基于時空特征的車輛加油行為可視化分析

肖瀟 陳雙蕾

摘要：隨著社會的發展，我國的城市化建設的發展也有了很大的進步。目前，城市中車輛數量每年都有較大增長，基于車輛行為的數據分析工作的意義也愈加重要。在城市交通等研究領域，對車輛行為的可視化研究一直是可視化研究領域的熱門研究課題，如通過GPS描繪的出租車軌跡等，隨著物聯網（Intemetoffhings，IoT）技術、數據分析及可視化相關研究的發展越來越引起學術界的關注。目前對車輛行為的可視化研究通常集中在車輛軌跡、位置和流量等數據。由于難以收集區域內所有加油站的歷史及實時加油數據，因此對車輛加油行為的相關研究較少。因此，建立一個能夠收集區域內所有車輛加油數據（包括加油站坐標、加油時間和加油量等）的數據采集系統，對車輛行為就能做到更深入的分析，在城市交通規劃、加油站智能服務和公共安全等領域都將具有重要意義。

關鍵詞：時空特征;車輛加油行為;可視化分析

通過分析區域內車輛加油的大數據，研究車輛加油的普遍行為模式，調查可能的異常行為。為此，以覆蓋新疆維吾爾自治區的車輛加油數據為基礎，設計了一個交互式可視分析系統。首先通過抽取相關數據集的基礎特征，得出加油站、汽車、駕駛員3類實體之間的關系;然后使用多種可視化經典視圖并加以組合;此外，在部分視圖上增加了一些額外的圖形元素，以在具體應用場景下從不同視角描繪出典型的數據特征，如時空特征等，同時展示不同實體之間的關系。通過2個基于真實數據的案例，在領域專家的協助下分析數據中的典型個體行為模式及統計群組特征，最終實現對異常行為的識別。

一、相關工作

（一）時空數據可視化

近年來，由于物聯網的充分發展，時空數據分析逐漸成為大數據分析研究中常見的一種數據類型。基于時空數據的可視化技術重點表現數據的時間與空間維度屬性特征，并對其相關的模式及規律進行展示。交通數據屬于時空數據的一種，對交通數據的可視化研究大多是使用軌跡數據可視分析技術。根據研究，軌跡可視化技術可以總結為3種類型：直接可視化、聚類可視化和特征可視化。有大量的研究工作與軌跡數據可視化相關。一個基于GPS軌跡的城市交通擁堵視覺分析交互系統。借用了文本分析中的LDA方法，提取了出租車數據的“話題”來發現和分析城市內大量出租車軌跡數據的隱藏模式。在研究中車輛信息大多由位置感知裝置收集，例如，安裝在出租車、公共汽車和其他公共交通工具上的GPS設備，研究的目的是找出城市交通擁堵的原因，并提出可能的解決方案。本文研究分析普通車輛，主要是私家車的行為模式并發現異常行為。本文中采用多視圖聯動的數據可視化方法來表示數據集中的多維屬性，使用的主要視圖模型有散點關系圖、甘特圖、平行坐標和日歷矩陣圖等。

（二）車輛加油行為分析

目前關于加油行為的數據分析研究主要集中在設施位置問題或經濟因素上。大量裝備GPS的出租車的軌跡，用來檢測加油站的訪問情況、衡量所花費的時間，并估算整體需求。使用智能手機應用程序構建了一套監測和分析駕駛行為的系統。提出了一種計量的經濟學模型來分析新加坡汽油零售商的地理位置，以及這些零售商之間的價格競爭情況。研究的問題是零售汽油市場的產品設計、價格和位置特征是如何受到價格競爭的影響。以上工作主要集中在分析加油站本身的特征，相比之下，本文的工作更側重于車輛、司機和加油站之間的關系。在交通數據相關的研究領域，使用加油數據直接進行研究的工作較少，多數工作是使用車載GPS數據來進行車輛行為分析或交通模式研究的。設計了一個出租車起止點數據可視分析系統，使用全局概覽圖和環形像素圖等視圖，通過多組件協同交互，從不同維度分析出租車起止點數據的潛在時空模式。采用離散和連續型2種編碼方式對道路上的車流量、行車方向和速度等情況進行分析。使用GPS定位數據及相關數據的采樣率等信息實時估算車輛的車速與行駛時間。以上研究工作的目的主要是城市交通的改善，而本文的研究目的是發現車輛加油事件的異常行為，結合大數據可視化技術，實現在公共安全領域的智能分析和預測決策。

二、可視化設計

（一）地圖

使用地圖可以很好地展示數據的空間屬性及總覽。每個加油站由一個固定大小的點表示，加油站的位置由實際緯度和經度確定，顏色深淺代表加油次數的多少。用戶可以通過調整時間參數來顯示不同時間區域的整體加油狀況。加油的數量在夜間是最少的（0：00～6：00），而從6：00～18：00的加油行為是較多的。

（二）散點關系圖

用戶可以查看單個加油站的具體加油情況，系統中使用一種基于笛卡爾坐標系的散點關系圖來展示一天內某個加油站所有加油記錄的詳細信息。其中，x軸表示一天的時間范圍，從0：00～24：00，y軸表示充裝的數量，單位是L。2個坐標軸都提供了縮放數據區域的交互操作，用戶可以通過過濾將重點放在他們關心的時間段或充裝數量分段的數據視圖中。

（三）日歷矩陣

通常反映時間特征屬性的可視化方案里，使用時間軸、多快照或動畫的形式比較常見，這些方法各有其優缺點和適用場景。本文采用的數據集中的時間特征有個明顯的特點，即同一輛車2次加油的時間間隔比較長，所以連續的時間序列表現方法在此并不適用。使用日歷矩陣可以方便地表現出更大范圍時間尺度的離散數據，從而集中反映一段時間之內的加油記錄。將對應日期的加油行為繪制在圖上，顏色深淺代表了加油量的多少，而且周末加油和工作日加油的表示顏色也有區分，如果同一天加油次數多于一次，則當天的加油量為多次加油量之和。

三、結語

本文所述的可視化分析項目仍在持續推進中，更多其他來源的數據將會集成進系統，隨著數據的不斷積累，將進一步深入分析群體行為模式的特征。在下一階段，我們將重點關注群體的行為，并選擇適合群體行為展示的可視化視圖，特別是發現和識別小群體的常見行為模式，這也是目前系統用戶提出的重要實際需求。我們希望發現的模式包括特定人群的流動方向和行為特征，對流動目的地的預測，以及具有相同特征和行為模式的人群的劃分。此外，還會嘗試將可視分析與其他數據分析方法（如人群關系分析等）相結合，以此來解決上述實際需求。

參考文獻：

[1]姜曉睿，鄭春益，蔣莉，等.大規模出租車起止點數據可視分析[J].計算機輔助設計與圖形學學報，2015，27（10）：1907-1917.