本發(fā)明涉及人群移動(dòng)規(guī)律分析技術(shù)領(lǐng)域，特別涉及一種分析人群移動(dòng)規(guī)律的可視化系統(tǒng)。

背景技術(shù)：

近年來人類行為定量化分析，特別對行為模式的建模是當(dāng)前復(fù)雜性學(xué)科的研究熱點(diǎn)。人類行為的理解和探索對城市規(guī)劃、交通流化和信息推薦等方面有至關(guān)重要的作用。城市計(jì)算的目標(biāo)是使城市變得更加適宜居住，生活更加便捷。城市計(jì)算作為一個(gè)新興領(lǐng)域，為社會(huì)各種復(fù)雜現(xiàn)象提供了新的視角。在城市規(guī)劃、交通優(yōu)化和流行病等領(lǐng)域中，了解和認(rèn)識(shí)人類移動(dòng)模式變得越來越重要。了解人們的目的地和出行工具反應(yīng)了人類行為和周圍建筑環(huán)境的關(guān)系，同時(shí)也為城市路線規(guī)劃、災(zāi)害預(yù)防等提供了參考依據(jù)。

由于手機(jī)用戶的爆發(fā)式增長，大量的高精度的手機(jī)基站數(shù)據(jù)使得人類移動(dòng)行為建模變得更具可靠性，科研人員現(xiàn)在能夠以前所未有的角度研究人類移動(dòng)行為。同時(shí)也有越來越多的研究者關(guān)注數(shù)據(jù)驅(qū)動(dòng)人類移動(dòng)模式的發(fā)展。同樣也有許多最新工作在研究軌跡數(shù)據(jù)的可視化分析，但是從城市數(shù)據(jù)中可視化挖掘移動(dòng)行為模式仍具有挑戰(zhàn)性。

數(shù)據(jù)挖掘的方法，如動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，結(jié)果存在非常多的參數(shù)，想要整體了解整個(gè)城市的移動(dòng)規(guī)律需要對所有參數(shù)都有整體的了解，顯然這是十分困難的?？梢暬墙鉀Q此類問題的最有效的工具之一，可視化可以提供一個(gè)對整體規(guī)律的可視化表示，進(jìn)而快速地幫助人們理解數(shù)據(jù)里面包含的有效信息。由于數(shù)據(jù)量較大，我們無法把所有數(shù)據(jù)一次性讀入內(nèi)存進(jìn)行可視化分析，我們需要對需要交互索取的數(shù)據(jù)進(jìn)行預(yù)計(jì)算，加快可視化分析的速度。所以我們需要針對數(shù)據(jù)挖掘的結(jié)果設(shè)計(jì)了一套可視化系統(tǒng)，根據(jù)可視化方案將數(shù)據(jù)以可視化圖表的形式呈現(xiàn)給用戶，對軌跡數(shù)據(jù)進(jìn)行實(shí)時(shí)的展示、分析和理解。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種分析人群移動(dòng)規(guī)律的可視化系統(tǒng)，根據(jù)可視化圖像將數(shù)據(jù)以可視化的形式呈現(xiàn)給用戶，可以對個(gè)人或者整體的移動(dòng)軌跡數(shù)據(jù)進(jìn)行實(shí)時(shí)的展示、分析和理解。

一種分析人群移動(dòng)規(guī)律的可視化系統(tǒng)，包括：

數(shù)據(jù)儲(chǔ)存和處理模塊，用于存儲(chǔ)軌跡記錄點(diǎn)信息和軌跡片段分割信息，存儲(chǔ)移動(dòng)行為模式轉(zhuǎn)移圖中每個(gè)節(jié)點(diǎn)和邊的權(quán)重，每個(gè)節(jié)點(diǎn)對應(yīng)的軌跡片段和特征向量分布以及每條軌跡在各個(gè)時(shí)間點(diǎn)所屬的節(jié)點(diǎn)數(shù)據(jù)；

