地图投影方法
点数据可视化
通过地理空间中离散的点进行可视化是最基本的一种方法,但其不具备尺寸大小。用 大小/颜色/图标/符号/向量型箭头 等视觉元素进行可视化:
[颜色与标识]美国奥克兰地区犯罪地图>>>
[向量型点数据]美国2010年中期大选和2008年大选各区域民意变化>>>
存在问题:由于数据分布不均,容易导致在数据密集区域出现大量的数据相互遮盖现象。为了解决这个问题,一类方法是对区域做网格化处理,在每个网格内统计相关数据,利用三维柱状图进行显示;另一类则是将三维柱状图改成划分出的正交网格,然后用颜色来表示统计数据,例如六边形蜂窝状切割。
在除了离散数据之外,还有一种方法可以使可视化粒度更细,使提供的信息更完整,例如热力图。通过合适的重建或插值算法将数据转成连续的形式呈现。
事实上,绘制每个数据点能让可视化展现更多的细节,假设某个场景下对数据中每个点的关注要大于显示的统计数据,那么这时候需要通过调整数据点的位置来解决重叠的问题。最常见的方法是将重叠的点在一个目标位置周围的小范围内随机移动,如PixelMap算法 143;
Chicago Boundaries – radicalcartography: 添加了半透明模式的可视化,可以清晰辨别不同种群的聚居区域,也可以了解到聚居区交接的区域存在的混居现象
线可视化
线数据通常指连接两个或多个地点的线段或路径。线数据具有长度属性。线数据绘制时,通常可以结合颜色、线的类型和宽度、标注等数据属性。线数据中值得关注的一个问题是,如何减少重叠和交叉的相关算法。
海量数据线可视化除了要解决视觉复杂度之外,对计算能力也是非常大的挑战,对数据做适当的抽象和聚合可缓解问题。
除此外,在大量线条重叠和交叉阻碍信息检索的效率时,可以通过连线绑定技术改变连线布局从而降低视觉复杂度,这样的图可以看成流程图和地图的结合,称为流型图(flow map)。
法国葡萄酒出口图基于此,Phan等人提出了自动绘制和优化流型图的算法flow_map_layout。其中主要两个步骤是计算连线绑定好优化连线布局。
区域数据可视化
区域数据包含了比点数据和线数据更多的信息,最常用的是采用颜色来表示这些属性的值。
地理信息可视化应用
[城市与日常生活]:美国旧金山地区各地点的交通时间与房价
[城市与日常生活]:通过传感器和移动设备采集的城市运行实时数据,Live Singapore
[城市与日常生活]:2011年311日本大地震及海啸期间Twitter上消息传播
[城市与日常生活]:1000条Nike+跑步路线道路可视化
[地理时空数据]:Data Visualization: Journalism’s Voyage West, This visualization plots over 140,000 newspapers published over three centuries in the United States. The data comes from the Library of Congress’ “Chronicling America” project, which maintains a regularly updated directory of newspapers.
[复杂地理数据可视分析]:Statistics Explorer
其他可视化展现形式
Data Heatmap: Les Misérables Co-occurrence
TreeMap, A treemap recursively subdivides area into rectangles; the area of any node in the tree corresponds to its value. This example uses color to encode different packages of the Flare visualization toolkit.
Visualizing a genetic algorithm
Global Landscapes Initiative – Excess Nitrogen
城市研究资源
本文未做明确引述来源的文字部分来源于《数据可视化》一书。本文配图均源自上下文链接网站的屏幕截图、相关网址中Youtube链接截图以及文章配图。
本文作者:hijiangtao
来源:51CTO