地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析研究綜述

李 恒， 沈華偉, 黃 蔚, 程學(xué)旗

(1. 中國(guó)科學(xué)院大學(xué) 人工智能學(xué)院，北京 100049； 2. 國(guó)家基礎(chǔ)地理信息中心，北京 100830； 3. 中國(guó)科學(xué)院 計(jì)算技術(shù)研究所，網(wǎng)絡(luò)數(shù)據(jù)科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100190； 4. 中國(guó)科學(xué)院 網(wǎng)絡(luò)數(shù)據(jù)科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100190)

0 引言

伴隨著移動(dòng)互聯(lián)網(wǎng)與社交網(wǎng)絡(luò)媒體的深度融合，具有定位功能的移動(dòng)智能設(shè)備和軟件越來(lái)越普及，基于位置服務(wù)(Location Based Service，LBS)的應(yīng)用更加流行，地理社會(huì)網(wǎng)絡(luò)(Geo-Social Networks，GSN)積累的海量時(shí)空社交網(wǎng)絡(luò)媒體數(shù)據(jù)極具研究?jī)r(jià)值。如何從GSN產(chǎn)生的海量數(shù)據(jù)中提取出有用、可靠、可知識(shí)化的綜合信息，并通過(guò)信息可視化方式表達(dá)、展示與分析，成為研究者們關(guān)注的一個(gè)熱點(diǎn)。

地理社會(huì)網(wǎng)絡(luò)不同于傳統(tǒng)的社會(huì)網(wǎng)絡(luò)服務(wù)(Social Network Service，SNS)，時(shí)間屬性和空間地理位置屬性(簡(jiǎn)稱(chēng)時(shí)空屬性)成為其獨(dú)特而最重要的屬性。通訊方式的變革導(dǎo)致GSN的迅速發(fā)展，諸如國(guó)外的Twitter、Facebook；國(guó)內(nèi)的微博、人人網(wǎng)等加速了互聯(lián)網(wǎng)虛擬社區(qū)與現(xiàn)實(shí)真實(shí)社會(huì)的交互。簡(jiǎn)單來(lái)講，SNS產(chǎn)生的海量社交媒體信息經(jīng)由用戶(hù)發(fā)布、自由評(píng)論和轉(zhuǎn)發(fā)等操作產(chǎn)生聯(lián)系。比如，當(dāng)用戶(hù)發(fā)布微博時(shí)，可以同時(shí)發(fā)布帶有地理位置的信息，而通過(guò)與社交網(wǎng)絡(luò)聚合而成的地理社會(huì)網(wǎng)絡(luò)，就成為其在真實(shí)空間范圍上社會(huì)關(guān)系的反映。

信息可視化利用計(jì)算機(jī)交互式地顯示抽象數(shù)據(jù)，從而使人們?cè)鰪?qiáng)對(duì)抽象信息的認(rèn)知[1-2]，這是一個(gè)將數(shù)據(jù)信息轉(zhuǎn)化為視覺(jué)形式的過(guò)程，認(rèn)知心理學(xué)和圖形設(shè)計(jì)是信息可視化的兩大基礎(chǔ)。GSN大數(shù)據(jù)可視化就是在多維度個(gè)性化信息挖掘推薦(認(rèn)知心理學(xué))的基礎(chǔ)上，借助地圖(圖形設(shè)計(jì))這種獨(dú)特的、更具藝術(shù)性的表達(dá)方法直觀(guān)展示，使人們能夠充分利用視覺(jué)和感知能力去觀(guān)察、處理接收到的社交信息。

