出租车GPS大数据的道路行车可视分析_何贤国

第２６卷第１２期２０１４年１２月计算机辅助设计与图形学学报Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ　Ｄｅｓｉｇｎ　＆Ｃｏｍｐｕｔｅｒ　ＧｒａｐｈｉｃｓＶｏｌ．２６Ｎｏ．１２Ｄｅｃ．２０１４收稿日期：２０１３－１０－１５；修回日期：２０１４－０２－２０．基金项目：国家自然科学基金（６１３７９０１７，６１２０２２０５）；浙江省自然科学基金（ＬＹ１２Ａ０１０２７）；浙江省钱江人才计划项目（２０１３Ｒ１００５４）；浙江省公益技术应用研究项目（２０１４Ｃ３３０７７）．何贤国（１９８９—），男，硕士，主要研究方向为时空数据可视化；孙国道（１９８８—），男，博士研究生，主要研究方向为时空数据可视化；高家全（１９７２—），男，博士，副教授，硕士生导师，论文通讯作者，主要研究方向为高性能计算、大数据信息处理和分析；郑春益（１９９０—），男，硕士研究生，主要研究方向为时空数据可视化；梁荣华（１９７４—），男，博士，教授，博士生导师，主要研究方向为信息可视化、医学图像可视化．出租车ＧＰＳ大数据的道路行车可视分析何贤国，孙国道，高家全＊，郑春益，梁荣华（浙江工业大学计算机科学与技术学院　杭州　３１００２３）（ｇａｏｊｑ＠ｚｊｕｔ．ｅｄｕ．ｃｎ）摘要：针对出租车ＧＰＳ数据因其数据量庞大和时空信息特征复杂而带来的分析难题，提出一种基于出租车ＧＰＳ大数据的道路行车可视分析方法．该方法用ＯｐｅｎＳｔｒｅｅｔＭａｐ得到开阔道路的地图，采用离散和连续型２种编码方式对道路上的车流量、行车方向和速度等情况进行分析；离散编码采用箭头图表示，并用速度区间聚类算法优化颜色布局；连续编码采用栈图表示，并用特征点提取算法加速图表绘制．最后以杭州市出租车ＧＰＳ数据为样例，将数据分布式存储在云计算平台上，采用ＭａｐＲｅｄｕｃｅ加快数据查询和处理，应用文中的２种可视编码方式进行可视分析，结果表明，该方法能准确地反映杭州市道路交通状况．关键词：大数据可视分析；云计算平台；离散编码；连续编码；箭头图；出租车ＧＰＳ大数据中图法分类号：ＴＰ３１９Ｖｉｓｕａｌ　Ａｎａｌｙｔｉｃｓ　ｏｆ　Ｒｏａｄ　Ｔｒａｆｆｉｃ　ｗｉｔｈ　Ｌａｒｇｅ　Ｓｃａｌｅ　Ｔａｘｉ　ＧＰＳ　ＤａｔａＨｅ　Ｘｉａｎｇｕｏ，Ｓｕｎ　Ｇｕｏｄａｏ，Ｇａｏ　Ｊｉａｑｕａｎ＊，Ｚｈｅｎｇ　Ｃｈｕｎｙｉ，ａｎｄ　Ｌｉａｎｇ　Ｒｏｎｇｈｕａ（Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｚｈｅｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ　３１００２３）Ａｂｓｔｒａｃｔ：Ｗｉｔｈ　ｌａｒｇｅ－ｓｃａｌｅ　ａｎｄ　ｃｏｍｐｌｉｃａｔｅｄ　ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｖｉｓｕａｌ　ａｎａｌｙｔｉｃｓ　ｏｆ　ｔａｘｉ　ＧＰＳｄａｔａ　ｉｓ　ａ　ｃｈａｌｌｅｎｇｉｎｇ　ｉｓｓｕｅ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｗｅ　ｐｒｅｓｅｎｔ　ａ　ｖｉｓｕａｌ　ａｎａｌｙｔｉｃ　ｍｅｔｈｏｄ　ｆｏｒ　ｒｏａｄ　ｔｒａｆｆｉｃ　ａｎａｌｙｓｉｓｂａｓｅｄ　ｏｎ　ｔａｘｉ　ＧＰＳ　ｄａｔａ，ａｎｄ　ｗｅ　ａｄｏｐｔ　ｔｗｏ　ｅｎｃｏｄｉｎｇ　ｓｃｈｅｍｅｓ，ｔｈｅ　ｄｉｓｃｒｅｔｅ　ａｒｒｏｗ　ｇｒａｐｈ　ａｎｄ　ｔｈｅｃｏｎｔｉｎｕｏｕｓ　ｓｔａｃｋ　ｇｒａｐｈ，ｔｏ　ｅｘｐｌｏｒｅ　ｔｈｅ　ｖｏｌｕｍｅ，ｄｉｒｅｃｔｉｏｎ，ｓｐｅｅｄ　ａｎｄ　ｏｔｈｅｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｒｏａｄ　ｔｒａｆｆｉｃｆｌｏｗ　ｏｎ　ｗｉｄｅｎｅｄ　ｒｏａｄｓ　ｂａｓｅｄ　ｏｎ　ＯｐｅｎＳｔｒｅｅｔＭａｐ．