陳 達(dá)，崔虎平，蘇亞龍

（1. 信息工程大學(xué) 地理空間信息學(xué)院，河南 鄭州 450001；2. 31682部隊(duì)，甘肅 蘭州 730020）

0 引 言

隨著人類社會(huì)對(duì)空間認(rèn)知需求的增多，傳統(tǒng)的地圖數(shù)據(jù)已經(jīng)越來越不滿足人類活動(dòng)需要，開始對(duì)地圖的空間表達(dá)功能和內(nèi)涵進(jìn)行擴(kuò)展與延伸。特別是在移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、人工智能等新一輪的科技推動(dòng)下，需要構(gòu)建一個(gè)從室外空間到室內(nèi)空間、從整體到局部，從宏觀到微觀的統(tǒng)一數(shù)據(jù)模型，引領(lǐng)傳統(tǒng)GIS向大數(shù)據(jù)時(shí)代下的泛在空間信息系統(tǒng)方面進(jìn)行發(fā)展[1-2]。文獻(xiàn)[3]中提出了構(gòu)建全空間信息系統(tǒng)中的核心問題和關(guān)鍵技術(shù)，論述了全空間信息系統(tǒng)研究的理論設(shè)想與關(guān)鍵問題。全空間系統(tǒng)中以多粒度時(shí)空對(duì)象為基本建模單元，將時(shí)空基準(zhǔn)、空間位置、空間形態(tài)、組成結(jié)構(gòu)、關(guān)聯(lián)關(guān)系、認(rèn)知能力、行為能力、屬性特征等方面作為一個(gè)對(duì)象8個(gè)方面的描述特征。全空間信息中的數(shù)據(jù)來源從GIS的數(shù)據(jù)源擴(kuò)展到了宇宙、室內(nèi)、微觀等泛在空間的數(shù)據(jù)源，從傳統(tǒng)的空間分析遷移到了時(shí)空大數(shù)據(jù)分析。

人們使用可視分析工具來對(duì)數(shù)據(jù)進(jìn)行認(rèn)知，發(fā)現(xiàn)預(yù)期、非預(yù)期或領(lǐng)悟的知識(shí)結(jié)論。特別是在大數(shù)據(jù)時(shí)代下，如何使用戶能夠快速認(rèn)識(shí)數(shù)據(jù)、獲得數(shù)據(jù)價(jià)值和利用數(shù)據(jù)進(jìn)行輔助決策是一個(gè)重大研究課題?？梢酝ㄟ^可視分析的信息可視化、人機(jī)交互、圖形分析等手段來認(rèn)識(shí)數(shù)據(jù)，以此彌補(bǔ)機(jī)器在認(rèn)知能力上的不足[4-5]。

全空間信息系統(tǒng)中以多粒度時(shí)空對(duì)象來對(duì)現(xiàn)實(shí)世界進(jìn)行抽象，以對(duì)象為核心來進(jìn)行特征計(jì)算、關(guān)聯(lián)分析、認(rèn)知建模與行為預(yù)測(cè)。多粒度時(shí)空對(duì)象可視分析旨在通過對(duì)象的8個(gè)方面特征，運(yùn)用時(shí)空大數(shù)據(jù)的挖掘方法和可視分析技術(shù)來對(duì)多粒度時(shí)空對(duì)象進(jìn)行可視分析。由于全空間信息系統(tǒng)中各類數(shù)據(jù)龐大、語義豐富、屬性多維、模式多樣，其可視化和分析方法多樣，在面對(duì)復(fù)雜分析要求或以探索為目的的復(fù)雜任務(wù)時(shí)，缺乏一個(gè)以對(duì)象為核心的可視分析流程和體系支撐，此外，在全空間信息系統(tǒng)中也需要總結(jié)已有的時(shí)空大數(shù)據(jù)可視分析方法，并將其應(yīng)用到多粒度時(shí)空對(duì)象的可視分析中。本文以全空間信息系統(tǒng)中的多模態(tài)時(shí)空對(duì)象分析與可視化為背景，研究多粒度時(shí)空對(duì)象可視分析的體系結(jié)構(gòu)，面向應(yīng)用場(chǎng)景的可分析方法分類和展現(xiàn)形式，最后以智能交通為例，對(duì)多粒度時(shí)空對(duì)象可視分析的應(yīng)用場(chǎng)景和使用體系做了分析。

