華一新，李　響，王麗娜，張　晶

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052

A Visualization Method for Personal Geotagged Data

HUA Yixin，LI Xiang，WANG Lina，ZHANG Jing

Intitute of Geospatial Information, Information Engineering University,Zhengzhou 450052, China

Foundation suppart： The National Natural Science Foundation for Young Scholars of China (No.41401467)；The National Natural Science Foundation of China(Nos.41271450;41371383);The National Key Technology Research and Development Program of the Ministry of Science and Techndogy of China(No.2012BAK12B02)

一種個(gè)人地理標(biāo)記數(shù)據(jù)的可視化方法

華一新，李響，王麗娜，張晶

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052

AVisualizationMethodforPersonalGeotaggedData

HUAYixin，LIXiang，WANGLina，ZHANGJing

IntituteofGeospatialInformation,InformationEngineeringUniversity,Zhengzhou450052,China

Foundationsuppart：TheNationalNaturalScienceFoundationforYoungScholarsofChina(No.41401467)；TheNationalNaturalScienceFoundationofChina(Nos.41271450;41371383);TheNationalKeyTechnologyResearchandDevelopmentProgramoftheMinistryofScienceandTechndogyofChina(No.2012BAK12B02)

摘要：個(gè)人地理標(biāo)記數(shù)據(jù)是個(gè)人通過(guò)筆記本、平板電腦或者手機(jī)等設(shè)備發(fā)布的包含地理位置且與個(gè)人相關(guān)的文本、照片和視頻等信息。本文針對(duì)個(gè)人地理標(biāo)記數(shù)據(jù)的特點(diǎn)，提出了一種適用于地理標(biāo)簽數(shù)據(jù)的可視化方法——個(gè)人地理標(biāo)記數(shù)據(jù)拓?fù)鋱D，并設(shè)計(jì)和實(shí)現(xiàn)了核心算法。為了比較和評(píng)估該方法的效能，對(duì)“文本列表”“普通地圖”和“標(biāo)記拓?fù)鋱D”3種用戶界面進(jìn)行了可用性測(cè)試，并對(duì)測(cè)試數(shù)據(jù)進(jìn)行了方差分析。測(cè)試結(jié)論表明，3種不同用戶界面在查找個(gè)人地理標(biāo)記數(shù)據(jù)的效率方面存在顯著性差異，其中文本列表和標(biāo)記拓?fù)鋱D均優(yōu)于普通地圖，文本列表和標(biāo)記拓?fù)鋱D在查找時(shí)間上的差異并不顯著，標(biāo)記拓?fù)鋱D在查找時(shí)間均值上略優(yōu)于文本列表。

關(guān)鍵詞：可視化;個(gè)人地理標(biāo)記數(shù)據(jù);可用性測(cè)試;方差分析

1引言

隨著移動(dòng)互聯(lián)網(wǎng)、衛(wèi)星導(dǎo)航技術(shù)、智能手機(jī)以及社交網(wǎng)站的成熟與流行，網(wǎng)絡(luò)上產(chǎn)生了大量與地理位置相關(guān)的個(gè)人文本、圖像、視頻等信息，與傳統(tǒng)信息不同的是，它們是由個(gè)人通過(guò)筆記本、平板電腦或者手機(jī)等設(shè)備發(fā)布的包含地理位置，與個(gè)人相關(guān)的信息(如騰迅微信的朋友圈或者新浪微博等)。我們將這一類數(shù)據(jù)統(tǒng)稱為個(gè)人地理標(biāo)記數(shù)據(jù)(英文稱“personalgeotaggeddata”或者“personalgeo-refereneddata”)。此類數(shù)據(jù)還有一種流行的說(shuō)法，稱之為志愿者地理信息(volunteeredgeographicalinformation，VGI)[1]或自發(fā)地理信息[2]，由MichaelF.Goodchild最早提出來(lái)[1]，但本文更強(qiáng)調(diào)數(shù)據(jù)的“個(gè)人性”，因此使用個(gè)人地理標(biāo)記數(shù)據(jù)這一稱謂。目前成熟的商業(yè)網(wǎng)站針對(duì)此類數(shù)據(jù)主要有兩種可視化方法：一是將文本和照片信息按照發(fā)表時(shí)間進(jìn)行組織，如圖1(a)所示(文本列表模式)；另外則是將地理標(biāo)記數(shù)據(jù)疊加到普通地圖上進(jìn)行顯示，如圖1(b)所示(普通地圖模式)。