Ｄｏｕｇｌａｓ－Ｐｅｕｃｋｅｒ　ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｔｈｅ　ｖｅｌｏｃｉｔｙｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ａｒｅ　ｕｓｅｄ　ｆｏｒ　ｄａｔａ　ｒｅｄｕｃｔｉｏｎ　ａｎｄ　ｉｍｐｒｏｖｉｎｇ　ｒｅｎｄｅｒｉｎｇ　ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｐｒｅｐｒｏｃｅｓｓｅｄ　ｔａｘｉ　ＧＰＳ　ｄａｔａ　ａｒｅ　ｓｔｏｒｅｄ　ｉｎ　ａ　ｃｌｏｕｄ　ｃｏｍｐｕｔｉｎｇ　ｐｌａｔｆｏｒｍ　ｉｎ　ａ　ｄｉｓｔｒｉｂｕｔｅｄ　ｍａｎｎｅｒ，ａｎｄＭａｐＲｅｄｕｃｅ　ｉｓ　ｕｔｉｌｉｚｅｄ　ｔｏ　ａｃｃｅｌｅｒａｔｅ　ｄａｔａ　ａｎｄ　ｑｕｅｒｙ　ｐｒｏｃｅｓｓｉｎｇ．Ｗｅ　ｔｅｓｔ　ｔｈｅ　ｖａｌｉｄｉｔｉｅｓ　ｏｆ　ｏｕｒ　ｐｒｏｐｏｓｅｄｅｎｃｏｄｉｎｇ　ｓｃｈｅｍｅｓ　ｏｎ　Ｈａｎｇｚｈｏｕ　ｔａｘｉ　ＧＰＳ　ｄａｔａ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｏｕｒ　ｍｅｔｈｏｄ　ｃａｎｅｆｆｅｃｔｉｖｅｌｙ　ａｎｄ　ａｃｃｕｒａｔｅｌｙ　ｒｅｖｅａｌ　ｔｈｅ　ｓｔａｔｕｓ　ｏｆ　ｒｏａｄ　ｔｒａｆｆｉｃ　ｉｎ　Ｈａｎｇｚｈｏｕ．Ｋｅｙ　ｗｏｒｄｓ：ｖｉｓｕａｌ　ａｎａｌｙｔｉｃｓ　ｏｆ　ｂｉｇ　ｄａｔａ；ｃｌｏｕｄ　ｃｏｍｐｕｔｉｎｇ　ｐｌａｔｆｏｒｍ；ｄｉｓｃｒｅｔｅ　ｅｎｃｏｄｉｎｇ；ｃｏｎｔｉｎｕｏｕｓｅｎｃｏｄｉｎｇ；ａｒｒｏｗ　ｇｒａｐｈ；ｔａｘｉ　ＧＰＳ　ｄａｔａ 随着ＧＰＳ地理感知设备的快速发展，车辆、动物和人的移动轨迹数据量急剧增加，例如浙江省一天的出租车数据量可达１０ＧＢ，庞大的数据量和复杂的时空信息特征为数据存储、查询和分析提出了挑战．基于此背景，为从局部和整体数据变化观察车辆行车情况，本文针对出租车ＧＰＳ大数据提出了２类信息可视化方法———离散型编码图表和连续型编码图表，分别以离散和连续型方式可视化数据，通过车流量、车速的时序变化和车流方向展示数据，以解决现有可视化技术在处理带有地理信息的大数据时所造成的可视元素覆盖、展示空间限制．将道路按路段划分，分离数据中车辆的双向行驶轨迹，从道路的多个路段分析道路双向行车情况是本文可视化方法关注的重点．最后通过多个实验分析讨论本文提出的可视化方法的优势．本文提出的可视化方法着眼于在大量时空数据可视和有限展示空间中寻找平衡点，探索在地图上分析大量数据的新方法，也为解决在展示带有方向的地理数据与人习惯思维之间产生矛盾时，最大限度地发挥人在可视分析时的主动性、结合多个可视方法分析地理空间数据隐藏的信息提供一条新路径．１　相关工作国内外对于可视化带有时间属性的数据已有大量的研究成果．较早的有Ｐｌａｙｆａｉｒ［１］在１８世纪提出并应用于进出口贸易、政治投票选举等领域的统计图．