SRVis：在可视化排名中实现更好的空间整合（SRVis: Towards Better Spatial Integration in Ranki...

互动排名技术大大提高了分析师根据多种标准有效做出明智和明智决策的能力。然而，现有技术不能令人满意地支持对大规模空间替代品进行 排序 所涉及的分析任务，例如为连锁店选择最佳位置，其中所涉及的复杂空间背景对于决策过程是必不可少的。在将排名与空间背景相结合的先前尝试中观察到的局限性促使我们开发上下文集成的视觉排序技术。基于我们通过与领域专家合作总结的一组通用设计要求，本文[1] 提出了SRVis，一种新颖的空间排序可视化技术，通过解决上述环境集成中的三个主要挑战，即支持高效的空间多标准决策过程，即a）空间排名和背景的呈现，b）排名的可视化表示的可扩展性，以及c）对上下文整合的空间排名的分析。具体来说，我们使用可扩展的基于矩阵的可视化和基于新型两阶段优化框架的堆叠条形图来编码大量排名及其原因，该框架可最大限度地减少信息丢失，并采用灵活的空间过滤和直观的比较分析来实现 深入评估排名并帮助用户选择最佳空间替代方案。通过对优化方法，两个案例研究和专家访谈的实证研究，对所提出技术的有效性进行了评估和论证。

视觉排名是一种无处不在的技术，可通过电子表格，折线图和堆积条形图等替代方案的直观视觉表示，帮助用户透明地做出明智的决策。 最近在各种多标准决策（MCDM）情景中广泛采用了这种技术，包括信息检索，体育数据分析和城市规划。 通过基于分配的分数以降序对可用的替代方案进行排序，可以有效地捕获决策者的偏好并用可视化来表征。

传统的视觉排名技术擅长描绘自足替代品的排名，可以用一套标准来描述，而不引入任何额外的背景。 然而，当应用这些技术对空间替代方案进行排序时出现了挑战，由于相应空间上下文的复杂性，这些方法难以用一些数字标准来表征。 例如，在用户打算搜索理想房屋租赁的经典空间MCDM场景中，无路径地呈现排名（例如道路地图）可能会限制用户费力浏览繁琐的候选列表。 即使使用地理过滤技术，例如最近邻查询，用户也无法通过模糊的文本描述（例如地址或距离）立即掌握候选人周围的详细环境。

为了提高具有全面空间背景的空间MCDM过程的可靠性，空间应用已经实现了各种上下文集成的视觉排序技术，可以归纳为三类，即基于点，线和区域的技术。 大多数这些技术通过直接编码上下文中的排名或通过说明排名视图和上下文之间的替代方案的对应来实现初步整合。然而，这两种方法都有三个主要缺点：a）背景的整合不足阻碍了排名的明确空间模式的发现，并导致排名背后的原因，这对于根据多个标准做出空间决策至关重要; b）这些技术随着替代方案的数量不能很好地扩展，产生严重的视觉混乱，因为这些替代方案的视觉表现彼此重叠并遮挡了潜在的背景; c）这些技术缺乏灵活的空间过滤和比较特征，禁止对排名进行深入评估。

这些限制促使我们提出一种上下文整合的视觉排名技术，该技术有助于分析大规模空间排名并支持有效的空间MCDM过程。但是，开发这种技术会带来三大挑战：

1. 介绍空间排名和背景。 将排名与上下文无缝结合可显着提高在各种空间MCDM场景中进行可靠空间决策的效率。例如，建立连锁店需要分析师根据各种空间背景评估排名靠前的位置，例如人口密度和附近的竞争对手。这种背景评估高度要求一种深思熟虑的设计，将数字抽象的排名及其原因与复杂的空间背景紧密联系起来，这仍然是一个尚未解决的挑战。
2. 排名的可视化表示的可扩展性。 空间决策过程通常涉及大量替代方案。例如，在广告牌的位置选择场景中，用户必须评估众多候选者，因为广告牌几乎可以放置在道路的任何地方。然而，由于在地图上编码的密集信息，在空间上下文中留下来可视化排名及其原因的空间极其有限。这种限制对于为大量替代方案开发无杂乱的视觉表示提出了挑战，使得能够对情境排名进行多层次探索。
3. 分析上下文整合的空间排名。 过滤和比较等分析功能可帮助用户定位和评估卓越的替代方案，并提供可靠的空间决策流程。例如，迭代地构建有效排名模型可能要求用户检查特定区域中排名靠前的备选方案，并在标准权重改变时调查排名的空间变化。这些要求要求灵活空间过滤的交互式实施和适应环境的广泛比较分析，这构成了第三个挑战。