圖1　可視化方法Fig.1　Method of visualization

第一種方法僅將空間位置以文本或者插圖的方式顯示在列表中,用戶無(wú)法以空間位置作為入口尋找自己感興趣的信息。第二種方法是傳統(tǒng)的專題數(shù)據(jù)可視化方法，但是由于個(gè)人地理標(biāo)記數(shù)據(jù)自身的特點(diǎn)，傳統(tǒng)的可視化方法存在如下兩個(gè)問(wèn)題：

(1) 與海量的基礎(chǔ)地理數(shù)據(jù)不同，個(gè)人地理標(biāo)記數(shù)據(jù)的數(shù)量非常有限，而標(biāo)記數(shù)據(jù)的空間密度變化卻非常大。如圖1(b)所示，該用戶的個(gè)人地理標(biāo)記數(shù)據(jù)包含了他所在居住地的飯店、公園和商業(yè)廣場(chǎng)等30多個(gè)地點(diǎn)，其他省市風(fēng)景名勝區(qū)、火車站、飛機(jī)場(chǎng)等20多個(gè)地點(diǎn)，以及歐洲的2～3個(gè)地點(diǎn)。只有在小比例尺條件下，該用戶地理標(biāo)記數(shù)據(jù)才能在地圖上完全顯示，但是由于該用戶所在地區(qū)的標(biāo)記數(shù)據(jù)密度過(guò)高，從而導(dǎo)致數(shù)據(jù)之間相互疊加，因此難以通過(guò)鼠標(biāo)單擊來(lái)獲得更為詳細(xì)的文本和照片信息，這樣必然會(huì)導(dǎo)致用戶頻繁地進(jìn)行縮放和漫游操作以訪問(wèn)所感興趣的地點(diǎn)。與此同時(shí)，境外區(qū)域的數(shù)據(jù)非常稀疏，在地圖上也顯得過(guò)于空曠。

(2) 個(gè)人地理標(biāo)記數(shù)據(jù)的用戶通常是自己或者其社交圈中的朋友,他們一般更多地關(guān)注個(gè)人或朋友發(fā)布的文本和照片信息，并不會(huì)過(guò)多的關(guān)心道路、地名等普通基礎(chǔ)地理要素，并且地圖上過(guò)多的地理要素容易干擾用戶對(duì)個(gè)人地理標(biāo)記信息的快速感知。

針對(duì)上述問(wèn)題，本文提出了一種新的適用于個(gè)人地理標(biāo)記數(shù)據(jù)(主要是文本和照片數(shù)據(jù))的可視化方法(簡(jiǎn)稱為標(biāo)記拓?fù)鋱D)，其核心思想是剔除地圖背景，放棄原始數(shù)據(jù)的精確性，僅保留數(shù)據(jù)的相對(duì)位置關(guān)系，對(duì)密集區(qū)域的點(diǎn)進(jìn)行拉伸，而對(duì)稀疏區(qū)域的點(diǎn)進(jìn)行壓縮。圖2(a)是某人分享的地理標(biāo)記照片和文字信息在普通地圖上的疊加顯示，圖2(b)和(c)依次是該圖的放大圖，而圖2(d)則是經(jīng)過(guò)變形后的地理標(biāo)記數(shù)據(jù)拓?fù)鋱D。

圖2　地理標(biāo)記數(shù)據(jù)的普通地圖疊加顯示和地理標(biāo)記數(shù)據(jù)拓?fù)鋱DFig.2　Overlapped display of geotagged data in general map and label cartogram

2核心算法

2.1理論基礎(chǔ)