海量具有時(shí)空屬性的社會(huì)網(wǎng)絡(luò)可視化分析，主要基于社交網(wǎng)絡(luò)、地理信息服務(wù)、計(jì)算機(jī)圖形學(xué)、統(tǒng)計(jì)學(xué)等多個(gè)學(xué)科，通過(guò)人機(jī)交互界面、探索式數(shù)據(jù)分析等方法輔助完成數(shù)據(jù)的分析和推理。對(duì)個(gè)人而言，用戶(hù)希望系統(tǒng)自動(dòng)基于位置簽到提供附近可能感興趣的人和地點(diǎn)等信息；對(duì)企業(yè)而言，則希望從用戶(hù)的位置簽到和行動(dòng)軌跡挖掘出與其行為習(xí)慣和愛(ài)好等相關(guān)的信息，從而為廠(chǎng)家制定商業(yè)決策、開(kāi)展商業(yè)活動(dòng)提供有效參考；對(duì)政府而言，通過(guò)地理位置信息整合與監(jiān)控主題相關(guān)的信息，為實(shí)現(xiàn)空間網(wǎng)絡(luò)輿情監(jiān)測(cè)預(yù)告和新聞專(zhuān)題追蹤提供有力支撐。因此，地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析需要從可視化的方法和結(jié)果兩個(gè)維度進(jìn)行深入研究。

1 國(guó)內(nèi)外研究現(xiàn)狀

國(guó)內(nèi)外對(duì)地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析的研究起步較晚，主要依賴(lài)于大數(shù)據(jù)分析技術(shù)、信息可視化技術(shù)、社會(huì)網(wǎng)絡(luò)與計(jì)算、地理信息系統(tǒng)等技術(shù)的綜合研究與探索。本節(jié)主要針對(duì)地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析所涉及的三大方面：地理社會(huì)網(wǎng)絡(luò)、信息可視化和地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化，進(jìn)行全面綜述。

1.1 地理社會(huì)網(wǎng)絡(luò)

地理社會(huì)網(wǎng)絡(luò)通過(guò)將地理位置信息融合進(jìn)傳統(tǒng)社會(huì)網(wǎng)絡(luò)，將人們的現(xiàn)實(shí)生活與虛擬世界連接在了一起。基于位置的社會(huì)網(wǎng)絡(luò)(Location Based Social Network，LBSN)可以幫助用戶(hù)，發(fā)現(xiàn)當(dāng)前所在位置附近感興趣的人和地點(diǎn)，也可以分享自己所感興趣的位置點(diǎn)(Point of Interest，POI)信息。目前典型的LBSN系統(tǒng)應(yīng)用有Foursquare、Brightkite和Geolife等。

地理社會(huì)網(wǎng)絡(luò)的發(fā)展比較晚[3]，最早始于2009年美國(guó)計(jì)算機(jī)協(xié)會(huì)(Association for Computing Machinery，ACM)舉辦的GSN領(lǐng)域的國(guó)際會(huì)議。會(huì)議主要探討了地理社會(huì)網(wǎng)絡(luò)分析過(guò)程中暴露出的位置隱私保護(hù)、移動(dòng)行為挖掘、位置預(yù)測(cè)、基于地理位置的用戶(hù)行為建模、基于地理位置的個(gè)性化興趣與好友推薦等問(wèn)題。2012年，國(guó)際Web信息系統(tǒng)會(huì)議組織了GSN數(shù)據(jù)挖掘競(jìng)賽，其中以包含微博內(nèi)容數(shù)據(jù)、用戶(hù)關(guān)系數(shù)據(jù)的新浪微博數(shù)據(jù)集為數(shù)據(jù)源，進(jìn)行了海量數(shù)據(jù)查詢(xún)性能分析和預(yù)測(cè)。同年，知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database，KDD)組織也舉行了GSN學(xué)術(shù)競(jìng)賽，與Web信息系統(tǒng)會(huì)議競(jìng)賽相似，同樣采用了帶有地理位置的微博數(shù)據(jù)作為研究數(shù)據(jù)集，但側(cè)重用戶(hù)間的關(guān)注與被關(guān)注情況的研究。值得一提的是，2012年Nokia在舉辦了移動(dòng)數(shù)據(jù)挖掘競(jìng)賽的基礎(chǔ)上，開(kāi)展了首屆地理信息開(kāi)發(fā)者大會(huì)，主要內(nèi)容是研究地理社會(huì)網(wǎng)絡(luò)中的位置服務(wù)的發(fā)展及展望。之后，國(guó)內(nèi)外的研究者將用戶(hù)行為分析、推薦和預(yù)測(cè)、地理位置檢索和存儲(chǔ)、信息可視化等方面作為地理社會(huì)網(wǎng)絡(luò)的研究熱點(diǎn)。

