馬小東，趙凡，任芃錕

（1.中國(guó)科學(xué)院新疆理化技術(shù)研究所，烏魯木齊 830011；2.中國(guó)科學(xué)院大學(xué)，北京 100049；3.新疆民族語音語言信息處理實(shí)驗(yàn)室，烏魯木齊 830011）

0 概述

時(shí)空數(shù)據(jù)是指具有空間和時(shí)間維度的數(shù)據(jù)，通常用來描述某一對(duì)象的空間信息隨時(shí)間變化的狀態(tài)。隨著城市數(shù)字化轉(zhuǎn)型，城市中大量商業(yè)性場(chǎng)所每天會(huì)產(chǎn)生海量的駐留行為數(shù)據(jù)［1-3］。駐留行為數(shù)據(jù)是一種特殊的時(shí)空數(shù)據(jù)，是指用戶在某時(shí)間點(diǎn)進(jìn)入駐留場(chǎng)所，在駐留場(chǎng)所停留一段時(shí)間，在另一時(shí)間點(diǎn)離開駐留場(chǎng)所產(chǎn)生的行為記錄數(shù)據(jù)，常見場(chǎng)所如網(wǎng)吧、停車場(chǎng)、酒店等人員流動(dòng)發(fā)生頻繁的場(chǎng)所，這類數(shù)據(jù)記錄了大量用戶在相同或不同的駐留場(chǎng)所及其駐留時(shí)間長(zhǎng)短的信息，從中可以分析發(fā)現(xiàn)用戶發(fā)生駐留行為的模式，挖掘用戶間行為的相似性與相異性，判斷用戶間是否存在時(shí)空伴隨關(guān)系，從整體上分析駐留場(chǎng)所的流量來源及其分布。相關(guān)文獻(xiàn)［4-5］與研究成果在智慧城市建設(shè)與管理、營(yíng)商環(huán)境改善、數(shù)字化經(jīng)濟(jì)提升等方面均具有重要作用。

針對(duì)駐留行為數(shù)據(jù)的分析，現(xiàn)有方法采用數(shù)據(jù)統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)等技術(shù)對(duì)海量時(shí)空數(shù)據(jù)進(jìn)行挖掘［6-7］，如何用更靈活有效的方式發(fā)現(xiàn)駐留行為數(shù)據(jù)并挖掘用戶間潛在的時(shí)空伴隨關(guān)系是該領(lǐng)域的難點(diǎn)和重點(diǎn)。數(shù)據(jù)可視分析技術(shù)能有效分析駐留行為數(shù)據(jù)，根據(jù)用戶駐留行為數(shù)據(jù)的時(shí)空分布，總結(jié)用戶行為模式，簡(jiǎn)化復(fù)雜的時(shí)空數(shù)據(jù)，直觀發(fā)現(xiàn)用戶伴隨關(guān)系，提高分析人員的效率和分析方法的正確性。本文以兩個(gè)真實(shí)數(shù)據(jù)集為基礎(chǔ)，使用可視分析技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行處理，提取相關(guān)的時(shí)空特征并發(fā)現(xiàn)用戶伴隨關(guān)系，同時(shí)以駐留場(chǎng)所不同時(shí)段的用戶來源及流量分析為目標(biāo)，設(shè)計(jì)多種可視分析視圖，實(shí)現(xiàn)交互式的可視化系統(tǒng)。

