Dash Sylvereye：一个基于 WebGL 的用于大规模街道网络仪表板驱动可视化的库
摘要
Gephi、KeyLines 和 Cytoscape 等最先进的开放网络可视化工具不适用于研究具有数千条道路的街道网络，因为它们无法同时支持边的折线、可导航地图、GPU 加速渲染、交互性以及可视化多变量数据的手段。为填补这一空白，本文提出 Dash Sylvereye：一个用于在瓦片网络地图之上生成原始街道网络交互式可视化的新型 Python 库。得益于与 Dash 框架的集成，Dash Sylvereye 可通过将 Dash Sylvereye 可视化的各元素与 Dash 框架提供的其他绘图及 UI 组件相协调，用于围绕时序与多变量街道数据开发网络仪表板。此外，Dash Sylvereye 提供便捷函数以轻松导入由 OSMnx 库获取的 OpenStreetMap 街道拓扑。并且，Dash Sylvereye 在重绘道路网络时使用 WebGL 进行 GPU 加速渲染。我们开展实验，在商用计算机上就每秒帧数、CPU 时间与帧时长评估利用软件加速时 Dash Sylvereye 的性能。我们表明，对于具有数千条边的街道网络，Dash Sylvereye 可提供接近 60 FPS 的快速平移速度及低于 20 ms 的 CPU 时间；对于具有数万条边的网络，可提供高于 24 FPS 及低于 40 ms 的 CPU 时间。此外，我们与两种最先进的街道可视化工具进行了性能比较。我们发现 Dash Sylvereye 相较于最先进的可视化库 Kepler.gl 与 city-roads 具有竞争力。最后，我们描述了一个利用 Dash Sylvereye 分析 SUMO 车辆交通仿真的网络仪表板应用。
引用
@article{arxiv.2105.14362,
title = {Dash Sylvereye: A WebGL-powered Library for Dashboard-driven Visualization of Large Street Networks},
author = {Alberto Garcia-Robledo and Mahboobeh Zangiabady},
journal= {arXiv preprint arXiv:2105.14362},
year = {2023}
}
备注
Re-submitted to IEEE Access on Aug. 11, 2023. The interpretation of the results in Section V has been corrected, as a more in-depth analysis unveiled that the prior results are attributed to the software (CPU) acceleration capabilities of Dash Sylvereye. Additionally, the manuscript now features a performance comparison with Kepler.gl and city-roads