對于軌跡數(shù)據(jù)，可以使用mongodb數(shù)據(jù)庫存儲(chǔ)軌跡記錄點(diǎn)信息和軌跡片段分割信息。對于軌跡數(shù)據(jù)建模后的數(shù)據(jù)，使用mysql數(shù)據(jù)存儲(chǔ)移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)中每個(gè)節(jié)點(diǎn)和邊的權(quán)重，每個(gè)節(jié)點(diǎn)對應(yīng)的軌跡片段和特征向量分布以及每條軌跡在各個(gè)時(shí)間點(diǎn)所屬的節(jié)點(diǎn)數(shù)據(jù)

可視化方案將數(shù)據(jù)呈現(xiàn)為可視化圖表，包括地圖、特征分布圖、移動(dòng)行為模式列表和移動(dòng)模式轉(zhuǎn)移圖，用于展示轉(zhuǎn)移的相關(guān)的數(shù)據(jù)，便于用戶分析探索，因此，本系統(tǒng)還包括：

可視化圖像模塊，包括：

特征分布圖：每個(gè)軌跡片段得到一個(gè)多維特征向量，設(shè)有平行坐標(biāo)軸并顯示特征向量的各個(gè)維度的值；

移動(dòng)行為圖：設(shè)置矩陣分布的帶有顏色透明度的方塊，每一行代表一個(gè)移動(dòng)行為模式，特征向量在多個(gè)維度上的平均值可以轉(zhuǎn)化為多個(gè)帶有顏色透明度的方塊；

移動(dòng)模式轉(zhuǎn)移圖：從數(shù)據(jù)儲(chǔ)存和處理模塊中讀取移動(dòng)行為模式轉(zhuǎn)移圖，并將節(jié)點(diǎn)集合轉(zhuǎn)換為等寬的矩形，矩形的高度代表這個(gè)時(shí)刻屬于當(dāng)前移動(dòng)行為模式的軌跡片段的數(shù)目，即節(jié)點(diǎn)權(quán)重，同一個(gè)時(shí)刻上的節(jié)點(diǎn)垂直排放為一個(gè)堆疊圖；邊集合用兩個(gè)連續(xù)時(shí)刻間的移動(dòng)行為模式的轉(zhuǎn)移邊由曲線表示，曲線連接了前后兩個(gè)移動(dòng)行為模式，曲線的寬度代表轉(zhuǎn)移概率的大小，即邊的權(quán)重。

為了豐富本系統(tǒng)的可視化展示內(nèi)容，更利于用戶分析，優(yōu)選的，所述可視化圖像模塊還包括：

地圖：軌跡記錄點(diǎn)標(biāo)記為移動(dòng)點(diǎn)和停留點(diǎn)，連續(xù)的移動(dòng)點(diǎn)構(gòu)成移動(dòng)軌跡片段，連續(xù)的停留點(diǎn)構(gòu)成停留軌跡片段，其中移動(dòng)軌跡片段用曲線表示，停留軌跡片段用點(diǎn)表示。

本發(fā)明系統(tǒng)還提供交互式操作，包括選擇和追蹤、查詢?nèi)巳骸r(shí)間刷，可以完成多種分析任務(wù)，如探索整體的移動(dòng)模式規(guī)律和分析個(gè)人或者一類人的移動(dòng)行為，優(yōu)選的，所述移動(dòng)行為模式轉(zhuǎn)移圖中，指定節(jié)點(diǎn)后，以該節(jié)點(diǎn)為中心追蹤有相關(guān)轉(zhuǎn)移的其他節(jié)點(diǎn)，與選中節(jié)點(diǎn)無關(guān)的其余節(jié)點(diǎn)會(huì)被淡化。

與節(jié)點(diǎn)相關(guān)或者無關(guān)可以認(rèn)為設(shè)定，例如可以設(shè)定在移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)中，對于某節(jié)點(diǎn)如果存在邊那么節(jié)點(diǎn)和之間存在轉(zhuǎn)移，即與是相關(guān)的。更進(jìn)一步，如果與相關(guān)并且與相關(guān)，則與也相關(guān)。

時(shí)間刷：移動(dòng)模式轉(zhuǎn)移圖顯示一個(gè)人的移動(dòng)行為模式時(shí)，用戶選擇一塊時(shí)間范圍，地圖則顯示相應(yīng)的時(shí)間段內(nèi)的軌跡。

