189 8069 5689
嵌入地图的多对多流动数据可视化方式Maptrix有什么用，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
西藏网站制作公司哪家好，找创新互联！从网页设计、网站建设、微信开发、APP开发、响应式网站开发等网站项目制作，到程序开发，运营维护。创新互联公司2013年成立到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联。
如何在地理位置中可视化流动信息是一个目前广泛研究的问题，尤其是多对多的流动信息，例如动物的移动，疾病、货物或者知识的传播。下面所做的工作提出了更有效的可视化形式Maptrix帮助用户分析这一类型的数据，设计合理详细的user study针对提出的maptrix可视化形式与Bundled Flow Map和OD Matrix进行有效性方面的比较。
三种可视化方式Maptrix，Bundled Flow Map， OD Matrix的可视化效果如下图1所示。
在地图中流动数据问题的研究具有很长的研究历史。这个问题***次提出是应用在铁路地图的可视化中，但是当时的可视化方式存在视觉元素的重叠以及交叉的现象，针对这一问题，目前有三类解决方案，***类方案，通过将视觉元素，即连接边转换成密度图的方式，但是使用密度图会丢失地图中的很多的细节信息;第二类是通过边绑定的方式，但是边绑定的方式更适合应用在一对多的场景中;第三种针对这一问题的解决方案是通过交互以及聚合的方式完成。
针对地理位置中的流动数据的第二种可视化方式是通过OD矩阵可视化完成，但是OD矩阵丢失了地图中的位置信息，因此存在一些研究可以通过small multiple的方式增加缺失的地理位置信息。
但是通过对于上述相关工作的分析，我们发现有很少的工作将地图与OD矩阵结合到一起来解决地图中多对多的可视化的问题，因次提出了MapTrix的可视化方式。
Maptrix的可视化方式的组成部分主要有三个，代表流动数据起始地点的地图，代表流动数据终止地点的地图以及OD矩阵。为了方便用户发现其内部的模式，将OD矩阵进行旋转保证OD矩阵的横轴与纵轴是对称分布。建立矩阵与地图之间的关联，就需要将OD矩阵与起始地图，终止地图之间进行连接，为了保证地图上的地点与矩阵之间的连接线不交叉，保证得到更好的视觉效果，本文的工作使用二次规划的方式寻找***的连接点位置，如下图2所示即为连接线的三类主要的约束条件。
图2 三类约束条件
从左到右三个约束条件的目的分别是：防止连接线与点连接点之间的交叉;防止相反方向的连接线之间的交叉;防止相同方向的连接线之间的交叉。
为了验证所提出的可视化形式的有效性，本文针对Maptrix与Bundled Flow Map，OD Map三种可视化形式设计有效全面的user study。对于本文中设计的user study中的task都经过了详细的设计，设计的任务在地图都会经常被使用，按照识别的范围主要分为三种类型：在整个地图的范围内识别;在单个地点的范围内识别;在部分区域的范围内识别。具体的简称，描述以及实例如下表1所示。
对于user study的分析所得到的信息主要分为两点：
RF类型(regional flow，分析某一个区域范围内的流数据)在列出的三种类型的任务中所耗费的时间最长。
相比其他两类的可视化方式Bundled Flow Map以及OD Map，Maptrix与Bundled Flow Map的效率相似。
针对***个user study的上述两个发现，本文接下来设计了第二个user study针对RF类型的任务以及Maptrix、Bundled Flow Map的可视化方式的有效性进行分析。
首先针对RF类型的任务进行了详细的划分，判断具体怎样类型的任务的效率较低。同时对于Maptrix，Bundled Flow Map两类可视化形式，使用不同复杂度的数据集验证其有效性。
对于RF类型(regional flow，分析某一区域范围内的流数据)任务的具体划分标准主要有以下两个方面，
按照全局数据流的特点，需要识别出的主导数据流在AB区域的内部，还是在A与B两个区域之间
位置元素的邻接情况，具体有以下三种情况：
选择的具体的位置在区域内部，同时区域之间是邻接的
选择的具体位置在区域内部，同时在区域内部选择的位置之间是邻接的
选择的位置与区域之间不存在邻接关系
通过第二次user study的结果， 我们发现在不同的数据复杂度下，OD map与matrix之间的表达能力仍然非常相似;regional flow类型的数据所耗费的时间仍然非常高，但是通过交互的方式可以帮助用户的理解，比如在执行任务的过程中用户点击选择的区域会高亮。
然而，针对数据集复杂度与任务实行所耗费时间之间的关系，随着执行任务所针对的数据集的复杂度的不断提高，执行任务的效率并没有相应的增加，例如各个省(州)之间数据流的复杂度中国低于美国，但是执行任务的速度美国优于中国，这可能是因为用户对于美国的地图比中国的地图更加熟悉，同时美国的地图相比中国更加的规则，对于执行任务也会有很大的帮助，因此数据的复杂度与用户执行任务并没有直接的关联。
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。