地理空间数据可视化

地理空间数据可视化

地图映射：
　地图映射，也就是将数据中的地理坐标转换成屏幕上的坐标
　按照曲面映射过程中的优化目标区分，地图映射主要包含以下三种类型：
　　等角度（正形投影）：源曲面和目标曲面（即投影前后）的任何位置的局部切向和法向方向组成的角度保持不变
　　等面积：地图上任何图形面积经主比例尺放大以后与实地上相应图形面积大小保持不变
　　等距离：在标准经纬线上无长度变形，即投影后任何点到原点的距离保持不变

从地图到地理数据可视化

地图角色的改变
传统的角色：沟通功能 　传递信息给大众
新的角色：认知功能　　帮助人们思考，解决问题，做决定

地理空间可视化集成了从科学计算可视化（VISC）、制图、图像分析、信息系统（GISystems）到提供视觉探索、分析、综合和地理空间数据表示的理论、方法和工具的各种方法。

地理数据可视化的推动力：
　图形硬件和个人电脑的普及
　虚拟现实技术
　爆炸性增长的数据
　80%的采集数据包含地理信息
　互联网的发展
　信息的聚合，地图制作门槛的降低

地理空间数据可视化技术

可视化思考
可视化图形语言
地理数据和可视化技术
点数据
线数据
面数据
三维数据
数据的时间属性

地理空间数据：
　地理信息空间数据与普通的空间数据都描述了一个对象在空间中的位置
　点，线，面，空间，时空

点数据可视化

点数据描述的对象是地理空间中离散的点，具有经度和纬度的坐标，但不具备大小尺寸
最直接可视化点数据的方法：
　　根据坐标直接标识在地图上，圆点是最常用的标识符号
其它标识符号：向量箭头、六边形蜂窝网格……

六边形（蜂窝）网格

　　
Bricks点数据
ricks能更好地进行数值对比，不能解决bricks重叠覆盖的问题

线数据可视化

线数据通常指的连接两个或更多地点的线段或者路径
线数据：长度属性 　 连接关系

美国航线的可视化

针对一般的流动图生成捆绑效果图：
　基本思路：
　　构建网格→反映图的连接关系
　　控制点→网格的边
　　安排路径→寻找一系列控制点
　控制网格：
　　引导边的捆绑过程
　　不同的控制网格→不同的捆绑效果
　　揭示和强化实际流动的规律
　　与图相配的网格→有意义的结果
　终极目标：
　　降低不必要的边交叉
　　有类似方向的长度的边被捆绑在一起
　　边被捆绑之后和原始直线的偏移尽量少

控制网格生产法：

小网格合并中不同的合并阈值：

给定阈值后，小网格合并中不同的中间结果：

平滑后处理：
　衡量一个曲线的质量：
　　到原始直线的距离
　　 曲线的弯曲程度
　　曲线的弯曲个数
　对于每一条线：
　　扩大搜索面积
　　遍历所有路径寻找最好的一条

区域数据可视化

等值线图
又称轮廓线图
计算方法：等值线抽取　　真实数据的采样
　　　　　距离场计算　　所属区域中心的距离
　　　　　

Choropleth 地图：
　　Choropleth地图（等值区间地图）可视化假设数据的属性在一个区域内部平均分布，因此一个区域用同一种颜色来表示其属性
（Choropleth地图最大的问题在于数据分布和地理区域大小的不对称）
　　

Cartogram地图：
　　Cartogram图（比较统计图）按照地理区域的属性值对各个区域进行适当的变形，以此克服Choropleth地图对空间展示的不合理性
　　
　输入
　　平面多边形网格和每个区域对应的数值
　目标
　　使变形后每个网格多边形的面积和数值成正比
　　最小化形状误差和面积误差的空间优化问题
　CartoDraw方法
　　采样扫描线算法逐渐调整多边形的顶点位置，允许交互控制形变，最小化两个误差

多元关系地图
　　为了显示地理空间不同位置上的区域属性直接的多元关系，可以采用连线、集合等方法表达。
（城市的住宅区属于同一类物业，城市的绿地则属于公共区域。）

三维地图可视化

崭新的应用：
　旅游线路规划　　移动导航　　　移动广告　　　　市政规划　　　交通模拟

三维可视化的问题：
　和传统的地图思想相左：
　　传统，抽象的描绘↔逼真，虚拟的环境
　可能带来视觉干扰：
　　 和具体应用紧密相关
　视觉遮挡，错觉：
　　距离更难估计，遮挡隐藏物体

时间相关属性

和时间相关的三种现象：
　　存在性变化：
　　　特定特征的出现或消失
　　地理属性变化：
　　　 地点，形状，大小变化
　　主题属性变化：
　　　 定量的或定性的特定属性变化

动画的陷阱：
　用空间表示空间，用时间表示时间
　　习惯问题
　　变化失明（change blindness）：不在关注范围　　 变化时间过短
　　　　　　　　　　　　　　　　　变化过于复杂　　变化不够剧烈
　　中心凹视力和边缘视力：和中央相比，边缘视力需要更强的信号
　　快慢变化率
　　多点变化：绝大部分动态地图的变化远超过这个数字
　　　　　　　节奏的控制　　　大脑的负担
　　　　　　　人们通常对通过动画发现的规律信心不足

高效的动画地图：
　　给予用户足够的控制权
　　动画地图擅长显示空间变化，不擅长显示变化率
　　显示粗粒度的细节（高，中，低）
　　使用非线性时间