现在统计图依然应用在多个行业，如Ｆｕ等［２］使用大量股票走势的折线图表来反映大规模股票变化趋势，然而折线图在同时表示多个时间序列数据时会出现线段重叠和颜色混乱，降低数据可见度．栈图［３］是对折线图的一个改良，旨在同时表现大量时间序列数据集．ＭａｎｙＥｙｅｓ［４］较早提供了栈图可视化的在线工具，现有的Ｄ３［５］和ｐｒｅｆｕｓｅ库也提供了大量时序数据可视化的应用．辫式流图［６］是另一种用于多个时间序列可视化的方法，其将多个序列在相同位置叠加解决了折线图相互遮挡问题，提高水平流图［７］的空间利用率．时序可视化方法广泛应用于带有地理信息的时间序列数据．Ｗｉｌｌｉａｍ等［８］提出采用周期性ＡＲＩＭＡ模型分析英国城市交通，并结合多种图表分析车流量的变化规律．文献［９］使用自适应组织映射结合几种经典的可视化方法，综合分析及预测北京城区的交通状况．多种简明的可视化方式结合分析的模式［１０－１１］一直是可视分析的经典手段，简单的图表往往更容易反映事物变化规律．城市智能交通的兴起促进了交通数据领域的研究，而信息可视化作为重要的数据分析手段在地理数据领域的发展也不断成熟．地图是可视地理信息数据的重要元素［１２］，常与其他数据表现方式结合用于分析数据与地理位置的关系，对于展示某个时间段内的统计量，如Ｔｏｂｌｅｒ①在简化地图上绘制静态的箭头图展示了美国１９６５—１９７０年人口迁移数据．但过多的箭头造成了相互遮挡和方向不明确；相比之下，同样用于多个国家移民信息的Ｓｐｅｃｋｍａｎｎ等［１３］采用以地图为中心向外扩展空间的方式得到清晰的效果．时空数据的分析目的是探索移动物体在空间中的位置及其周围信息［１０］，可直接在地图上嵌入流图、柱状图等可视图表［１４］．在交通领域中应用时通常需要与时序数据可视方法相结合，例如Ｌｉｕ等［１５］开发了一个可视化系统，其中采用地图、平行坐标及柱状图等多种方法对出租车路线多样性进行可视分析；Ｇｕｏ等［１６］开发的ＴｒｉｐＶｉｓｔａ则采用了主题河、平行坐标等可视化方法，从空间、时间和多视图３个角度探讨一个路口内的微观交通模式和异常行为．对于移动轨迹的分析，Ａｎｄｒｉｅｎｋｏ等［１７－１８］已提出了马赛克图聚类轨迹点、分段聚类车辆轨迹等方法，并将它们应用到米兰车辆ＧＰＳ数据［１９］，从时间、空间和车辆属性３个方面分析了城市交通运行情况，但复杂可视化元素的堆砌在有限的地图空间上显得捉襟见肘，反而让人产生眼花缭乱的效果．针对二维平面图表间的相互覆盖问题，有些研究者大胆提出了三维方式布局可视方法，将数据以立体的形式展现在三维地图上．Ｄａｎｇ等［２０］提出了包括散点图和平行坐标２种可视化方法的三维堆叠排列方式，Ｔｏｍｉｎｓｋｉ等［２１］则通过栈式流图解决了如何同时展示数量庞大的水平图问题．三维布局虽然可以在三维空间上解决二维平面图表空间重合的问题，但大量的数据集仍会造成视觉遮挡，用户需要通过多次交互才能获得完整的信息．出租车作为城市交通的重要组成部分［２２］，对城市道路运营有着重大影响，通过对杭州市出租车数据进行分析，可以发现城市车辆的行驶规律、道路规划的潜在问题，为城市交通调度部门提供决策支持．本文以杭州市出租车大数据为例，从地图空间结合多种可视化方法着手，解决现有的地理空间数据可视化方法中存在的可视区域狭小、有限地图空间难以容纳大量的可视化元素以及在常规地图上结合复杂的可视化方法造成的视觉负担等问题．本文利用ＯｐｅｎＳｔｒｅｅｔＭａｐ对地图上的道路进行扩展获得开阔的道路空间，将出租车数据映射到扩展后的道路上进行直观分析，提出了一条探索单视图结合数据可视化分析方法的新途径．