CC BY
29МЕТОДЫ ТЕРРИТОРИАЛИЗАЦИИ: КАРТОГРАФИЧЕСКОЕ ИССЛЕДОВАНИЕ. ВИЗУАЛИЗАЦИЯ Кароль А.Д.1, Титюнников А.В.2, Бессчетнов А.В.3
'Кароль Антон Дмитриевич — студент;
2Титюнников Андрей Викторович — студент;
3Бессчетнов Александр Владимирович — студент, кафедра информационных технологий, Донской государственный технический университет, г. Ростов-на-Дону
Аннотация: визуализация информации - это междисциплинарная область исследований, в которой картографические усилия в основном касаются обработки географической информации. Некоторые картографы недавно стали участвовать в попытках распространить географические принципы и картографические методы на визуализацию негеографической информации. Эта статья сообщает о текущем прогрессе и будущих возможностях в этой новой области исследований, широко известной как пространственная локализация. Дискуссия в основном посвящена вычислительным методам, которые превращают многомерные данные в визуализации посредством процессов проецирования и преобразования. Утверждается, что картографически обоснованное использование вычислительно интенсивных методов может помочь обеспечить более богатую и менее непрозрачную визуализацию информации. Обсуждение методов пространственной привязки связано с другой приоритетной областью картографического участия, развитием теории и принципов когнитивно-правдоподобной пространственной локализации. В статье выделяются два одинаково важных набора задач для картографического успеха в исследованиях пространственной локализации. Одним из них является признание того, что применение картографической перспективы в визуализации информации имеет явные преимущества. Это требует от нашего сообщества более глубокого понимания сути картографической деятельности и изучения последствий ее метафорического переноса в негеографические области. Еще одна проблема заключается в том, что картографы становятся все более неотъемлемой частью сообщества по визуализации информации и активно привлекают составляющие его области исследований.
Ключевые слова: визуализация, пространственная локализация, картография, размерность, самоорганизующиеся карты, многомерное масштабирование, пространственное познание, взаимодействие человека с компьютером.
Введение
В последние годы был предложен ряд принципиальных подходов, чтобы дать людям возможность понять большие, сложные и часто неструктурированные хранилища данных. Возникшие проблемы являются общими для многих областей знаний. Это привело к разработке различных междисциплинарных подходов, которые опираются на накопленные знания различных академических традиций. Например, было бы трудно обсудить текущие усилия по сбору данных без учета роли традиционного статистического вывода. Точно так же нельзя игнорировать влияние векторно-пространственной модели на современные инструменты обнаружения знаний. Поэтому удивительно, что, хотя метафоры картирования долгое время были популярны в визуализации информации, десятилетия картографических исследований -не говоря уже о более широкой картографической традиции - часто почти игнорировались.
Можно утверждать, что картографы и географы должны быть обвинены больше, чем кто-либо другой, за то, что они не привлекли междисциплинарное сообщество по визуализации информации, продемонстрировав актуальность накопленного ими опыта. В то время как компьютерные ученые были самыми активными участниками исследований визуализации информации, а в институциональной инфраструктуре доминируют мероприятия IEEE и ACM1, визуализация информации остается открытой, всеобъемлющей, междисциплинарной исследовательской деятельностью. Среди картографических исследований визуализации негеографической информации можно выделить два направления деятельности. Некоторые картографы занимаются интерпретацией и трансформацией конкретных вычислительных подходов в свете картографической традиции и получают информацию от географической информатики. В отличие от этой вычислительной перспективы, когнитивный подход подчеркивает пользовательскую сторону пространственной локализации.
Он направлен на предоставление визуализаций, которые функционируют в соответствии с тем, что мы знаем или хотели бы знать, о человеческом восприятии и познании географического пространства и его визуальных представлений. Эти две перспективы дополняют друг друга: географическая информатика обеспечивает синтез, который сопоставляет геометрические примитивы с когнитивными категориями, которые лежат в основе нашего понимания и представления о пространстве. Некоторые из факторов, влияющих на картографическую локализацию, являются явно географическими; другие разделены с рядом областей, таких как когнитивная наука, лингвистика, информатика и взаимодействие человека с компьютером (НС1). В области географической информатики пространственная привязка наиболее тесно связана с рубрикой географической визуализации, но она также разделяет некоторые общие интересы и методы с извлечением географических данных и открытием знаний.
