Journal of KIISE (정보과학회 논문지)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지
DOI QR코드

DOI QR Code

Spatiotemporal Data Visualization using Gravity Model

중력 모델을 이용한 시공간 데이터의 시각화

  • 김석연 (세종대학교 컴퓨터공학과) ;
  • 연한별 (세종대학교 컴퓨터공학과) ;
  • 장윤 (세종대학교 컴퓨터공학과)
  • Received : 2015.07.22
  • Accepted : 2015.11.02
  • Published : 2016.02.15
⟨ Previous Next ⟩

Abstract

Visual analysis of spatiotemporal data has focused on a variety of techniques for analyzing and exploring the data. The goal of these techniques is to explore the spatiotemporal data using time information, discover patterns in the data, and analyze spatiotemporal data. The overall trend flow patterns help users analyze geo-referenced temporal events. However, it is difficult to extract and visualize overall trend flow patterns using data that has no trajectory information for movements. In order to visualize overall trend flow patterns, in this paper, we estimate continuous distributions of discrete events over time using KDE, and we extract vector fields from the continuous distributions using the gravity model. We then apply our technique on twitter data to validate techniques.

시공간 데이터는 위도와 경도를 비롯한 위치정보를 포함한 데이터를 일컫는 말로 지리학적 시각화의 연구로 시공간 데이터를 분석하고 표현하는 방법에 대한 다양한 연구가 진행되었다. 이 기술은 특정 공간에 시간을 두고 연속적 또는 이산적으로 발생하는 데이터로부터 패턴을 찾고 이를 분석하는 데 목표가 있다. 하지만, 이동 경로에 대한 정보가 없는 이산적인 시공간 데이터에서 데이터의 흐름을 시각화하는 것은 쉽지만은 않은 일이다. 본 논문에서는 커널밀도추정과 중력모델을 이용하여 이산적인 시공간 데이터로부터 벡터를 추출하고 이를 이용하여 사용자로 하여금 시공간 데이터에서 움직임과 경향을 분석할 수 있도록 시각화 하는 것에 목표를 두었다. 이를 뒷받침하기 위하여 트위터 데이터를 이용하여 이산적인 시공간 데이터를 시각화하고 분석하고자 한다.

Keywords

Acknowledgement

Supported by : 한국연구재단, 정보통신기술진흥센터

References

  1. D. J. Peuquet and M.-J. Kraak, Geobrowsing: creative thinking and knowledge discovery using geographic visualization, Information Visualization, 1:80-91, 2002. https://doi.org/10.1057/palgrave.ivs.9500007
  2. C. Tominski, P. Schulze-Wollgast, and H. Schumann, 3d information visualization for time dependent data on maps, Proc. of the International Conference on Information Visualisation, pp. 175-181, 2005.
  3. R. Maciejewski, S. Rudolph, R. Hafen, A. Abusalah, M. Yakout, M. Ouzzani, W. Cleveland, S. Grannis, and D. Ebert. A visual analytics approach to understanding spatiotemporal hotspots, IEEE Trans. on Visualization and Computer Graphics, 16(2):205-220, 2010. https://doi.org/10.1109/TVCG.2009.100
  4. T. Hagerstrand, What about people in Regional Science? Papers in Regional Science, 24(1):6-21, Dec. 1970. https://doi.org/10.1007/BF01936872
  5. D. Guo, Flow mapping and multivariate visualization of large spatial interaction data, IEEE Trans. on Visualization and Computer Graphics, 15(6):1041-1048, 2009. https://doi.org/10.1109/TVCG.2009.143
  6. W. Luo, A. M. MacEachren, P. Yin, and F. Hardisty, Spatial-social network visualization for exploratory data analysis, Proc. of the ACM SIG-SPATIAL International Workshop on Location-Based Social Networks, pp. 3:1-3:4. ACM, 2011.
  7. B. Cabral, L. C. Leedom, Imaging vector fields using line integral convolution, Proc. of the Conference on Computer Graphics and Interactive Techniques, pp. 263-270. 1993.
  8. R. S. Laramee, H. Hauser, H. Doleisch, B. Vrolijk, F. H. Post, and D. Weiskopf, The state of the art in flow visualization: Dense and texturebased techniques, Computer Graphics Forum, 23, 2004.
  9. R. S. Laramee, G. Erlebacher, C. Garth, T. Schafhitzel, H. Theisel, X. Tricoche, T. Weinkauf, and D. Weiskopf, Applications of texturebased flow visualization, Engineering Applications of Computational Fluid Mechanics (EACFM), 2(3):264-274, Sep. 2008. https://doi.org/10.1080/19942060.2008.11015227
  10. Z. Liu, S. Cai, J. Swan II, R. Moorhead II, J. Martin, and T. JankunKelly, A 2d flow visualization user study using explicit flow synthesis and implicit task design, IEEE Trans. on Visualization and Computer Graphics, PP(99):1, 2011.
  11. Seokyeon Kim, Hanbyul Yeon, Jong-Weon Lee, Yun Jang, Migration Analysis within Korea using Spatio- temporal Data Visualization, Proc. of the KIISE Korean Computer Congress 2014, 1316-1318 (3 pages), 2014.
  12. J. E. Anderson, The gravity model, Working Paper 16576, National Bureau of Economic Research, 2010.
  13. J. M. Barrios, W. W. Verstraeten, P. Maes,. M. Aerts, J. Farifteh, and P. Coppin, Using the gravity model to estimate the spatial spread of vectorborne diseases, International Journal of Environmental Research and Public Health, 9(12):4346-4364, 2012. https://doi.org/10.3390/ijerph9124346
  14. Y. Zheng, L. Zhang, X. Xie, and W.-Y. Ma, Mining interesting locations and travel sequences from gps trajectories, Proc. of the 18th international Conference on World Wide Web, pp. 791-800, 2009.