高维时空房地产数据的可视分析.pdf

第九届中国计算机图形学大会论文集 高维时空房地产数据的可视分析 孙国道 梁荣华+ 何贤国 (浙江工业大学计算机学院浙江杭州310023) (Email：rhliang@zjut．edu．cn) 高维房地产数据往往包含着复杂的空间和时间趋势，本文研究了基于HT札5的在线可视分析方法，该方 法采用最新的交互式可视化技术，使得用户能够创建自己的可视化形式并理解房地产市场中的内容。本文方 法包括如下五个组件：展示楼盘地理信息的地学可视化组件，展示楼盘销售数量变化的堆栈图组件，展示楼盘 多维属性的像素条图组件和平行坐标组件以及展示数据层次结构的树图组件。 在地学可视化组件中，本文将楼盘绘制在GoogleMaps上，当需要绘制大量楼盘时，为了提高绘制的性 能和用户体验。本文将地理位置相近的楼盘进行聚集。本文提出了一种改进的基于网格的聚类算法，其主要 思想是计算某楼盘标记是否位于某一聚类所代表的网格中，如果是，则将该标记添加至该聚类中，同时计算该 网格中所有标记的几何中心作为该聚类的新聚类中心；若不是，则将该标记构造为一个新的聚类。此外，本 文统计了每个聚类内所含楼盘的属性，并提出了一新颖的可视化方式，其用放置在聚类图标周围的圆弧表示 不同的统计信息。 在堆栈图组件中，本文结合多种布局和排序方式来展示楼盘销售数量的变化，如传统堆栈图布局方式， StrealIlGraph布局方式“3和最小摆动布局方式等，以及基于堆栈图中各层开始时间点的排序，基于各层动荡性 的排序和基于各层的数据总和大小的排序等。本文研究并提出了诸如使用StreaⅡIGraph布局和基于动荡性的 排序方式展示了所有楼盘销售数量的变化等，以此来观察图中不同的规律。 在像素条图组件中，本文提出了基于楼盘销量和价格的聚类方法用于展示楼盘的多维属性。每个像素条 表示一个楼盘，每个像素条的横轴表示时间的跨度，每个时间点上的颜色表示该楼盘在该时间上的统计信息。 本文针对房地产数据的特殊性，即不同的楼盘有不同的销售时间，且时间是离散或者持续的，提出了一种同 时基于楼盘价格和销量的聚类方法，该方法中我们首先使用基于PIPs。1的分段方法对楼盘的销售数量进行分 段，然后在各段中根据楼盘的价格进行排序。 在树图组件中，本文关注房产数据的层次结构以及其所蕴含的空间信息。本文用树图组件中的某一矩形 框表示数据中的某一子集，矩形的颜色、面积大小和在图中的位置可用于编码数据的各个维度。本文提出了 如下树图布局和排序方式的组合，如楼盘和行政单元的的有序正方化布局(节点降序排序)，楼盘的空闽有序 布局。1(节点按照经纬度排序)，条带布局(节点降序／升序排序)等。 最后本文使用以上的组件进行案例分析，如本文使用堆栈图分析了所有楼盘和不同地区楼盘的销售情 况，发现了这些年里杭州的发展情况。再者本文使用了聚类后的像素条图进行案例分析，来揭示城市所建造 楼盘的外扩，楼盘价格的变化和楼盘销售地区的分布等之间的关系等。本系统在用户调查中获得了很好的用 户和专家反馈结果。 参考文献 IEEETransactionsonVisualizationand 【l】LByron，MWattenbe唱StackedGraphs—GeometryAesthetics Computer 245-1252 Graphics，2008，14(6)：1 Fu RetaIFlnancialtimese“es basedonIowresolutjon 4th L FLuk indexing ofthe 【2】 chung cIustenng【cj，／Proceedings IEEE Data and IntemationalConferenceon on Data Mining(IcDM20