Среди конкретных географических влияний особенно примечателен Первый закон географии. Это сводится к наблюдению, что все связано со всем остальным, но более близкие вещи более тесно связаны, чем отдаленные вещи. Этот принцип сыграл роль в выборе многомерного масштабирования для визуализации текста, и он вдохновил на постоянные усилия по выявлению когнитивных основ пространственной локализации. Помимо наглядных изображений, которые теперь по праву можно назвать пространственными пространствами, существуют географические усилия, связанные с картированием киберпространства, исследование конкретных методов, обычно используемых для пространственной локализации и использование пространственной локализации в качестве альтернативного инструмента для анализа человеческих тестов. В этой статье дается обзор ряда вопросов, связанных с успешным привлечением картографов к визуализации информации. В нем утверждается, что картографы могут внести вклад в усилия по локализации на всех уровнях: от осознанного выбора среди различных методов уменьшения размерности до разработки когнитивно-правдоподобных интерактивных визуализаций.
Данные для пространственности
Визуализация информации потенциально применима к большому разнообразию данных. Однако, в зависимости от характеристик набора данных, могут или должны использоваться очень разные подходы, чтобы превратить исходные данные в визуальную форму. Степень, в которой структурная информация явно кодируется, является одним из доминирующих аспектов, влияющих на выбор манипуляций перед визуализацией. Существуют значительные различия в том, как структурированные, неструктурированные и полуструктурированные данные, возможно, придется обрабатывать, прежде чем применять методы визуализации. Это достаточно важно, чтобы различать типы данных соответственно.
Структурированные данные
Создатели традиционных картографических карт и современных географических визуализаций (а также тех, кто работает в более широкой области, известной как научная визуализация), знакомы с использованием структурированных данных, которые хранятся в форме таблиц базы данных. Они содержат различные наблюдения для данного числа переменных. Нет необходимости догадываться о том, где заканчивается одно наблюдение и начинается другое, или какие значения связаны с какими переменными. Структурированные данные доступны подпрограммам пространственной обработки довольно прямым способом. Также могут применяться стандартные методы статистической предварительной обработки, такие как диаграммы рассеяния или схемы многомерного масштабирования (МББ). Даже географические данные (например, данные многомерной переписи) могут быть пространственными, чтобы исследовать характеристики географических объектов в многомерном пространстве атрибутов, а не в географическом пространстве.
Неструктурированные данные
Многие данные, представляющие особый интерес для визуализации информации, долгое время существовали только в неструктурированной форме, что затрудняет их вычислительный анализ. Свободный текст является ярким примером этого. Большая часть содержимого вебстраницы попадает в эту категорию. Гипертекст может быть проанализирован и в конечном итоге визуализирован в соответствии с его структурой ссылок, и подобный анализ может выполняться всякий раз, когда встречаются явные или неявные связи между документами, например, в анализе совместного цитирования. Тем не менее, контент-анализ зависит от возможности дальнейшего анализа элементов в документах. Работа с контентом веб-страницы сталкивается с теми же трудностями, что и с большинством текстового контента, публикуемого в электронном виде, например, на материалах конференции. Требуется много предварительной обработки, прежде чем такие данные пригодны для вычисления мер расстояния и тому
45
подобного. Необходимо извлечь из текста значимые элементы, а также собрать метаданные документа для дальнейшего анализа. Необходимые аналитические подходы варьируются от устоявшихся принципов поиска информации до методов автоматического извлечения концепции. Большая часть работы по локализации, проделанной картографами, была сосредоточена на использовании текстовых данных.
Полуструктурированные данные
В последние годы появился подход, который обеспечивает механизмы для того, чтобы сделать данные информативными для лучшей поддержки обмена данными и автоматического анализа. Этот подход, известный как полуструктурированные данные, использует схемы, которые действуют как модели, описывающие структуру данных. Например, в полуструктурированном хранилище тезисов конференции можно было бы разделить отдельные тезисы на такие компоненты, как заголовок, информация об авторе, абстрактный текст и ключевые слова. Результирующий набор данных будет включать информацию о его структуре. В контексте пространственной обработки это облегчает извлечение данных, из которых могут быть рассчитаны многомерные модели расстояний. Расширяемый язык разметки (XML), безусловно, является наиболее известным средством для реализации таких данных. В будущем полуструктурированные данные станут основной формой исходных данных при работе с такими разнообразными материалами, как тезисы конференций, новостные статьи или библиографические записи. Устаревшие неструктурированные данные должны быть преобразованы в полуструктурированную форму, но сбор новых данных будет все более упрощаться. Например, визуализация географической области знаний на основе тезисов конференции проще, когда участники ежегодного собрания AAG представляют документы через интерфейс на основе форм, как это было в последнее время. После заполнения онлайн-формы подачи ее содержимое может быть немедленно направлено в соответствующие структурные элементы в соответствии с заданной схемой.