標(biāo)記拓?fù)鋱D的理論基礎(chǔ)主要是認(rèn)知地圖(cognitivemap)[3]。認(rèn)知地圖又稱之為心象地圖(mentalmap),是人們對(duì)地圖或者地理環(huán)境的一種心象表達(dá)。認(rèn)知地圖與真實(shí)的地圖之間會(huì)存在扭曲(distortion),這種扭曲是正常認(rèn)知后的必然產(chǎn)物。一般說(shuō)來(lái)，在認(rèn)知地圖中，人們會(huì)對(duì)自己感興趣的地理位置作夸大處理，而對(duì)自己不感興趣或者有過(guò)很不愉快經(jīng)歷的地理位置作減弱處理，此外人們傾向于在水平或者垂直方向排列地理位置，同時(shí)習(xí)慣于90°或者45°角記憶地理位置之間的方向[4]。1933年HarryBeck設(shè)計(jì)的倫敦地鐵圖暗合了上述的空間認(rèn)知原理，成為了不朽的地圖經(jīng)典之作,如圖3所示[5]。

圖3　倫敦地鐵圖Fig.3　London tube map

近十年，圍繞倫敦地鐵圖的算法實(shí)現(xiàn)和可用性評(píng)價(jià)等研究非常多[6-10]，學(xué)術(shù)界將該類型的圖稱之為示意地圖(schematicmap)。但由于個(gè)人地理標(biāo)記數(shù)據(jù)主要是離散的點(diǎn)要素,而非線要素,因此這種示意圖并不適用于個(gè)人地理標(biāo)記數(shù)據(jù)。目前國(guó)內(nèi)外開始出現(xiàn)了個(gè)人地理標(biāo)記數(shù)據(jù)的可視化研究，但多數(shù)是針對(duì)如何將地理標(biāo)記的屬性、文本、照片等數(shù)據(jù)與地圖關(guān)聯(lián)起來(lái)[11-17]，也有部分學(xué)者嘗試通過(guò)“標(biāo)簽云”(tagcloud)的可視化方法，將較高詞頻的文本和地圖關(guān)聯(lián)起來(lái)[18-21]，但該方法僅適用于文本，并且“標(biāo)簽云”容易和地圖上原有的注記發(fā)生沖突。

在認(rèn)知地圖基本理論指導(dǎo)下，本文提出個(gè)人地理數(shù)據(jù)標(biāo)記拓?fù)鋱D應(yīng)遵循如下3條基本設(shè)計(jì)準(zhǔn)則：

(1) 簡(jiǎn)潔性，標(biāo)記拓?fù)鋱D僅顯示個(gè)人地理標(biāo)記數(shù)據(jù)，不顯示多余的地理要素信息。

(2) 正交性，變形之后的地理點(diǎn)位要保持原有的相對(duì)位置關(guān)系。即原始點(diǎn)V1在V2的左或者上方，變形后點(diǎn)Vnew1仍然要在Vnew2的左或者上方。

(3) 變比例尺性，即無(wú)論是一條街道上的若干熱點(diǎn)，還是橫跨大洋的若干地理位置都能顯示于同一幅圖上。

對(duì)于準(zhǔn)則(1)，只需控制基礎(chǔ)地理數(shù)據(jù)的加載即可，而實(shí)現(xiàn)準(zhǔn)則(2)和準(zhǔn)則(3)的核心方法是在保持方位正交性不變的前提下，對(duì)密集區(qū)域的點(diǎn)進(jìn)行拉伸，對(duì)稀疏區(qū)域的點(diǎn)進(jìn)行壓縮。

2.2算法設(shè)計(jì)

兩點(diǎn)間距離的簡(jiǎn)化方法是按X軸方向和Y軸方向分別進(jìn)行簡(jiǎn)化，如圖4所示。首先在X軸方向上對(duì)原始點(diǎn)V1和V2的距離進(jìn)行簡(jiǎn)化，當(dāng)兩點(diǎn)之間連線的夾角θ大于或者等于閾值Θ時(shí), X軸方向上兩點(diǎn)間距離簡(jiǎn)化為0；同理，在Y軸方向?qū)牲c(diǎn)間距離進(jìn)行簡(jiǎn)化，當(dāng)夾角θ小于閾值Θ時(shí)，Y軸方向上兩點(diǎn)間距離簡(jiǎn)化為1個(gè)單位距離。

圖4　兩點(diǎn)之間簡(jiǎn)化的基本原理　Fig.4　The basic principles of simplification between two points