４６１２计算机辅助设计与图形学学报 第２６卷①ｈｔｔｐ：??ｗｗｗ．ｃｏｌｏｒａｄｏ．ｅｄｕ?ｉｂｓ?ＰＯＰ?ｃｃｅｍｃｏｎｆ?ｔｏｂｌｅｒ＿ｄｉｓｐｌａｙ＿ａｎａｌｙｓｉｓ．ｐｄｆ２　本文算法描述２．１　数值区间聚类算法大数据量分析的首要任务是将其合理地归类，而聚类分析就是将数据合理归类的一种方法，它把分类对象按一定的规则分组或归类．聚类分析作为数据挖掘中常用的分析方法，是对于静态数据分析的一门技术，用于从大量数据中寻找隐含的数据分布和模式，在机器学习、数据挖掘、模式识别、图像分析以及生物信息等许多领域受到广泛应用．比较有代表性的聚类技术是基于几何距离的聚类方法，如欧氏距离、曼哈顿距离等，本文采用欧氏距离计算类簇间的距离．聚类在数据可视化领域的成功应用有Ａｎｄｒｉｅｎｋｏ等提出的马赛克图聚类轨迹点［１７］、分段聚类车辆轨迹［１８］，以及基于词分析、因素分析和聚类分析的文本聚类．通过聚成类簇将原始数据划分为若干类，需要人的参与在每一类中寻找模式或各种潜在的有用信息，这也是可视分析的惯用模式．对于密集型的数据可视化，往往由于过于密集的可视图标而使得过多的细节信息无法在狭小的空间中得出整体规律．从实时数据处理和数据存储角度考虑，交互过程中绘制过多的详细信息会耗费大量云端服务器的处理时间和绘制效率．为此，本文参考ＲａｎｋＥｘｐｌｏｒｅｒ［２３］中采用的集合分割算法，使用贪心策略将处于同一区间内的元素值按类簇均值聚成多个类簇，聚类准则如下：１）当前类簇的均值与下一个包含的速度值的距离尽量小，每个类簇内的元素值要尽可能地接近，使得类簇后集合均值尽可能真实地反映原有的元素值．类簇与类簇之间的均值差应该尽可能的大．２）尽可能将拥有相近数值的元素聚合在一起，以减少原有数值随时间的波动．这个准则已普遍用于大多数聚类算法，可用于有序和无序数值数据在指定区间范围内的类簇，其数学模型表示如下：大小为Ｎ的原始数据集为Ｄ＝｛ｖｉ有序或无序数值，ｉ∈［１，Ｎ］｝，Ｄ上的聚类结果为Ｃ＝｛ｃｋ＝［ｇｋ，ｌｋ］｜ｋ∈［１，Ｋ］，ｇｋ和ｌｋ分别是第ｋ个类簇的起点下标和长度，ｌ为类簇个数｝．根据方差第一条聚类准则ｆ１（ｃｋ）＝Ｄ（ｇｋ，ｌｋ）＝Ｘ２（ｇｋ，ｌｋ）－Ｘ（ｇｋ，ｌｋ），其中，Ｘ２（ｇｋ，ｌｋ）＝１ｌｋ∑ｇｋ＋ｌｋ－１ｉ＝ｇｋｖ２ｉ，Ｘ（ｇｋ，ｌｋ）＝１ｌｋ∑ｇｋ＋ｌｋ－１ｉ＝ｇｋｖｉ．第二条聚类准则表示为ｆ２（ｃｋ）＝Ｎ?ｌｋ．结合以上２条准则，聚类的目标是使ｆｃ＝∑Ｋｋ＝１（１－α）ｆ１（ｃｋ）＋αｆ２（ｃｋ）（１）的值最小．根据用户输入的α聚类因子，调整类簇长度改变聚类结果偏向离散或规整，以达到合理的分析结果．聚类算法流程如下：输入．指定区间的离散数值数据，聚类因子α，类簇距离阈值δ．输出．聚类结果Ｃ＝｛ｃ１，ｃ２，…，ｃＫ｝．Ｓｔｅｐ１．初始化ｋ＝０，ｉ＝０．Ｓｔｅｐ２．初始化当前聚类ｃｋ的起始位置为ｇｋ＝ｉ，ｌｋ＝１．Ｓｔｅｐ３．将当前数据点ｖｉ加入类簇ｃｋ，ｌｋ＝ｌｋ＋１，计算类簇中心．Ｓｔｅｐ４．如果已遍历所有数据点，则执行下一步．Ｓｔｅｐ５．判断是否扩展类簇ｃｋ使其囊括下一个数据点的方法如下：如果ｖｉ＋１与类簇ｃｋ中心的距离超过阈值δ，则停止扩充当前类簇，ｋ＝ｋ＋１，ｉ＝ｉ＋１，转Ｓｔｅｐ２，开始扩充下一个类簇；否则，继续扩充当前类簇，ｉ＝ｉ＋１，转Ｓｔｅｐ３．Ｓｔｅｐ６．输出聚类结果Ｃ．在式（１）中，聚类因子α用来平衡这２条准则对聚类结果的影响．当１－α＜α时，类簇数量多且分散和杂乱；反之，聚类效果规整．为获得式（１）的最优解，即最佳的聚类效果，采用贪心策略尽可能多地将邻近值加入当前类簇中，减少类簇值的波动．