1 相關(guān)工作

駐留行為數(shù)據(jù)與簽到日志數(shù)據(jù)較為相似，許多研究對(duì)簽到日志數(shù)據(jù)進(jìn)行分析并優(yōu)化資源分配，為相關(guān)行業(yè)提供支持［8-10］。文獻(xiàn)［11］使用社交媒體簽到數(shù)據(jù)，通過聚類方法對(duì)城市熱點(diǎn)區(qū)域進(jìn)行探索，分析得出租車不同的需求區(qū)域。文獻(xiàn)［12］利用商場(chǎng)的WiFi 日志來分析用戶偏好，基于時(shí)間特征和偏好為用戶推薦商品。文獻(xiàn)［13］提出結(jié)合關(guān)聯(lián)聚類與社交模式聚類的分析模型，對(duì)社交網(wǎng)站的用戶活動(dòng)進(jìn)行分析，探索相似的用戶活動(dòng)。針對(duì)日志類數(shù)據(jù)的稀疏性，文獻(xiàn)［14］采用動(dòng)態(tài)子空間策略，在多個(gè)時(shí)間片上分析相似行為，減少參數(shù)設(shè)定對(duì)結(jié)果的影響。文獻(xiàn)［15］提出一種基于分布式的SimRank NMF 社區(qū)發(fā)現(xiàn)算法，解決大規(guī)模復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)質(zhì)量低下的問題。文獻(xiàn)［16］對(duì)超市日志數(shù)據(jù)進(jìn)行分析，了解客戶的消費(fèi)偏好，從而改善經(jīng)營(yíng)情況。文獻(xiàn)［17］結(jié)合哈希迭代剪枝算法與摘要信息剪枝兩層算法，有效去除算法中間冗余結(jié)果。

可視分析技術(shù)越來越多地用于探索用戶行為模式，利用可視分析技術(shù)對(duì)海量復(fù)雜的時(shí)空數(shù)據(jù)進(jìn)行分析成為可視化研究的熱點(diǎn)方向。文獻(xiàn)［18］提出一種基于隱喻的象形視圖結(jié)合熱圖的方案，通過多種視圖交互探索用戶的空間移動(dòng)模式。文獻(xiàn)［19］使用基于像素的圍巾圖和時(shí)空立方體圖來可視化訪客記錄數(shù)據(jù)，分析人員移動(dòng)模式，在會(huì)場(chǎng)、商場(chǎng)中有重要的應(yīng)用。文獻(xiàn)［20］使用時(shí)間柱狀圖、平行坐標(biāo)圖以及嵌套餅圖的空間分布熱力圖，分析犯罪數(shù)據(jù)的多維屬性。文獻(xiàn)［21］提出邊緣采樣方法，利用邊緣重疊度減少M(fèi)SV 的視覺雜波影響，同時(shí)保留通信的時(shí)變特性。文獻(xiàn)［22］將地理熱力圖和打包圖相結(jié)合，探索公共交通系統(tǒng)中具有相似移動(dòng)模式的人員，用兩個(gè)嵌套的環(huán)狀元素對(duì)比兩對(duì)象間多時(shí)段的移動(dòng)模式。文獻(xiàn)［23］通過結(jié)合詞云圖、時(shí)間河流圖、地圖以及帶有釋義的立方體視圖等多視圖，探索社交媒體數(shù)據(jù)的時(shí)空模式。文獻(xiàn)［24］使用地理地圖發(fā)現(xiàn)移動(dòng)人員的行為規(guī)律。文獻(xiàn)［25］使用多維數(shù)據(jù)可視化技術(shù)，對(duì)群體行為規(guī)律與模式采用模糊聚類算法，發(fā)現(xiàn)具有相似行為模式的用戶。

根據(jù)駐留數(shù)據(jù)產(chǎn)生的時(shí)間跨度長(zhǎng)且稀疏的特點(diǎn)，綜合上述分析方法和可視化技術(shù)對(duì)駐留行為數(shù)據(jù)的分析，仍存在時(shí)間跨度上伴隨關(guān)系發(fā)現(xiàn)不完善、無法在多個(gè)時(shí)間片上對(duì)數(shù)據(jù)進(jìn)行可視分析探索、數(shù)據(jù)的多維度可視化表達(dá)不明確等問題。因此，本文使用改進(jìn)的可變滑動(dòng)窗口算法并結(jié)合可視分析技術(shù)，設(shè)計(jì)多變量表達(dá)的示意性地圖、用戶關(guān)系圖、時(shí)間甘特圖、徑向條形圖、日歷熱力圖等多種視圖，通過多視圖交互分析駐留行為數(shù)據(jù)，展現(xiàn)數(shù)據(jù)的多個(gè)維度，支持探索不同時(shí)段的伴隨關(guān)系和流量統(tǒng)計(jì)分析，發(fā)現(xiàn)數(shù)據(jù)背后隱藏的行為模式。