對(duì)于多個(gè)點(diǎn),首先對(duì)所有點(diǎn)在X軸和Y軸方向上按照坐標(biāo)值的大小進(jìn)行排序，然后為每個(gè)點(diǎn)賦一個(gè)初始的排序坐標(biāo)。排序坐標(biāo)只表示點(diǎn)與點(diǎn)之間的位置次序，相鄰點(diǎn)無(wú)論距離遠(yuǎn)近，其在X軸或Y軸方向上的坐標(biāo)差都定義為單位1。當(dāng)兩個(gè)或兩個(gè)以上的點(diǎn)在某一方向上坐標(biāo)值相同時(shí)，則按照隨機(jī)順序?yàn)槠滟x值，在該方向上兩點(diǎn)之間的排序坐標(biāo)值之差仍為單位1。如果兩個(gè)或兩個(gè)以上的點(diǎn)在X和Y方向上坐標(biāo)值都相同，則檢查是否為同一點(diǎn)，若為同一點(diǎn)，將其合并成1個(gè)點(diǎn)。表1顯示了5個(gè)點(diǎn)的原始坐標(biāo)和初始排序坐標(biāo)數(shù)據(jù)。

表1示例點(diǎn)的原始坐標(biāo)和初始排序坐標(biāo)

Tab.1Theoriginalcoordinatesandtheinitialsortingcoordinatesofsamplepoints

點(diǎn)原始坐標(biāo)排序坐標(biāo)V1(101.693°E,23.4324°N)(0,1)V2(102.705°E,25.0483°N)(1,2)V3(106.716°E,21.9755°N)(2,0)V4(113.629°E,34.7366°N)(3,3)V5(116.321°E,39.9116°N)(4,4)

圖5　算法流程圖Fig.5　The flow chart of the algorithm

圖6　橫向X軸方向由左至右壓縮Fig.6　Horizontal compression from left to right in X-axis

圖7　縱向Y軸方向由下至上壓縮Fig.7　Vertical compression from down to up in Y-axis

2.3具體實(shí)現(xiàn)

按X軸方向排序

lstart ← 0;lend ← 0; k ← 0;

while k 〈 count-1:

δ ← 0

依據(jù)Δorig選擇合適的Θ值，Δorig越大該值

越大

for j ← lstart to lend+1

if(Δorig 〈 limits) δ ← 1; break;

if(θk+1,n<Θ) δ ← 1; break;

if(Yk+1= Yj) δ ← 1; break;

for j ← k+1 to count:

Xj← Xj-(Δ -δ);

k ← k + 1;

if(δ = 1) lstart← k; lend ← k;

if(δ = 0) lend ← k;

閾值Θ需根據(jù)實(shí)際數(shù)據(jù)進(jìn)行選擇，對(duì)于疏密不太劇烈的情況可以選擇一個(gè)固定的閾值Θ，對(duì)于疏密較為劇烈的情況可以選擇兩種或者兩種以上的閾值Θ。圖8為算法分別對(duì)10、20、50和100個(gè)位置點(diǎn)數(shù)據(jù)的處理結(jié)果(閾值Θ為30°和45°)，左側(cè)為原始坐標(biāo)圖，右側(cè)為算法生成的坐標(biāo)圖。從結(jié)果可以看出，原始坐標(biāo)密集的點(diǎn)區(qū)域在保持相對(duì)方向正確的前提下,基本上得到了有效的拉伸。

圖8　原始坐標(biāo)和算法生成坐標(biāo)對(duì)比圖Fig.8　Comparison charts of the original coordinates and the resulting coordinates