本研究是与领域专家密切合作进行的，总结了有效空间排序可视化技术的设计要求。基于这些要求，我们提出了一种新颖的视觉排序技术SRVis，该技术在以下方面解决了上述挑战：a）表达：排名通过矩阵和叠加条与空间上下文紧密耦合，提供直观的空间视觉摘要纵向和横向排名统计; b）可扩展性：排名的汇总表示使数百万替代方案的有效可视化成为可能。具体来说，我们通过两阶段优化框架对紧凑堆叠条形排序的原因进行编码，这可以最大限度地减少信息损失，并根据贪婪启发式改进条形布局; c）分析：灵活的空间过滤允许用户以交互方式定位感兴趣的区域，可以与不同的标准进行比较权重最终提高最终空间决策的保真度。我们的主要贡献总结如下：

• 我们描述了有效的上下文集成视觉排名技术的设计要求，该技术支持基于大规模空间排名的通用空间MCDM场景。
• 我们开发了SRVis，这是一种新颖的视觉排名技术，它将大规模排名的交互式和可扩展的基于矩阵的表示与地图相结合，以实现灵活的过滤和排名的比较分析。特别是，我们使用基于新型两阶段优化框架的堆积条形图对排名原因进行编码。

SRVis的界面如下图所示。 （A-E）排名视图使用基于矩阵的上下文集成可视化来呈现备选方案的排名和排名的原因。 B，C和E提供的灵活空间过滤功能使用户能够方便地探索和识别排名数据集中的空间模式。 （F）检查员视图采用基于表格的排名技术来显示过滤区域中的所有备选方案。 投影视图还用于帮助用户根据他们的标准找到类似的替代方案。 （G）快照视图允许用户保存排名和标准权重的快照，以便用户可以比较这些快照以从比较分析中找到见解。

图1. SRVis界面

具体来说，排名视图的设计如图2，（A，D-G，L）基于垂直和水平地图切片的聚合的基于可缩放矩阵的空间排名的可视化表示; （B，H，I）比较排名视图的比较模式中的两组排名; （C，J，K）在空间上描述排名原因的标准图表的设计。

图2. 矩阵排名视图

设计算法改进标准栏的布局。 虽然标准在紧凑标准栏中可视化，但如果未汇总替代标准，则标准的分布可能变得难以辨认。 例如，图3紧凑地绘制了一百个随机生成的替代方案的三个标准的分布，其中每个替代方案绘制了一个堆叠条。 但是，几乎没有任何有用的信息可以从这样的图中获得，因为：a）由于过度压缩，每个条的水平边界是不可分割的; b）相同颜色的条（即代表相同的标准）不是垂直连续的，导致严重的视觉混乱。 这两个问题可以通过分别聚合备选方案（可伸缩性约束）和减少标准摆动（易读性约束）来解决。 但是，正如我们将立即看到的那样，这两个约束固有地相互冲突，因此需要一个两阶段优化框架。

图3. 条形图聚类

这项研究提出了SRVis，一种用于可视化空间排名的上下文整合技术。 针对三个已确定的挑战，即空间排名和背景的呈现，排名的可视化表示的可扩展性，以及对上下文整合空间排名的分析，我们与领域专家密切合作，以表征可视化的一般要求。 空间排名和设计一个新的基于矩阵的可扩展视觉表示，用于探索和分析大规模排名数据集。 特别是，我们开发了一个两阶段优化框架，通过考虑所提出的编码的可扩展性和易读性，将排名原因与空间上下文相结合。 作为一个整体，SRVis能够通过紧密且可扩展的空间上下文集成，有效地呈现和评估大规模空间排名。

参考文献：

[1] Weng D, Chen R, Deng Z, et al. SRVis: Towards Better Spatial Integration in Ranking Visualization[J]. IEEE transactions on visualization and computer graphics, 2018.