没有合适的资源?快使用搜索试试~ 我知道了~
交互式时间掩码:可视化运动和事件数据
视觉信息学1(2017)25使用交互式时间掩码对运动和事件数据进行可视化探索Natalia Andrienkoa,b,Gennady Andrienkoa,b,*,Elena Camossic,ChristopheClaramuntd,Jose Manuel Cordero Garciae,Georg Fuchsa,Melita Hadzagicc,Anne-Laure Jousselmec,Cyril Rayd,David Scarlattif,George Baghrosga德国圣奥古斯丁弗劳恩霍夫研究所英国伦敦城市大学c北约科学和技术组织,海事研究和实验中心,意大利D 法国海军学院研究所CRIDA-西班牙马德里ATM研究、开发和创新参考中心f波音欧洲研究技术公司,西班牙g希腊比雷埃夫斯大学数字系统系ar t i cl e i nf o文章历史记录:2017年1月18日在线提供保留字:数据可视化交互式可视化交互技术a b st ra ct我们引入了时间掩码的概念,这是一种时间过滤器,适用于选择多个不相交的时间间隔,其中一些查询条件满足。这样的过滤器可以应用于时间参考对象,诸如事件和轨迹,以选择适合于所选时间间隔之一以各种方式动态地概括对象或段的所选子集,并且在地图和/或其他显示器上可视地表示概括时间掩码过滤在分析不同数据(例如,事件记录、移动对象的位置和测量的时间序列),这些数据可能来自不同的源。为了检测这些数据之间的关系,分析人员可以基于一个数据集设置查询条件,并调查在时间上与这些条件共同出现的其他数据集中的对象和值的子集。我们描述了所需的功能的时间掩模过滤的交互式工具通过分析与航空和海上交通有关的两个真实世界的数据集的例子,我们展示了使用时间掩模与其他类型的过滤器相结合的方式,并展示了时间掩模过滤的实用性©2017由Elsevier B.V.发布代表浙江大学和浙江大学出版社。这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍在时空数据的交互式探索中,例如描述空间事件或移动对象轨迹的数据,通常需要过滤数据(Shneiderman,1996),即,基于空间位置、时间参考、属性值和/或其它条件来选择事件、轨迹或轨迹段的子集(Andrienko等人,2013年a)。有两种常用的时间滤波方法。首先,可以通过在数据的时间范围内选择连续的时间间隔来完成这种过滤器坚持线性时间观,其中时间被视为一个连续的线性有序序列的时刻。另一种可能的时间观是循环的,在这种观点中,时间是通讯作者:Fraunhofer Institute IAIS,Sankt Augustin,Germany。电子邮件地址:gennady. iais.fraunhofer.de(G. Andrienko)。浙江大学和浙江省负责同行评议University Press.http://dx.doi.org/10.1016/j.visinf.2017.01.004被认为是周期的重复,特别是日、周和年(季节性)。时间相关数据可以根据时间参考在时间周期内的位置这两种类型的过滤可以分别称为线性和循环我们介绍了一种类型的时间过滤,其中时间间隔选择的基础上制定的查询条件的满意度的时变属性。我们称这种类型的过滤时间掩模,因为它隐藏(即,从考虑中去除)查询条件不成立的时间间隔。因此,剩余的活动(所选)时间间隔可以由时间间隙分开。时间掩码过滤器允许分析人员查看何时满足某些条件以及在这些时间内发生了什么因此,它提供了额外的机会,分析有关常用类型的时间滤波。特别是,它可能是非常有用的联合分析几个时间参考数据集,以发现不同现象之间的关系2468- 502 X/©2017由Elsevier B. V.发布代表浙江大学和浙江大学出版社。这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表视觉信息学期刊主页:www.elsevier.com/locate/visinf*26N. Andrienko等人/视觉信息学1(2017)25在本文中,我们解释和论证了在时空数据分析中使用时间掩模滤波器。我们已经实现了一个交互式的可视化工具,用于设置和应用时间掩码过滤器。