1 多粒度時(shí)空對(duì)象可視分析的內(nèi)涵

多粒度時(shí)空對(duì)象的可視分析是全空間信息系統(tǒng)的重要應(yīng)用方面之一。在對(duì)泛在空間的數(shù)據(jù)進(jìn)行對(duì)象化的建模后，以對(duì)象化的形式來進(jìn)行信息分析、可視交互、特征計(jì)算。多粒度時(shí)空對(duì)象可視分析在使用的場(chǎng)景、可視效果和交互工具較傳統(tǒng)的地理空間中的可視分析更加寬泛和豐富。

1.1 多粒度時(shí)空對(duì)象可視分析的基本概念

傳統(tǒng)的可視分析是以科學(xué)計(jì)算、信息數(shù)據(jù)的可視化為基礎(chǔ)，通過人機(jī)交互界面輔助用戶進(jìn)行推理探索和知識(shí)發(fā)現(xiàn)。多粒度時(shí)空對(duì)象可視分析在內(nèi)容上要更加寬泛，其可視分析以對(duì)象的8個(gè)方面特征為計(jì)算依據(jù)，通過數(shù)據(jù)建模，可以使對(duì)象能完全涵蓋傳統(tǒng)的科學(xué)計(jì)算和信息數(shù)據(jù)，對(duì)象間的形態(tài)特征、對(duì)象間的關(guān)聯(lián)以及對(duì)象的認(rèn)知行為等是傳統(tǒng)的地理空間的可視分析和時(shí)空大數(shù)據(jù)領(lǐng)域下所沒有的，這也是全空間信息系統(tǒng)與傳統(tǒng)空間信息系統(tǒng)的重要區(qū)分。多粒度時(shí)空對(duì)象可視分析是以對(duì)象的抽象、具象可視化為基礎(chǔ)，以多粒度時(shí)空對(duì)象8個(gè)特征為分析內(nèi)容，并充分考慮多粒度時(shí)空對(duì)象的時(shí)空耦合、多語義性、多維度屬性、多層次認(rèn)知以及智能行為等特點(diǎn)，運(yùn)用多場(chǎng)景、多視圖展現(xiàn)和多租戶聯(lián)動(dòng)分析為交互手段，提供對(duì)象的特征展示、模式診斷與預(yù)測(cè)、關(guān)聯(lián)關(guān)系、知識(shí)發(fā)現(xiàn)等應(yīng)用[6-7]。

1.2 多粒度時(shí)空對(duì)象可視分析流程

文獻(xiàn)[8]體現(xiàn)出了傳統(tǒng)意義上的可視分析流程，數(shù)據(jù)經(jīng)過信息挖掘，通過計(jì)算模型可以對(duì)知識(shí)進(jìn)行發(fā)現(xiàn)，這構(gòu)成了自動(dòng)化的分析方法；數(shù)據(jù)也可以通過圖形映射后，以可視化形式展現(xiàn)，從可視產(chǎn)品中發(fā)現(xiàn)知識(shí)，這構(gòu)成了可視探索方法，可視化可以為自動(dòng)分析的模型提供依據(jù)，而自動(dòng)分析的結(jié)果也可以可視化形式展現(xiàn)。此外，知識(shí)也具有反饋?zhàn)饔?，可以?duì)數(shù)據(jù)的調(diào)整與變換提供依據(jù)。整個(gè)分析流程如圖1所示。

圖1 傳統(tǒng)可視分析流程[8]Fig.1 Process of traditional visual analysis

從圖1中可以看出數(shù)據(jù)、可視化、模型、知識(shí)構(gòu)成了可視分析的關(guān)鍵點(diǎn)，整個(gè)過程構(gòu)成一個(gè)回路，數(shù)據(jù)轉(zhuǎn)換、人機(jī)交互、模型調(diào)整、知識(shí)反饋是圖中的重要步驟。多粒度時(shí)空對(duì)象可視分析的關(guān)鍵點(diǎn)做了調(diào)整，對(duì)象的特征經(jīng)過抽象后可以進(jìn)行可視化，對(duì)象也可以經(jīng)過大數(shù)據(jù)的挖掘和分析方法，對(duì)分析結(jié)果進(jìn)行可視化，最后得出結(jié)論與決策。用戶可以依據(jù)分析結(jié)論對(duì)分析計(jì)算模型進(jìn)行調(diào)整，并可以將結(jié)論作為時(shí)空對(duì)象的特征項(xiàng)的數(shù)據(jù)補(bǔ)充，整個(gè)流程如圖2所示。