1.2 信息可視化

對(duì)于計(jì)算機(jī)而言，計(jì)算能力和存儲(chǔ)能力的不斷提升為適應(yīng)大數(shù)據(jù)時(shí)代日益增長(zhǎng)的海量數(shù)據(jù)的處理提供了可能。通過(guò)互聯(lián)網(wǎng)，對(duì)海量數(shù)據(jù)進(jìn)行分析、統(tǒng)計(jì)和歸納，并從中提取有用的信息，發(fā)現(xiàn)隱藏的規(guī)律，已成為網(wǎng)絡(luò)數(shù)據(jù)科學(xué)家研究的重點(diǎn)。信息可視化基于圖像表達(dá)，人們通過(guò)視覺(jué)能比其他感官組合獲得更多的信息[4]，這也使得可視化成為當(dāng)今最流行的理解海量數(shù)據(jù)的方法。

1.2.1 圖表信息可視化

圖表形式的信息可視化最早出現(xiàn)于18世紀(jì)，數(shù)學(xué)家Lambert與歷史和政治學(xué)家Playfair首次創(chuàng)建了可視化圖表。19世紀(jì)的法國(guó)科學(xué)家Minard和Marey首次采用非純手工方式繪制了圖表[5]，他們將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化成直觀(guān)的圖表，從而幫助人們了解數(shù)據(jù)。進(jìn)入20世紀(jì)，伴隨著計(jì)算機(jī)技術(shù)的進(jìn)步，信息可視化技術(shù)進(jìn)一步拓展。現(xiàn)代信息可視化起源于20世紀(jì)80年代的科學(xué)計(jì)算可視化[6]，最早出現(xiàn)在G Robertson等[7]于1989年發(fā)表的Thecognitivecoprocessorarchitectureforinteractiveuserinterfaces一文中。按照Shneiderman[8-9]對(duì)信息可視化數(shù)據(jù)的分類(lèi)，不同維度的數(shù)據(jù)其可視化方法不同，具體分類(lèi)如表1所示。

1.2.2 地理信息可視化

作為最重要的可視化手段，地理信息可視化是空間信息可視化所必不可少的。地理信息可視化[10]主要包含地圖可視化和地理信息系統(tǒng)(Geographic Information System，GIS)可視化兩種類(lèi)型。

地圖[11]，即以符號(hào)描繪空間元素，采用制圖學(xué)理論在平面上表達(dá)地球表征。地圖可視化[12-13]，即將地理數(shù)據(jù)轉(zhuǎn)換成可視的圖形，來(lái)表達(dá)地學(xué)現(xiàn)象與規(guī)律；GIS可視化[14]則側(cè)重于地學(xué)數(shù)據(jù)模型與結(jié)構(gòu)設(shè)計(jì)，多維數(shù)據(jù)顯示，人文、經(jīng)濟(jì)空間區(qū)域數(shù)據(jù)可視化等，其可視化分析結(jié)果也以地圖形式表示。空間區(qū)域數(shù)據(jù)包含了點(diǎn)數(shù)據(jù)和線(xiàn)數(shù)據(jù)，地理空間中的一個(gè)區(qū)域表現(xiàn)的屬性，例如，人口密度、人均收入等，多采用顏色表示屬性的值。如圖1國(guó)家地理信息公共服務(wù)平臺(tái)“天地圖”所示，借助GIS可視化方式展示了2014年中國(guó)城鎮(zhèn)居民人均總收入情況，顏色由淺至深反映了人均總收入由少到多的變化。

