Ein interaktiver Ansatz zur visuellen Analyse von Trajektorien basierend auf einem Partition-and-Group Clustering Framework

Abstract

Seit Bewegungen über GPS-Sensoren besser erfasst werden können, steigt die Menge an verfügbaren Bewegungsdaten rapide an. Diese können potentiell viele Verhaltensmuster aufweisen, welche wertvolle Erkenntnisse zur Erforschung oder zum Schutz der sich bewegenden Objekte liefern. Um diese Muster zu erkennen, müssen die unstrukturierten Daten verarbeitet und anschließend passend visualisiert werden. Das ermöglicht hinterher die Analyse der Muster. Die Transparenz des Prozesses und die Unterstützung des Nutzers bei der Analyse sollen dabei gewährleistet werden, weshalb die Möglichkeiten der Interaktion eine wichtige Rolle spielen. Bisher beschränken sich diese interaktiven Möglichkeiten bei der Auswertung von Bewegungsdaten auf ein Minimum und werden meist nur zur Exploration von Verarbeitungsergebnissen genutzt. In dieser Arbeit wird deshalb ein System entwickelt, welches automatische Datenverarbeitung, durch interaktive Methoden, fest mit der Visualisierung verknüpft, um die Interaktions- und Analysemöglichkeiten zu verbessern. Dafür werden eine Partitionierungsmethode, ein Cluster-Algorithmus und ein einstellbares Distanzmaß über eine durchgängige, interaktive Visualisierung vereint. Dadurch soll Analysten das Verstehen und Steuern der Musterextraktion ermöglicht und die abschließende Analyse der Muster erleichtert werden. Um aufzuzeigen, was diesen Ansatz von bisherigen unterscheidet, werden die genutzten Komponenten im Detail erklärt, Neuerungen vorgestellt und auf Vor- und Nachteile eingegangen.

Since movements can be tracked easier by the help of GPS-sensors, the quantity of movement data rises rapidly. These can potentially exhibit many behavioural patterns which provide valuable insights for investigation or protection of moving objects. In order to find such patterns, the unstructered data must be processed and visualised. This enables their following analysis. To increase the transparency of this process and to support the user in the analysis, the opportunities of interaction are an important issue. So far, interactive actions for the visual analysis of movement data are pared down to a minimum and are used only for the exploration of the results of the processing. That is why, in this thesis, we develop a framework which firmly connects automatic data processing through interactive methods with visualisation in order to improve the capabilities of analysis and interaction. Therefore, a partition method, a cluster algorithm, and an adjustable distance function are combined by a continuous interactive visualisation in order to support analysts towards the understanding and directing of the extraction of patterns and the concluding analysis. To show what makes this approach distinguishable from existing approaches, the utilised components will be explained in detail, innovations will be illustrated, and advantages and disadvantages will be explained.