GAN'SDA Wrap:包裹在表面的地理和网络结构数据

交互式数据可视化地理空间与地图可视化时序数据与网络图可视化UI/UX 设计师数据科学家与分析师

文献标题

GAN’SDA Wrap: Geographic And Network Structured DAta on surfaces that Wrap around

文献信息

  • 主题领域: 信息可视化,地图投影与网络结构数据
  • 关键词: 地理可视化, 地图投影, 图可视化, 网络结构, 交互可视化, 球面布局, 拓扑封闭表面, 用户研究, 误差率, 压力最小化

研究背景与问题

  • 发现的问题或挑战:

    1. 将球面的地理地图投影到平面会不可避免地产生失真或间断,这常导致人们误解距离、区域和方向。
    2. 网络数据在球面或其他三维表面的布局相比于平面可能具有优势,但这些布局对于用户可读性尚未系统评估。
    3. 现有研究中,多数针对静态地理地图投影的可读性,而未考虑交互式操作的影响;此外,对网络数据布局在球面和环面(Toroidal)的比较研究非常有限。
  • 问题重要性: 解决地图投影失真问题对于优化地理数据的理解非常关键,而探索封闭拓扑表面如球面或环面对于网络数据布局的潜力可能带来新的可视化设计方向。

  • 研究动机与相关工作:

    1. 地理数据在静态地图投影中的误差已被广泛研究,但交互式投影(如旋转或平移)是否改进用户任务表现还未有系统研究。
    2. 网络可视化领域多集中于平面布局,三维拓扑(例如球面和环面)的网络布局设计和评估研究虽然有所涉及,但是用户研究结果不完整,形变可能影响网络结构任务的完成。
    3. 此前的研究也未系统地评估球面网络数据投影与其他几何结构(如环面)的直接对比。

解决方案

  • 方法或解决方案: 作者通过设计两种用户研究来评估交互式地图投影及网络布局设计的可读性:

    1. 研究1:评估交互对球形地图投影的效果,探索不同类型投影和交互方式对地理理解任务(距离、面积与方向估计)的支持。
    2. 研究2:比较球形、环面和常规平面布局的网络数据投影对于两种任务(网络聚类识别与路径追踪)的影响。
  • 创新之处:

    1. 首次系统性评估交互式球形地图投影技术的影响,量化交互的好处和局限。
    2. 提出一个新的球面网络布局算法,将压力最小化算法从平面扩展至球面。
    3. 开发了自动旋转算法以优化球面布局投影,减少边界处的交叉或断裂。
  • 实施步骤与关键技术:

    • 地图投影:测试5种典型球面投影方式,包括连续投影(如Equal Earth、Hammer)和分割投影(如Orthographic Hemisphere)。
    • 数据生成与任务设计:通过难度分级生成地理数据和网络图,分别用于两项研究。
    • 用户研究:结合12名以上试验条件,并采用在线平台(Prolific Academic)招募参与者完成交互实验。
    • 球面与环面的网络布局优化:基于压力最小化算法,同时开发了自动旋转功能,以减少边界连接损失。

研究成果

  • 具体成果:

    1. 交互式地图投影显著提高了地理数据任务的准确性(误差率更低),但完成时间有所增加。
    2. Equal Earth投影在所有任务中的表现优于其他连续投影,Orthographic Hemisphere投影在方向和距离任务中表现良好,但对网络聚类任务支持较弱。
    3. 环面布局比平面布局在网络聚类任务中更加精准,而平面布局在路径跟踪任务中表现较好。
    4. 提出的自动旋转算法有效优化了球面布局中边界交叉数量(减少约25.6%)。
  • 优势与比较:

    1. 与静态地图相比,交互式地图投影能够显著减少地理任务中的失真误差。
    2. 环面和球面拓扑在网络聚类分析中的优势远胜于常规二维平面布局。
    3. Torus(环面)呈现了网络结构任务的一种通用解决方案,在网络聚类和路径追踪任务中均具有显著的优势。
  • 局限性与未来方向:

    1. 研究仅涵盖了有限的地图投影方案,未来可扩展至更多类型的投影以评估性能差异。
    2. 网络数据布局算法仅选择了一种压力最小化方案,其他算法可能带来不同的优化效果。
    3. 有必要进一步探索球面与环面投影在其他抽象数据表示形式(如多维数据缩放等)中的适用性,以及与基于变形的结构缩放技术的综合比较。

研究提供了丰富的可视化优化设计视角,显示交互与封闭几何结构可显著提升用户对于地理和网络数据的理解与精确性。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/69032/2022

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3501928
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
交互式数据可视化、地理空间与地图可视化、时序数据与网络图可视化
work
职业/产业
UI/UX 设计师、数据科学家与分析师
article
内容状态
已索引正文
hub
相关论文
4 篇相关论文