3可用性測(cè)試

3.1用戶界面的選擇

為了比較個(gè)人地理標(biāo)記拓?fù)鋱D的優(yōu)劣，本文針對(duì)3種界面進(jìn)行了可用性測(cè)試：文本列表、普通地圖、標(biāo)記拓?fù)鋱D，如圖9所示。文本列表界面通過(guò)VS2010MFC開發(fā)的，數(shù)據(jù)按照時(shí)間順序和地名進(jìn)行排列,當(dāng)選中某一行雙擊鼠標(biāo)時(shí),便會(huì)顯示出更為詳細(xì)的信息。普通地圖界面通過(guò)Google Maps API開發(fā)，個(gè)人地理標(biāo)記數(shù)據(jù)作為圖層疊加在Google地圖上。為了讓地名注記顯示更為清晰，選擇Google遙感影像作為地圖的初始背景；為了避免網(wǎng)絡(luò)延遲造成的測(cè)試結(jié)果不準(zhǔn)確，緩存了大部分興趣點(diǎn)所在區(qū)域的普通地圖和遙感影像數(shù)據(jù)；屏蔽了Google地圖的查詢功能，用戶只能通過(guò)放大、縮小和漫游找到所需的興趣點(diǎn)，當(dāng)用戶單擊某一個(gè)興趣點(diǎn)，會(huì)彈出更為詳細(xì)的信息。標(biāo)記拓?fù)鋱D通過(guò)VS2010MFC開發(fā)，操作與普通地圖用戶界面類似。

圖9　3種界面Fig.9　Three interfaces

3.2試驗(yàn)設(shè)計(jì)

試驗(yàn)采用了3種不同用戶界面(文本列表、普通地圖和標(biāo)記拓?fù)鋱D)×4種不同數(shù)量級(jí)別的個(gè)人地理標(biāo)記數(shù)據(jù)(10，20，50，100)的組合。測(cè)試任務(wù)是被試者分別通過(guò)3種不同的用戶界面找到所要求的照片及其相關(guān)信息。

被試者主要由在校12名大四學(xué)生(其中包括7名男生和5名女生)組成，平均年齡21歲(19～22歲)，裸眼或矯正視力正常，具備基本的電腦操作能力。由于被試者數(shù)量有限，若是采用組間設(shè)計(jì)的話，個(gè)體間的差異對(duì)試驗(yàn)的誤差影響相比于組內(nèi)設(shè)計(jì)的學(xué)習(xí)效應(yīng)和疲勞效應(yīng)可能會(huì)更大,因此本試驗(yàn)采用組內(nèi)設(shè)計(jì)，并對(duì)每位被試者的任務(wù)次序進(jìn)行了平衡處理以盡可能減小試驗(yàn)誤差。此外，一名本專業(yè)的博士生作為試驗(yàn)助理，具備一定的試驗(yàn)心理學(xué)的專業(yè)知識(shí)，熟悉可用性測(cè)試的過(guò)程和方法，輔助被試者完成測(cè)試，但在整個(gè)試驗(yàn)過(guò)程中不干涉被試者完成測(cè)試。

整個(gè)試驗(yàn)分為練習(xí)和試驗(yàn)兩個(gè)階段。首先由試驗(yàn)助理介紹整個(gè)試驗(yàn)過(guò)程和操作要求，然后試驗(yàn)助理會(huì)向被試者展示試驗(yàn)所要求找到的照片。被試者通過(guò)鼠標(biāo)和鍵盤操作，在3種不同類型的用戶界面上盡可能迅速準(zhǔn)確查找到相應(yīng)的照片。當(dāng)被試者能連續(xù)3次成功完成任務(wù)時(shí)，證明已經(jīng)熟悉該試驗(yàn)過(guò)程，可以進(jìn)入試驗(yàn)階段。試驗(yàn)階段除所使用數(shù)據(jù)與練習(xí)階段不同，其他方面均相同。整個(gè)試驗(yàn)過(guò)程，被試者測(cè)試所完成時(shí)間會(huì)被自動(dòng)記錄下來(lái)。并且，錄屏軟件會(huì)自動(dòng)記錄下每位被試者的操作視頻。試驗(yàn)結(jié)束后，如果試驗(yàn)助理對(duì)被試者操作有所疑問(wèn)，可以共同觀看視頻，以確定本次試驗(yàn)是否有效。

3.3試驗(yàn)分析

試驗(yàn)統(tǒng)計(jì)結(jié)果如表2所示,單從操作時(shí)間平均值上來(lái)看，當(dāng)點(diǎn)的個(gè)數(shù)≤20時(shí)，在查找時(shí)間上，文本列表>標(biāo)記拓?fù)鋱D>普通地圖。當(dāng)點(diǎn)的個(gè)數(shù)在50或者50以上時(shí)，試驗(yàn)結(jié)果表明標(biāo)記拓?fù)鋱D略微優(yōu)于文本列表。對(duì)于3種不同用戶界面在效率上的差異情況，進(jìn)行了進(jìn)一步的方差分析。

