可视化技术应用趋势分析
徐海啸 马庆珍 屠振川
【摘要】? ? 本文归纳了未来可视化技术应用一系列关键领域，旨在提供对可视化技术应用发展的展望。本文归纳了两大类应用趋势，涉及可视化技术的基础和新兴研究领域。
【关键字】? ? 可视化? ? 可視化应用? ? 人机交互
Application Trend Analysis of Visualization Technology
Haixiao Xu， Qingzhen Ma， Zhenchuan Tu
Abstract： This paper summarizes a series of key fields in the application of visualization technology in the future， aiming to provide prospects for the development of visualization technology application. This paper summarizes two kinds of application trends involving the basic and emerging research fields of visualization technology.
Key Words： Visualization， Visualization Application， Human-computer interaction
引言：
用于数据显示的典型的信息可视化流程如图1所示，它解释了生成可视化表示的步骤。第一步包括将原始数据转换为结构化数据格式（数据集）。第二步是将数据集映射到包含与数据集实体相对应的结构的可视化表单中。最后一步将此可视化表单转换为交互式视图。然后，将视图通过人的视觉系统显示给用户。用户解释此视图，并可以与这些步骤中的任何一个交互环节来调整结果的可视化，并作出额外的解释。
支持用户和数据空间交互的可视化流程如图2所示。连续三个数据转换步骤将可视化变量转化为四个可视化空间：1.数值数据;2.称为分析抽象的元数据;3.称为可视化抽象的可视化信息;4.称为视图的可视化映射，用于解释显示的内容。在这四个数据空间中，用户可以使用控件与信息交互。该模型应用于信息可视化和科学可视化领域，数据并不总是具有预定义的表示。
许多应用是动态的，被操纵的数据称为时态数据。面向可视化时间数据的可视化管道如图3所示。该可视化管道由时间维和结构维两个维度组成。每个维度进一步细化为一个由四个阶段组成的新结构：1.数据/时间，2.时间视点/结构尺寸视点，3.时间空间/结构空间;4.时间空间视点/结构空间视点。结果可视化过程定义为两个可视化过程之间的关联，对应于两个维度，其中可能存在不同的可视化配置。
图4给出了信息可视化的参考模型模式。该参考模型提出了五类：提供数据集的数据源、视图空间及其控件，以及表示精确数据集的可视化。
项目资助：国家重点研发计划课题（2016YFB0201503）
徐海啸（1987.8-），男，汉，吉林省长春市人，硕士学位，高级工程师，研究方向：高性能计算，可视化技术;
马庆珍（1986.6-），男，汉，山东省泰安人，硕士学位，工程师，研究方向：高性能计算应用;
屠振川（1998.12-），男，汉，学士学位，硕士研究生在读，研究方向：可视化技术，数字图像处理。
本文归纳了未来可视化技术应用一系列关键领域，旨在提供对可视化技术应用发展的展望，涉及开发可视化分析管道的基础和新兴研究领域。可将其归纳为六大主题，分为两类：基本领域和新兴领域。
一、与基本领域相关的可视化应用
这些应用涉及到交互、知识生成、机器学习和认知学习。
交互和用户界面：交互和用户界面在信息可视化和可视化分析中发挥着越来越突出的作用。在数据量不断快速增长的同时，为了设计合适的人机界面，可视化技术中需要考虑越来越多人的认知。在这方面的研究不断地开启了新的应用，例如以用户为中心的分析、感知驱动的设计、可视化分析的多模式交互技术和自适应用户界面。
预测知识生成和机器学习：智能机器学习算法，允许系统既能学习又能推理，旨在通过可视化分析生成知识，近年来无论是理论上还是实践上一直是热点研究课题。通过整合机器学习，可视化分析解决方案将通过越来越多可靠的知识模型改进决策，增强其创新和预测能力。
认知建模：认知现象的建模提出了一系列挑战，其中一些是一般性的，但另一些则是针对可视化分析系统的。认知建模能够处理可视化分析过程产生的不确定性和复杂性。然而，认知建模在这一领域仍然面临挑战，它引入了更自然、更直观地描述决策者行为的认知设计。以后的认知建模应能从一种实验方法重建认知实体，产生一套直接涉及可观察的视觉现象和行为的规律。
二、与新兴领域相关的可视化应用
这些应用与大数据、物联网、数据溯源和智能评估有关。
大数据：大数据可视化被认为是一种有前途的大数据感知方法。秦等人[1]认为可视化是分析器的基本功能，因为它能够使数据在直观水平上与用户对话。然而，可视化分析和大数据这两个领域的交叉点也面临困难。从人和技术角度来看，允许对大数据进行感官化是可视化分析的一个主要挑战。[2]讨论了与大数据量、速度和变化有关的应用，涉及到系统可扩展性、可用信息空间、可视表示、可解释性、多维数据、网络或关系数据、工作流和实时分析。这些需求继续引发人们对可视化技术研究的兴趣。
物联网：人们对智能技术和连接传感器设备感兴趣。当这些设备连接时，它们成为物联网的一部分。它们相互联网，产生了前所未有的数据量。了解数据的含义，并从中汲取见解，可视分析可以被认为是一个有前景的解决方案。它由连接对象的数据进行的可视化分析。该解决方案提供数据采集、通信、可视化、分析和决策服务（机器学习、数据科学、可视化等）、时间反应性（流分析）和动作传输[3]。这就是可视化事物分析（VAoT）。
数据溯源：它包括跟踪可视化分析过程，以提供数据、分析、推理和决策的“上下文”。信息来源允许跟踪数据源以进行自动更新、重做/撤消用户交互或避免重复的分析过程。此外，它还可以对提取的知识进行评价。在数据溯源中已经开发了许多工具和系统来帮助分析人员记录数据、计算工作流和推理过程。
智能评估：评估可视化分析系统的有效性至关重要。可视化从业者采用不同的方法（如案例研究、专家评审、问卷调查等）来评估系统的可用性[4]。每种方法都有自己的优缺点。开展用户研究可以产生有价值的用户反馈，以确定系统的问题。然而，这样的研究可能不足以提供高层次的见解[5]。由于数据分析和可视化组件的多样性，可视化分析系统通常非常复杂，这就需要更有效和智能的评估方法。智能评估必须结合智能技术（如深度学习技术）来分析和学习用户研究提供的评估结果，这对可视化领域带来了挑战[6]。
三、结束语
本文研究分析了未来可视化应用趋势，为未来可视化研究进行了展望。本文关注近期可视化领域的新思路和新发展，涉及通用领域和特定应用领域的可视化应用（包括：大数据、物联网、数据溯源和智能评估）。
参? 考? 文? 献
[1] 高芳 赵志耘 张旭 赵蕴华.基于专利的全球可穿戴设备竞争态势分析——以智能手表为例[J]. 电子产品世界，2015（7），22-24.
[2] 马婷. 智能腕带式设备的交互技术技术分析[J]. 数字化用户，2019（09），201.
[3] 宋扬 潘云涛 赵筱媛. 基于专利情报分析的可穿戴设备上市公司技术竞争力[J]. 中国科技论坛，2018（06），98-109.
[4] 陈梦飞 王丽岩. 基于科学知识图谱的中国可穿戴设备研究可视化分析[J].智能计算机与应用，2017（02），53-59.
[5] 张烁 刘春扬 赵北北. 浅析加强国内可穿戴设备生产企业的知识产权管理[J]. 中国发明与专利，2016（10），17-22.