表1 信息可視化

圖1 中國(guó)城鎮(zhèn)居民人均總收入情況

1.3 地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化

地理社會(huì)網(wǎng)絡(luò)產(chǎn)生海量時(shí)空數(shù)據(jù)，其可視化表達(dá)與分析是信息可視化的重要研究?jī)?nèi)容之一。時(shí)空數(shù)據(jù)可視化能夠形象、直觀(guān)地揭示社會(huì)網(wǎng)絡(luò)中人與人，人與位置之間的關(guān)聯(lián)、軌跡、社區(qū)等各種關(guān)系信息，成為分析地理社會(huì)網(wǎng)絡(luò)最重要的方法之一。自20世紀(jì)80年代信息可視化被應(yīng)用于社會(huì)網(wǎng)絡(luò)分析[15]以來(lái)，通過(guò)集成信息可視化技術(shù)和統(tǒng)計(jì)學(xué)相關(guān)方法，已經(jīng)形成各種類(lèi)型多維度的海量數(shù)據(jù)可視化分析算法。

多維度時(shí)空信息可視化，是綜合運(yùn)用計(jì)算機(jī)圖形學(xué)、機(jī)器視覺(jué)、統(tǒng)計(jì)學(xué)和數(shù)據(jù)挖掘等技術(shù)，將采集到的數(shù)據(jù)直接映射為圖形、圖像、三維地圖、視頻和動(dòng)畫(huà)等，多媒體綜合表達(dá)和分析的新方法。其核心是海量時(shí)空數(shù)據(jù)可視化布局算法，即如何在可視化空間對(duì)海量時(shí)空數(shù)據(jù)進(jìn)行分布顯示。目前，布局算法[16-17]主要集中在：基于屬性的節(jié)點(diǎn)連接圖表示的布局算法，比如樹(shù)形布局、彈性布局和層次布局等；基于鄰接矩陣圖表示的布局算法。其中，彈性布局又稱(chēng)為力導(dǎo)引布局算法[18]，該算法廣泛應(yīng)用于復(fù)雜網(wǎng)狀布局和樹(shù)狀數(shù)據(jù)的可視化，由Eades P于20世紀(jì)90年代初期率先提出。國(guó)外對(duì)于力導(dǎo)引布局算法的研究由來(lái)已久，從最初Eades、KK、FR等基本模型開(kāi)始到2003年左右，重點(diǎn)對(duì)KK模型進(jìn)行了改進(jìn)，提出了基于多維尺度分析的布局算法[19]。2003年以后，多層迭代繪制、非歐空間圖繪制、受約束圖繪制等不同研究方向不斷興起，并持續(xù)至今。由于可視化粒度越細(xì)，提供的信息就越多越完整。研究者一般通過(guò)優(yōu)化布局算法來(lái)進(jìn)一步減少重疊，利用渲染和融合充分表現(xiàn)每個(gè)數(shù)據(jù)對(duì)象的方法，比如熱力圖(Heat Map)、實(shí)際渲染等。國(guó)內(nèi)研究者全武、吳鵬、萬(wàn)懷宇等人[20-22]則在此類(lèi)算法基礎(chǔ)上，克服結(jié)構(gòu)分析顯示方面的缺陷，創(chuàng)造性地提出了Marching-Graph布局收斂、子群分析布局SAL(subgroup analysis layout)等改進(jìn)算法。如圖2所示，全國(guó)水雨情信息平臺(tái)則以熱力圖形式展示了當(dāng)日全國(guó)氣象干旱信息，顏色由深到淺反映了干旱程度由重到輕。

圖2 2017年08月13日全國(guó)降水距平指數(shù)圖圖片來(lái)源：http://xxfb.hydroinfo.gov.cn/gjIndex.html

2 地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析方法

在本節(jié)中，我們針對(duì)地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析方法進(jìn)行綜述。主要從LBSN時(shí)空數(shù)據(jù)抽取方法和LBSN時(shí)空數(shù)據(jù)與地圖聚合方法兩大步驟進(jìn)行研究和全面總結(jié)。