表3是雙因素方差分析的試驗(yàn)結(jié)果。用戶界面因素的檢驗(yàn)統(tǒng)計(jì)量F的觀測(cè)值為42.042，檢驗(yàn)的概率ρ值小于顯著水平0.05，拒絕零假設(shè)，表明不同界面之間存在顯著性差異。同樣對(duì)于不同數(shù)量級(jí)別個(gè)數(shù)的點(diǎn)，也存在顯著性差異。同時(shí)在表2中也可以看出兩因素之間交互作用顯著。

表2試驗(yàn)時(shí)間統(tǒng)計(jì)結(jié)果

Tab.2Timeforperonalgetaggeddata:userinterface×numberoflevels

s

表3雙因素方差分析試驗(yàn)結(jié)果

Tab.3Theexperimentalresultoftwo-factorvarianceanalysis

因變量:操作時(shí)間平方和自由度均方差F值Sig.值校正模型38794.822a113526.80218.8070.000截距70874.622170874.622377.9370.000用戶界面*數(shù)量級(jí)別3855.6926642.6153.4270.006用戶界面15768.30627884.15342.0420.000數(shù)量級(jí)別19170.82436390.27534.0760.000誤差11251.81160187.530總和120921.25572校正總和50046.63371

a. 決定系數(shù)=0.755(校正決定系數(shù)=0.734)

表4是用戶界面因素的多重驗(yàn)后檢驗(yàn)結(jié)果，選擇S-N-K(Student-Newman-Keuls)方法進(jìn)行均數(shù)之間的兩兩比較。在均衡子集表中,將文本列表和標(biāo)記拓?fù)鋱D歸為子集1，而將普通地圖單獨(dú)歸為子集2。均衡子集1，兩均數(shù)比較概率ρ值為0.744，遠(yuǎn)大于顯著水平0.05，因此認(rèn)為文本列表和標(biāo)記拓?fù)鋱D無(wú)顯著性差異，而普通地圖歸為第2組，因此認(rèn)為普通地圖與另兩種用戶界面的差異較顯著。

表4用戶界面因素的多重驗(yàn)后檢驗(yàn)

Tab.4Multiplecomparisonsforobservedmeansofuserinterfacefactor

Student-Newman-Keulsa,b;因變量：操作時(shí)間

用戶界面N均衡子集12標(biāo)記拓?fù)鋱D2420.268550—文本模式2421.565532—普通地圖24—52.289920Sig.—0.7441.000

每組均衡子集均數(shù)，基于Ⅲ型平方和；均方差誤差=187.530；a.調(diào)和均值樣本值=24；b.顯著水平Alpha=0.05

4結(jié)論與展望

通過(guò)對(duì)3種不同用戶界面的可用性測(cè)試，得到以下兩點(diǎn)結(jié)論：

(1) 用戶在查找個(gè)人地理標(biāo)記數(shù)據(jù)時(shí)，文本列表和標(biāo)記拓?fù)涞貓D兩種用戶界面在查找效率上優(yōu)于普通地圖。

(2) 在查找時(shí)間均值上，標(biāo)記拓?fù)涞貓D略微優(yōu)于文本列表；但方差分析表明，這種差異并不顯著。

與普通地圖相比，文本列表很難表現(xiàn)空間位置及其相互關(guān)系，而標(biāo)記拓?fù)涞貓D在表達(dá)空間位置和兼顧查找效率上找到了一個(gè)平衡點(diǎn)。因此，針對(duì)個(gè)人地理標(biāo)記數(shù)據(jù)數(shù)量有限而空間密度不均等特點(diǎn)，筆者認(rèn)為標(biāo)記拓?fù)鋱D是一種較好的適用于個(gè)人地理標(biāo)記數(shù)據(jù)的可視化方法，能夠成為社交網(wǎng)站用戶快速瀏覽他人地理標(biāo)記數(shù)據(jù)的一種新的可視化形式。但是，該方法在實(shí)際應(yīng)用中也會(huì)遇到一些問(wèn)題，比如由于地理標(biāo)記數(shù)據(jù)空間分布規(guī)律不盡相同，在數(shù)據(jù)量較大且分布密度劇烈變化時(shí)，需要選擇多個(gè)適合于不同疏密度的閾值Θ。另外，根據(jù)試驗(yàn)中部分被試者的感受，標(biāo)記拓?fù)鋱D過(guò)于簡(jiǎn)潔，以致于點(diǎn)數(shù)據(jù)之間的空間關(guān)系不夠明確，不便于直觀認(rèn)知。因此，需要進(jìn)一步改進(jìn)標(biāo)記拓?fù)渌惴?，使?biāo)記數(shù)據(jù)的布局更加合理；進(jìn)一步完善可視化形式，以便獲得更好、更直觀的認(rèn)知；同時(shí)，需要增加被試者人數(shù)，深入探索標(biāo)記拓?fù)鋱D視覺(jué)感知等認(rèn)知問(wèn)題。

