MIRIA：用于现场可视化和分析时空交互数据的混合现实工具包

文献标题

MIRIA: A Mixed Reality Toolkit for the In-Situ Visualization and Analysis of Spatio-Temporal Interaction Data

文献信息

• 主题领域: 混合现实与空间-时间用户交互数据可视化分析
• 关键词: 互动分析, 沉浸式分析, 原位分析, 原位可视化, 增强现实, 人机交互, 可视化

研究背景与问题

• 发现的问题或挑战:

  • 现有用户交互分析工具多为二维、单用户且局限于桌面环境，无法直接利用复杂环境的丰富上下文。
  • 多模态交互（用户移动、空中手势、触控、注视等）缺乏合适的分析工具支持。
  • 分析工具通常无法直接反映空间和环境对用户行为的影响。

• 重要性:

  • 混合现实和多显示环境的用户交互分析是理解新型计算系统用户行为的关键。
  • 原位可视化能够结合实际空间环境，帮助分析空间交互模式及其中文化或物理因素。

• 研究动机与相关工作:

  • 作者受到沉浸式分析和多显示环境研究的启发，旨在设计一个支持原位多用户协作分析的混合现实工具。
  • 总结了现有分析系统的常见任务、数据类型和可视化方法，并强调其局限性。

解决方案

• 提出的方法或解决方案:

  • 设计并实现了MIRIA工具包，该工具支持将AR可视化嵌入数据记录的物理空间中，实现原位数据探索和分析。
  • 提供多种可视化形式（如3D运动轨迹、位置热图、散点图等）以及媒体整合（如视频和截图）。

• 创新之处:

  • 将AR环境与用户交互数据相结合，支持多用户协作与空间上下文增强。
  • 通过动态位置显示、灵活的数据过滤和标注功能，使研究者能更全面和高效地分析空间交互数据。

• 实施步骤与关键技术:

  1. 数据导入：通过CSV格式导入用户交互日志，并用XML文件定义元数据。
  2. 数据预处理：对高频追踪数据进行降样，提高计算效率。
  3. 可视化生成：用Unity 3D引擎实现3D和2D可视化。
  4. 用户交互：多用户共同探索原位数据，支持多种数据过滤与标注功能。

研究成果

• 具体成果:

  • 提出了用于分析混合现实和增强现实空间交互数据的技术概念。
  • 开发了功能性原型系统，以支持原位数据可视化与协作分析。
  • 展示了MIRIA在多个真实研究数据集中的应用，包括3D数据空间分析和多人互动游戏行为分析。

• 优势:

  • 与传统工具相比，MIRIA更好地支持空间上下文分析，尤其是对于环境条件对行为影响的研究。
  • 支持多人协作，分析工具部署灵活，不依赖额外的跟踪设备。

• 实验或评估结果:

  • 专家反馈表明MIRIA能提供创新和有效的分析体验，包括更强的用户参与和数据上下文再现能力。
  • 原位可视化方式在展示事件时间线及行为轨迹方面表现突出。

• 局限性与未来方向:

  • 当前硬件（如HoloLens）的性能限制了大规模数据的可视化。
  • 手动编写配置文件较为繁琐，未来可能需要更自动化的数据配置工具。
  • 计划增强注释功能、支持更复杂的过滤操作以及改进视野和渲染质量。
  • 探索支持更复杂用户分析目标的工具（如显示用户行为区域、视线和遮挡等）。