Exploración Visual

Exploración Visual de Big Data Espacio-Temporal en el Contexto Urbano

Los taxis son unos sensores valiosos y la información asociada con los viajes de taxi puede proporcionar una perspectiva sin precedentes sobre muchos aspectos diferentes de la vida en la ciudad, desde la actividad económica y el comportamiento humano hasta los patrones de movilidad. Pero el análisis de estos datos presenta muchos desafíos. 

Autores: Nivan Ferreira, Jorge Poco, Huy T. Vo, Juliana Freire y Claúdio T. Silva 
Organización: Universidad de Nueva York

Objetivo:

Facilitar a los expertos del área una exploración libre del número grande de las bases de datos y analizar interactivamente las facetas diferentes de estos datos. 

Metodología:

• -    Sugerir un modelo nuevo de consulta visual que soporte consultas espacio-temporales complejas sobre los datos del destino-origen (OD).
• -    Implementar un ambiente del análisis utilizando el modelo visual anterior.
• -    Demonstrar utilidad del sistema por medio de una serie de estudios de casos motivados por los ingenieros de tráfico y economistas cuyas necesidades han impulsado nuestro diseño.
•  

Resultados:

• -    Hemos creado un sistema escalable que implementa nuestro modelo de consulta visual que soporta los tiempos de respuesta interactivos; utiliza una estrategia adaptable del nivel del detalle para generar visualizaciones ordenadas de resultados mayores; muestra detalles ocultos a los usuarios en el sumario por medio del uso de los mapas de calor superpuestos.
• -    Presentamos una serie de estudios de caso motivados por los ingenieros de tráfico y economistas que muestran cómo nuestro modelo y sistema permiten a los expertos del área realización de tareas que antes eran inalcanzables para ellos.
•  

¿Cuál es la novedad?

• -    En lugar de pedir a los usuarios que diseñen sus consultas, nuestro modela les permite manipular los datos (y su visualización) directamente.
• -    Para facilitar la escalabilidad, el sistema implementa una serie de estrategias para soportar los tiempos de respuesta interactivos y la representación de un gran número de primitivos gráficos en un mapa.
• -    Hemos presentado una serie de estudios de caso utilizando una base de datos grande que consta de más de 520 millones de viajes en taxi en la ciudad de Nueva York. Esto ilustra las capacidades y la eficacia de nuestro sistema y de nuestras decisiones sobre el diseño de la herramienta.
•  

Trabajo futuro

• -    Nos gustaría usar esta herramienta como una base para incorporar una identificación automática de patrones y anomalías. 
• -    Proponer algunos mecanismos que podrían guiar al usuario en la exploración. Por ejemplo, en la versión actual, el usuario necesita saber el periodo de tiempo que quiere escoger para poder hacer un análisis más profundo. Deberíamos poder proporcionar los periodos de tiempo interesantes para que el usuario los explore. 
• -    Integrar los datos de taxi con otras bases de datos urbanas con el fin de identificar correlaciones, como por ejemplo, datos sobre el clima y número de taxis. 
•