2 駐留行為數(shù)據(jù)分析

駐留行為數(shù)據(jù)包含大量用戶出入不同場(chǎng)所的流動(dòng)信息，從中能夠得到具有時(shí)空伴隨關(guān)系的用戶，并運(yùn)用有效的可視分析技術(shù)挖掘用戶駐留行為規(guī)律，對(duì)營(yíng)商管理者有著重要的意義。

2.1 數(shù)據(jù)描述

本文使用的數(shù)據(jù)集是2019 年9 月—2019 年11 月新疆維吾爾自治區(qū)網(wǎng)吧記錄以及停車場(chǎng)記錄數(shù)據(jù)集。在兩個(gè)數(shù)據(jù)集中對(duì)涉及個(gè)人及場(chǎng)所隱私信息的數(shù)據(jù)字段，均做脫敏處理。每條駐留行為記錄可以表示為用戶d（人員或者車輛）在開始時(shí)間戳t時(shí)進(jìn)入某駐留場(chǎng)所s，在結(jié)束時(shí)間戳t′時(shí)離開，生成一條駐留記錄R。全部駐留行為記錄可以表示為Ri={di，ti，，si}，i=1，2，…，N，其中：si={xi，yi，ni}，x、y表示駐留場(chǎng)所的經(jīng)緯度坐標(biāo)，n表示駐留場(chǎng)所名稱編號(hào)信息，i表示該用戶的第i條駐留行為記錄；用戶d包含用戶的唯一標(biāo)識(shí)等信息，如人員的ID、車牌號(hào)、籍貫等。

由于營(yíng)商場(chǎng)所的日均人流量很大，因此通過產(chǎn)生的數(shù)據(jù)可以分析用戶的駐留行為模式，同時(shí)人員流量分析也是非常重要的，以便分析者更好地了解駐留場(chǎng)所的流量情況。本文的目標(biāo)是使用可視分析技術(shù)發(fā)現(xiàn)具有相似行為模式的用戶和分析駐留場(chǎng)所流量變化，分析任務(wù)具體為：1）從大量的駐留數(shù)據(jù)中發(fā)現(xiàn)具有時(shí)空相似關(guān)系的用戶，結(jié)合可視分析技術(shù)驗(yàn)證其合理性；2）通過駐留數(shù)據(jù)分析各個(gè)駐留場(chǎng)所的人員來源，為場(chǎng)所管理人員的管理和經(jīng)營(yíng)提供便利；3）基于駐留數(shù)據(jù)展示不同人群的流量變化，并從中分析人員的移動(dòng)規(guī)律。

2.2 系統(tǒng)架構(gòu)

根據(jù)駐留行為數(shù)據(jù)特征和分析任務(wù)，設(shè)計(jì)并實(shí)現(xiàn)時(shí)空伴隨關(guān)系發(fā)現(xiàn)及流量分析系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)可視化3 個(gè)模塊，如圖1 所示。數(shù)據(jù)處理模塊是對(duì)原始數(shù)據(jù)進(jìn)行處理，提取重要特征。數(shù)據(jù)分析模塊是對(duì)用戶行為模式進(jìn)行挖掘，發(fā)現(xiàn)具有伴隨關(guān)系的人員。數(shù)據(jù)可視化模塊使用用戶關(guān)系圖結(jié)合時(shí)間甘特圖對(duì)用戶間的伴隨關(guān)系進(jìn)行分析驗(yàn)證，設(shè)計(jì)多種可視化視圖對(duì)駐留場(chǎng)所的流量分布、來源等特征進(jìn)行多時(shí)段的可視分析。