该工具已被用于创建本文中的插图然而,本文并不旨在介绍这种特定的工具,这只是许多可能的实现之一主要目标是展示时间掩模滤波器作为一种通用技术提供的分析机会,而不管可能的实现,并解释处理滤波结果一般来说,过滤器可以从多个不相交的和不规则间隔的不同长度的时间间隔中在分析涵盖长时间段的大型数据集时,单独考虑每个间隔是不可行由于间隔的不规则性和它们之间的间隙,使用动画顺序查看这些间隔的可能性处理选定数据项的最合理方法是创建和分析各种汇总数据。此外,这些聚集应该是动态的:每当过滤条件改变时,应该通过将聚集操作应用于新选择的数据项子集来重新创建聚集。因此,本文的主要贡献是介绍了时间掩模过滤器作为一种通用的分析技术,与过滤器选择的数据的动态聚合一起使用使用的时间掩模过滤器演示了两个例子,分析复杂的现实世界的数据有关的空中和海上交通。复杂数据的分析通常需要应用多种分析技术。在我们的示例分析中,时间掩码过滤器与其他技术(包括几种类型的过滤)结合使用。本文的另一个贡献是证明了组合使用的不同类型的滤波器的联合功率2. 相关作品我们的时间掩码的概念类似于时态数据库中的时态元素的概念,时态元素被定义为n维时间盒的有限并集(Jensen等人,1992年)。时态数据库的查询语言允许选择时间相关的数据元组,其中的时间属于满足某些查询条件的几个不相交的时间间隔(Gadia,1988)。然而,在上下文中启用这种查询的交互式工具尽管自Shneiderman(1994)的开创性工作以来,已经开发了各种交互式查询和过滤技术,但关于运动的视觉分析的书(Andrienko等人,2013 a)描述了在时空数据(特别是运动数据)的探索中有用的多个滤波器类型,并且提供了组合使用不同滤波器的过滤器类型包括线性时间过滤器,空间过滤器的几种变体,基于属性的过滤器,直接选择过滤器,轨迹段过滤器,以及两个数据集之间的交叉过滤,使用其中一个数据集到另一个数据集中的项目的引用。这些类型的过滤器已被用于本文中进一步描述的数据分析。Weaver(2010)讨论了通过直接操纵显示器来跨多个协调显示器进行交互式交叉过滤Aigner等人 (2011)给出了几种类型的交互式过滤的简要概述(a.k.a.查询),其可用于时间参考数据的视觉分析。除了线性时间过滤和基于属性的查询之外,他们还提到了Time Searcher(Hochheiser和Shneiderman,2004),这是一种用于交互选择时间图中具有特定形状的时间序列线的工具。存在用于循环时间滤波的工具的若干文献实例Fredrikson等人(1999)描述的系统允许用户可以选择一周中的几天。Harrower等人(1999,2000)描述了一种称为“时间刷”的交互式查询设备该工具的一个特殊价值是能够过滤时空现象(例如气候)的日波动一个复杂的时态查询工具,称为已经为移动对象的轨迹创建了特定的过滤器和交互式查询工具Hurter等人 (2009)描述了允许灵活选择和提取用于单独探索的轨迹的子集和部分的独特交互技术。这些技术被应用于3D飞机轨迹的2D投影,并允许用户基于飞行高度或重音或下降的速度 使用轨迹透镜(Krüger等人, 2013),用户可以基于行程起点、目的地和/或穿越区域交互地选择轨迹。多个过滤器可以灵活组合,以创建复杂的查询。对于结果选择,各种属性以聚合形式表示特别是,数据是在几个时间尺度上随着时间的推移而汇总的。为了以聚集的形式直观地表示交互式过滤的结果,已经提出了“动态聚集器”的概念(Andrienko等人, 2008; Rinzivillo等人, 2008年)。动态聚合器是一个特殊的对象,它引用了大量的数据记录。它能够检查哪些记录满足当前的过滤器,并从这些记录中得出某些统计摘要。聚合器负责在视觉显示器上表示总和,并在过滤器改变时更新视图通 常 , 聚 合 是 用 于 可 视 化 大 型 数 据 集 的 常 用 技 术(Fredrikson等人, 1999年)。 基于OLAP(在线分析处理)数据库中的数据的分层组织,可视化数据的聚合级别可以随着用户在数据显示中放大或缩小而 动 态 地 改 变 (Stolte等人,2002年、2003年)。这种动态行为是可能的,因为不同级别的所有有意义的数据聚合都是预先计算的,并以称为数据立方体的特殊数据结构进行组织(Gray等人,1997年)。然而,一个完整的数据立方体往往太大,无法容纳在计算机的主存储器中,而在外部数据库中访问它可能会阻碍各种交互操作,特别是刷和多个协调视图之间的链接最近,可视化研究人员一直在设计这样的表示非常大的数据集,可以适合在主内存中,使有效的可视化和提示响应用户Liu等人 (2013)将完整的数据立方体分解成具有至多四个维度的子立方体,这足以支持任何一对一维或二维分箱图之间的刷取和链接(即,其中数据被聚集到箱中的可视显示)。