參考文獻(xiàn)：

[1]GOODCHILDMF.CitizensasVoluntarySensors:SpatialDataInfrastructureintheWorldofWeb2.0[J].InternationalJournalofSpatialDataInfrastructuresResearch, 2007, 2:24-32.

[2]LIDeren,QIANXinlin.ABriefInformationofDataManagementforVolunteeredGeographicInformation[J].GeomaticsandInformationScienceofWuhanUniversity,2010,35(4):379-383 (李德仁, 錢新林. 淺論自發(fā)地理信息的數(shù)據(jù)管理[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版, 2010,35(4): 379-383.)

[3]MONTELLODR.CognitiveMap-DesignResearchintheTwentiethCentury:TheoreticalandEmpiricalApproaches[J].CartographyandGeographicInformationScience, 2002, 29(3): 283-304.

[4]TVERSKYB.RememberingSpaces[M]∥TheOxfordHandbookofMemory.NewYork：OxfordUniversityPress，2000: 363-378.

[5]GARLANDK,BECKHC.MrBeck’sUndergroundMap[M].StLeonards：CapitalTransport, 1994.

[6]BARKOWSKYT,LATECKIL,RICHTERKF.SchematizingMaps:SimplificationofGeographicShapebyDiscreteCurveEvolution[M]∥SpatialCognitionⅡ.Berlin：SpringerBerlinHeidelberg，2000: 41-53.

[7]CABELLOS,DEBERGM,VANKREVELDM.SchematizationofNetworks[J].ComputationalGeometry, 2005, 30(3): 223-238.

[8]LIZ,DONGW.AStroke-basedMethodforAutomatedGenerationofSchematicNetworkMaps[J].InternationalJournalofGeographicalInformationScience, 2010, 24(11): 1631-1647.

[9]MARKWAREJ,TAYLORGE,ANANDS,etal.AutomatedProductionofSchematicMapsforMobileApplications[J].TransactionsinGIS, 2006, 10(1): 25-42.

[10]MüLLERSAM,MFILLERM.GeneratingTopologicallyCorrectSchematicMaps[C]∥Proceedingsofthe9thIntSymponSpatialDataHandling.Zurich:[s.n.], 2000.

[11]JAFFEA,NAAMANM,TASSAT,etal.GeneratingSummariesandVisualizationforLargeCollectionsofGeo-referencedPhotographs[C]∥Proceedingsofthe8thACMinternationalworkshoponMultimediainformationretrieval.SantaBarbara：ACM，2006: 89-98.

[12]SLINGSBYA,DYKESJ,WOODJ,etal.InteractiveTagMapsandTagCloudsfortheMultiscaleExplorationofLargeSpatio-temporalDatasets[C]∥ProceedingsoftheInformationVisualization, 2007IV’07 11thInternationalConference.Zurich:[s.n.]，2007.

[13]WOODJ,DYKESJ,SLINGSBYA,etal.InteractiveVisualExplorationofaLargeSpatio-temporalDataset:ReflectionsonaGeovisualizationMashup[J].VisualizationandComputerGraphics,IEEETransactionson, 2007, 13(6): 1176-83.