圖1 系統(tǒng)流程Fig.1 System process

2.3 駐留行為數(shù)據(jù)

在駐留行為數(shù)據(jù)分析階段，以具有較為明顯的時(shí)空伴隨關(guān)系的網(wǎng)吧數(shù)據(jù)為基礎(chǔ)，采用改進(jìn)的基于可變滑動(dòng)窗口的數(shù)據(jù)挖掘算法。

首先，為了減少偶然因素，將上網(wǎng)記錄數(shù)量少于3次的用戶剔除（數(shù)據(jù)集中最大上網(wǎng)次數(shù)為22 次），將每條上網(wǎng)記錄的開始上網(wǎng)時(shí)間戳t、結(jié)束時(shí)間戳t′、網(wǎng)吧編號(hào)n、用戶ID 表示為L(zhǎng)i=[di，ti，，ni]，i=1，2，…，N。將這些數(shù)據(jù)按照上線時(shí)間升序排列。

其次，設(shè)置時(shí)間閾值為1 min，將初始滑動(dòng)窗口大小設(shè)為第一條記錄上線時(shí)間到閾值時(shí)間區(qū)間內(nèi)所包含的記錄個(gè)數(shù)，滑動(dòng)窗口大小隨著數(shù)據(jù)分布變化，計(jì)算所有滑動(dòng)窗口大小與位置。當(dāng)窗口滑動(dòng)時(shí)，記錄窗口內(nèi)所有記錄的下線時(shí)間和駐留場(chǎng)所地點(diǎn)并分別進(jìn)行對(duì)比，并記錄時(shí)間差在閾值時(shí)間區(qū)間內(nèi)的次數(shù)，若兩次記錄在同一場(chǎng)所內(nèi)發(fā)生，賦予權(quán)重為1。

最后，利用用戶之間的權(quán)重，構(gòu)造用戶關(guān)系圖的節(jié)點(diǎn)信息和邊信息，為時(shí)空伴隨關(guān)系視圖的可視化進(jìn)行數(shù)據(jù)準(zhǔn)備。

3 可視分析系統(tǒng)設(shè)計(jì)

3.1 多變量表達(dá)的示意性地圖

在分析各個(gè)駐留場(chǎng)所的數(shù)據(jù)時(shí)，設(shè)計(jì)多變量表達(dá)的示意性地圖，通過對(duì)行為模式分布的可視化，得到該駐留場(chǎng)所多個(gè)維度的分析情況，對(duì)場(chǎng)所內(nèi)的流量、人員的來源分布、平均駐留時(shí)長(zhǎng)等基本情況進(jìn)行展示。

基于地理視圖的流量統(tǒng)計(jì)可視化方法的不足之處主要為：1）由于地理地圖劃分不規(guī)整，存在一些區(qū)域或行政地區(qū)的形狀和輪廓不連續(xù)，在統(tǒng)計(jì)地區(qū)特征時(shí)，視覺元素會(huì)有遮擋，從而無法精準(zhǔn)得出對(duì)比結(jié)果；2）可展示維度有限，對(duì)于統(tǒng)計(jì)型地圖，區(qū)域的屬性值才是重要的可視化要素。

因此，本文設(shè)計(jì)多變量表達(dá)的示意性地圖，如圖2 所示，示意性地圖是一種以對(duì)象的大小來表示地理對(duì)象特征的圖形表達(dá)方法，使用數(shù)學(xué)法則對(duì)地圖進(jìn)行變換，使地理對(duì)象間的距離或者區(qū)域的面積與需要表達(dá)的某個(gè)特征值成比例關(guān)系，進(jìn)而得到另一種地理視圖的表達(dá)。

圖2 多變量表達(dá)的示意性地圖設(shè)計(jì)過程Fig.2 Design process of the schematic map of multivariable representation

