CityAQVis: Integrated ML-Visualization Sandbox Tool for Pollutant Estimation in Urban Regions Using Multi-Source Data (Software Article)
Graphics-Visualization-Computing Lab, International Institute of Information Technology Bangalore, Karnataka 560100, India(图形可视化计算实验室,国际信息学院班加罗尔,卡纳塔克邦560100,印度)
本文介绍CityAQVis,一个集成机器学习与可视化的交互式沙盒工具,利用多源数据预测并可视化地面污染物浓度,支持模型比较,助力空气质量管理决策。
2025-10-24 cs.HC cs.LG
Enhancing Urban Data Exploration: Layer Toggling and Visibility-Preserving Lenses for Multi-Attribute Spatial Analysis
Institute of Mathematics and Computer Sciences, University of São Paulo (ICMC-USP)(圣保罗大学数学与计算机科学学院);Université Paris-Saclay, CNRS, Inria, LISN(巴黎萨克雷大学、法国国家科学研究中心、法国国家信息与自动化研究所、LISN)
针对城市多属性空间数据的视觉混乱问题,提出图层切换与可见性保留透镜两种交互技术,并通过圣保罗真实数据和用户研究验证其能提升探索分析效率。
2025-10-21 cs.HC
UrbanVR: An immersive analytics system for context-aware urban design
城市设计是一门高度可视化的学科,需要可视化来做出明智的决策。然而,传统的城市设计工具大多局限于缺乏直观意识的2D显示器上的表示。盔装显示器(HMD)的普及促进了消费级3D显示器的有前途的替代方案。我们引入UrbanVR,这是一个具有有效可视化和交互技术的沉浸式分析系统,使建筑师能够在虚拟现实(VR)环境中评估设计。具体来说,UrbanVR包含1)自定义平行坐标图(PCP)设计,以促进高维设计指标的定量评估,2)一系列以自我为中心的交互,包括手势交互和手势栏隐喻,以促进用户交互,以及3)视点优化算法,以帮助用户探索PCP进行定量分析,并探索感兴趣的对象进行上下文感知。通过定量的用户研究和定性的专家反馈,验证了系统的有效性和可行性。
2021-08-23 cs.GR cs.HC
Reimagining TaxiVis through an Immersive Space-Time Cube metaphor and reflecting on potential benefits of Immersive Analytics for urban data exploration
本研究重新构想TaxiVis为沉浸式时空立方体原型,探索沉浸式分析对城市数据探索的潜在益处,通过案例研究展示其独特功能与互补性。
2024-05-23 cs.HC
Exploring the Design Space of Immersive Urban Analytics
本文针对沉浸式头戴设备的发展,提出沉浸式城市分析可视化理论模型,构建2D与3D可视化组合方法分类体系并给出选择指南,同时探讨未来研究方向。
2023-10-07 cs.GR cs.HC
The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics
本文提出Urban Toolkit(UTK),通过面向城市用例的高级语法和knots数据融合概念,降低城市可视分析的开发门槛,并促进主题与物理城市数据层的整合与可视化。
2023-08-15 cs.CY cs.HC
Topology-Preserving Off-screen Visualization: Effects of Projection Strategy and Intrusion Adaption
随着越来越多的数据在大型信息空间中可视化,提供数据驱动上下文的方法变得不可或缺。因此,离屏可视化技术已经被广泛研究,因为它们能够克服概述和细节之间固有的权衡。一般的想法是将屏幕外定位的对象投影回可用的屏幕空间。分离的视觉线索,如光环或箭头,编码的位置和距离的信息,但不足以显示屏幕外对象的拓扑结构。出于该原因,现有技术将视觉提示集成到专用边界区域中。到目前为止,导航空间的尺寸没有得到适当的反映,这就是为什么我们建议根据空间位置调整边界的侵入。此外,屏幕外对象使用两种投影方法之一投影到边界区域:径向或正交。我们描述了一个对照实验,调查的效果,自适应边界入侵的拓扑结构以及用户的直觉,关于投影策略。实验结果表明,在自适应边界设计中,对不连通的点数据使用正投影策略。我们进一步讨论的结果,包括参与者的非正式反馈。