[14]AITinghua,ZHOUMengjie,CHENYajie.TheLODRepresentationandTreeMapVisualizationofAttributeInformationThematicMapping[J].ActaGeodaeticaetCartographicaSinica, 2013,42(3):453-460.(艾廷華，周夢(mèng)杰，陳亞婕．專題地圖屬性信息LOD表達(dá)與TreeMap可視化[J]．測(cè)繪學(xué)報(bào)，2013,42(3):453-460.)

[15]SERDYUKOVP,MURDOCKV,VANZWOLR.PlacingFlickrPhotosonaMap[C]∥Proceedingsofthe32ndInternationalACMSIGIRConferenceonResearchandDevelopmentinInformationRetrieval.[S.l.]:ACM,2009.

[16]TOYAMAK,LOGANR,ROSEWAYA.GeographicLocationTagsonDigitalImages[C]∥ProceedingsoftheEleventhACMInternationalConferenceonMultimedia.[S.l.]：ACM，2003.

[17]CRANDALLDJ,BACKSTROML,HUTTENLOCHERD,etal.MappingtheWorld'sPhotos[C]∥Proceedingsofthe18thInternationalConferenceonWorldWideWeb.[S.l.]：ACM，2009.

[18]MACEACHRENA,STRYKERM,TURTONI,etal.HEALTHGeoJunction:Place-time-conceptBrowsingofHealthPublications[J].InternationalJournalofHealthGeographics, 2010, 9(1): 23.

[19]DINHQUYENN,SCHUMANNH.Taggram:ExploringGeo-dataonMapsthroughaTagCloud-basedVisualization[C]∥ProceedingsoftheInformationVisualisation14thInternationalConference.London:[s.n.]，2010.

[20]LEEB,RICHENH,KARLSONAK,etal.SparkClouds:VisualizingTrendsinTagClouds[J].IEEETransactionsonVisualizationandComputerGraphics, 2010, 16(6): 1182-1189.

[21]HUQingwu,WANGMing,LIQingquan.UrbanHotspotandCommercialAreaExplorationwithCheck-inData[J].ActaGeodaeticaetCartographicSinica,2014,43(3):314-321.(胡慶武，王明，李清泉.利用位置簽到數(shù)據(jù)探索城市熱點(diǎn)與商圈[J].測(cè)繪學(xué)報(bào)，2014,43(3)：314-321.)

(責(zé)任編輯：宋啟凡)

修回日期： 2014-05-06

Firstauthor：HUAYixin(1963—),male,professor,majorsinGISanditsapplication.

E-mail： 13607680789@163.com.

E-mail：Helloj2ee@126.com.

中圖分類號(hào)：P208

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-1595(2015)02-0220-08

基金項(xiàng)目：國(guó)家自然科學(xué)基金青年科學(xué)基金(41401467)；國(guó)家自然科學(xué)基金(41271450；41371383)；國(guó)家科技支撐計(jì)劃(2012BAK12B02)

收稿日期：2013-12-21

第一作者簡(jiǎn)介：華一新(1963—)，男，教授，研究方向?yàn)榈乩硇畔⑾到y(tǒng)及其應(yīng)用。

通信作者：李響

Corresponding author：LI Xiang

Abstract：Geotagged personal data, which are released by laptop, tablet PC or mobile device,contain personal data such as text, photos, video information and geographic position information. In this paper, we propose a new visualization method—the topological map of personal geotagged data (simply, the topological map) and provide the design and implementation of the core algorithm for the method. In order to evaluate the effectiveness of the method, we conduct an usability test for “a text list”, “ a thematic map” and “a topological map” and use analysis of variance(ANOVA) to deal with test data. The results show that the three kinds of user interfaces have statistically significant difference in terms of efficiency in finding personal geotagged data, and there are not significant difference between a text list and a topological map, while the latter is slightly faster than the former, however, both are significantly better than a thematic map.

Key words：visualization;personal geotagged data;usability test;AVOVA

引文格式：HUAYixin，LIXiang，WANGLina，etal.AVisualizationMethodforPersonalGeotaggedData[J].ActaGeodaeticaetCartographicaSinica,2015,44(2):220-227.(華一新，李響，王麗娜，等. 一種個(gè)人地理標(biāo)記數(shù)據(jù)的可視化方法[J].測(cè)繪學(xué)報(bào)，2015,44(2)：220-227.)DOI:10.11947/j.AGCS.2015.20130808