空间大数据可视化的几种表达形式-以mobike出行报告为例

一、前言

越来越多的出行企业选择空间大数据可视化表达来进行海量数据的分析和展示，如mobike、滴滴、uber。通过这一直观形式，能够让普通大众快速接受企业所想表达的深层含义，同时也便于对数据进行深度的挖掘和分析结果的表达呈现，空间表达较图表、文字等其它表达方式除了直观，易于理解外，也能够将海量数据的效果进行视觉感官上的刺激，同时呈现出一种不规则的美。

二、空间大数据可视化表达方式

空间的可视化表达形式有多重多样，有相对量化的，有抽象的，有离散的，也有连续的，不同的表达形式所想表达的含义也不尽相同，主要的表达形式有散点、热力、气泡、分组散点、立体柱状、立体热力、道路密度分级渲染、道路热力渲染、静态线、飞线、动态网格密度、蜂窝网格密度等。这里就以mobike 2017年武汉共享单车出行报告中所涉及的空间可视化，对各个类别的表达方式进行一个阐述。

三、海量散点图

散点图是一种离散点在空间中的表达形式，通过海量点的全量展示，能够让我们体会到每一个动作（开关锁、上下车）在特定位置的特殊含义。

四、分组散点图

分组散点是一类特殊的散点形式，通过类别进行不同颜色的区分，表达不同的含义，能够使我们获取更加明确的信息，如共享单车开锁点、关锁点设置为不同颜色的渲染，可以观察不同的时间段，如上下班高峰期，两个点的分布是有完全不同的规律的。

五、气泡图

气泡图也是散点的一种特殊形式，他是通过不同的权重表达散点的大小，同时也可以关联不同的颜色，形成一个个不同大小，不同颜色的点，相比普通散点和分组散点，它所表达的数据维度更多，展现效果也更华丽多彩。

六、热力图

热力图是一种非常常见的空间表达方式，主要是通过离散的数据分布（可能还带有权重），在不同的层级在同一屏幕区域的聚合表达，如离散的手机GPS位置请求，我们可以把每次请求当做一个独立个体，通过热力的展示可以得到某一些区域的人员如果密度大，这时候在热力图上展示这块区域就比较热，密度比较大，可以用比较偏热的颜色表达这种信息，如红色、紫色等。

七、立体热力

立体热力其实和热力的概念是一致的，不过不同技术上的表达方式不一致，普通热力主要是在二维地图的表达，立体热力主要是支持webgl的展示平台上的一种展示形式，如mapbox、或者其它三维可视化平台。

八、网格图

网格图是一种经过空间统计分析后的表达形式，通过定义规则的网格，如矩形网格、蜂窝网格，然后统计每个网格内的散点数量，最后根据网格的分级标准，如不同的值区间，进行不同颜色的分段表达，其实类似于热力，不过网格在视觉上规则感更强。

九、网格立体柱状图

网格立体柱状图是网格图的>2.5维的展示，除了平面网格颜色的不同外，还能够通过柱子的高度直观的体现出网格值的大小，在视觉上冲击更强。

十、道路密度

道路密度是将离散的信息点，如骑行轨迹，映射到道路上，然后对道路点进行聚合分析，得到每条道路甚至每条道路的每个路段不同的权重，然后根据权重进行不同颜色、线宽的表达，形成直观的道路密度图。一种根据骑行轨迹计算道路密度的方法，可以参考我的这篇博客（GeoHash在空间道路密度计算中的应用-以mobike骑行轨迹为例）。

十一、总结

还有几种表达空间方式如：飞线、动态网格、动态轨迹等等在这个报告中并没有体现，在我的下一篇博客中，我会基于滴滴的出行分析报告做进一步的描述，这篇报告中所有的截图都是基于《mobike 2017年武汉共享单车出行报告》，大家可以下载这篇报告进行进一步的阅读。