此外,分解的立方体被进一步分割成多元数据瓦片。该表示方案支持响应用户查询的并行处理纳米立方体(Lins等人, 2013)是专门为时空数据设计的数据立方体的紧凑表示。通过最大化数据结构中的共享链接来节省内存。散列立方体(Pahins等人,2017)允许更紧凑的表示和更简单的实现。高斯立方体(Wang等人, 2017)进一步扩展了数据立方体的概念:而不是计数和总和,最好的多元高斯模型是为数据子集预先计算的。这允许对大型数据集进行视觉探索的新颖方式,例如,利用主成分分析法。这些方法和其他用于高效表示和处理大数据的方法可以与时间掩码N. Andrienko等人/视觉信息学1(2017)2527滤波,只要时间分辨率(即,时间掩码的最小时间步长)不比沿着数据的时间维度的最小聚集级别更因此,如果数据以一小时的最小区间进行预聚合,则不可能以分钟或秒的分辨率计算掩模的准确结果。另一个考虑是,在数据分析的过程中,分析人员不仅可以查看现有数据,而且还可以从中获得新数据。在我们的示例分析场景中就是这种情况。数据结构和聚合机制必须能够容纳分析人员生成的新数据除了这些考虑之外,时间掩码过滤器的使用与数据聚合技术和数据表示无关3. 时间掩码工具时间掩码是一个查询,它选择满足某些条件的时间间隔这些条件可以用其值随时间变化的属性为了理解设置什么样的条件是合理的,分析人员可能需要查看属性值随时间变化的可视化表示此外,在指定一个或多个条件之后,分析者需要显示满足这些条件的时间间隔的视觉反馈关于这些要求,用于指定过滤条件和创建时间掩码的交互式工具可以基于具有表示时间的一维的显示沿着这个维度,示出了一个或多个属性的值的时间变化除了属性值之外,显示还可以可视地表示时间掩模,即,选择的时间间隔。一种可能的实现方式如图所示。1.一、水平-水平显示维度用于表示时间。沿垂直维度的空间被划分为行,其中示出了不同属性的值定性(分类)属性可以由彩色分段条表示,如图1中显示的上两行;颜色编码不同的属性值。数值属性可以用折线图表示,如示例显示的下面两行所示。数值被映射到行内的垂直位置,连续的位置由线连接显示器可以包括用于时间缩放的控件,诸如在图1中的上部图像中可见的滑动条。1.一、显然,显示中包含的时间序列可能来自不同且完全不同的数据集和数据源。某些时间序列可能最初存在于数据中,例如,天气观测值或移动物体的速度值;其他的可以从可用的时间序列中导出或从其他数据类型(例如,事件或移动物体的计数的时间序列)中生成可以通过直接操作显示器来设置基于所表示的时间序列的查询条件。在我们的示例实现中,单击表示定性属性值的条形图的一段。最初,所有值都被选中。当用户点击特定颜色的片段时,具有该颜色的所有片段将被取消选择。因此,属性具有由该颜色表示的值的时间间隔第二次点击任何具有此颜色的线段,使值再次被选中。定性属性的不同值的选择状态由相应条形段的垂直宽度表示:表示取消选择值的段比表示选择值的段窄在图1的下图第二行中可以看到一个示例对于数值属性,在表示该属性的折线图上垂直拖动鼠标可选择属性值范围内的间隔鼠标光标的开始和结束垂直位置映射到相应的属性值,作为区间边界。所选值区间由背景绘画表示(图1中下图中的浅粉色)。通过在背景上点击鼠标,用户会收到一个带有交互控件的弹出窗口,允许更精确地指定间隔。响应于间隔选择,该间隔之外的所有属性值以及获得这些值的时间间隔都将被取消选择双击代表查询条件的条带将反转此条件:区间内的值变为取消选择,而区间外的值变为选择。时间间隔的选择也是反向的。除了视觉表示之外,当前查询条件也在显示器底部以文本形式显示给用户。用户可以创建涉及两个或更多属性的复合查询。作为响应,仅选择满足所有查询条件的那些时间间隔这些时间间隔在时间序列显示中以黄色背景绘画直观地表示。因此,图1中下部图像中的垂直黄色条带标记了满足两个查询条件的时间间隔。一个条件选择定性属性的两个可能值之一,另一个条件选择数值属性的低值区间因此,图1中呈现的工具满足以下要求:(1)表示可用于定义查询条件的时间相关属性的值变化;(2)允许查询的交互式创建和修改;(3)表示当前查询条件;(4)示出哪些时间间隔满足这些条件。时间掩码过滤器不会在用户指定查询后立即自动创建,而是需要显式请求(选中复选框)。