请选择 进入手机版 | 继续访问电脑版
发新帖

[WGDC2016] 教程 | 可视化数据探索方法—混色

时间:2018-8-2 18:05 0 576 | 复制链接 |
今天给大家推荐一个可视化数据探索方法的教程,来自微信公众号:IVC在看得见的城市作者:刘啸。

IVC网站地址:https://ivc.city/

探索数据本质上是指从图形或统计数字中发现数据中的模式、联系和关系。可视化数据探索是直观的,不需要难以理解的数学或统计算法或参数,所以它已经成为突出显示可能模式的最佳工具。

在可视化数据探索方法这个系列的文章中,我们会基于IVC的一些研究以及项目实践,介绍一系列可视化数据探索的方法,主要包括分析思路以及实现过程。

Blendingmodes for Spatial Distribution Pattern
(基于混色模式的空间要素分布模式挖掘)

我们时常要探索不同类型要素空间分布的模式,比如我们在角落翻转:看得见的台北,看不见的「消极空间」中用Blending-modes 的方法找出台北市里没有被有效率的许多角落。

其中蓝色代表低活力的区域,绿色代表低可达性的区域,红色则代表负面因子较多的区域。而将三种要素的颜色进行混合(color-burn)之后,颜色越深代表三类空间消极要素越聚集,也就是城市中出现消极空间几率越大的地方。


要完成这个分析过程,主要有四个步骤

▲ Figure1 Blending-modes 混色过程

1、首先获取分类点要素
角落翻转:看得见的台北,看不见的「消极空间」的研究中将要素点分为低活力空间,低可达性和环境负面因子三大类,其中低活力空间按照时间区分了早上和晚上。

▲ Figure2 Inactive Area Morning

▲ Figure3 Inactive Area Evening


▲ Figure 4 Negative Impacts

▲ Figure5 Inaccessible Area

2、计算核密度
已知的分类点是离散的,我们需要依据这些已知参考点来对周边未知值进行预测。这里用到了核密度估计(KDE)的方法,实际上,在预测未知值时,我们从已知点值插值。因此我们也将KDE称为核密度插值。计算公式如下:


其中,k函数表示权重函数,k函数如下:


f(s)是栅格单元位置s处的核密度计算函数,h为距离衰减阈值,n为位置s的距离小于或等于h的要素点数。

可通过以下链接来了解更多核密度估计(KDE)的计算原理:

核密度分析的工作原理

HEATMAP CALCULATION TUTORIAL USINGKERNEL DENSITY ESTIMATION (KDE) ALGORITHM

3、分级单色渲染
在获得核密度栅格以后,采用分位数分段法将各个类别不为0的核密度栅格值进行分级,级别越高,核密度值越大。接着按照级别越高颜色越深的原则对不同类别的核密度栅格进行单色渲染。在颜色的选择上,应选取对比度较强的颜色,比如红色,绿色和蓝色。

▲ Figure6单色分级渲染示例

▲ Figure7单色选择示例

4、颜色混合
Blending_modes主要功效是可以用不同的方法将对象颜色与底层对象的颜色进行混合。

比如取A层任意一个像素a [R1, G1, B1],与B层对应位置的像素b [R2, G2, B2] 进行数学运算,得到c [R3, G3,B3]。

Blending_modes有不同的方法,比如我们常用的Dissolve,Multiply,Lighten等。

▲ Figure8 Blend mode groups

▲ Figure9 examples of blending modes

角落翻转:看得见的台北,看不见的「消极空间」中采用的是颜色加深模式(Color Burn)模式,具体公式如下:


Color Burn使图片变暗,越是暗的颜色变暗越快,越是亮的颜色受影响越小。在这种模式下任何颜色与纯白混合不发生变化。


结语:
不同的色彩混色模式在不同底图、透明度上都会有不同的表现效果,在可视化的时要依据视觉需求做选择。因混色模式本身即不同算法,若了解其数理上的意义,除了视觉上的直观感受外,更能符合数据叠加时的逻辑含义。
基于混色模式的空间要素分布模式挖掘可应用于生态和环境管理、公共安全、城市规划、商业和旅游等多领域,来考查不同空间要素或者设施的位置与关联关系。
如对此方法有疑问可联系info@ivc.city

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


快速回复 返回列表 返回顶部