2.1 LBSN時(shí)空數(shù)據(jù)抽取方法

LBSN是一種基于用戶(hù)地理位置的共享和追蹤；以智能通信網(wǎng)絡(luò)為媒介，以智能手持終端為主要載體的新型社會(huì)網(wǎng)絡(luò)。LBSN時(shí)空數(shù)據(jù)的抽取必須借助于移動(dòng)互聯(lián)網(wǎng)和興趣點(diǎn)(POI)信息，支持用戶(hù)實(shí)時(shí)地記錄并自由、方便、快捷地分享地理位置等信息服務(wù)。LBSN中各要素之間的對(duì)應(yīng)關(guān)系如圖3所示。POI點(diǎn)數(shù)據(jù)對(duì)應(yīng)真實(shí)社會(huì)的地理位置信息，用戶(hù)基于社交網(wǎng)絡(luò)媒體和應(yīng)用完成POI點(diǎn)的簽到，從而建立起LBSN時(shí)空數(shù)據(jù)抽取模型。

圖3 LBSN各要素對(duì)應(yīng)關(guān)系

LBSN時(shí)空數(shù)據(jù)抽取自用戶(hù)個(gè)人行為和習(xí)慣，因此具有高度的隨機(jī)性。通過(guò)對(duì)這些不確定軌跡進(jìn)行可視化分析，可以定量估算社群的社會(huì)活動(dòng)特征，發(fā)掘其行為在不同時(shí)空粒度下的統(tǒng)計(jì)規(guī)律，能夠更深層次地認(rèn)知智慧城市中社群的社交行為、生活軌跡和環(huán)境變化等。

2.2 LBSN時(shí)空數(shù)據(jù)與地圖聚合方法

LBSN時(shí)空數(shù)據(jù)與地圖聚合是地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化的重要步驟。抽取后的時(shí)空數(shù)據(jù)具有地理位置信息，可以在地圖中以坐標(biāo)形式進(jìn)行標(biāo)記，從而完成LBSN時(shí)空數(shù)據(jù)與地圖的聚合。同時(shí)，海量時(shí)空數(shù)據(jù)本身所攜帶的社會(huì)、人文、經(jīng)濟(jì)等其他信息也與地圖實(shí)現(xiàn)深度聚合。為了解決海量時(shí)空數(shù)據(jù)可視化的覆蓋密集顯示，以及加載和顯示性能過(guò)慢的問(wèn)題，需要合理地選擇和布局地圖上的可視化元素，呈現(xiàn)盡可能多的信息才是關(guān)鍵。以微博為例，大量使用移動(dòng)終端的用戶(hù)上傳了地理位置信息。由于用戶(hù)可以互相關(guān)注，也可以轉(zhuǎn)發(fā)其他用戶(hù)的微博，因此，這些用戶(hù)之間的互動(dòng)構(gòu)成了LBSN。通過(guò)可視化方法將這些位置信息與微博文本內(nèi)容結(jié)合并分析，可以直觀(guān)理解社交傳播和社會(huì)輿情的地域特征。

MIT的Senseable城市實(shí)驗(yàn)室[23]是目前比較著名的關(guān)注數(shù)據(jù)可視化的研究所，旨在探討和預(yù)測(cè)數(shù)字技術(shù)如何改變?nèi)藗兊纳罘绞郊捌鋵?duì)城市規(guī)模的影響。位于紐約的infographics工作室[24]則是專(zhuān)門(mén)研究數(shù)據(jù)可視化的著名工作室之一。國(guó)內(nèi)研究者陳為、朱標(biāo)[25]等人基于貝葉斯網(wǎng)絡(luò)，針對(duì)地理空間數(shù)據(jù)提出了連續(xù)變量離散化的可視化交互算法，實(shí)現(xiàn)了包括地理分類(lèi)、因果關(guān)系分析和異常檢測(cè)等多任務(wù)可視化視圖分析。北京大學(xué)可視化與可視化分析實(shí)驗(yàn)室袁曉如團(tuán)隊(duì)[26]針對(duì)待遇地理標(biāo)簽的社交媒體數(shù)據(jù)，以新浪微博為原型，開(kāi)發(fā)了Weibo Footprint可視化分析工具；借助該系統(tǒng)工具可以點(diǎn)擊進(jìn)行時(shí)空過(guò)濾、使用時(shí)間刷進(jìn)行空間縮放，探索自己旅行的足跡、常去的地方，還可以跟好友一起探索每個(gè)人的行為軌跡。