Когнитивные соображения в дизайне интерактивных пространств
Исследовательские возможности ГИС и картографов в области пространственного анализа не ограничиваются вычислительными методами, которые создают значимые пространственные геометрии, визуализации и методы анализа. Возможные темы исследования также охватывают, как лица, ищущие информацию, могут более эффективно осуществлять визуальный поиск и динамически извлекать информацию из интерактивных пространственных дисплеев, и, таким образом, лучше понимать знания, хранящиеся в больших архивах цифровых данных. Пространственность визуально суммирует и описывает большие хранилища данных, а также предоставляет возможности для визуального запроса и осмысления больших коллекций данных. Улучшение поиска знаний в богатых данными средах также является ключевой задачей сообщества GIScience. Например, Университетский консорциум геоинформационных наук определил, что добыча геопространственных данных и обнаружение знаний и географическая визуализация являются новыми темами исследований. Недавние исследования, касающиеся распространения и доступа к очень большим коллекциям географических данных, включая аэрофотоснимки, спутниковые снимки, цифровые и аналоговые карты, также документируют более широкое использование контентно-ориентированных или семантических стратегий поиска. Хотя поисковые системы различаются по уровню абстракции, результаты запросов на основе изображений обычно предоставляются в виде графических миниатюр. Эта стратегия может быть эффективна для запросов, которые возвращают управляемое количество результатов запроса. Однако было показано, что пользователи предпочитают перемещаться в четко определенном иерархическом семантическом пространстве. Преобразование содержимого архива визуальных данных в семантические онтологии визуальной информации будет приобретать все большее значение, поскольку ожидается, что архивы данных будут расти в геометрической прогрессии. Пространственность основана на представлении пространственных свойств и требует понимания их пользователем. Следовательно, важно изучать и применять когнитивные принципы для реальных пространств, которые включают пространственное мышление и общение об особенностях, их пространственно-временных и тематических атрибутах, а также об отношениях между этими объектами в реальном мире. Сохранение географических примитивов и пространственных принципов в пространстве позволяет интерпретировать содержание информационного пространства и помещает трансформацию в прочную семантическую структуру.
Рис. 1. Пространственный пользовательский интерфейс для исследования архива новостной ленты
Вид карты (верхнее левое окно) связан с трехмерным пейзажным видом (верхнее правое окно), предоставляя искателю информации множество перспектив одного и того же набора данных. Третье окно (внизу в центре) отображает семантический профиль вдоль линии семантического разреза, нарисованной на 2D-карте и в 3D-окнах ландшафта. Строка разреза представляет собой метафору пространственного запроса для идентификации неявных перекрестных ссылок между исходным документом (1) и несколькими целевыми документами (2 и 3). Пользователь, интересующийся результатами европейского футбола (например, Немецкая Бундеслига), выбрал документ (ID 329) щелчком мыши. Эта новость находится в семантической близости от ранее идентифицированного «знакового документа» (2). Содержимое выбранного документа (то есть результаты футбольных матчей) отображается в окне документа (внизу справа).
