HoLens：一种用于高阶运动建模与可视化的视觉分析设计
人机交互
2024-03-07 v1
摘要
高阶模式揭示了连续的多步状态转移，通常优于仅描绘一阶地理空间运动模式的起讫点分析。传统的高阶运动建模方法首先构建运动的有向无环图（DAG），然后从 DAG 中提取高阶模式。然而，基于 DAG 的方法严重依赖于运动关键点的识别，这对于稀疏运动具有挑战性，且未能考虑城市环境中运动至关重要的时间变异性。为了克服这些局限性，我们提出了 HoLens，这是一种在城市环境背景下建模和可视化高阶运动模式的新方法。HoLens 主要做出了两方面的贡献：首先，我们设计了一种自适应运动聚合算法，通过考虑空间邻近性、上下文信息和时间变异性，分层地自组织运动；其次，我们开发了一个交互式视觉分析界面，由成熟的可视化技术组成，包括用于在地图上可视化高阶模式的 H-Flow 和用于表示高阶状态转移的高阶状态序列图。两个真实世界的案例研究表明，该方法能够自适应地聚合数据，并展示如何通过 HoLens 探索高阶模式的过程。我们还通过对三位领域专家的访谈证明了我们方法的可行性、可用性和有效性。
引用
@article{arxiv.2403.03822,
title = {HoLens: A Visual Analytics Design for Higher-order Movement Modeling and Visualization},
author = {Zezheng Feng and Fang Zhu and Hongjun Wang and Jianing Hao and ShuangHua Yang and Wei Zeng and Huamin Qu},
journal= {arXiv preprint arXiv:2403.03822},
year = {2024}
}
备注
20 pages, 18 figures, is accepted by computational visual media journal