2017-06-29 cs.HC
Reading Strategies for Graph Visualizations that Wrap Around in Torus Topology
本文分析对照研究中的眼动数据,探究环面拓扑环绕节点-链接图的阅读策略,发现非复制布局扫视和兴趣区转移更多,全上下文搜索更成功但空间利用仍可优化。
2023-04-26 cs.HC
Climate Physicalization: Bridging Tangible Interaction and Data Visualization for Environmental Communication
VRVis GmbH(VRVis 有限公司);TU Wien(维也纳工业大学);University of Vienna(维也纳大学)
本研究提出气候具象化原型,通过3D城市街区热模型结合气候场景与太阳路径LED,经16人实验验证,可有效提升环境信息的可解释性与公众参与度。
2026-10-16 cs.HC
Collective Recourse for Generative Urban Visualizations
Université de Montréal(蒙特利尔大学);Mila – Quebec AI Institute(魁北克人工智能研究所)
本文提出集体救济机制,通过结构化社区'视觉缺陷报告'触发模型和规划流程的修复。研究定义了救济流程、在扩散栈中定位四个基本原理,并评估了240份合成报告的效果。
2026-05-01 cs.CY cs.HC
Urban sidewalks: visualization and routing for individuals with limited mobility
在美国,行动不便的人(定义为在没有帮助和不使用特殊设备的情况下难以或无法行走四分之一英里)面临着越来越大的信息差距:虽然行人路线规划算法变得越来越快,信息量越来越大,但由于缺乏关于路线沿线可达性的综合相关信息,在城市中心使用轮式设备规划路线非常困难。此外,减少进入街道空间意味着减少获得其他公共信息和服务的机会,而这些信息和服务正越来越多地沿城市街道向公众提供。为了充分规划通勤,行动能力有限或有轮子的旅行者必须知道她的道路是否会被建筑物阻挡,人行道是否会太陡或由于条件差而无法使用,街道是否可以穿过或高速公路是否挡住了路,或者是否有人行道。这些详细信息在许多现代城市中填充了不同的数据集,但它们并不能立即以方便的集成格式提供给行动不便的人。我们的项目,EMOMAP,在其第一阶段(v.1)覆盖的信息,最相关的人在地图上的行动不便,使自我规划的路线。在这里,我们描述了该项目的下一阶段:综合常用的开放数据(包括街道,人行道,路边坡道,高程数据和施工许可证信息),以生成路径图,从而实现可变成本函数可访问路由。
2016-02-13 cs.CY cs.HC
Curio: A Dataflow-Based Framework for Collaborative Urban Visual Analytics
针对现有城市可视化分析工具孤立、难扩展等问题,提出Curio框架,通过多抽象层数据流模型促进协作,支持数据工作流交织与溯源,经三类场景验证灵活性,可提升跨领域城市分析效率。
2024-08-12 cs.CY cs.HC
Group-Level Graph Visualization Taxonomy
图形和网络可视化的任务分类侧重于分析图形连接和拓扑时经常遇到的任务。然而,在许多应用领域,如社会科学(社交网络),生物学(蛋白质相互作用模型),软件工程(程序调用图),连接和拓扑信息交织在一起的组,聚类,和层次信息。最近的几种可视化技术,如BubbleSets,LineSets和GMap,明确使用分组和聚类,但由于缺乏标准化的组级任务,评估这种可视化一直很困难。考虑到这一点,我们的目标是定义一组新的任务来评估群体水平的理解。我们提出了几种类型的组级任务,并提供了每种类型的几个例子。最后,我们使用抽象可视化任务的多层次类型学来描述一些建议的任务。我们认为,添加组级任务的任务分类图可视化将使分类更有用的最近的图可视化技术。它将帮助评估人员定义和分类新任务,并有助于概括在受控实验中收集的单个结果。
2014-03-21 cs.HC
Extraction and Visualization of Poincaré Map Topology for Spacecraft Trajectory Design
