Visualization and visual analysis of vessel trajectory data: A survey

Maritime transports play a critical role in international trade and commerce.Massive vessels sailing around the world continuously generate vessel trajectory data that contain rich spatial–temporal patterns of vessel navigations.Analyzing and understanding these patterns are valuable for maritime traffic surveillance and management.As essential techniques in complex data analysis and understanding,visualization and visual analysis have been widely used in vessel trajectory data analysis.This paper presents a literature review on the visualization and visual analysis of vessel trajectory data.First,we introduce commonly used vessel trajectory data sets and summarize main operations in vessel trajectory data preprocessing.Then,we provide a taxonomy of visualization and visual analysis of vessel trajectory data based on existing approaches and introduce representative works in details.Finally,we expound on the prospects of the remaining challenges and directions for future research.

基于数字孪生的城市交通流量可视预测研究

由于城市路网数据的复杂性和动态性,直接解读各道路关联关系变得困难,直接连接性的不确定性也影响了预测准确性。为解决这些问题,利用出租车轨迹数据,结合图卷积神经网络,提出了数字孪生基础上的城市交通流量智能可视预测框架。为提高预测精度,根据历史流量数据创建了路网的时空关联图,构建了时空图卷积网络的ASTRG-GCN交通流量预测模型。通过数字孪生技术,将动态交通数据和虚拟三维交通场景融合,实时模拟交通场景,为城市交通优化提供决策支持。最终,设计并实现了城市交通流量可视分析框架,使用户能够高效分析交通运行态势。实验结果表明,该模型预测精度在两个数据集上高于对比算法。数字孪生的可视分析系统实现了交通拥堵识别、交通场景模拟和交通变化对比等效果,为交通规划者提供了决策支持。

移动轨迹数据的可视化

GPS,RFID和无线通信设备的爆炸状发展,让人们有可能搜集到大量的车辆、人群等的移动轨迹数据(简称轨迹数据),这些数据在交通管理、流动性分析、路线推荐等很多领域有着重要的应用.轨迹数据同时包含空间和时间属性,数据量大且维度高,分析起来难度很大.可视化技术可以直观地呈现多维时空轨迹数据,并提供丰富的互动,以揭示数据中包含的时空规律.文中总结了轨迹数据的可视化技术的研究现状,介绍了多个应用案例.

轨迹数据可视分析研究

轨迹数据大量产生于交通、气象、生态和移动服务等领域.有效地理解和利用这些数据不仅需要自动高效的分析方法,也需要直观生动的可视化;这两者相互结合形成了可视分析技术.文中概述了轨迹数据可视分析中的主要方法和交互技术,并介绍了一系列应用案例.最后,文中总结了轨迹数据可视分析研究中的问题和面临的挑战.

基于放牧轨迹数据的采食区域挖掘及可视化化析

GPS(Global Positioning System),GIS(Geographic Information System)技术在草原畜牧业中不断应用,产生了大量的放牧轨迹数据,文章通过数据挖掘算法与可视化方法相结合的方式对这些数据进行分析和研究,挖掘其隐含的信息并进行可视化展示.首先利用自定义ETL框架完成数据处理并按照星型模式进行存储;其次通过速度阈值划分法求得轨迹点速度,对其进行划分,筛选出停留状态的轨迹点;再次利用聚类分析模型得到牧群釆食区特征和草场分布情况;然后以可视化的方式展示聚类分析结果和轨迹点的时空属性及其他相关属性;最后将釆食区分析结果与试验区牧场实际情况作比较,验证分析结果的准确性.

基于AOI划分的室内轨迹可视分析方法

大型室内活动中获取的室内人员轨迹数据具有时空复杂性高、高维且不规则等特点,给可视分析带来了一定挑战。针对该问题,面向室内人员的时空模式、人群移动模式、异常行为模式等设计了一种基于兴趣区(AOI,area of interest)划分的室内轨迹可视分析方法 ,用户可自定义兴趣区并以此为单位进行室内轨迹分析,从而确定其时空模式、移动模式或异常行为。最后,使用China Vis2019挑战赛的数据验证了所提方法的有效性,达到了通过探索式分析室内人员轨迹获取有价值信息的目的。