海量時(shí)空數(shù)據(jù)的可視化往往要揭示空間與時(shí)間之間的關(guān)聯(lián)，因此通常采用順序動(dòng)畫(huà)來(lái)展示。由于LBSN時(shí)空數(shù)據(jù)在可視化中的布局按照其地理位置固定，因此，順序動(dòng)畫(huà)中每幀之間的變化僅僅是其中隨時(shí)間變化的信息。如圖4所示，圖4(a)和圖4(b)對(duì)比了不同時(shí)刻，國(guó)貿(mào)CBD地區(qū)的通勤人流量，高亮連線(xiàn)以順序動(dòng)畫(huà)的形式顯示了從四面八方匯聚的人流，從時(shí)序性角度對(duì)海量時(shí)空軌跡進(jìn)行了描繪。

圖4 中國(guó)北京市國(guó)貿(mào)CBD地區(qū)上午6時(shí)通勤人流量圖片來(lái)源：http://renqi.map.baidu.com/traffic/

圖4 中國(guó)北京市國(guó)貿(mào)CBD地區(qū)上午8時(shí)通勤人流量圖片來(lái)源：http://renqi.map.baidu.com/traffic/

3 地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析結(jié)果

本節(jié)中，我們針對(duì)地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析結(jié)果進(jìn)行綜述。主要以地理社會(huì)網(wǎng)絡(luò)信息傳播可視化，和與地圖聚合后的細(xì)粒度可視化兩個(gè)角度進(jìn)行研究和總結(jié)。