圖2 多粒度時(shí)空對(duì)象化分析流程Fig.2 Process of visual analysis of multi-granular spatial-temporal objects

1.3 多粒度時(shí)空對(duì)象可視分析的新特點(diǎn)

多粒度時(shí)空對(duì)象由于在可視化上的方法更多，且應(yīng)用場(chǎng)景廣泛，其可視分析的交互方法與手段要適應(yīng)全空間信息系的應(yīng)用場(chǎng)景需要，并為支持多場(chǎng)景、多設(shè)備、多視圖與多租戶下的異地協(xié)同可視分析。

1）支持VR/AR場(chǎng)景下的可視分析。目前在計(jì)算機(jī)系統(tǒng)中利用VR/AR技術(shù)來對(duì)現(xiàn)實(shí)世界表達(dá)是最為直接的方法，全空間信息系統(tǒng)需要研究多粒度時(shí)空對(duì)象在VR/AR場(chǎng)景下的高性能可視化，將對(duì)象特征與分析結(jié)果的可視化結(jié)果疊加在VR/AR中，更加能減輕用戶的認(rèn)知負(fù)擔(dān)。

2）支持多租戶的協(xié)同可視分析。全空間信息系統(tǒng)中可能面對(duì)智能交通、智慧城市等應(yīng)用場(chǎng)景，需要可視化與探索的信息多，雖然多視圖協(xié)同可視分析[9]能夠一定程度上解決視圖間的數(shù)據(jù)傳遞與變換[9]，但依靠單人單機(jī)的方法則不能滿足需求。多粒度時(shí)空對(duì)象可視分析需要建立多視圖、多租戶支持下的協(xié)同與共享可視分析體系，對(duì)復(fù)雜的可視分析任務(wù)進(jìn)行劃分與分配，不同租戶可以利用服務(wù)對(duì)可視分析的模型、參數(shù)、可視效果進(jìn)行定制與開發(fā)，最后對(duì)多租戶的分析結(jié)果進(jìn)行匯總綜合，從而完成復(fù)雜的可視分析任務(wù)。

3）以對(duì)象為核心的可視分析。以對(duì)象為核心的分析是對(duì)粒度時(shí)空對(duì)象可視分析的最大特點(diǎn)，最貼近用戶認(rèn)知心理，符合人對(duì)實(shí)體在時(shí)空上的認(rèn)知規(guī)律，通過對(duì)對(duì)象特征的抽取與計(jì)算，可以滿足用戶的個(gè)性化可視分析需求。

2 多粒度時(shí)空對(duì)象可視分析方法體系

2.1 多粒度時(shí)空對(duì)象可視化分析方法體系

根據(jù)全空間信息系統(tǒng)中時(shí)空大數(shù)據(jù)分析方法，可以將其分為對(duì)象的檢測(cè)型可視分析、預(yù)測(cè)型可視分析、推薦型可視分析、關(guān)聯(lián)型可視分析、特征展示型可視分析。全空間信息系統(tǒng)應(yīng)用場(chǎng)景中涉及的分析任務(wù)多樣，需要多種對(duì)象化的可視分析方法進(jìn)行共同使用。按照多粒度時(shí)空對(duì)象的可視分析的流程和任務(wù)驅(qū)動(dòng)，將多粒度時(shí)空對(duì)象的可視分析體系概括為描述性可視分析、計(jì)算性可視分析、推理性可視分析。本文構(gòu)建了“場(chǎng)景—任務(wù)—實(shí)施方法”的三級(jí)方法體系，如圖3所示。

圖3 多粒度時(shí)空對(duì)象化分析方法體系Fig.3 Visual analysis method system of multi-granular spatialtemporal objects