優(yōu)選的，所述特征分布圖中的維度劃分為n級，每個(gè)維度上的數(shù)值進(jìn)行分段統(tǒng)計(jì)并用矩形透明度值的大小、長度代表數(shù)量，令counti代表每一級的統(tǒng)計(jì)數(shù)目，1≤i≤n，其中i＝1表示值最小的一級，i＝n表示值最大的一級。透明度定為o＝i/n。給定矩陣最大寬度為widthmax，那么每個(gè)矩形的寬度w可以通過計(jì)算得到：

其中countj是第j級的統(tǒng)計(jì)數(shù)目，表示的是最大的統(tǒng)計(jì)數(shù)目。

優(yōu)選的，所述移動(dòng)模式轉(zhuǎn)移圖中，總高度減去矩形間的空隙為繪制高度heightmax，每個(gè)矩形都會(huì)根據(jù)其包含的軌跡片段數(shù)目counti,1≤i≤km，計(jì)算得到相應(yīng)高度h：

節(jié)點(diǎn)的顏色透明度用于表示所屬軌跡的運(yùn)動(dòng)活躍情況，編碼軌跡片段的動(dòng)靜比，即移動(dòng)軌跡片段占所有軌跡片段的比例；

如果動(dòng)靜比的值較低，則意味著這個(gè)節(jié)點(diǎn)包含大量靜止軌跡片段；

同一時(shí)刻上的所有節(jié)點(diǎn)可以根據(jù)動(dòng)靜比的值降序排序，并且根據(jù)動(dòng)靜比的值劃分為三層，高移動(dòng)層為：0.9≤動(dòng)靜比≤1，中移動(dòng)層為：0.1≤動(dòng)靜比＜0.9，低移動(dòng)層為：0≤動(dòng)靜比＜0.1；

6、如權(quán)利要求1所述的分析人群移動(dòng)規(guī)律的可視化系統(tǒng)，其特征在于，所述移動(dòng)模式轉(zhuǎn)移圖中，曲線變化如下所示：

令曲線的最大寬度和最小寬度為widthmax和widthmin，根據(jù)邊的轉(zhuǎn)移概率value，曲線的實(shí)際寬度為w：

w＝value*(widthmax-widthmin)+widthmin。

當(dāng)移動(dòng)模式轉(zhuǎn)移圖用于展示個(gè)人軌跡的情況下，曲線(可以設(shè)定顏色，例如藍(lán)色)用于連接每個(gè)人在不同時(shí)刻下的狀態(tài)，曲線寬度保持一致，被選中的個(gè)人用曲線(可以設(shè)定顏色以區(qū)別，例如橙色)高亮；

本發(fā)明系統(tǒng)用于研究和探索個(gè)體以及整體的移動(dòng)規(guī)律：

探索整體移動(dòng)行為規(guī)律：在移動(dòng)行為模式轉(zhuǎn)移圖中選中一個(gè)節(jié)點(diǎn)后，地圖視圖會(huì)顯示相應(yīng)節(jié)點(diǎn)的軌跡，特征分布圖顯示對應(yīng)軌跡特征向量的分布情況。同時(shí)用戶也可以根據(jù)連接到的其他節(jié)點(diǎn)，分析研究移動(dòng)行為模式的變化規(guī)律。

探索個(gè)人的移動(dòng)行為規(guī)律：根據(jù)查詢功能，用戶就能得到一個(gè)或者一群人的移動(dòng)行為隨時(shí)間變化的曲線，同時(shí)可以選定一個(gè)用戶，用橙色曲線高亮選定用戶的曲線，進(jìn)行使用時(shí)間刷或者其他視圖深入分析個(gè)人軌跡。

本發(fā)明的有益效果：

本發(fā)明系統(tǒng)可以對大規(guī)模的軌跡數(shù)據(jù)進(jìn)行處理和分析，通過對數(shù)據(jù)挖掘模型預(yù)計(jì)算和可視化，使得用戶可以實(shí)時(shí)交互式分析人群移動(dòng)的規(guī)律，解決了傳統(tǒng)方法不能很好地分析大規(guī)模軌跡數(shù)據(jù)的問題。