3.1 地理社會(huì)網(wǎng)絡(luò)信息傳播可視化

地理社會(huì)網(wǎng)絡(luò)可視化分析基于可視化表達(dá)效果和可視化分析方法本身，而LBSN時(shí)空信息可視化過(guò)程本身，能夠增強(qiáng)數(shù)據(jù)識(shí)別效率，傳遞有效信息，強(qiáng)化認(rèn)知理解，最終形成對(duì)海量時(shí)空數(shù)據(jù)的二次分析。時(shí)空信息可視化分析即從時(shí)序性和空間特性角度對(duì)LBSN數(shù)據(jù)進(jìn)行多維度可視化表達(dá)與分析，能夠?qū)⒌乩砩鐣?huì)關(guān)系網(wǎng)絡(luò)描繪成由點(diǎn)、線(xiàn)組成的圖，直觀(guān)地分析其復(fù)雜網(wǎng)絡(luò)信息傳播；還可以在地圖聚合的基礎(chǔ)上，通過(guò)分析圖中的節(jié)點(diǎn)大小、分布位置和點(diǎn)線(xiàn)密度等，實(shí)現(xiàn)社會(huì)群體的行為監(jiān)測(cè)和輿情預(yù)測(cè)。高影響力關(guān)鍵用戶(hù)節(jié)點(diǎn)的存在和轉(zhuǎn)發(fā)是引發(fā)GSN信息持續(xù)性傳播和擴(kuò)散的關(guān)鍵因素，對(duì)輿情和社會(huì)群體行為的走勢(shì)有著決定性作用。以新浪微博為例[27]，其話(huà)題傳播具有一定的模式和特點(diǎn)，但不同話(huà)題的微博傳播又具有較大的差異性和地域性特點(diǎn)。因此，海量時(shí)空信息傳播的可視化必須基于時(shí)間和空間屬性特征來(lái)區(qū)別其與傳統(tǒng)社會(huì)網(wǎng)絡(luò)的差異性。鐘杰[28]等通過(guò)研究話(huà)題的微博信息傳播拓?fù)浣Y(jié)構(gòu)，為地理社會(huì)網(wǎng)絡(luò)微博輿情可視化分析提供了基礎(chǔ)。徐顧偉[29]等則基于移動(dòng)社會(huì)網(wǎng)絡(luò)的用戶(hù)位置數(shù)據(jù)，生成用戶(hù)活動(dòng)熱度分布圖，并以顏色深淺反映一段時(shí)間內(nèi)空間各處的人口密度高低，從而直接反映室內(nèi)空間資源的利用情況。關(guān)迎暉[30]等從布局算法、數(shù)據(jù)處理、用戶(hù)交互與分析等方面，對(duì)Gephi、Cytoscape、Protovis等各種商業(yè)和開(kāi)源可視化分析軟件、工具及開(kāi)發(fā)庫(kù)進(jìn)行了具體的對(duì)比分析，并形成了基于Gephi對(duì)大型、復(fù)雜的數(shù)據(jù)進(jìn)行可視化處理的分析方案。姜磊[31]等針對(duì)網(wǎng)絡(luò)傳播復(fù)雜化、高風(fēng)險(xiǎn)化的熱點(diǎn)、突發(fā)事件頻發(fā)的特征，提出了一種網(wǎng)絡(luò)輿情可視化建模的新方法。周芳如[32]等基于地圖法和社會(huì)網(wǎng)絡(luò)分析法，實(shí)現(xiàn)對(duì)旅游信息在微博用戶(hù)之間傳播所形成的時(shí)空特征、網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)等完整分析。柴玥[33]等人則統(tǒng)計(jì)分析《中國(guó)國(guó)家地理》新浪微博四年間的6 882條微博狀態(tài)的內(nèi)容及相關(guān)信息，使用PKUVIS軟件對(duì)其傳播個(gè)案進(jìn)行了充分的可視化分析。

3.2 與地圖聚合后的細(xì)粒度可視化

地理信息的可視化展示主要基于空間點(diǎn)數(shù)據(jù)、空間線(xiàn)數(shù)據(jù)、空間區(qū)域數(shù)據(jù)以及時(shí)空數(shù)據(jù)順序動(dòng)畫(huà)等可視方式?？臻g數(shù)據(jù)是基于位置信息的時(shí)變數(shù)據(jù)，社會(huì)網(wǎng)絡(luò)數(shù)據(jù)是基于社會(huì)網(wǎng)絡(luò)的非時(shí)空文本數(shù)據(jù)。兩者結(jié)合起來(lái)，充分運(yùn)用可視化粒度更細(xì)、提供的信息更完整的力布局算法來(lái)減少重疊，充分利用渲染和融合來(lái)盡可能豐富、直觀(guān)地表現(xiàn)每個(gè)數(shù)據(jù)對(duì)象的屬性?？傮w來(lái)說(shuō)，采用與地圖聚合的細(xì)粒度海量時(shí)空數(shù)據(jù)可視化表達(dá)地理社會(huì)網(wǎng)絡(luò)具有以下幾個(gè)方面優(yōu)勢(shì)：

(1) 地理社會(huì)網(wǎng)絡(luò)可視化表現(xiàn)形式更加多樣，表達(dá)效果更加美觀(guān)，包含數(shù)據(jù)信息更加豐富；

(2) 可以從宏觀(guān)上了解地理社會(huì)網(wǎng)絡(luò)的傳播機(jī)制和地域性規(guī)律，從而挖掘更多的社會(huì)價(jià)值；

(3) 實(shí)時(shí)更新和顯示地理社會(huì)網(wǎng)絡(luò)時(shí)空數(shù)據(jù)，其動(dòng)態(tài)更新過(guò)程可以不斷獲取最新的海量時(shí)空數(shù)據(jù)，從而使信息表達(dá)更及時(shí)、更鮮活、更準(zhǔn)確。