本文通过实验发现，当α＝０．１５及α＝０．３时，应用样例数据可获得较好的聚类效果，分别保留了原始数据集中３６％和２１％的数值变化信息，可以减少局部数值频繁变化对数值规律的影响．本文中的实验数据采用杭州市出租车ＧＰＳ数据，其有序地记录了从ｔ１～ｔｎ时刻的车辆速度均值ｖ１，ｖ２，…，ｖｎ，若对相邻的元素根据速度值赋予不同的颜色，如速度值＜２０ｋｍ?ｈ使用红色、速度值为２０～４０ｋｍ?ｈ使用黄色、速度值＞４０ｋｍ?ｈ使用深绿色，则可视效果会因为元素颜色变化纷乱而难觅规律．对其应用上文的聚类算法后，原有颜色变化过于频繁的元素被聚集成数个类簇，根据类簇均值赋予离散颜色，规整后的统计图有利于发现数值整体变化规律．但是，数值区间聚类不可避免地会出现细节的丢失，单个元素的数值信息被隐藏，可通过聚类因子α调整类簇数目，控制可视化效果的全局、细节效果和绘制效率．５６１２第１２期何贤国，等：出租车ＧＰＳ大数据的道路行车可视分析２．２　矢量曲线特征点提取算法大数据量的压缩处理技术在地形分析、三维建模、数据挖掘中被大量使用，现阶段大量技术可支持快速降维，如主成分分析和离散傅里叶变换［２４］，或者针对时空数据降维的多维时空数据回归［２５］，减少空间数据的数据量对数据的加工处理、数据的管理及传输具有重要意义．矢量曲线压缩在地理仿真、地图数据库建设及地理信息研究中具有重要的意义，数据压缩的主要目的是删除冗余数据、减少数据的存储量及加快后继处理速度．由于本文是按小时统计的密集数据点的曲线绘制，过多的数据点被绘制在狭小的地图空间会造成曲线控制点冗余和不平滑，因此，降低存储的数据密度可减少服务器端数据存储量，达到实时处理、绘制数据的目的．本文采用经典的Ｄｏｕｇｌａｓ－Ｐｅｕｃｋｅｒ算法［２６－２７］，以少量体现曲线特征的数据点替代原有密集的时序数据，保留原有曲线的走势特征，其中特征点称为ＰＩＰｓ（ｐｅｒｃｅｐｔｕａｌｌｙ　ｉｍｐｏｒｔａｎｔ　ｐｏｉｎｔｓ）．实现过程可简单描述如下：首先将曲线的首尾点相连得到直线方程Ｌ（ｘ，ｙ）＝Ａｘ＋Ｂｙ＋Ｃ，然后在起点ｐｓ（ｘｓ，ｙｓ）和终点ｐｅ（ｘｅ，ｙｅ）之间的数据点集合中找出到此线段最大垂直距离的点ｐ（ｘｐ，ｙｐ），采用ＶＤ（ｐｓ，ｐｅ，ｐ）＝ｙｓ＋（ｙｅ－ｙｓ）·ｘｐ－ｘｓｘｅ－ｘ（）ｓ－ｙｐ（２）进行迭代得到曲线特征坐标，利用Ｄ（Ｌ，ｐ）＝Ａ·ｘｐ＋Ｂ·ｙｐ＋ＣＡ２＋Ｂ槡２（３）保留距离Ｄ（Ｌ，ｐ）＜阈值δ的坐标值．本文通过实验发现，当曲线特征阈值δ＝１时，应用于实验（曲线数据点大于１６８个，绘制在１８０像素大小的区域）数据集后，可将曲线数据点减少原有的７８％左右而不丢失曲线特征．对比原曲线，曲线走势与原有曲线相同，波峰、波谷位置保持原位特征不丢失，有效地减少了曲线绘制点，在减轻服务器端数据处理和传输压力的同时也加快了展示端的绘制速率．３　可视方法设计定制化地图目前在互联网上已有较成熟的应用，较主流的有Ｇｏｏｇｌｅ　Ｍａｐｓ，Ｃｌｏｕｄｍａｄｅ，ＯｐｅｎＳｔｒｅｅｔＭａｐ，它们允许用户通过ＡＰＩ定制个性化地图．针对现有地图道路空间过小，难以达到在其上放置可视化元素而不遮挡地图信息的目的，本文利用在线的地图工具ＯｐｅｎＳｔｒｅｅｔＭａｐ得到开阔道路的地图，从而获得了更多的道路空间．如图１ａ所示，通过拓展道路空间得到图１ｂ，图１ｃ拓展了地图上的所有道路，可以看出，原有狭长的道路空间变成了开阔的道路区域，可嵌入复杂的可视化图表．在开阔的道路上内嵌本文提出的２类可视化图表，最大程度地保留地图空间信息，用户在观察图表时可快速参照周围地理信息．