任务设计者必须研究许多动力学模型,以规划满足任务约束的低成本航天器轨道。他们经常使用庞加莱映射来寻找一条合适的路径,穿过多体引力系统中发现的周期轨道和不变流形的互连网络。本文主要研究如何利用这种结构性景观的提取和交互式视觉探索来辅助航天器的轨迹规划。我们提出的算法解决方案,解决了在天体动力学问题的拓扑结构的表征所带来的具体挑战,并允许产生的信息进行有效的可视化分析。这个可视化框架被应用到圆形限制性三体问题(CR3BP),在那里它揭示了新的周期轨道与其相关的不变流形在一个合适的格式进行交互式传输选择。代表性的设计问题说明了航天器路径规划者如何利用我们的拓扑可视化,充分利用自然动力学路径的节能轨迹设计。
2020-09-07 cs.HC nlin.CD
StreetWeave: A Declarative Grammar for Street-Overlaid Visualization of Multivariate Data
本文回顾45项研究构建街道叠加可视化设计空间,提出声明式语法StreetWeave,支持跨分辨率多变量空间网络数据自定义可视化,降低编程门槛并助力领域专家有效探索与分析空间数据。
2025-08-10 cs.CY cs.HC
Leveraging Urban Big Data for Informed Business Location Decisions: A Case Study of Starbucks in Tianhe District, Guangzhou City
本研究利用城市大数据和可视化地图分析广州天河区星巴克门店的空间分布特征及影响因素,为商业选址决策提供洞察,并助力产业布局与选址策略的制定。
2023-10-15 cs.HC
A Comparative Study of the Perceptual Sensitivity of Topological Visualizations to Feature Variations
本文通过人类受试者实验比较等值线、Reeb图、持续图与颜色映射对高斯特征位置和振幅变化的感知敏感性,为不同任务选择拓扑可视化工具提供依据。
2023-07-17 cs.GR cs.HC
Santiago's A.T. Field: Visualizing Urban Accessibility through an Evangelion-Inspired Interface
CENIA & Dept. of Computer Science Universidad de Chile(智利大学计算机科学与CENIA);TU Wien(维也纳工业大学);Dept. of Computer Science Universidad de Chile(智利大学计算机科学系)
本文介绍圣地亚哥的A.T.力场,将《新世纪福音战士》诊断界面转化为基于E2SFCA方法的城市可达性可视化,并探讨了转化中出现的色彩、动态和成本等张力。
2026-10-05 cs.HC
Data sonification and sound visualization
本文介绍了一个合作项目的研究人员在数学和计算机科学司在阿贡国家实验室和计算机音乐项目的伊利诺伊大学厄巴纳-香槟分校。该项目的重点是在科学计算中利用声音探索和分析复杂的数据集。本文介绍了在DIASS(Digital Instrument for Additive声音合成)的背景下的数字声音合成和通过M4 CAVE在虚拟现实环境中的声音可视化。本文介绍了科学发声和声音可视化的一些实验过程和初步结果。
2000-07-05 cs.HC cs.MM cs.SD
Exploring the Human Connectome Topology in Group Studies
视觉上比较大脑网络或连接体是神经科学领域的一项重要任务。特别是与临床神经科学领域相关的,研究人群之间差异或人群内随时间变化的群体研究使神经科学家能够推理出一系列神经精神疾病的有效诊断和治疗方法。在本文中,我们专门探讨了如何使用可视化分析工具来促进各种临床神经科学任务,其中观察和分析连接体中有意义的模式可以支持患者的诊断和治疗。我们进行了一项调查,使临床神经科学活动的可视化任务,并进一步探讨现有的连接体可视化工具如何支持或不支持这些任务。基于我们对这些任务的调查,我们介绍了一种新的可视化工具,NeuroCave,以支持组研究分析。我们讨论了我们的设计决策(使用沉浸式可视化,使用层次聚类和降维技术,以及视觉编码的选择)是由这些任务的动机。我们通过两个用例来评估NeuroCave,这两个用例说明了交互式连接体可视化在临床神经科学背景下的实用性。在第一个用例中,我们使用功能连接体研究性别差异,并发现与空间和语言能力方面的认知差异相关的隐藏连接体模式。在第二个用例中,我们展示了在不同的拓扑空间中可视化大脑的效用以及聚类信息如何揭示大脑的内在结构。