圖2（a）表示單個(gè)圖元的形成過程，其中：圓表示一個(gè)來源地點(diǎn)，圓的大小表示單數(shù)值特征，比如該地點(diǎn)的總?cè)肆髁?；圓內(nèi)嵌套環(huán)狀元素表示分類數(shù)據(jù)特征，如該類流動(dòng)人口的平均駐留時(shí)長(zhǎng)等；環(huán)內(nèi)嵌套折線圖展示了具有時(shí)序特征的數(shù)據(jù)，比如一個(gè)時(shí)間段（日、周、月）內(nèi)流量隨時(shí)間的變化。在圖2（b）中，折線圖將一天24 h 分為12 個(gè)時(shí)間段，對(duì)各時(shí)段的流量進(jìn)行可視化。在示意性地圖中加入了各類數(shù)據(jù)的表示圖例，以及對(duì)特定時(shí)間片的交互探索，鼠標(biāo)懸停相應(yīng)的元素顯示該數(shù)據(jù)的大小或比例。多種變量的表達(dá)將多個(gè)視圖結(jié)合成一個(gè)視圖，可以對(duì)數(shù)據(jù)的多個(gè)維度進(jìn)行充分描述。

多變量表達(dá)的示意性地圖生成算法具體如下：

算法1多變量表達(dá)的示意性地圖生成算法

3.2 時(shí)空伴隨關(guān)系視圖

在探索用戶間時(shí)空伴隨關(guān)系時(shí)，設(shè)計(jì)基于力導(dǎo)向的關(guān)系視圖結(jié)合時(shí)間甘特圖表現(xiàn)具有時(shí)空伴隨關(guān)系的用戶，如圖3（a）所示。在用戶關(guān)系圖中：每一個(gè)圓形節(jié)點(diǎn)代表一個(gè)用戶；節(jié)點(diǎn)的大小代表用戶駐留行為發(fā)生的次數(shù)；兩個(gè)節(jié)點(diǎn)之間的連線表示時(shí)空伴隨關(guān)系，是指兩個(gè)用戶的駐留行為數(shù)據(jù)記錄中存在駐留場(chǎng)所一致，以及駐留開始與結(jié)束時(shí)間區(qū)域存在重合現(xiàn)象；圓的顏色表示該用戶伴隨關(guān)系發(fā)生的次數(shù)，對(duì)于伴隨關(guān)系發(fā)生不頻繁的節(jié)點(diǎn)在視圖的邊緣位置，對(duì)于有頻繁伴隨關(guān)系的節(jié)點(diǎn)加入交互操作，鼠標(biāo)懸停相應(yīng)的節(jié)點(diǎn)后會(huì)單獨(dú)顯示與該節(jié)點(diǎn)有伴隨關(guān)系的節(jié)點(diǎn)；左上角顯示節(jié)點(diǎn)ID、上網(wǎng)次數(shù)、籍貫、生日等信息，支持對(duì)感興趣的用戶進(jìn)行搜索。

在進(jìn)一步探索用戶間的時(shí)空伴隨關(guān)系時(shí)，系統(tǒng)使用時(shí)間甘特圖展示多個(gè)用戶間的時(shí)空伴隨關(guān)系。甘特圖展示了用戶間的駐留行為發(fā)生的時(shí)間區(qū)間和場(chǎng)所，從而判斷兩個(gè)用戶在時(shí)間和空間維度上是否有重合現(xiàn)象出現(xiàn)。在時(shí)間甘特圖中：橫坐標(biāo)表示時(shí)間片上的各個(gè)時(shí)間點(diǎn)；縱坐標(biāo)表示每次駐留行為發(fā)生的用戶ID。若該用戶在某個(gè)時(shí)間片上發(fā)生了駐留行為，則相應(yīng)的橫縱坐標(biāo)對(duì)應(yīng)的區(qū)域會(huì)有條狀矩形顯示，坐標(biāo)軸下方是數(shù)據(jù)的縮略圖，支持刷選框的滑動(dòng)，靈活探索時(shí)間多尺度的駐留時(shí)長(zhǎng)，如圖3（b）所示。當(dāng)鼠標(biāo)懸停在條狀元素上時(shí)，顯示駐留場(chǎng)所編號(hào)、開始時(shí)間及結(jié)束時(shí)間等信息，其中條狀元素的灰度顏色表示駐留行為發(fā)生的場(chǎng)所，若兩個(gè)用戶在同一時(shí)間片及同一駐留場(chǎng)所內(nèi)有行為記錄，則被視為具有時(shí)空伴隨關(guān)系。

