,分析师需要迭代式的手动选择切片、查看和比较,这使得模式发掘更加困难。这篇工作将多维时空数据建模为张量,提出了一个新颖的分段秩一张量分解方法,该方法支持自动切片和发掘模式。基于这个方法,这篇工作提出了 TPFlow,一个支持从上到下的渐进式多维时空数据探索的视觉分析框架,可以减轻分析负担,良好的解决了多维时空数据探索的问题。

基于共享单车轨迹规划自行车道路

基于共享单车轨迹规划自行车道路

自行车是广泛的城市交通模式,优点包括价格低廉、有利于环境、健康、减少交通拥堵等。然而,随着自行车的数量不断上升,如何有效建立自行车道成为一个问题。本文通过调研良好的定义问题,并利用摩拜共享单车轨迹数据,通过贪心的网络拓张算法解决了该问题。是一个轨迹数据挖掘领域的典型应用。

P4:对交互式信息可视化的可移植并行处理管道

P4:对交互式信息可视化的可移植并行处理管道

经典可视化库,如 D3,通常提供了高表现力的声明式编程语法,这有利于提高可视化的开发生产力。然而,这些库却很少提供对高性能计算的支持。当需要处理海量数据时,可视化的速度和性能往往不令人满意。而本文提出了 P4,这是一个高性能、高生产力、高度灵活、高度可移植的可视化技术。简单的说,P4 = D3 + GPU,适用于海量大数据的高性能可视化场景。

Duet:协助数据分析新手进行成对比较

Duet:协助数据分析新手进行成对比较

数据分析新手常常在执行成对比较的底层操作时遇到麻烦。同时,他们常常难以理解和解释比较结果中蕴含的模式。因此,本文的作者开发了 Duet,一个可视分析系统,用于帮助数据分析新手克服成对比较中的执行障碍和解释障碍。同时,该系统利用了 Minimal Specification 技术,进行比较和推荐。

MotionRugs:集群趋势的时空可视化

MotionRugs:集群趋势的时空可视化

追踪大规模集群的迁移是一个挑战性的任务,人们开发了很多技术对集群的时空迁移进行可视化。然而,主流的方法都存在一定的局限性:静态方法存在可拓展性限制;动画方法难以进行时空总览和比较;Small Multiples 方法将连续变化离散化。于是,本文的作者发明了 MotionRugs,一种基于空间划分的集群时空迁移数据的紧密展示方法,可以尽可能的保留行为模式在时空中的变化和其原因,并可以进行总览、追踪和比较,更好的解决上述问题。