本文以可交互的定制地图为背景，基于Ｈａｄｏｏｐ平台开发完成出租车ＧＰＳ数据可视分析系统，旨在依靠云平台的大数据存储和处理能力，利用可视化技术展示道路双向车辆运行情况（如平均车辆速度、车流量和车辆通过路段花费时间），解决大量时序数据在地图空间展示所造成的视觉混乱以及车辆方向与内嵌图表传达方向矛盾问题．图１　道路拓展示意图 对于在地图道路上绘图的颜色，本文采用Ｂｅｒｇｍａｎ等［２８］提供的颜色分类法以及ＣｏｌｏｒＢｒｅｗｅｒ①中离散型的颜色建议，地图主干道路采用黄色或浅黄色表示，为突出展示效果，可视化组件颜色表不包含黄色系．将速度分为８个递增区间，从０ｋｍ?ｈ开始，每个速度区间增量为１０ｋｍ?ｈ，分别对应于绿色、橙色和红色．本文中使用的可视化方法均用相同的离散颜色方案编码速度，采用颜色映射以减少因速度值过多或变化频繁所造成的颜色混乱．在有限的平面空间内使用图表等可视方式表现大量数据，接近或超过空间承载能力的可视图称之为“高密度图”，其数据集称为“高密度数据集”，如在６６１２计算机辅助设计与图形学学报 第２６卷①ｈｔｔｐ：??ｃｏｌｏｒｂｒｅｗｅｒ２．ｏｒｇ４０８８×２２２４像素大小的地图平面中路段长度为１８０像素，需展示２４×７个可视化组件，使得每个组件仅占１．０７个像素甚至更小．高密度图由于在有限平面上重复、大量地堆砌可视化元素，图表保留过多的细节信息难以展示其他的属性维度信息，有用信息被遮蔽．本文采用不同的图形编码和特征点提取的方式，减少高密度图带来的视觉混淆．３．１　离散型编码图箭头的本质属性是指示方向，通常用于指示数值变化方向，如Ｘ，Ｙ轴数值变化方向以及地理空间上物体移动轨迹或趋势变化，如大范围的人口迁移、疾病传播．以Ｔｏｂｌｅｒ提出采用箭头指示人口迁徙方向为参考，本文中将箭头作为图表组成元素直接嵌入到打开的道路内，利用其固有属性指示车流方向，箭头的颜色和大小分别表示车辆速度和车流量大小，分析车速与车流量的时序关系．为节省所占空间以容纳更多图标，箭头图使用的箭头图标为无箭尾的箭头元素，采用２种布局方式：高密度数据集（≥１个星期，数据点大于２４×７个）和低密度数据集（≤１天，数据点小于２４个）．每个箭头表示一个数据点，为以小时为单位的车辆统计信息：１）展示低密度数据集，以箭头宽度编码车流量，即图２ａ所示的编码方式Ａ，图中的时间标签标示该箭头所处１ｈ时间段的起点时刻；２）展示高密度数据集，如在４０８８×２２２４大小的地图平面，杭州市西湖区的道路段宽平均为１８０像素，而每个箭头约占１．５像素的位置，为高密度图，对于此情况箭头宽度相同而使用箭头高度表示车流量，即图２ｂ所示的编码方式Ｂ．图２ａ，图３ａ是２种编码方式应用到本文样例数据的效果图，图３ａ中灰色的长箭头是单日分割线．２种编码方式之间通过交互选择切换，在查看大量统计数据时采用编码方式Ｂ，用户选择某时间段的时间后以编码方式Ａ显示某一天内的数据细节．图２　２种箭头图编码方式图３　箭头图编码方式Ｂ 采用编码方式Ｂ展示高密度数据集时，虽然可容纳大跨度的时序数据，但也会因数据点过多、效果图细节特征过多导致颜色突变频繁，从中难以直接得出某时间段内速度值的变化规律，采用速度区间聚类算法对箭头图进行聚类（如图３所示）．相比于图３ａ，从图３ｂ中可明显看出箭头图的颜色变化趋于规整，如自东向西方向的车流，星期三１１：００～２３：００颜色均为淡绿色，该时间段车辆速度一直处于３０～４０ｋｍ?ｈ之间，车流量居高不下，可知该路段在这段时间内可能会有拥堵情况发生，聚类后的箭头图更容易得出速度变化规律．