圖3 時(shí)空伴隨關(guān)系發(fā)現(xiàn)Fig.3 Discovery for spatio-temporal adjoint relations

3.3 統(tǒng)計(jì)特征視圖

系統(tǒng)使用空間特征視圖來展示駐留場(chǎng)所的空間特征分布，使用直觀的地理地圖展示用戶駐留行為數(shù)據(jù)的空間分布。在空間特征分布視圖中，每個(gè)點(diǎn)表示一個(gè)駐留場(chǎng)所，點(diǎn)的大小表示該駐留場(chǎng)所的流量大小，如圖4（a）所示?？臻g特征分布視圖支持縮放和點(diǎn)擊交互操作。通過縮放來查看數(shù)據(jù)集整體的人流量的空間分布以及場(chǎng)所周邊的地理信息。點(diǎn)擊操作可以聯(lián)動(dòng)其他視圖以展示該駐留場(chǎng)所的人群來源、各時(shí)段流量分析等。鼠標(biāo)懸停在相應(yīng)的駐留場(chǎng)所（即黑色圓點(diǎn)），顯示場(chǎng)所地點(diǎn)、場(chǎng)所流量排名以及熱度等信息。

在對(duì)駐留場(chǎng)所不同來源的人群進(jìn)行行為特征可視分析時(shí)，采用徑向條形圖來統(tǒng)計(jì)不同年齡階段的駐留行為模式，每個(gè)環(huán)表示一個(gè)類別的統(tǒng)計(jì)，環(huán)內(nèi)是每個(gè)類別的數(shù)據(jù)占比，環(huán)的底部交互顯示駐留場(chǎng)所的名稱以及該駐留場(chǎng)所在此類場(chǎng)所中的熱度和排名，最下方顯示該駐留場(chǎng)所的本地人口與外來人口的占比。圖4（b）是徑向條形圖的初始狀態(tài)，交互選擇駐留場(chǎng)所時(shí)會(huì)填充相應(yīng)數(shù)據(jù)。

系統(tǒng)使用日歷熱力圖來展示更大時(shí)間范圍內(nèi)的駐留行為數(shù)據(jù)，目的是便于分析特定時(shí)間段內(nèi)的駐留行為特征，如圖4（c）所示。每一個(gè)小矩形代表一個(gè)日期，該矩形顏色的深淺表示對(duì)應(yīng)日期內(nèi)的駐留行為發(fā)生的數(shù)量，該視圖聯(lián)動(dòng)空間特征視圖，可以探索感興趣駐留場(chǎng)所的特定時(shí)間段的行為特征分布。圖例顯示每個(gè)流量區(qū)間所對(duì)應(yīng)的顏色，支持篩選操作，選中圖例可以顯示對(duì)應(yīng)區(qū)間的數(shù)據(jù)，點(diǎn)擊相應(yīng)的日期會(huì)顯示當(dāng)天的駐留行為記錄數(shù)據(jù)量。

圖4 統(tǒng)計(jì)特征視圖分析Fig.4 Analysis of statistical characteristic views

4 案例分析

本節(jié)通過分析兩個(gè)具體應(yīng)用場(chǎng)景中的案例以驗(yàn)證本文可視化系統(tǒng)的有效性，分別是使用網(wǎng)吧記錄數(shù)據(jù)進(jìn)行用戶間時(shí)空伴隨關(guān)系的發(fā)現(xiàn)與使用停車場(chǎng)記錄數(shù)據(jù)進(jìn)行人員流量的來源及其時(shí)空分布分析。