На рисунке 1 изображен экспериментальный пространственно-ориентированный пользовательский интерфейс, который в настоящее время разрабатывается и используется для экспериментов по юзабилити на основе местоположения, расстояния и масштаба географических примитивов. Относительное и абсолютное местоположение дает ощущение существования документа в коллекции и его семантической связи с другими документами в архиве. На рисунке 1 семантические отношения между новостями пространственно распределены с помощью комбинации весенней модели и масштабирования сети Pathfinder. Каждая точка на экране связана с оригинальной новостью, которую можно просматривать и читать при просмотре локализованного архива. Поверхность плотности была интерполирована из точечной конфигурации, полученной из модели пружины. Поверхностная модель дает информации ощущение смысловой плотности в пространстве данных. Пользователь может перемещаться по синхронизированным дисплеям, например, в 2D (панорамирование и вращение) или в 3D, с пролётами или прогулками. Сопоставляя метафору местоположения с расстоянием, несколько документов могут иметь перекрестные ссылки («начищенные») с помощью линейного соединительного разреза или вдоль вычисленной семантической сети в двумерном случае и одновременно просматриваться в пространственном трехмерном представлении. При навигации в трехмерном пространстве линия разреза может быть представлена кратчайшим путем между двумя точками вдоль линии визирования или вдоль семантического пути перемещения. Элементы, попадающие по этому пути, могут быть охарактеризованы как более похожие на один элемент (например, конкретный документ ориентира, используемый в качестве начала навигации) или другой элемент (например, документ назначения). Связанные виды в различных масштабах снабжены встроенными
дисплеями. Мелкомасштабные карты-вставки обеспечивают систему координат (абсолютное местоположение) и служат ориентирами для искателей информации при масштабировании вглубь пространства данных. Мелкомасштабные представления дают пользователю представление о размерах и размерах информационного пространства, даже когда они хотят приблизиться к более высоким уровням детализации или перемещаться по дорожкам внизу глубоких семантических долин, где могут быть затруднены обзоры ландшафта. Контентные визуальные исследования запросов все чаще применяют методы иерархического упорядочения и кластеризации, основанные на функциональном расстоянии или метрических показателях семантической связанности. Другие подходы предназначены для моделирования воспринимаемого сходства (например, сходства по форме, цвету, текстуре) между элементами в большом архиве данных. При пространственном размещении документы на заданном расстоянии от интересующей точки могут образовывать графические кластеры связанной информации. Горы и долины документов структурируют информационное пространство и позволяют исследовать связанные окна в 2D и 3D. Информационные кластеры могут быть вложенными иерархически. Кластеры могут быть исследованы на разных уровнях детализации, представляя концепцию масштаба. Недавнее исследование предоставляет эмпирические данные, подтверждающие удобство использования пространственных представлений. Исследование включало в себя создание и оценку прототипа пространственной локализации для доступа к большой коллекции документов. Разработка и реализация компонентов пространственного интерфейса были основаны на трех пространственных концепциях: расстояние (сходство), расположение (дисперсия и концентрация) и изменение масштаба (изменение уровня детализации). Были собраны эмпирические данные о влиянии образования и обучения людей на ассоциацию метафор, а также о влиянии таких репрезентативных переменных, как тип данных, размерность, цвет и форма. Исследование показало, что люди связывают расстояние между точками с концепцией сходства документов в коллекции документов; графические кластеры, представляющие информационное содержание и структуру цифровой коллекции с концентрацией связанных документов; и графическое изменение разрешения (увеличение) с различными уровнями детализации в коллекции документов (иерархический порядок). Одним из наиболее поразительных результатов в этом исследовании является то, что понимание метафоры, по-видимому, не связано с опытом и знаниями людей в области пространственных данных, что подчеркивает силу метафорического картирования в группах пользователей.
Заключение
Данная статья продемонстрировала, что растущее участие в визуализации негеографической информации может предоставить картографии и другим наукам уникальную возможность участвовать в развитии развивающейся междисциплинарной деятельности. Из описания основных подходов, конкретных методов и примеров реализации вытекает исследовательская программа, которая учитывает широкий спектр нашей дисциплины, создавая ряд исследовательских задач. Первая и главная задача - признать значимость картографической экспертизы за пределами визуализации географических явлений. Важно отделить множество картографических и научных наук от географической реальности, к которой они традиционно применялись. Это требует более глубокого понимания сути картографической деятельности. Со времени появления аналитической картографии мы знаем, что картография, прежде всего, касается преобразования пространственных данных. С современными подходами геовизуализации у нас теперь есть необходимые методы, чтобы обеспечить передачу знаний в смежные исследовательские сообщества с высоко интерактивными инструментами, основанными на прочной семантической основе.
