Exploração Visual

Exploração Visual de Big Data Espacio-Temporal no Contexto Urbano.

Os táxis são sensores valiosos e as informações associadas às corridas de táxi podem fornecer perspectivas sem precedentes sobre muitos aspectos diferentes da vida na cidade, desde a atividade econômica e o comportamento humano até os padrões de mobilidade. Porém, a análise desses dados apresenta muitos desafios.

Objetivo

Permitir que especialistas da área explorem livremente um grande número de bases de dados urbanos e analisem de forma interativa muitas facetas diferentes desses dados.

Metodologia

• - Propor um novo modelo de consulta visual que suporte consultas espaço-temporais complexas sobre dados de origem-destino (OD).
• - Implementar um ambiente de análise utilizando o modelo visual anterior. 
• - Demonstrar a utilidade do nosso sistema através de uma série de estudos de caso motivados por engenheiros de tráfego e economistas cujas necessidades impulsionaram o nosso projeto.

Resultados

• - Nós construímos um sistema escalável que implementa nosso modelo de consulta visual que suporta tempos de resposta interativos; faz uso de uma estratégia adaptativa de nível de detalhe para gerar uma visualização dos resultados grandes sem interrupções; e mostra detalhes ocultos aos usuários em um resumo através do uso de mapas de calor sobrepostos. 
• - Apresentamos uma série de estudos de caso motivados por engenheiros de tráfego e economistas que mostram como nosso modelo e sistema permitem que os especialistas de domínio realizem tarefas que antes eram inatingíveis para eles. 

Qual é a novidade?

• - Em vez de exigir que os usuários façam desenhos de consultas, nosso modelo permite que eles manipulem diretamente os dados (e a visualização deles). 
• - Para lidar com a escalabilidade, o sistema implementa uma série de estratégias para suportar tempos de resposta interativos e a renderização de um grande número de gráficos primitivos em um mapa. 
• - Apresentamos uma série de estudos de caso, usando uma base de dados grande que inclui mais de 520 milhões de viagens de táxi em Nova York, o que ilustra as capacidades e a eficácia do nosso sistema e das decisões sobre o desenho. 

Trabalho futuro

• - Gostaríamos de utilizar esta ferramenta como base para incorporar uma identificação automática de padrões e anomalias. 
• - Propor alguns mecanismos que possam orientar o usuário na exploração dos dados. Por exemplo, na versão atual o usuário precisa saber qual período de tempo selecionar para fazer uma análise mais profunda. Deveríamos ser capazes de fornecer períodos de tempo interessantes para o usuário explorar.
• - Integrar dados de táxis com outras bases de dados urbanas com o objetivo de identificar correlações, por exemplo, os dados sobre clima e número de táxis.