用户可以选择时间掩模的适当时间默认分辨率是一个最精细的时间单位,具体取决于显示器中时间序列中时间戳的精度因此,在图1的示例中,时间戳以毫秒的精度指定。因此,时间掩码的默认分辨率为1毫秒。然而,已知分析数据的实际时间分辨率为200 ms,用户已将时间掩码的默认分辨率更改为200ms。要使用时间掩码作为过滤器,用户勾选复选框过滤器以下列方式应用于时间参考数据。对于表示事件的数据(即,具有某些指定的存在时间的对象),则过滤器仅选择其存在时间在所选时间间隔中的至少一个内或与所选时间间隔中的至少一个重叠对于表示移动对象的轨迹的数据,仅选择表示在所选时间间隔期间的移动的那些轨迹段。原则上,由时间掩码过滤器选择的数据子集可以通过对每个所选项目的直接描绘来直观地表示。但是,这种方法不能扩展到数据的大小。在处理大型数据集的实际应用中,有必要应用各种数据聚合方式:时间,空间和分类(Fredriksonetal., 1999年)。在我们的论文后面提供了多个聚集的例子。重要的是,聚合不是静态的,而是动态地对时间掩码滤波器(以及其他滤波器)的变化作出反应,即,当选择改变时,聚集操作被重新应用于所选择的数据子集。在复杂数据的分析中,可能需要组合几种类型的滤波器(Andrienko等人,2013年a)。时间掩模滤波器可以与所有其他滤波器类型组合,包括线性和循环时间滤波器。此外,如图1所示的时间序列显示允许通过水平拖动鼠标来方便地指定线性时间滤波器,即,沿着显示器的时间维度通过这种方式,用户可以选择时间28N. Andrienko等人/视觉信息学1(2017)25Fig. 1. 顶部:时间序列显示,其中沿水平维度显示四个时间相关属性值的时间变化。上面两行表示定性属性,下面两行表示数值属性。底部:显示内容表示时间掩码过滤器的查询条件。满足条件的时间间隔使用黄色背景绘画显示。具有属性值的有趣变化的间隔,用于详细检查。如在引言中所提到的,时间掩模过滤可以有助于检测和探索多个数据集之间的关系。通过应用以下工作流执行这种分析。分析师基于一个数据集(也可以是两个或更多)定义一些感兴趣的条件,创建时间掩码,将其传播到其他数据集,并检查所选数据子集的特征然后,分析人员反转时间掩模并研究之前过滤掉由初始时间掩码及其逆时间掩码选择的数据子集的特征之间的显著差异指示用于设置查询的数据与应用时间掩码的数据在检测到这种差异时,分析师调查并验证它们,这可能需要使用其他类型的数据过滤。为使结论全面有效,可能需要设置不同的条件来简化这一工作流程在下一节中,我们将演示数据示例分析,其中时间掩模滤波器与其他种类的滤波器结合使用,4. 示例应用4.1. DatAcron项目由欧盟资助的datAcron项目(http://datacron-project.eu/)旨在推进管理和分析大量时空数据的方法和技术的最新水平,包括“静态数据”(过去收集的存档数据)和“动态数据”(不断获得的应用领域是空中交通管理和海上交通监测方面,需要改进对各个复杂系统如何运作的总体了解,以及对日常行动中的情况了解和决策datAcron的愿景是显著提高系统和人类的能力,从而促进大地理区域内大量移动物体的关键操作的安全性和有效该项目开发用于管理和处理异构多源数据的技术,这些数据的高级分析和形势发展预测的方法,以及旨在提高人类探索数据和理解数据中反映的复杂现象的能力的4.2. 空中交通:寻求规则4.2.1. 进入域名在空中交通管理中,良好的航班和相关活动计划对航空公司、空中导航服务提供商(ANSP)和机场至关重要。航空公司与ANSP协调确定其飞行计划在运营当天之前,可以对计划进行调整,以适应预期的事件和天气条件。飞行计划涉及到许多与天气、总体交通和导航资源的可用性有关的不确定性。为了考虑到可能的延误,航空公司通常在其时刻表中增加缓冲,从而进一步增加了日常业务的不可预测性。基于航 空公司提 供的飞行计 划,空 中交通流量 和容量管 理(ATFCM)系统持续分析对空中导航服务的预期需求与空中交通管制中心(ATC)的可用容量。如果预期需求超过ATC的容量,ATFCM发布了一个规定,该规定可以为将要穿越受影响区域而尚未起飞的一些航班分配新的起飞时间。新的时间通常意味着延迟N. Andrienko等人/视觉信息学1(2017)2529=[−+ ]的一种=-[−+ ]的一种由于允许相对于指定的起飞时间的5、 10分钟容差窗口用于在机场组织起飞序列,因此也增加不确定性通常,必须在预测的过载情况发生的时间之前两小时或更长时间做出平衡需求和容量的决定,以确保这些措施的所需效果。