附圖說明

圖1為本發(fā)明的可視化系統(tǒng)的線框結(jié)構(gòu)圖。

圖2為本發(fā)明的可視化系統(tǒng)的可視化圖像模塊的顯示界面圖。

圖3為圖2中a部分即地圖的放大示意圖。

圖4為圖2中b部分即特征分布圖的放大示意圖。

圖5為圖2中c部分即移動(dòng)行為模式列表的放大示意圖。

圖6為圖2中d部分即移動(dòng)模式轉(zhuǎn)移圖的放大示意圖。

圖7為圖6中進(jìn)行選擇和追蹤交互操作區(qū)域的放大示意圖。

圖8為圖6中進(jìn)行查詢操作部分的放大示意圖。

具體實(shí)施方式

結(jié)合圖1，分析人群移動(dòng)規(guī)律的可視化系統(tǒng)包括：

數(shù)據(jù)儲(chǔ)存和處理模塊：

對于軌跡數(shù)據(jù)，使用mongodb數(shù)據(jù)庫存儲(chǔ)軌跡記錄點(diǎn)信息和軌跡片段分割信息。為了對文本化的軌跡進(jìn)行快速查詢，我們需要把軌跡轉(zhuǎn)換成我們定義的結(jié)構(gòu)化數(shù)據(jù)，然后使用數(shù)據(jù)庫建立索引，加快查詢速度。每個(gè)移動(dòng)對象的軌跡包括他的家庭地址和一系列位置記錄點(diǎn)，每個(gè)記錄點(diǎn)包含了當(dāng)時(shí)的位置信息、時(shí)間信息以及這個(gè)記錄點(diǎn)屬于停留還是移動(dòng)軌跡片段的標(biāo)記。

對于軌跡數(shù)據(jù)建模后的數(shù)據(jù)，使用mysql數(shù)據(jù)庫存儲(chǔ)移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)中每個(gè)節(jié)點(diǎn)和邊的權(quán)重，每個(gè)節(jié)點(diǎn)對應(yīng)的軌跡片段和特征向量分布，以及每條軌跡在各個(gè)時(shí)間點(diǎn)所屬的節(jié)點(diǎn)數(shù)據(jù)。由于數(shù)據(jù)規(guī)模巨大，無法對每個(gè)交互進(jìn)行實(shí)時(shí)計(jì)算，利用預(yù)計(jì)算將所有結(jié)果存儲(chǔ)到數(shù)據(jù)庫中，在交互過程中可以進(jìn)行實(shí)時(shí)查詢。

行為模式轉(zhuǎn)移圖g＝(v,e)可以通過以下步驟獲?。?/p>

1)對一個(gè)用戶的軌跡r按照移動(dòng)行為的動(dòng)態(tài)變化進(jìn)行劃分，一條軌跡會(huì)被劃分為多個(gè)軌跡片段：每一個(gè)軌跡片段描述了某種行為；

軌跡分割方法如下：

對一個(gè)用戶的軌跡r＝{r1,r2,...,rn},ri＝(xi,yi,ti)是一個(gè)有時(shí)間戳的位置記錄。軌跡方法首先檢測停留軌跡片段，其余屬于移動(dòng)軌跡片段。從第一個(gè)記錄點(diǎn)向后掃描，當(dāng)滿足以下條件時(shí)一系列軌跡記錄點(diǎn)構(gòu)成停留軌跡片段給定時(shí)間閾值τ和距離閾值δ，第一個(gè)記錄點(diǎn)到最后一個(gè)記錄點(diǎn)的時(shí)間應(yīng)當(dāng)大于第一個(gè)記錄點(diǎn)到任意一個(gè)記錄點(diǎn)的距離要小于δ；是最長的序列：