全空間信息系統(tǒng)面向的是以時(shí)空大數(shù)據(jù)為背景的具體應(yīng)用場(chǎng)景，如智能交通、智慧城市、社交網(wǎng)絡(luò)等復(fù)雜應(yīng)用，其中可視分析任務(wù)多樣，需要將其分解為多類型的任務(wù)分別進(jìn)行研究。體系中將分析任務(wù)分為描述性分析任務(wù)、檢驗(yàn)性任務(wù)和推理性任務(wù)3個(gè)方面，描述性任務(wù)側(cè)重對(duì)多粒度時(shí)空對(duì)象的8個(gè)特征方面的表達(dá)，展示多粒度時(shí)空對(duì)象的微觀特征和宏觀態(tài)勢(shì)。推理性分析任務(wù)側(cè)重發(fā)現(xiàn)對(duì)象的性質(zhì)、探索對(duì)象的模式規(guī)律、產(chǎn)生與推理相關(guān)的假設(shè)、識(shí)別異常等。檢驗(yàn)性分析任務(wù)是對(duì)用戶已有的知識(shí)或通過推理得出的結(jié)論進(jìn)行驗(yàn)證，為可視化分析任務(wù)構(gòu)成一個(gè)閉環(huán)，其側(cè)重的是知識(shí)檢測(cè)、推理驗(yàn)證、數(shù)據(jù)篩選和因果關(guān)系發(fā)現(xiàn)等。

2.2 多粒度時(shí)空對(duì)象可視分析內(nèi)容

1）展示性可視分析：對(duì)象的特征展示性可視分析包括特征的多維度展示性可視分析、變化性展示分析、差異性展示分析、相似性分析等。①多維度展示性分析主要有基于幾何的技術(shù)、基于層次的技術(shù)、面向像素的技術(shù)以及在數(shù)據(jù)挖掘中常用的數(shù)據(jù)降維等方法。其可視圖形可以通過散點(diǎn)圖、平行坐標(biāo)、雷達(dá)圖等進(jìn)行表達(dá)。②變化性展示分析體現(xiàn)對(duì)象特征隨時(shí)間的變化情況，如移動(dòng)位置變化、水溫變化、磁場(chǎng)強(qiáng)度變化等。其可視圖形可以通過折線圖、柱狀圖、像素圖等。③差異性可視分析用于比較對(duì)象間的相同屬性或類似特征，其可視分析的方法主要有并排、層疊和顯示編碼3種。④相似性可視分析主要是對(duì)若干對(duì)象進(jìn)行相似性歸類，一個(gè)聚集簇中的對(duì)象具有相似性，不同聚類簇中的對(duì)象相異，可以通過聚類圖形、熱度圖、密度圖等進(jìn)行可視化表達(dá)。

2）評(píng)估性可視分析。檢測(cè)型可視分析主要目的是檢測(cè)規(guī)則推理、已有數(shù)據(jù)模型的合理性和正確性。用戶對(duì)分析計(jì)算結(jié)果和已有真實(shí)對(duì)象數(shù)據(jù)進(jìn)行比較，將結(jié)果用于方案評(píng)估、規(guī)則評(píng)判情形，如評(píng)估交通事件對(duì)車流量的影響，驗(yàn)證節(jié)假日的交通擁堵狀況等，對(duì)計(jì)算結(jié)果可以使用能夠表達(dá)差異性和比較性的圖形，如折線圖、柱狀圖、氣泡圖等。