３．２　连续型编码图栈图常用于可视化带有类别特征的时序数据［３，２９］，数据类别层与层之间通常采用堆栈布局或非对称布局，可清晰地展示不同层之间数值随时间变化的趋势．本文中将道路的双向车流作为层数据，对于可视化双向道路数据，数值变化方向始终与其中一个车流方向相反，在每层内嵌方向箭头指示车流方向，减弱双向车流量数值变化所造成的视觉误导．２种栈图布局方式如下：１）沿坐标轴单侧排列层，以道路一侧作为栈图基线，适合同向对比数据变化趋势，如图４ａ所示；２）沿坐标双侧排列栈图层，以道路中心线作为双侧层的基线，适合单独观察车流量变化趋势，如图４ｂ所示．从图４可以看出，栈图展示１个星期的车辆统计数据共有２４×７个数据点，在地图路段内每个７６１２第１２期何贤国，等：出租车ＧＰＳ大数据的道路行车可视分析图４　２种栈图布局方式数据点间隔仅为１．０７个像素，曲线绘制点密集为高密度图，应用特征点提取算法将曲线数据点从２４×７删减到５０个点左右，保留了３０％的原始位置点信息．从提取后的特征点绘制效果图可以看出，应用特征点提取算法并未损失原图像波峰、波谷特征，曲线整体变化趋势依然相同，处理后的数据点可加快服务器端的数据读?写速度和绘制效率．栈图可增加速度编码信息，从图５ａ可以看出，添加速度属性后，通过观察颜色可知速度均在２０～４０ｋｍ?ｈ之间，但因速度值波动较大造成颜色繁多无规律，难以得出在某一时间范围内的车辆速度趋势．针对此问题，对其应用速度区间聚类算法规整速度值，取聚类因子α＝０．３，从图５ｂ可明显看出，颜色波动减少趋于平整，如自东向西方向星期二１３：００～２４：００、自西向东方向星期日９：００～２０：００速度值均保持在３０～４０ｋｍ?ｈ．图５　栈图添加速度属性效果图４　实验结果及分析本节以杭州市出租车ＧＰＳ大数据为样例，应用本文提出的２类可视化方法分析城市道路交通状况．采用的样例数据为２０１１年７—１１月杭州市出租车ＧＰＳ数据，数据集中总共包含了约８　０００辆出租车，每天的车辆位置点记录大约有１　２００万条，数据集大小为５００ＧＢ左右，将其分布式存储在Ｈａｄｏｏｐ平台上，其中每条ＧＰＳ记录包含出租车的７个主要属性如下：ＩＤ、车牌号、经纬度坐标、载客标志、记录入库时间、行驶方向和瞬时速度．本文将道路按路段分割，从路段角度分析道路不同区间的行车情况．异常记录处理在保证数据完整性的前期处理过程中有着重要意义．对原始数据集中主要的异常数据处理方式如下：１）若记录的数据属性项均为空值，仅有ＩＤ和车牌号，或数据项整体偏移，数值内容与记录属性不对应，则剔除该项记录；２）若数据属性项中表示位置（经纬度值缺失或记录错误）或时间的属性（入库时间项空值或时间值错误）错误，则以车辆载客标志位变化作为车辆轨迹分割点，找出包含该项记录的在轨迹中的前后位置点，取前后记录的经纬度或时间进行插值补充缺失项，对于车辆瞬时速度的缺失采用相同方法取前后车辆速度的平均值；３）若轨迹中记录点的日期时间属性非顺序排列，需对记录点所在的轨迹进行排序后重新插入到数据库．得到无异常的数据集后，将原始车辆位置点通过经纬度转换映射到地图平面，根据点对点和点对线的匹配算法进行位置点与地图匹配，将位置点坐标对ｐ（ｘｐ，ｙｐ）与地图路段坐标Ｓ（ｘｓ，ｙｓ），Ｅ（ｘｅ，ｙｅ）进行比对，计算位置点到轨迹的距离，取最小值ｍｉｎ（ＤｐＳ，ＤｐＥ，ＤｐＳＥ），其中ＤｐＳ，ＤｐＥ分别表示ｐ点到路段起点和终点的距离，ＤｐＳＥ表示ｐ点到路段ＳＥ的欧氏距离．得到基于路段按时间统计的车辆数据：双向车流量、平均车速和行驶时间．