2)在對軌跡片段聚類前，需要對軌跡片段集合進(jìn)行自定義的特征抽取，獲得一個(gè)用來刻畫軌跡片段的特征向量fi；

特征選擇的方法如下：

對于軌跡片段提取以下8個(gè)特征構(gòu)成10維特征向量：

2-1時(shí)間無關(guān)熵描述了在不同地點(diǎn)被觀察到的概率：

其中p(j)是用戶出現(xiàn)在地點(diǎn)j的概率，ij是一個(gè)指示函數(shù)，當(dāng)記錄點(diǎn)出現(xiàn)在地點(diǎn)j時(shí)，否則l是軌跡片段中記錄點(diǎn)的總數(shù)。

2-2類似于特征2-1，時(shí)間相關(guān)熵考慮到用戶出現(xiàn)在地點(diǎn)j的概率與所停留的時(shí)間也有關(guān)：

2-3中心位置n是軌跡片段的地理中心經(jīng)緯度坐標(biāo)：

2-4回轉(zhuǎn)半徑描述了用戶移動(dòng)軌跡的范圍大小：

2-5家庭位置是一個(gè)用戶可能的家庭住址，通過用戶在0:00am到6:00am的軌跡位置計(jì)算得到：

2-6活動(dòng)半徑是用戶離家的平均距離：

其中dis(x,y)是x和y之間的歐式距離。

2-7平均速度是軌跡片段中用戶移動(dòng)的平均速度。

2-8活動(dòng)距離是軌跡片段總體移動(dòng)距離：

軌跡片段的特征向量fi由上述8個(gè)特征組成：fi＝(s^unc,s^tc,clx,cly,rg,rlx,cly,ra,savg,ma)。

3)利用k-means算法把所有用戶的所有軌跡片段的特征向量進(jìn)行聚類，把相似行為的軌跡片段組成一個(gè)移動(dòng)行為模式，最終得到km個(gè)移動(dòng)行為模式。通過計(jì)算每個(gè)軌跡片段和km個(gè)移動(dòng)行為模式的相似性，得到描述軌跡片段屬于各個(gè)移動(dòng)行為模式概率的移動(dòng)模式描述向量；

計(jì)算方法將軌跡片段用移動(dòng)行為模式描述向量來表達(dá)：

通過對所有用戶的所有軌跡片段的特征向量的k-means聚類，得到km個(gè)聚類移動(dòng)行為模式及他們的聚類中心

對于每個(gè)軌跡片段，計(jì)算和km個(gè)移動(dòng)行為模式的相似性，得到描述軌跡片段屬于各個(gè)移動(dòng)行為模式概率的移動(dòng)模式描述向量其中f(x)是一個(gè)高斯權(quán)重函數(shù)，c是中心，w是高斯核的寬度。

4)針對步驟3)中計(jì)算得到的移動(dòng)行為模式和移動(dòng)模式描述向量，可以采用一個(gè)移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)來刻畫所有人的移動(dòng)行為模式及其轉(zhuǎn)移。移動(dòng)行為模式轉(zhuǎn)移圖中的結(jié)點(diǎn)集合v是不同時(shí)間點(diǎn)上的移動(dòng)行為模式，邊集合e表示移動(dòng)行為模式間轉(zhuǎn)移的概率，通過動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)計(jì)算得到轉(zhuǎn)移概率；

構(gòu)造移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)的方法：

移動(dòng)行為模式轉(zhuǎn)移圖中的結(jié)點(diǎn)集合v是不同時(shí)間點(diǎn)上的移動(dòng)行為模式，通過對軌跡片段的均勻重采樣，可以得到在時(shí)間點(diǎn)ti上屬于第j個(gè)移動(dòng)行為模式的軌跡片段的數(shù)目，作為結(jié)點(diǎn)的大小：

其中，是一個(gè)指示函數(shù)，當(dāng)時(shí)間點(diǎn)ti在軌跡片段fk的時(shí)間間隔中且軌跡片段fk屬于第j個(gè)移動(dòng)行為模式時(shí)，否則

利用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)對移動(dòng)行為模式的轉(zhuǎn)移進(jìn)行建模，通過求解一下方程，得到任意時(shí)刻的轉(zhuǎn)移概率，構(gòu)成邊集合e:

其中d代表轉(zhuǎn)移矩陣的第d行，轉(zhuǎn)移矩陣中的每一個(gè)元素代表結(jié)點(diǎn)中軌跡片段轉(zhuǎn)移到結(jié)點(diǎn)中軌跡片段的概率，l是總?cè)藬?shù)，l^l是每個(gè)人的軌跡片段數(shù)目，λ是控制轉(zhuǎn)移矩陣系數(shù)度的參數(shù)。是權(quán)重系數(shù)，當(dāng)移動(dòng)行為模式的轉(zhuǎn)移發(fā)生的時(shí)間越靠近正在計(jì)算的時(shí)間t權(quán)重越高：

其中h是高斯分布的方差。

移動(dòng)行為模式轉(zhuǎn)移圖中節(jié)點(diǎn)v的信息包含了權(quán)重和當(dāng)前節(jié)點(diǎn)包含軌跡片段所屬的用戶軌跡，用于地圖視圖繪制用戶軌跡。移動(dòng)行為模式轉(zhuǎn)移圖中每條邊的權(quán)重由matlab根據(jù)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)進(jìn)行計(jì)算得到，計(jì)算結(jié)果存到csv文件中，記錄了多個(gè)時(shí)刻下的移動(dòng)模式之間兩兩的轉(zhuǎn)移概率。

移動(dòng)行為模式轉(zhuǎn)移圖中節(jié)點(diǎn)對應(yīng)軌跡片段的特征向量的分布也被存儲(chǔ)在數(shù)據(jù)庫中。特征向量的每一個(gè)維度歸一化后在[0，1]被劃分為10級，同時(shí)統(tǒng)計(jì)了值域范圍內(nèi)軌跡片段的數(shù)目。

為了能夠根據(jù)特征節(jié)點(diǎn)查詢軌跡，軌跡所經(jīng)過的節(jié)點(diǎn)也需要被存儲(chǔ)在數(shù)據(jù)庫中。每個(gè)用戶的軌跡在每個(gè)時(shí)候都屬于某一個(gè)移動(dòng)行為模式。

可視化圖像模塊，包括：地圖、特征分布圖、移動(dòng)行為模式列表和移動(dòng)模式轉(zhuǎn)移圖，用于展示轉(zhuǎn)移的相關(guān)的數(shù)據(jù)，便于用戶分析，如圖2所示。

地圖：軌跡記錄點(diǎn)標(biāo)記為移動(dòng)點(diǎn)和停留點(diǎn)，連續(xù)的移動(dòng)點(diǎn)構(gòu)成移動(dòng)軌跡片段，連續(xù)的停留點(diǎn)構(gòu)成停留軌跡片段。對于移動(dòng)軌跡片段，每個(gè)記錄點(diǎn)的地理位置由黃色曲線依次連接構(gòu)成。對于停留軌跡片段，在每個(gè)記錄點(diǎn)的地理位置上用紅色的圓表示停留，如圖3所示。

特征分布圖：每個(gè)軌跡片段都能計(jì)算出一個(gè)10維特征向量，可以在平行坐標(biāo)軸中展示特征向量各個(gè)維度的值。為了展示所有特征向量值的分布，我們把每個(gè)維度上的數(shù)值進(jìn)行分段統(tǒng)計(jì)并用矩形透明度編碼值的大小、長度編碼數(shù)量，如圖4所示。每個(gè)維度劃分為10級，每一級都有相應(yīng)的統(tǒng)計(jì)數(shù)目。令counti代表每一級的統(tǒng)計(jì)數(shù)目，1≤i≤10，其中i＝1表示值最小的一級，i＝10表示值最大的一級。透明度定為o＝i/10。給定矩陣最大寬度為widthmax，那么每個(gè)矩形的寬度w可以通過計(jì)算得到：

其中countj是第j級的統(tǒng)計(jì)數(shù)目，表示的是最大的統(tǒng)計(jì)數(shù)目。

移動(dòng)行為模式列表：列表中的每一行代表一個(gè)移動(dòng)行為模式，其中特征向量在10個(gè)維度上的平均值可以編碼為10個(gè)帶有紅色透明度的正方形，如圖5所示。每一個(gè)移動(dòng)行為模式都包括了一個(gè)相似軌跡片段的集合，把所有特征向量在各個(gè)維度上的值歸一化后取平均值value∈[0,1]，編碼為透明度o＝value。