4.1 網(wǎng)吧記錄數(shù)據(jù)集分析

用戶在相同網(wǎng)吧和一定的時(shí)間間隔內(nèi)開始上線或者下線，被視為具有時(shí)空伴隨行為的關(guān)系。當(dāng)用戶間具有一次伴隨行為發(fā)生時(shí)，伴隨關(guān)系作為邊，連接兩個(gè)用戶節(jié)點(diǎn)。用戶關(guān)系圖中選擇感興趣的用戶節(jié)點(diǎn)進(jìn)行該用戶的駐留行為特征分析，可以看出大量用戶的伴隨關(guān)系發(fā)生次數(shù)為1～3，少量用戶的伴隨關(guān)系比較復(fù)雜，與多名用戶的上網(wǎng)記錄均有時(shí)空伴隨的現(xiàn)象，如圖5（a）所示。為驗(yàn)證時(shí)空伴隨發(fā)現(xiàn)算法的有效性，系統(tǒng)使用時(shí)間甘特圖來詳細(xì)展示用戶間的駐留行為模式，如圖5（b）所示。

圖5 時(shí)空伴隨關(guān)系發(fā)現(xiàn)及用戶行為特征展示Fig.5 Discovery for spatio-temporal adjoint relations and display of user behavior characteristics

由圖5 可以看出，在用戶關(guān)系圖中，選擇框中上網(wǎng)次數(shù)較多的節(jié)點(diǎn)，關(guān)系圖簡(jiǎn)化為以該用戶為中心的伴隨關(guān)系圖，可以發(fā)現(xiàn)該用戶的上網(wǎng)記錄數(shù)量為7次，與8 名用戶有多次時(shí)空伴隨行為發(fā)生，通過觀察這8 名用戶（縱軸從上至下依次稱其為1～8 號(hào)用戶）的駐留記錄發(fā)生的時(shí)間和場(chǎng)所，1 號(hào)用戶共在3 個(gè)不同的網(wǎng)吧（不同灰度的條狀元素表示不同駐留場(chǎng)所）進(jìn)行過駐留，部分用戶的駐留行為記錄數(shù)據(jù)均在一個(gè)網(wǎng)吧中產(chǎn)生。通過下方刷選區(qū)域可以拖動(dòng)查看整個(gè)時(shí)間片上的駐留行為記錄分布，鼠標(biāo)懸停在相應(yīng)的時(shí)間記錄上，查看用戶具體記錄的開始時(shí)間和結(jié)束時(shí)間以及駐留場(chǎng)所。兩用戶的時(shí)空伴隨關(guān)系在視圖上體現(xiàn)為：在對(duì)應(yīng)的時(shí)間片上若對(duì)應(yīng)位置有相同顏色的條狀元素，則有伴隨行為發(fā)生，若對(duì)應(yīng)位置空白，則不存在伴隨關(guān)系。

4.2 停車場(chǎng)記錄數(shù)據(jù)集分析

對(duì)數(shù)據(jù)集中所有停車場(chǎng)的記錄進(jìn)行篩選，選取2019 年9 月—2019 年11 月新疆維吾爾自治區(qū)所有停車場(chǎng)記錄進(jìn)行分析。數(shù)據(jù)集中的多個(gè)停車場(chǎng)分布在不同的地區(qū)，其中某些停車場(chǎng)位于人口密集的商圈，大量異地車牌進(jìn)出停車場(chǎng)，因此采用多種視圖結(jié)合分析這些車輛的駐留行為模式及停車場(chǎng)流量，如圖6 所示。