3）檢測(cè)性可視分析。檢測(cè)性分析主要包括多粒度時(shí)空對(duì)象共性特征的檢測(cè)和異常模式的發(fā)現(xiàn)。共性特征的分析一般通過聚類和分類的方法，前者是通過制定對(duì)象的聚類統(tǒng)計(jì)量，然后通過統(tǒng)計(jì)量對(duì)對(duì)象集進(jìn)行聚類，然后從中發(fā)現(xiàn)對(duì)象的共性特征；后者是通過已有的分類標(biāo)準(zhǔn)，通過計(jì)算后對(duì)多粒度時(shí)空對(duì)象進(jìn)行歸類。異常模式的發(fā)現(xiàn)是從對(duì)象集中發(fā)現(xiàn)由于特征改變而出現(xiàn)的“例外”現(xiàn)象，一般將其成為孤立對(duì)象、離群對(duì)象。檢測(cè)性可視分析應(yīng)用場(chǎng)景廣泛，如通過對(duì)移動(dòng)偽基站的軌跡分析發(fā)現(xiàn)其運(yùn)動(dòng)區(qū)域、通過手機(jī)定位坐標(biāo)發(fā)現(xiàn)景區(qū)擁擠點(diǎn)、通過出租車的軌跡路徑異常發(fā)現(xiàn)來檢測(cè)其欺詐行為、通過檢測(cè)點(diǎn)污染物濃度異常發(fā)現(xiàn)隱藏排污點(diǎn)等。檢測(cè)性可視分析一般需要針對(duì)具體應(yīng)用進(jìn)行圖形的定制，僅依靠單一的可視化圖形難以得出結(jié)論，需要用戶的豐富經(jīng)驗(yàn)，并通過多視圖協(xié)同與人機(jī)交互手段來進(jìn)行分析[7]。

4）關(guān)聯(lián)性可視分析。關(guān)聯(lián)性可視分析旨在發(fā)現(xiàn)對(duì)象特征之間的相互依賴、相互作用以及協(xié)同機(jī)制。對(duì)象的關(guān)聯(lián)關(guān)系有時(shí)間關(guān)聯(lián)關(guān)系、空間關(guān)聯(lián)關(guān)系、屬性關(guān)聯(lián)關(guān)系以及綜合關(guān)聯(lián)關(guān)系，綜合關(guān)聯(lián)關(guān)系中的因果關(guān)系、共生關(guān)系、聚類關(guān)系等需要通過大數(shù)據(jù)挖掘和分析推理得到[10]，并且其體現(xiàn)的是對(duì)象群體之間的關(guān)聯(lián)規(guī)律，不具備個(gè)體普適性。關(guān)聯(lián)性的可視分析可以使用網(wǎng)絡(luò)圖。

可以利用網(wǎng)絡(luò)圖來進(jìn)行線索鏈與證據(jù)鏈的推理與發(fā)現(xiàn)，并使用多種圖形布局的變換來展示復(fù)雜關(guān)系。也可以利用像素圖來表示關(guān)聯(lián)關(guān)系之間的關(guān)聯(lián)強(qiáng)度，便于用戶進(jìn)行比較，例如文獻(xiàn)[11]中利用貝葉斯網(wǎng)絡(luò)數(shù)學(xué)模型與像素圖、網(wǎng)絡(luò)圖對(duì)電動(dòng)車的偷盜與娛樂場(chǎng)所、建筑物之間進(jìn)行了關(guān)聯(lián)可視分析。

5）預(yù)測(cè)性可視分析。預(yù)測(cè)性可視分析是基于對(duì)象的歷史特征和行為，對(duì)多粒度時(shí)空對(duì)象的未來特征或行為進(jìn)行分析預(yù)測(cè)，其方向主要有時(shí)間序列預(yù)測(cè)、屬性預(yù)測(cè)、位置預(yù)測(cè)、行為表征、形態(tài)演化等方面。預(yù)測(cè)分析算法以統(tǒng)計(jì)回歸模型為核心，通過不同的預(yù)測(cè)模型組合后進(jìn)行分析。行為表征和形態(tài)演化是針對(duì)多粒度時(shí)空對(duì)象進(jìn)行的特有的預(yù)測(cè)分析方法，前者是對(duì)對(duì)象的行為趨勢(shì)作推斷，表征其行為隨時(shí)間的變化，如移動(dòng)對(duì)象的運(yùn)動(dòng)方向預(yù)測(cè)、洪水在城市中的淹沒預(yù)測(cè)；后者是對(duì)象的形態(tài)變化，如城市街區(qū)形態(tài)的擴(kuò)大、雷達(dá)電磁場(chǎng)受干擾后的波瓣變化等。預(yù)測(cè)性分析的結(jié)果可視化可以結(jié)合全空間信息系統(tǒng)中對(duì)象的動(dòng)態(tài)可視化及VR/AR場(chǎng)景，用戶通過對(duì)可視分析結(jié)果的認(rèn)知來進(jìn)行知識(shí)探索。