由于飞行计划的不确定性,预期需求的估计也可能具有较低的确定性。为了安全起见,流量管理人员需要考虑所有可能的最坏情况,这可能导致引入不必要的航班延误。因此,实际飞行实施的低可预测性导致时间损失、资源使用效率低下、财务损失以及乘客的不便除了需求超过运力之外,可能还有其他原因需要实施管制,如恶劣的天气条件、罢工、技术问题等。在这种情况下,管制可能是不可避免的,但似乎可以通过更好地规划飞行和更准确地预测需求来减少使用与运力有关的管制。为了理解如何实现这一点,有必要分析有关法规及其影响的历史数据。4.2.2. 数据和探索性任务在我们的示例中,我们使用两个数据集描述(1)2016年4月期间在西班牙空域全部或部分执行的航班,以及(2)在此期间在ECAC(欧洲民航会议)地区发布的法规这些数据由西班牙ANSP ENAIRE和 作 为 网 络 管 理 者 的 EUROCONTROL 生 成 , 由 CRIDA(www.crida.es)-ATM(空中交通管理)研究、开发和创新参考中心收集、准备和提供航班数据包括每个航班的航班标识符、出发和到达机场代码以及估计和实际起飞时间(ETOT和ATOT)和到达时间(ETA和ATA)。对于受法规影响的航班,数据还包括法规规定的计算出发和到达时间(CTOT和CTA)、应用法规的计数、最不利法规的标识符以及ATFM延迟,ATFM延迟是CTOT和ETOT之间的分钟差该数据集中的延迟持续时间范围为0至408分钟,其中99%的延迟持续时间范围为0至60分钟。由于上述5、 10分钟的公差窗口 , ATOT 可 能 与 CTOT 不 同 ( 特 别 是 , ATOT 可 能 早 于CTOT),因此实际延迟可能与ATFM延迟不同 该航班数据集描述了152,051个航班,其中25,600个(16.8%)受到管制,15,512个(10.2%)被分配了至少1分钟的ATFM延误(CTOT-ETOT),15,103个(占所有航班的9.9%)实际延误至少1分钟(ATOT-ETOT>1分钟)。我们的探索集中在这些实际延误的航班上。法规数据集描述了2704条法规。对于每个法规,数据包括开始和结束时间、参考位置、持续时间(分钟)和法规原因代码。数据集中出现的原因代码可以在图2中表格的最左边一列中看到。对于一小部分法规,提供了简短的文字说明。为了了解由于不同原因导致的法规的频率和严重程度,我们根据最具惩罚性的法规的标识符 图 2.我们看到,管制原因中出现频率最高的是C(ATC能力不足),共发生633次,也是造成航班延误最多的原因(6904次)和总延误时间最长的原因(112,168 min 1869.47小时78天)。影响许多航班并造成总体延误的其他原因是P(特殊事件;大多数这些规定图二. 按原因统计航班规定。与空中交通管制系统的实施和使用有关)、I(空中交通管制工业行动,包括罢工)、W(恶劣天气条件)、S(空中交通管制人员不足)、O(其他)和G(机场容量不足)。我们的探索性任务是了解的空间和时间模式,在创建的法规,特别是那些由ATC能力不足。了解这些模式可能有助于更可靠地规划飞行和管理业务,并更准确地预测资源需求。请注意,术语(在发布条例的地方)或受影响航班的地点(始发地和目的地)术语为了更好地理解空中交通管理问题,有必要研究管制事件和受影响航班的时空分布。4.2.3. 数据探索图3中的上一系列地图显示了原因C的管制事件的空间模式(基于发布管制的位置),而下一系列地图显示了由于这些管制而导致的航班延误的空间模式(基于航班延误的机场的位置)。在上一行中,第一个图显示了管制事件的密度,而第二个和第三个图分别显示了由延误航班的数量和延误持续时间加权的密度在下面一行中,左边的地图显示了延迟起飞的密度分布,右边的地图显示了延迟持续时间加权的密度本节所列的这些和其他密度图是通过带宽(半径)为150公里的核密度估计和线性核(平滑函数)制作的。图图4示出了表示不受管制航班的空间分布的地图的片段。这些航班已按始发地和目的地汇总。为了减少显示混乱,特别是在机场的高密度区域,我们应用了空间细分方法,该方法考虑了给定点对象集的空间分布(Adrienko和Adrienko,2011)。基于841个机场的分布,该方法产生了513个Voronoi多边形,其中一些包含空间上接近的机场组30N. Andrienko等人/视觉信息学1(2017)25图三. 