圖6 特定場(chǎng)所的流量分析Fig.6 Traffic analysis of the specific sites

在空間分布視圖中，可以直觀地看到數(shù)據(jù)集整體的流量空間分布，利用百度地圖API 可以查看駐留場(chǎng)所周邊地理位置，分析車輛來源情況。如圖6（a）所示，由于部分停車場(chǎng)之間流量差異較大，空間分布視圖選擇顏色編碼，顏色越深表示流量越大。選中熱度排名第一位的停車場(chǎng)進(jìn)行分析，可以看出該停車場(chǎng)3 個(gè)月內(nèi)流量高達(dá)30 萬以上，放大地圖查看后發(fā)現(xiàn)該停車場(chǎng)位于昌吉市區(qū)商圈中，周邊有多個(gè)餐飲及商超，是市區(qū)內(nèi)客流量最大的商場(chǎng)。

如圖6（b）所示，篩選該駐留點(diǎn)的多變量表達(dá)視圖中流量排名前兩位的場(chǎng)所，鼠標(biāo)懸停在相應(yīng)的圓上顯示來自該場(chǎng)所的車流量，流量變化的具體數(shù)量也會(huì)顯示。鼠標(biāo)懸停在較大圓環(huán)上，交互顯示新B車牌流量為148 091輛，較小圓環(huán)則表示來自新A 的車牌流量（流量越大，表示該場(chǎng)所的圓環(huán)半徑越大），占該駐留點(diǎn)流量的很大一部分。

如圖6（c）所示，兩場(chǎng)所車輛的平均駐留時(shí)長(zhǎng)有所區(qū)別，本地車牌的平均駐留時(shí)長(zhǎng)要大于外地車牌。在一天內(nèi)的流量變化中，多個(gè)時(shí)間段的流量變化基本符合一般認(rèn)知和規(guī)律：在02：00 后車流量基本為零，白天車輛較多。但是在00：00—02：00 這個(gè)時(shí)段內(nèi)本地車流量比白天工作時(shí)段車流量還大，經(jīng)過對(duì)多個(gè)人員年齡段進(jìn)行分析，可以得出其中青年人群數(shù)量高達(dá)90%，且多數(shù)為本地人口，這種情況可能是為了促進(jìn)城市經(jīng)濟(jì)發(fā)展，大力發(fā)展夜間經(jīng)濟(jì)，吸引年輕人。

如圖6（d）所示，當(dāng)前駐留場(chǎng)所記錄從2019 年9 月直至2019 年11月，可以發(fā)現(xiàn)客流量比較規(guī)律，周六周日流量明顯多于工作日，在十一期間流量達(dá)到高峰。對(duì)于方框中所有數(shù)據(jù)均為0 的日期，推斷可能是設(shè)備故障等原因，通過對(duì)2020 年數(shù)據(jù)進(jìn)行分析后，發(fā)現(xiàn)該場(chǎng)所同時(shí)間段內(nèi)數(shù)據(jù)依然為0，經(jīng)過調(diào)查得知，該時(shí)間段為商場(chǎng)店慶，停車場(chǎng)免費(fèi)開放，因此無數(shù)據(jù)記錄產(chǎn)生。

5 結(jié)束語

本文基于駐留行為數(shù)據(jù)，設(shè)計(jì)一種交互式的可視分析系統(tǒng)，使用可視化視圖發(fā)現(xiàn)具有時(shí)空伴隨關(guān)系的用戶，對(duì)駐留場(chǎng)所的流量分布、來源等特征進(jìn)行多時(shí)段的可視分析?？梢暬晥D包含多變量表達(dá)的示意性地圖、空間特征視圖、時(shí)間甘特圖、熱力日歷圖等多種視圖，具有良好的可拓展性，適用于旅游數(shù)據(jù)分析、城市功能區(qū)分析等業(yè)務(wù)場(chǎng)景。通過網(wǎng)吧和停車場(chǎng)兩個(gè)真實(shí)數(shù)據(jù)集的案例分析驗(yàn)證了該系統(tǒng)對(duì)于駐留行為數(shù)據(jù)的可視分析任務(wù)的有效性。下一步將對(duì)多視圖之間的交互聯(lián)動(dòng)方式進(jìn)行研究，運(yùn)用人機(jī)交互技術(shù)增強(qiáng)可視化系統(tǒng)效率，提升用戶界面的交互體驗(yàn)。