3 以大數(shù)據(jù)交通為例對(duì)多粒度時(shí)空對(duì)象可視分析體系構(gòu)建

交通管理領(lǐng)域一直是大數(shù)據(jù)分析研究的熱點(diǎn)，交通大數(shù)據(jù)的應(yīng)用場(chǎng)景包括稽查布控、流量分析、擁堵預(yù)測(cè)、設(shè)施運(yùn)營(yíng)、風(fēng)險(xiǎn)預(yù)警等領(lǐng)域，其目標(biāo)是保證交通系統(tǒng)的高效運(yùn)轉(zhuǎn)。交通應(yīng)用中的各類實(shí)體特點(diǎn)比較符合全空間信息系統(tǒng)中的對(duì)象特征，交通中的基礎(chǔ)地理信息、移動(dòng)對(duì)象軌跡數(shù)據(jù)、交通事故數(shù)據(jù)、設(shè)施專題數(shù)據(jù)、傳感器實(shí)時(shí)數(shù)據(jù)、路況氣象數(shù)據(jù)等數(shù)據(jù)的分析應(yīng)用是全空間信息系統(tǒng)中的對(duì)象化建模與智能設(shè)施管理的問題。各類車輛是建模與分析的核心對(duì)象，路網(wǎng)、交通事件、路況氣象信息是核心對(duì)象的上下文信息、各類傳感器、收費(fèi)站、卡口等是數(shù)據(jù)生產(chǎn)對(duì)象。

下面將多粒度時(shí)空對(duì)象可視分析方法體系應(yīng)用到交通管理領(lǐng)域中，建立以大數(shù)據(jù)交通中的多粒度時(shí)空可視分析應(yīng)用體系，如圖4所示。

圖4 多粒度時(shí)空對(duì)象可視分析在交通領(lǐng)域應(yīng)用Fig.4 Visual analysis application of multi-granular spatial-temporal objects in transport application

利用收費(fèi)站、卡口、傳感器等數(shù)據(jù)產(chǎn)生對(duì)象可以對(duì)車流量、路段天氣、路段擁堵狀態(tài)、事故統(tǒng)計(jì)信息等進(jìn)行展示性可視化及分析。利用對(duì)象關(guān)聯(lián)性可視分析對(duì)事故、路網(wǎng)與氣象之間的關(guān)聯(lián)關(guān)系進(jìn)行研究，分析移動(dòng)對(duì)象與交通事故之間的關(guān)聯(lián)關(guān)系。對(duì)象的預(yù)測(cè)性分析可以進(jìn)行惡劣天氣、車流量、擁堵量的預(yù)測(cè)與分析。對(duì)象的檢驗(yàn)性分析可以對(duì)擁堵點(diǎn)、異常移動(dòng)對(duì)象等方面進(jìn)行分析?？梢暦治龅某晒梢允菆D表、報(bào)告、專題圖等，其結(jié)果可以用來指導(dǎo)車流量疏導(dǎo)、路線規(guī)劃、道路封控等工作。

4 結(jié)束語

全空間信息系統(tǒng)利用對(duì)象化的思想直接對(duì)現(xiàn)實(shí)世界進(jìn)行建模，并以多粒度時(shí)空對(duì)象作為數(shù)據(jù)模型。本文在傳統(tǒng)可視分析學(xué)的基礎(chǔ)上，結(jié)合多粒度時(shí)空對(duì)象的8個(gè)方面特征，對(duì)多粒度時(shí)空對(duì)象可視分析進(jìn)行了探討，提出了多粒度時(shí)空對(duì)象可視分析的內(nèi)容，在傳統(tǒng)可視分析流程的基礎(chǔ)上設(shè)計(jì)了多粒度時(shí)空對(duì)象可視分析的流程并探討了其特點(diǎn)，下一步將針對(duì)具體的可視分析方法，進(jìn)一步對(duì)多粒度時(shí)空對(duì)象可視分析中的可視化表達(dá)、交互工具及數(shù)學(xué)模型等方面展開研究。