上排从左至右:ATC能力不足(原因代码C)导致的管制事件密度,按延误航班数加权的管制事件密度,按延误持续时间加权的管制事件密度。下一行:延误起飞密度(左)和延误时间加权的延误起飞密度(右)。图中的饼图。图4显示了镶嵌后区域内航班离港(红色部分)和到达(黄色部分)的数量和比例。虽然航班的始发地和目的地分布在世界各地,但大多数都在图4所示的领土内,因为数据集描述了使用西班牙领空的航班。蓝色曲线表示区域之间的聚合移动(流动);曲率在朝向目的地的方向上增加。线宽编码飞行计数。为了减少混乱,表示少于100个航班的饼图和流线都显示了区域之间的高度对称性:每个区域包含近似相等数量的航班起飞和到达,并且任何两个区域之间的两个相反方向的流线具有相等的宽度。在图5中,与图4中相同的表示法应用于由于ATC容量不足而延误的6904个航班。空间模式与图4中的模式有很大不同。我们观察到航班起飞和到达数量之间的高度不对称性以及区域之间的不对称流动。饼状图显示,由于西班牙南部和东部的能力不足,以及加那利群岛。流线显示,延误航班数量最多的是从马德里、塞维利亚/马拉加和巴塞罗那到伦敦以及从伦敦到马德里和塞维利亚/马拉加的航班。图6中的二维时间直方图显示了航班起飞延误的时间分布图四、 不受管制的航班。饼图显示了航班起点和终点的数量和比例,曲线流线显示了航班起点和目的地之间的聚合移动。C天(行)和天小时(列)。为了获得这种聚合,每个延迟起飞被视为一个事件,N. Andrienko等人/视觉信息学1(2017)2531图五、 由于空管能力不足而延误的航班总数。 视觉编码与图中相同。 四、在间隔[ETOT,ATOT]期间存在,即,从预计起飞时间我们看到,延误在这些天里并不是均匀分布的,但有几天延误航班的数量比其他几天要多得多。4月9日和16日(均为星期六),4月10日(星期日)和其他几天达到最高数字关于每周的时间周期,没有周期性模式有理由将延误航班极多的时间和延误航班较少的时间分开考虑图的上部。图7示出了以10分钟的时间间隔表示由于原因C而延迟的航班的计数的时间序列显示的片段。为了按时间间隔汇总航班,我们将每个延误航班视为在时间间隔[ETOT,ATA]内存在的事件,即,从预计起飞时间到实际到达时间对于每10分钟的间隔,计算在此间隔内存在的延误航班计数范围从0到299; 4391个间隔中有3350个在这些区间中,延误航班数的第一四分位数、中位数和第三四分位数分别为5、20和52 在图的下部。 7中,我们应用了一个查询条件,该条件选择了延误航班数量超过第三四分位数的时间段。过滤器选择833个10分钟的间隔,这些间隔由黄色背景绘画标记为了查看这些时间间隔内航班延误的空间模式,我们将时间掩码过滤器从时间序列显示传播到所有时间参考数据集。将时间掩码过滤器应用于延迟航班集合选择在所选时间间隔期间进行的那些航班这将触发按始发地和目的地地区重新汇总航班。仅汇总选定的航班。因此,我们可以观察到延误航班在非常多延误时间的空间分布(图8,顶部)。为了进行比较,图8中的下图示出了在延迟数量为从1到20(其为中值)时的延迟航班的分布。请注意,饼图和流线在每个地图中的比例不同,比例被调整到各自的值范围。我们看到,在大量延误的情况下,延误航班的空间模式(图1)。 8,顶部)类似于整个时间的整体空间模式(图。 5),这可能意味着整体模式受到极端延迟时间的影响。低延迟时间的空间模式见图6。按天数(矩阵行)和日时数(列)列出的因C(ATC能力)原因延误的航班离港分布。延迟偏离的计数由矩阵单元中矩形的比例大小表示。(图8,底部)是明显不同的。造成差异的一个可能原因是,在低延误和高延误时期,不同地区出现了航班规定。为了检查这一点,我们看一下具有原因代码Cat的调节事件的加权密度,低(图9,左)和高(图9,左)的时间。(9)航班延误。密度是由受影响航班的数量加权的。我们看到,在两个时间间隔的子集中存在两个监管热点它们位于法国巴黎和南特附近。在大量航班延误的时候,法国西海岸还存在另外三个热点现在,我们想比较一下法国西部、巴黎和南特周围因管制而延误的航班。我们通过在规则集和ATFM延误航班集之间进行交叉过滤来做到这一点。我们使用空间过滤来选择在法国西部创建的法规,并应用交叉过滤来选择这些法规延迟的航班。我们之前已经删除了时间掩码过滤器,以查看所选区域中因规定而延误的航班的整个子集。在交叉过滤器已经应用于航班集合之后,所选择的航班子集已经被动态地重新聚集。航班选择和聚集的结果在图10的左侧示出。