将处理后的数据分布式存储到云平台上，搭建系统框架图，如图６所示．在此平台中，为降低服务器由于底层操作系统而消耗的内存、硬盘等硬件资源，本文采用ＶＭｗａｒｅ公司推出的ｖＳｐｈｅｒｅ软件直接在裸机上创建虚拟机，并建立一个ＶＣｅｎｔｅｒ用于管理虚拟机．为实现数据分布式处理，在虚拟机上搭建了Ｈａｄｏｏｐ，采用ＨＢａｓｅ数据库对出租车ＧＰＳ数８６１２计算机辅助设计与图形学学报 第２６卷据进行存储管理，同时利用Ｈｉｖｅ将类ＳＱＬ转换为ＭａｐＲｅｄｕｃｅ任务，执行分布式查询ＨＢａｓｅ中的出租车ＧＰＳ数据［３０］．用本文提出的２类可视方法分析杭州市道路行车情况，通过对出租车行车情况的分析可从侧面反映出杭州市车辆的运行状况，为城市交通调度提供决策支持．图６　可视化分析平台总体框架图４．１　道路单行线特征分析单行或限行车辆道路是为缓解城市交通压力所设置的特殊车道，仅允许单方向通车，可以通过车流量的变化判断单行道路．杭州市西湖区文三路和文二路是特征较明显的单行道路，文三路上莫干山路到古翠路段车辆自东向西行驶，文二路同一区间内车辆行驶方向相反，２条主干道的行车方向构成西湖区的车流循环．从图７ａ箭头图编码方式Ｂ中可以看出，文三路（图下方）由东向西的指向箭头高度大于反方向箭头，且自西向东方向的箭头呈灰色（无车辆）或高度仅为最小高度（≤１０辆?ｈ），表明由东向西方向全天的车流量远大于相向车流量，文二路（图上方）自西向东方向发现同样规律，可知箭头图真实地反映了道路段上车流量情况．图７ａ中箭头高度随时间变化的趋势，反映了２条道路的４个路段车辆单行方向的车流量变化规律：深夜到凌晨车流量回落且车速维持在４０ｋｍ?ｈ以上，直到上班高峰期车辆逐渐增多、车速下降再至道路出现拥堵，此后午间到下午时间段车流减少，到下班高峰期后车流量回升且车速下降到３０ｋｍ?ｈ以下，车流量经过短暂的下落后在深夜增多．我们通过实地调研了解到，文二路、文三路作为西湖区的主干道，沿线有多个高新软件园和散布的多家公司，且东西方向是郊区到城区的主干道路，因此该道路上车流量在早高峰过后仅有少量的回落，晚高峰过后以及深夜随着大部分出租车出城休息才逐渐减少．对比图７ｂ中聚类后的效果，观察古翠路到学院路段，文二路、文三路单行道路箭头图颜色趋于整齐，从图上方红色箭头所指之处可以看出，文二路由西到东的车速在星期一、星期二、星期四箭头聚类区域有明显特征：０７：００～２０：３０时段车辆速度基本维持在２０～４０ｋｍ?ｈ之间，而车流量保持在１６０辆?ｈ，表示文二路在该路段上工作日内道路畅通情况不良，易出现拥堵．从图７ｂ下方红色箭头位置可以看出，文三路的车速在１个星期内保持４０～５０ｋｍ?ｈ的速度，如图下方红色箭头处，星期四、星期五在凌晨～２０：００车速均保持在４０ｋｍ?ｈ以上，凌晨时段车速偶尔会达到６０ｋｍ?ｈ．从图７ｃ采用以箭头宽度表示车流量的箭头图编码方式Ａ中可以看出，星期二文三路上教工路到学院路段符合单行线特征，在８：００～２０：００车流量呈现从低到高再到低的变化规律，在１２：００达到最大值．图７ｃ所示为２０１１－１１－０８统计数据的效果图，我们通过调查了解到该日为杭州植物园菊花展，游客可选择在文三路上经学院路到达附近的玉泉植物园，对中午车流量的增大产生一定影响．用户通过调整聚类算法中的聚类因子α，对采用箭头图编码方式Ｂ的图７ａ进行聚类，控制类簇数量（α越小类簇数越多，与原始图越接近，反之越少，类簇颜色趋于规整），得到图７ｂ的聚类效果，聚类图可容纳更大时间跨度数据的展示，适合大规模９６１２第１２期何贤国，等：出租车ＧＰＳ大数据的道路行车可视分析。