基于轨迹数据的轨迹段生成与分析

随着人们生活水平的提高以及人们生活节奏的加快,电动自行车以其轻便、简洁、低能、环保等特点广受人民的追捧与喜爱,我国电动自行车的数量也急剧增长,而随着该行业的迅速发展也随之带来了一些问题,例如交通堵塞问题、电动自行车交通事故、电动自行车失窃问题等。得益于定位系统和位置移动算法的快速进步,现全国部分地区的电动自行车安装了防盗追踪系统,为本文研究提供了海量轨迹数据。在轨迹数据处理方面,本文选取一个月内在电动车平台上的数据,该数据主要是反映车辆通过GPRS通道上报的数据,根据数据提供的车辆不同时刻经纬度及速度,对轨迹数据进行异常点清洗,采用基于启发式异常检测算法进行噪声过滤,根据时间及停留点进行轨迹分段和道路匹配,将处理好的数据应用Echarts进行可视化显示。

城市出租车乘客出行特征可视化分析方法

可视化技术通过图形表现数据的内在规律,并可利用交互的形式实现数据的层次化展示,其在分析交通数据、发现交通问题以及辅助决策中扮演着越来越重要的角色。为了更加清晰、直观地展示城市出租车GPS轨迹数据传递的信息,解决因其数据量庞大和时空信息复杂而带来的分析难题,提出一种集成聚集可视化、特征可视化对出租车GPS轨迹数据进行可视化分析的方法。首先,通过数据处理得到可用于可视化的特征数据,而后对乘客上下车点进行聚集可视化,并利用多视图协同交互的方法对轨迹数据进行了特征可视化;最后,根据可视化结果对城市出租车乘客出行特征时空分布情况进行了分析。在此基础上,设计了一个交互式可视分析系统,并通过真实数据集案例验证了系统的有效性。

面向地理信息大数据的时空事件关系可视化分析框架

不同类型的地理信息大数据蕴含了丰富的时空关系,反映个体或者群体时空事件之间的变化模式,在资源、环境、交通等领域的智慧应用中起到关键性作用。然而,地理信息大数据拥有的多尺度和多语义特性,在挖掘地理信息大数据的时空关系时会存在许多困难。如何有效地构建多尺度多语义时空关系,并直观地表达这些时空关系是一个重大挑战。本文设计了一种时空事件关系可视化分析框架,通过定义事件间时空关系的描述,设计了一种多视图协同的可视化分析方法,结合时空关系的可视化协同交互,实现地理信息大数据时空事件可视分析。基于时空轨迹数据,通过试验说明该方法可以探寻时空事件及背景间的时空关系,实现时空事件的交互可视分析。

基于轨迹和兴趣点数据的城市功能区动态识别与时变规律可视分析

目前,多数城市功能区识别方法仅依据路网和土地利用类型进行功能区的划分与识别,无法反映功能区范围及功能性随人类活动的动态变化.为此,提出基于轨迹数据挖掘与兴趣点语义分析的城市功能区识别与时空特征分析方法.通过考虑车辆行驶状况与区域功能的相关性,对特征轨迹点进行自适应密度聚类,并基于聚类中心利用Voronoi图合理划分功能区范围.为了有效地评价区域的复合功能性,利用潜在狄利克雷分布(latent Dirichlet allocation,LDA)模型对区域内兴趣点的类别信息挖掘主题词并计算相应的概率,在此基础上提出功能性强弱量化计算方法.基于轨迹数据的时变特性,构建交互式可视分析系统UFAVIS(urban functional areas visualization),进一步发掘人类活动对功能区时空模式的影响.利用结合时空特征分析的功能区识别方法对北京市真实数据进行了实验验证和具体案例分析,结果表明,UFAVIS能够准确识别区域的复合功能性,并发现功能区随人类活动的时空变化规律,为城市规划和政策制定提供依据.

Hi-Geo-Ti:基于层次地理划分时间线的行人轨迹可视化分析系统

随着计算机视觉技术的发展,行人重识别技术得到了广泛的应用.为了有效地分析海量的行人轨迹数据的时空相关性,提出一个可扩展的可视化分析系统Hi-Geo-Ti,应用分层(hierachical)地理(geographical)时间轴(timelines)可视化系统,允许用户从海量图像存储中即时提取和可视化行人的轨迹.特别地,Hi-Geo-Ti将行人重识别产生的关联与摄像机的时空属性相结合,在此基础上创建了三维轨迹图与二维时序故事图的交互组合,直观地解决了行人轨迹时空复杂度问题,快速有效地分析海量轨迹的相关性.以分析Covid-19的传播过程为例,展示了结合行人重识别技术该系统在抗击疫情中的助力作用,并进行用户研究验证设计的有效性.