我们看到,法国西部制定的规定是造成英国与西班牙和葡萄牙之间航班延误的主要原因。从英国起飞的航班受到的影响比相反的航班。以类似的方式,我们选择了巴黎和南特周围地区因规章制度而延误的航班(图1)。 10,右)。这些规定延误了伦敦和巴塞罗那之间的大部分航班,从马德里和阿利坎特地区的航班,32N. Andrienko等人/视觉信息学1(2017)25图7.第一次会议。上 图:在时间序列显示中表示了因C原因延迟10分钟时间间隔的航班的计数。底部:设置查询后的显示外观,该查询选择延误航班为53个或更多的时间间隔穆尔西亚到英国,以及荷兰,比利时和德国之间的航班,一边,西班牙和葡萄牙,另一边。有趣的是,从英国到西班牙的航班 受法国西部法规的影响明显更大(图10,左),而从西班牙到英国的航班受巴黎和南特地区法规的影响略大(图10,右)。为了比较巴黎-南特地区和法国西海岸地区因法规而导致的延误的时间模式为了完整起见,我们还为剩余的延误航班创建了一个时间序列(图11中的第四行)。通过比较前两个时间序列,我们看到,在4月4日至4月17日期间,两个时间序列的峰值出现非常频繁,几乎同时出现,只有少数例外。4月17日之后,法国西海岸几乎没有出现因规定而延误航班的高峰。由于巴黎-南特周围的规定,有高峰,但它们比以前少了,而且大多数都小了。找出自4月4日起法国境内发布的与ATC容量相关的法规数量和频率高的可能原因到4月17日,我们看看空间和时间分布,由于其他原因,特别是P(特殊事件)、I(工业行动)、W(恶劣天气)和S(ATC人员配备问题),我们发现,原因S的法规在时间上和空间上都与法国在感兴趣的时间段内的法规无关。由于意大利的罢工,一些带有原因代码“I”的规定于4月9日和10日生效。专家们认为,这些规定可能会产生网络效应:意大利空域的限制可能会增加其他地方,特别是法国空域对空中交通管制服务的需求。由于ATC能力不足,这可能会引发进一步的监管,从而导致4月9日和10日的航班延误数量非常高(见图6)。然而,4月27日至29日法国也发生了罢工,对“C”法规没有明显影响由于恶劣天气导致的法规的时间序列(在图11中显示的最低行中示出)在中间(4月16日通过在显示器中的直接操作(鼠标拖动),我们选择每个与天气相关的峰值的时间范围,并观察相应规则的加权密度分布第一个高峰对应于巴塞罗那和里斯本以及加那利群岛的规定,第二个和第三个高峰是由于加那利群岛的恶劣天气 正如我们从Fig. 10,许多往返这些地区的航班穿越法国领空。由于恶劣天气造成的部分航班延误可能会增加对法国空中交通管制服务,这可能会触发“C”规则。然而,这种解释并不适用于4月14日和15日发生的法国“C”法规导致的延误高峰原因P的规则的空间分布(图)。 12)完全匹配的热点的“C”的规定可见的权利图。 9,但我们在图中看到。 11(底部第二行),由于“P”规定造成的大部分航班延误发生在4月1日至4月4日,即,在法国严格的法规时期之前(从顶部开始的第2行和第3不过,可能有关系。从4月1日到4月4日,所有的对其中许多问题的解释告诉我们,它们是由实施ATC系统造成的可能发生的情况是,这些系统在实施后的最初一段时间内没有完全发挥作用,这可能导致法国空域的严格管制到目前为止,我们已经看到,由于ATC容量不足(时间序列显示的第1行),航班延误的大部分峰值在图11中)是由巴黎-南特(第2行)和法国西部(第3行)的法规引起的;然而,当这些地区的法规很小时,一些峰值出现了。我们创建了一个时间掩模过滤器(图11),以查看这些高峰时间的管制和延误航班的空间模式。在传播到所有数据集时,过滤器选择在这些时间内存在图中左侧的地图。 13显示了受影响航班数量加权的“C "规则的密度。主要的热点是巴塞罗那周围;里斯本和加那利群岛周围也有较小的热点。图13右侧的地图显示了汇总的延误航班。这些主要是从西班牙和加那利群岛飞往中欧以及从英国飞往加那利群岛的航班。时间掩码过滤器的视觉表示(图 11)表明,有三个主要时期满足查询条件。通过依次选择时间序列显示中的每个时段,我们发现4月3日的大多数管制都发生在巴利阿里群岛,受影响的航班是从那里飞往中欧的。4月23日,里斯本和加那利群岛出现了新的规定,影响了许多进出航班。4月30日,巴塞罗那和加那利群岛附近的严格规定延误了许多往返这些地区的航班因此,我们发现,除了法国之外,还有一些其他地区由于ATC能力不足而经常受到管制:巴塞罗那,里斯本,加那利群岛和巴利阿里群岛。