2017-06-30 cs.HC q-bio.NC
VoxCity: A Seamless Framework for Open Geospatial Data Integration, Grid-Based Semantic 3D City Model Generation, and Urban Environment Simulation
National University of Singapore(新加坡国立大学);Takenaka Corporation(竹中工务店);Nikken Sekkei Research Institute(日建设计研究所);Yokohama National University(横滨国立大学)
VoxCity通过自动化生成3D城市模型和环境模拟,提供了一站式解决方案,促进可持续城市发展。
2025-11-22 cs.HC
Urbanite: A Dataflow-Based Framework for Human-AI Interactive Alignment in Urban Visual Analytics
University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Berkeley(加州大学伯克利分校)
针对城市视觉分析中因意图交互导致对齐困难的问题,提出基于数据流的人机协作框架Urbanite,支持多范围意图规范与交互溯源,有效降低了分析门槛并保障了全流程对齐。
2025-08-10 cs.AI cs.HC
InclusiViz: Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation
本文提出 InclusiViz 可视化分析系统,结合深度学习、可解释 AI 与交互式可视化,利用人类移动数据分析居住及活动空间中的城市隔离,并支持规划干预评估。
2025-01-07 cs.CY cs.HC
Time-Varying Fuzzy Contour Trees
我们提出了一个整体的,基于拓扑的空间时间序列数据的可视化技术的基础上适应模糊轮廓树。用于时间相关标量场的常见分析方法识别和跟踪特定特征。为了更全面地概述数据,我们扩展模糊轮廓树,从多个标量场的拓扑结构的可视化和同时分析,时间依赖的标量场。所得到的随时间变化的模糊轮廓树允许多个时间步长的比较,不需要是连续的。我们提供了特定的交互和导航的可能性,允许探索个人的时间步长和时间窗口,除了在所有时间步长的轮廓树的行为。为了实现这一点,我们减少了现有的路线多个子路线,并适应模糊轮廓树布局,以不断反映变化和相似性的子路线。我们将时变模糊轮廓树应用于不同的真实数据集,并证明了它们的有用性。
2021-07-27 cs.HC
EcoLens: Visual Analysis of Urban Region Dynamics Using Traffic Data
Tongji University(同济大学);Arizona State University(亚利桑那州立大学);Zhejiang University(浙江大学)
过去几十年来,城市化的迅速发展大大改善了人们的生活,但也对有效的城市功能规划和交通管理提出了新的挑战。基于静态边界定义的功能区域很少反映个人对他们居住和出于各种目的访问的空间的日常体验。幸运的是,越来越多的时空数据的可用性提供了前所未有的机会,了解一个城市地区的结构方面的人的活动模式,以及他们如何形成的潜在区域随着时间的推移。这些生态区域,人们在短时间内暂时分享类似的移动行为,可以为城市规划和智慧城市服务提供见解。然而,现有的解决方案是有限的,在他们的能力,捕捉动态的潜在区域的演变模式在城市背景下。在这项工作中,我们引入了一个交互式的视觉分析方法,EcoLens,允许分析师逐步探索和分析复杂的动态分割模式的城市使用交通数据。我们提出了一个扩展的非负矩阵分解为基础的算法平滑的空间和时间维度捕捉城市的时空动态。该算法还保证了其结果的正交性,以方便不同模式的解释。一套可视化设计来说明城市分割的动态,并添加相应的交互来支持随着时间的推移对分割模式的探索。我们评估我们的系统的有效性,通过案例研究,使用真实世界的数据集和定性采访领域专家。
2019-07-29 cs.AI cs.HC
TrafPS: A Visual Analysis System Interpreting Traffic Prediction in Shapley
Southern University of Science and Technology(南方科技大学);The Hong Kong University of Science and Technology(香港科技大学);University of Tokyo(东京大学)