4 地理社會(huì)網(wǎng)絡(luò)數(shù)據(jù)可視化分析總結(jié)與展望

地理社會(huì)網(wǎng)絡(luò)雖然產(chǎn)生較晚，但依靠移動(dòng)互聯(lián)網(wǎng)的普及，應(yīng)運(yùn)而生的LBSN發(fā)展迅猛，包括LBS的廣泛應(yīng)用，社會(huì)計(jì)算與大數(shù)據(jù)、人工智能和機(jī)器學(xué)習(xí)等新技術(shù)的不斷進(jìn)步，很大程度上促進(jìn)了GSN的快速發(fā)展。研究者們普遍采用形式新穎、直觀(guān)的信息可視化方式進(jìn)行表達(dá)與分析，從GSN積累的海量時(shí)空數(shù)據(jù)中提取出了有用、可靠、可知識(shí)化的綜合信息。GSN使得虛擬空間和物理世界、人類(lèi)社會(huì)與地理空間完美銜接，海量時(shí)空數(shù)據(jù)可視化分析[34]成為了解GSN傳播機(jī)制和地域性規(guī)律的重要手段。

信息可視化分析與表達(dá)作為一種直觀(guān)、便捷的方式具有很強(qiáng)的視覺(jué)沖擊力和高用戶(hù)體驗(yàn)度。目前，諸如Gephi、D3.js、Protvis等可視化開(kāi)發(fā)組件也越來(lái)越多，針對(duì)地理社會(huì)網(wǎng)絡(luò)可視化的未來(lái)研究方興未艾： ①LBSN獲取的海量時(shí)空數(shù)據(jù)較精細(xì)，但也充滿(mǎn)著噪聲，存在數(shù)據(jù)缺失問(wèn)題，如何借助可視化手段更加高效地提取時(shí)空行為特征與活動(dòng)模式，是亟待解決的難題之一；②用戶(hù)愈加強(qiáng)烈的個(gè)性化、社會(huì)化需求，使得商務(wù)智能(BI)應(yīng)用，政府輿情監(jiān)測(cè)等對(duì)用戶(hù)行為相似性分析要求更高，可以通過(guò)地理社會(huì)網(wǎng)絡(luò)可視化手段挖掘其行為軌跡，進(jìn)行用戶(hù)畫(huà)像；③地理社會(huì)網(wǎng)絡(luò)可視化分析必然涉及用戶(hù)隱私，海量時(shí)空數(shù)據(jù)可視化分析的同時(shí)應(yīng)注重用戶(hù)個(gè)人隱私信息安全和保護(hù)；④探索包括地圖聚合方式在內(nèi)的多維時(shí)空數(shù)據(jù)協(xié)同可視化分析手段，針對(duì)多維時(shí)空數(shù)據(jù)的稀疏采樣、復(fù)雜層次以及時(shí)空關(guān)聯(lián)深入探討和研究；⑤進(jìn)一步增加面向用戶(hù)、空間和時(shí)間“三位一體”的可視化分析，采用更為多樣化、人性化的可視化展示方式等方面逐漸成為國(guó)內(nèi)外研究者未來(lái)的重點(diǎn)研究方向。

5 結(jié)束語(yǔ)

移動(dòng)互聯(lián)網(wǎng)與地理社會(huì)網(wǎng)絡(luò)的深度融合，催生了GSN和LBS產(chǎn)業(yè)，如何從行業(yè)積累的海量時(shí)空數(shù)據(jù)中提取出有用、可靠、可知識(shí)化的綜合信息，并通過(guò)信息可視化方式表達(dá)與分析，成為本文研究和綜述的核心內(nèi)容。本文通過(guò)對(duì)LBSN時(shí)空數(shù)據(jù)抽取、與地圖聚合可視化、可視化分析等方面進(jìn)行研究綜述，以期為今后開(kāi)展地理社會(huì)網(wǎng)絡(luò)時(shí)空數(shù)據(jù)的可視化、分析和交互等研究提供有價(jià)值的參考。