移動(dòng)模式轉(zhuǎn)移圖：移動(dòng)行為模式編碼為從數(shù)據(jù)庫中讀取的移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)中的節(jié)點(diǎn)集合v編碼為等寬的矩形，矩形的高度代表這個(gè)時(shí)刻屬于當(dāng)前移動(dòng)行為模式的軌跡片段的數(shù)目(節(jié)點(diǎn)權(quán)重)，同一個(gè)時(shí)刻上的節(jié)點(diǎn)垂直排放為一個(gè)堆疊圖，如圖6所示，個(gè)人的移動(dòng)模式是由曲線2連接節(jié)點(diǎn)1構(gòu)成，被選中的個(gè)體的曲線3會(huì)高亮顯示。在整個(gè)繪制空間中，總高度減去矩形間的空隙就是可用繪制高度heightmax，每個(gè)矩形都會(huì)根據(jù)其包含的軌跡片段數(shù)目counti1≤i≤km,計(jì)算得到相應(yīng)高度h：

節(jié)點(diǎn)的顏色透明度用于表示所屬軌跡的運(yùn)動(dòng)活躍情況，編碼軌跡片段的動(dòng)靜比，即移動(dòng)軌跡片段占所有軌跡片段的比例。如果動(dòng)靜比的值較低，則意味著這個(gè)節(jié)點(diǎn)包含大量靜止軌跡片段。同一時(shí)刻上的所有節(jié)點(diǎn)可以根據(jù)動(dòng)靜比的值降序排序，并且根據(jù)動(dòng)靜比的值劃分為三層，高移動(dòng)層0.9≤動(dòng)靜比≤1，中移動(dòng)層(0.1≤動(dòng)靜比＜0.9)，低移動(dòng)層(0≤動(dòng)靜比＜0.1)。

對于移動(dòng)行為模式轉(zhuǎn)移圖g＝(v,e)中的邊集合e，其中兩個(gè)連續(xù)時(shí)刻間的移動(dòng)行為模式的轉(zhuǎn)移由藍(lán)色曲線表示，曲線連接了前后兩個(gè)移動(dòng)行為模式，曲線的寬度編碼了轉(zhuǎn)移概率的大小(邊的權(quán)重)。令曲線的最大寬度和最小寬度為widthmax和widthmin，則根據(jù)邊的轉(zhuǎn)移概率value，曲線的實(shí)際寬度為w：

w＝value*(widthmax-widthmin)+widthmin

當(dāng)移動(dòng)模式轉(zhuǎn)移圖用于展示個(gè)人軌跡的情況下，藍(lán)色的曲線用于連接每個(gè)人在不同時(shí)刻下的狀態(tài)，曲線寬度保持一致，被選中的個(gè)人用橙色并加粗的曲線高亮顯示。

本實(shí)施例的可視化分析系統(tǒng)還提供了一系列交互式操作，包括選擇和追蹤、查詢?nèi)巳?、時(shí)間刷，可以完成多種分析任務(wù)，如探索整體的移動(dòng)模式規(guī)律和分析個(gè)人或者一類人的移動(dòng)行為。

基于web的前后端之間的協(xié)作：本實(shí)施例中，前端是一個(gè)基于javascript和d3.js制作的界面，在處理每個(gè)用戶交互動(dòng)作時(shí)，前端都會(huì)根據(jù)實(shí)際操作的內(nèi)容，生成相應(yīng)的查詢語句，向后端發(fā)送數(shù)據(jù)請求。后端是基于node.js的處理模塊，接受并處理前端的數(shù)據(jù)請求，對每個(gè)請求都向數(shù)據(jù)庫發(fā)送相應(yīng)的查詢語句。這些請求都是通過ajax異步地進(jìn)行的，當(dāng)后端數(shù)據(jù)查詢完成的時(shí)候，前端就把交互結(jié)果顯示在屏幕上適當(dāng)?shù)匚恢?，呈現(xiàn)給用戶。