基于时变数据可视化方法的研究

门芳

时变型数据是一种随着时间变化、带有时间属性的数据。在实际应用中，时变型数据数量大、维度多、变量多，而且类型丰富，分布范围广泛，特别是在各类传感器网络、移动互联网应用中，以流模式生成的流数据是一类特殊的具有无限长度时间轴的时变型数据。本文分析了时变型数据的内容、特征及其可视化的种类，从三个方面对时变型数据的可视化方法进行归纳和总结。

时间具有时间具有非常重要的纬和属性。随着时间变化、带有时间属性的数据时变型数据（Temporal Data）。从宏观上看，时变型数据类可分数值型、有序性和类别性三类。其中，任意两个有序型数据都具有某种顺序关系，而数值型数据可看成某种有具体数值的有序型数据。据统计1974-1980年世界上的15种报纸和杂志上刊登的4000个图像集合的75%都是以时间序列排序的。。

1.时间属性的可视化

如果将时间属性或顺序性当成轴变量，那么每个数据实例则视为轴上某个变量值对应的单个事件，对时间属性的刻画有三种方式：

（1）线性时间和周期时间：线性时间假定一个出发点并定义为从过去到将来数据元素的线性时出发点并定义为从过去到将来数据元素的线性时域。

（2）时间点和时间间隔：离散时间点将时间描述为可与离散的空间欧拉点相对等的抽象概念。

（3）顺序时间、分支时间和多角度时间：顺序时间域考虑那些按先后发生的事件。对于分支时间、多股时间分支展开，这有利于描述和比较有选择性的方案，这种类型的时间支持做出只有一个选择发生的决策过程多角度时间可以描述多于一个关于被观察事实的观点。

不同类别的时变型数据需采用不同的可视方法不同类别的时变型数据需采用不同的可视方法来表达。标准的显示方法是将时间数据作为二维的线图显示，x 轴表示时间，y 轴表示其他的变量。这种方法善于表现数据元素在线性时间域中的变化，但是难以表达时间的周期性。时间序列也可以沿圆周排列，采用螺旋图的方法布局时间轴，一个回路代表一个周期，选择正确的排列周期可以展现数据集的周期性特征。此外，为了体现时变型数据的周期性结构可以采用环状表示某时间段内的时间结构。类似于叙事型小说，时变型数据中蕴涵的信息存在分支结构，对同一个事件也可能存在多个角度的刻画。按照时间组织结构，这类可视化可分为线性、流状、树状、图状等类型。

（4）线性多角度时间可视化：为了呈现一个完整的事件历程和社会行为（如个人健康记录、历史事件等），可采用类似于甘特图（用条形图表进度的可视化标志方法）的方式，使用多个条形图线程表现时间的不同属性随时间变化的过程，线条的颜色和厚度都可以编码不同的变量。

流状分支时间主线可视化基于河流的可视隐喻可展现时序型事件随时间产生流动、合并、分叉和消失的效果，这种效果类似于小说和电影中的叙事主线。例如，软件开发中协作关系的演变类似于电影中的人物关系。每个开发人员在开发过程中用一条线表示，当两个程序员同时开发同一个模块的时候，他们的线条合并。

2.多变量时变型数据可视化

多变量时变型数据是实际应用中常见的数据集。由于存在多个变量，可视化需要兼顾数据本身属性和数据集的顺序性，结合数据分析的方法展现和挖掘顺序性数据的规律。这个流程与可视化的基本流程—“全局摘 要；显示重要部分—缩放和过滤；按要求显示细节，进一步分析”相吻合，归纳为三类基本方法，即数据抽象、数据聚类和特征分析。

高维抽象的时变非空间数据通常蕴涵宏观的、结构性的、随时间变化的规律。将时变序列中的每个数据采样点连接，原时变序列组成一条在高维空间的线，在低维空间可视化这条线可揭示高维空间的时间序列演化趋势基于线表示的可视化有三个基本步骤。

第一步：高维曲线采样，采样的频率由用户交互指定。

第二步：将采样后的高维曲线分段，便于刻画每段曲线的特性，小段之间可以重叠。

第三步：用主元分析法将高维曲线投影到二维空间，显示和研究曲线特征。

直接可视化大规模的时变型数据难以呈现其全部细节，因此需要设计合适的交互方法表现重要的区域。

3.流数据可视化

流数据是一类特殊的时变型数据，输入数据（全部或部分）并不存储在可随机访问的磁盘或内存中，而是以一个或多个“连续数据流”的形式到达。常见的流数据有移动通信日志、网络数据（日志、传输 数据包警报等）、高性能集群平台日志、传感网络 记录、金融数据（如股票市场）、社交数据等，处理流数据与传统的数据池处理方法相比有以下特点：

（1）数据流的潜在大小也许是无限的。

（2）数据元素在线到达，需要实时处理，否则数据的价值随时间的流逝可能降低。

（3）无法控制数据元素的到达顺序和数量，每次流入的数据顺序可能不一致数量时多时少。

（4）某个元素被处理后，要么被丢弃，要么被归档存储。

对于流数据的查询异常情况和相似类型比较耗时，人工检测日志相当乏味且易出错。

上文总结的时变型数据可视化方法主要采用静态方式展示数据中记录的内容，不随时间变化，但可采用多角度、数据比较等方法体现数据随时间变化的趋势。此外，时变型数据还有许多的具体分类，在对时变型数据进行可视化时，还必须考虑时变型数据进行详细的分析，使用最合适的可视化方法对其惊醒可视化。

（作者单位：大连工业大学设计学院）