Наконец, картографические исследования по визуализации негеографической информации должны особенно выиграть от междисциплинарной семантической сети. Сегодня входные данные для наиболее впечатляющих пространств имеют тенденцию быть либо полученными из жестких, субъективно сформированных и довольно неполных иерархий (например, Open Directory Project), либо путем принятия столь же субъективных решений среди множества сложных инструментов и процедур обнаружения знаний. В ближайшем будущем Semantic Web поможет в интеграции разнородной информации. Это облегчит эксплуатацию и исследование взаимосвязей между информационными элементами, что приведет к созданию более сложных, но в конечном итоге более значимых информационных пространств. Это имеет интригующие последствия для картографической вовлеченности, поскольку это может привести к возобновлению интереса среди некартографов к тому, как нашему сообществу удалось не только представить бесконечно сложную географическую реальность в ограниченном пространстве отображения, но и сделать это таким образом, чтобы люди узнают свой мир в нем.
Список литературы
1. Острейковский В.А. Информатика Текст. : учеб. для вузов / В.А. Острейковский. М.: Высш. шк., 2000. 511 е.: ил.
2. Википедия Электронный ресурс. / Web-мастер Джимми Уэйлс. Электрон, дан. Тампа, штат Флорида, США: американский некоммерческий фонд Wikimedia Foundation Inc., 2001. [Электронный ресурс]. Режим доступа: http://ru.wikipedia.org/wiki/ (дата обращения: 23.05.2019).
3. Энциклопедия кибернетики Текст. В 2 т. Т. 1 / Энциклопедия кибернетики. Киев: Главная редакция Украинской советской энциклопедии, 1975. 607 с.
4. Спринт-Информ. Электронный ресурс. Web-мастер Фридланд А.Я., Ханамирова JI.C., Фридланд И.А., Фридланд В.А. [Электронный ресурс]. Режим доступа: http://www.sprint-inform.ru/ / (дата обращения: 23.05.2019).
5. Основы геоинформатики Текст. : Учеб. пособие для студ. вузов / В 2 кн. Кн. 1. / Е.Г. Капралов, А.В. Кошкарев, B.C. Тикунов и др.; Под ред. B.C. Тикунова; М.: Издательский центр «Академия», 2004. -352 с.
6. Кошкарёв А.В. Геоинформатика Текст. / А.В. Кошкарёв, B.C. Тикунов ; Под ред. Д.В. Лисицкого; М.: "Картгеоцентр" -"Геодезиздат", 1993. 213 с.
7. Карпик А.П. Методологические и технологические основы геоинформационного обеспечения территорий: Монография / А.П. Карпик; Новосибирск: СГГА, 2004. 260 с.
8. Татарников А.Н. Разработка методики определения информационной ёмкости карты: автореферат / А.Н. Татарников; — М., 2002. 24 с.
9. Пискунов А.Г. Использование реляционной модели при создании картографической базы данных Электронный ресурс. / А.Г.
10. Пискунов А.Г.,Николаев М.В., Федченко В.А. [Электронный ресурс]. Режим доступа: http://www.realcoding.net/article/view/4516/ (дата обращения: 23.05.2019).
11. Серапинас Б.Б. Характеристики качества геоданных Текст. / Б.Б. Серапинас // Картография на рубеже тысячелетий: Доклады I Всероссийской научной конференции по картографии (Москва, 7-10 октября 1997 г.). М., 1997. С. 405-412.
12. Берлянт A.M. Геоиконика Текст. / A.M. Берлянт; М.: Фирма «Астрея», 1996. 208 е.: ил., табл.
13. Геоинформатика. Толковый словарь основных терминов Текст. / Под ред. Берлянта A.M., Кошкарева А.В. М.: ГИС-Ассоциация, 1999. 204 с.
14. Берлянт A.M. Образ пространства: карта и информация Текст. / A.M. Берлянт; М.: Мысль, 1986. - 240 с.
15. Салищев К.А. Задачи картографии и автоматизация / К.А. Салищев // Известия высших, учебных заведений, серия геодезия и аэрофотосъемка. М., 1967. № 4. С. 7-10.
16. Салищев К.А. Предмет и метод картографии (некоторые современные взгляды) / К.А. Салищев // Вестник МГУ. География. М., 1970. № 2. С. 29-33.
17. Картография. Зарубежные концепции и направления исследований. Сборник переводных статей Текст. / Выпуск 1. М.: Изд-во «Прогресс», 1983. 278 с.