基于C-K-N-Cluster的居民出行时空特征分析

为解决传统聚类算法在大数据轨迹信息应用中的簇类数不确定、病态初始化等问题,文章提出了一种结合Canopy与K-Means++的小生境遗传智能聚类算法(C-K-N-Cluster),并应用于居民出行时空特征分析;以杭州市为例,对出租车轨迹数据进行降噪标准化等预处理,按照筛选原则提取载客点数据;提取出的数据投入智能聚类算法仿真识别城市上下载客热点地域,结合数据分析方法可视化研究城市居民出行特征。仿真结果表明:改进算法相比传统K-Means能够实现大数据应用场景下的簇类数与初始化自动最优化,分析了杭州市居民出行规律及出租车载客时空特征,为司乘服务和城市功能区优化提供参考。

城市道路交通数据可视分析综述

目的交通是困扰现代大都市的世界性难题。近年来,可视分析技术在分析和利用交通大数据中扮演了越来越重要的角色,成为一项重要的智能交通技术。本文将全面回顾自信息可视化和可视分析兴起以来城市交通数据可视分析领域的研究现状。方法从道路交通流量分析和其他交通问题分析两个方面,按照数据的类型及问题的分类探讨交通领域的可视化技术和可视分析系统,简单回顾近年来出现的研究新趋势。结果早期研究注重对道路流量的可视化展示方案,主要方法有箭头图、马赛克图和轨迹墙等。随着可视分析手段的丰富,对城市道路交通流量的分析层次上升到交通事件层面,但是交通事件的定义仅局限于交通拥堵。应用可视分析的其他交通问题领域包括公共交通、交通事故和人群出行行为等。近年出现了挖掘和利用交通轨迹或交通事件的社会属性或称环境上下文信息的研究新趋势。结论从对交通流量的可视化到交通事件的可视分析,从面向道路交通状况到与交通相关的其他社会性问题,从单纯反映路况的交通数据到富含社会性语义的多源数据,从传统的PC端可视化和交互范式到新型的可视化展示介质,交通数据可视化领域的研究在深度和广度上都得到大大拓展,未来该领域的研究趋势也体现于其中。

利用方向玫瑰图分析社会经济重心轨迹移动模式

社会经济重心的移动轨迹可以直观反映出研究区域整体的的宏观地理结构和演变特征,而重心轨迹的相互关系可以体现出不同社会经济属性的地理关联关系。将轨迹分析与地理重心模型相结合,通过方向玫瑰图对由社会经济数据形成的轨迹移动模式进行可视化分析。其中,利用轨迹方向玫瑰图分析单条及全局重心移动轨迹的移动模式,并通过轨迹蜿蜒度提取显著的移动模式;利用轨迹对方向半玫瑰图定量描述两条重心轨迹之间的相对关系。对1985～2004年间我国大陆地区40项经济指标的重心轨迹进行移动模式分析,实验证明了方法的可靠性和有效性。

基于室内定位数据的群体时空行为可视化分析

室内定位数据记录了用户在室内空间活动的时空轨迹,是研究人群室内行为的重要信息源。室内数据时空耦合、分布复杂,可视化分析可以更好地揭示其规律。然而,与室外数据不同,室内数据具有时空粒度细、定位精度高等特点,与POI之间的空间关系更为明确,其轨迹受到室内设施和空间的制约,出现高维和不规则的特征,而这给室内行为研究提供依据的同时,又给可视化分析带来一定的挑战。现有的可视化方法主要应用于室外定位数据,关注轨迹自身的活动轨迹分析,往往忽略了所经过POI语义信息表达。针对这一问题,首先分析室内空间结构与定位数据的特征,阐述室内空间可视化分析的特殊性;在此基础上,面向室内人群的时空分布、移动模式及相关POI之间的对比、关联分析的需求,细化可视化分析的内容,明确可视化分析与展示的对象,并设计数据结构;从数据结构、可视化方法、展示图件及用户交互4个层次构建时空行为可视化分析模型;基于上述方法,采用WebGIS和WebGL技术综合设计和实现了面向商场定位的商场客流分析系统;最后,通过某一大型商场的用户定位数据进行可视化分析,从而验证了研究成果的正确性和有效性。