对于每一个,我们创建一个时间序列的延误航班,并检查它的时间规律性的存在。我们发现加那利群岛的时间序列中存在一个周期性模式,在4月9日,16日,23日和30日(星期六)出现了为巴塞罗那,4月1日,8日,15日,22日和29日(星期五)有高峰,其他几天也有高峰。对于其他两个领域,没有时间规律性检测。N. Andrienko等人/视觉信息学1(2017)2533[− +]见图8。在延误次数极高的时间(顶部)和延误次数较低的时间(底部),延误航班的空间分布。4.2.4. 结论我们探索的目标是检测飞行规则中的规律性模式和/或依赖性,这些规律性模式和/或依赖性可以为改进流量管理提供我们发现,在一般情况下,没有时间规律性的法规的出现,除了少数领域。我们还发现,在整个研究期间的主要瓶颈是巴黎和南特周围地区,在那里出现了非常频繁的严厉的规定这些地区和法国西海岸在4月初的高频率和严格的法规,可能是由于新的ATC系统实施后的适应期还有一些证据表明,ATC能力不足和相关法规的出现有时可能是由于其他原因(如罢工和恶劣天气)而引起的然而,频率巴黎和南特地区的规则不能完全用这些效果来解释因此,这些领域需要在飞行计划和流量管理方面进行改进。4.3. 海上航行:异常事件4.3.1. 进入域名安全和安保一直是海上航行的关注点,特别是考虑到全球海上交通的持续增长和船上船员的持续减少这有利于自动监控系统的发展,如AIS(自动识别系统),它提供了实时定位的船舶到其他船舶和岸上站位于其无线电范围。国际海事组织要求在300总吨以上的国际航行船舶和所有大小客船上安装AIS发射机。除了位置之外,AIS设备还传输导航数据,例如船舶识别、航线、航向、速度、下一个港口以及所有客船,而不管呼叫、目的地和预期到达时间。还有其他用于海上交通监测的系统然而,提供这一信息本身并不能确保海上交通的安全。值班官员和监督当局需要开发利用这些通信系统的辅助决策解决方案(Claramunt等人, 2007年)。特别地,检测和分析在船舶运动中发生的大小异常事件是用于提高船舶交通安全性的 关 键 资 产 (Devogele等人,2013年)。可能引起关注的事件范围很广:从海上碰撞到未报告和无管制的捕捞活动和非法活动。在本文中,我们专注于近位置(两船之间的小距离,可以带来碰撞)和高弯曲度(曲线运动)模式发生时,船舶操纵的事件,但该方法可以直接扩展到其他类型的异常事件。4.3.2. 数据和探索性任务这些数据包括从法国布雷斯特湾获得的AIS信息重建的5244条船舶轨迹(图1)。 14)2009年2月11日至12月21日期间;然而,并非所有日期的数据都可用。 我们的分析集中在那些通过海峡(1.8公里长)进出海湾的船只的轨迹上(图11)。 14,底部)。我们已经选择了2411个这样的轨迹,通过空间滤波。我们的任务是检测附近的位置和高弯曲事件,并调查这些事件发生时,使用建议的时间掩模过滤器的条件4.3.3. 数据探索为了检测近位置事件,迄今为止已经开发了不同的方法(Fujii等人,1970;Pedersen,1995)。我们的方法是基于对每个血管轨迹中每个点的时空最近邻的搜索:给定时刻t的血管位置p,该工具确定时间间隔t内所有其他血管的位置 测量从p到所有这些位置的距离,并取距离的最小值。在这里,Tcnt是一个时间容差阈值,用于补偿不同轨迹中位置记录的时间参考可能存在的差异然后,我们应用交互式技术从轨迹中提取空间事件(Andrienko等人,2013 b),以提取到最近邻点的距离小于25米的轨迹段(这些时间和空间阈值经领域专家批准,相对代表近地点事件)。这些提取的片段被视为近位置34N. Andrienko等人/视觉信息学1(2017)25图9.第九条。在 航班延误数量低(左)和高(右)时,原因代码为C(ATC容量)的管制事件的加权(按延误航班数量)密度。见图10。 法国西部(左)以及巴黎和南特(右)因法规而延误的航班的空间模式。事件我们已经提取了2579个这样的事件,发生在578个轨迹。提取的事件的密度图在图15的左侧示出。本示例中的密度图是以300 m的核半径构建的。一些事件发生在主要交通车道之外。我们主要关注的是在交通车道内发生的事件,因为它们对航行可能更危险。我们应用空间滤波来选择这些事件,这给了我们2105个来自447个轨迹的事件(图15,右)。为了了解附近位置事件发生的情况,我们希望
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功