近年来,深度学习方法在交通流预测中被证明具有良好的性能,人们提出了许多复杂的模型来提高交通流预测的准确性。然而,缺乏透明度限制了领域专家理解输入数据主要影响结果的时间和位置。大多数城市专家和规划者只能根据自己的经验来调整交通,而不能对潜在的交通拥堵做出有效的反应。为了解决这一问题,我们采用Shapley值,并提出了一个可视化分析系统,它可以提供专家解释的交通流预测。TrafPS由三个层次组成,从数据处理到结果计算和可视化。我们在TrafPS中设计了三个可视化视图来支持预测分析过程。一个演示表明,TrafPS支持一个有效的分析管道,向用户解释预测流,并为决策提供直观的可视化。
2022-03-11 cs.HC cs.LG
Proteus: Shapeshifting Desktop Visualizations for Mobile via Multi-level Intelligent Adaptation
Nanyang Technological University(南洋理工大学);Providence Health & Services(普罗维登斯健康与服务);The Hong Kong Polytechnic University(香港理工大学)
Proteus通过多级智能适应技术,自动将桌面可视化转换为移动端可读的可视化,解决移动端屏幕尺寸和交互方式差异导致的显示问题。
2026-04-25 cs.HC cs.MA
A Structural Average of Labeled Merge Trees for Uncertainty Visualization
科学和工程中的物理现象经常使用标量场建模。在标量场拓扑中,基于图的拓扑描述符,如合并树、轮廓树和Reeb图通常用于表征标量场的(子)水平集的拓扑变化。推进基于拓扑的可视化的最大挑战和机遇之一是理解并将不确定性纳入此类拓扑描述符中,以有效地推理其底层数据。在本文中,我们研究了一组标记合并树的结构平均值,并使用它来编码数据中的不确定性。具体来说,我们计算一个1-中心树,最大限度地减少其最大距离的任何其他树在一个定义良好的度量称为交织距离。我们提供了启发式的策略,计算结构平均的合并树的标签不完全同意。我们还提供了一个交互式可视化系统,类似于一个数值计算器,作为输入的一组合并树和输出的树作为其结构平均。我们还强调了输入和平均值之间的结构相似性,并将不确定性信息用于视觉探索。我们开发了一种新的措施的不确定性,称为一致性,通过度量空间视图的输入树。最后,我们展示了我们的框架的应用程序,通过合并树所产生的标量场的合奏。我们的工作是第一个采用交错距离和一致性来研究一个全球性的,数学上严格的,结构平均的合并树的不确定性可视化的背景下。
2019-10-08 cs.CG cs.HC math.AT
Bridging the Gap between Micro-scale Traffic Simulation and 4D Digital Cityscapes
ETH Zurich(苏黎世联邦理工学院);University of Zurich(苏黎世大学)
本文提出一个实时4D可视化框架,将SUMO交通模拟与高保真VR数字城市景观结合,通过用户研究验证了模拟交通动态与人类感知的高一致性,且空间化音频增强了用户的安全感。
2026-04-09 cs.HC cs.SD
Scalable Topological Data Analysis and Visualization for Evaluating Data-Driven Models in Scientific Applications
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);SCI Institute, University of Utah(犹他大学SCI研究所)
随着机器学习技术在科学和工程领域的大规模应用的迅速采用,可视化领域的两大挑战也随之而来。首先,黑盒模型的利用(例如,深度神经网络)需要探索和解释模型行为的先进技术。其次,计算的快速发展产生了巨大的数据集,需要能够处理数百万或更多样本的技术。尽管已经提出了一些解决这些可解释性挑战的方案,但它们通常不会超过数千个样本,也不会提供科学家正在寻找的高级直觉。在这里,我们提出了第一个可扩展的解决方案,以探索和分析科学数据分析管道中经常遇到的高维函数。通过结合一个新的流邻域图的建设,相应的拓扑计算,和一种新的数据聚合方案,即拓扑感知数据立方体,我们使互动式探索的拓扑和几何方面的高维数据。在高能量密度(HED)物理学和计算生物学的两个用例之后,我们展示了这些功能如何在这两个应用中产生关键的新见解。
2019-07-19 cs.HC cs.LG cs.NE