基于时空特征的车辆加油行为可视化分析

肖潇 陈双蕾

摘要：随着社会的发展，我国的城市化建设的发展也有了很大的进步。目前，城市中车辆数量每年都有较大增长，基于车辆行为的数据分析工作的意义也愈加重要。在城市交通等研究领域，对车辆行为的可视化研究一直是可视化研究领域的热门研究课题，如通过GPS描绘的出租车轨迹等，随着物联网（Intemetoffhings，IoT）技术、数据分析及可视化相关研究的发展越来越引起学术界的关注。目前对车辆行为的可视化研究通常集中在车辆轨迹、位置和流量等数据。由于难以收集区域内所有加油站的历史及实时加油數据，因此对车辆加油行为的相关研究较少。因此，建立一个能够收集区域内所有车辆加油数据（包括加油站坐标、加油时间和加油量等）的数据采集系统，对车辆行为就能做到更深入的分析，在城市交通规划、加油站智能服务和公共安全等领域都将具有重要意义。

关键词：时空特征;车辆加油行为;可视化分析

通过分析区域内车辆加油的大数据，研究车辆加油的普遍行为模式，调查可能的异常行为。为此，以覆盖新疆维吾尔自治区的车辆加油数据为基础，设计了一个交互式可视分析系统。首先通过抽取相关数据集的基础特征，得出加油站、汽车、驾驶员3类实体之间的关系;然后使用多种可视化经典视图并加以组合;此外，在部分视图上增加了一些额外的图形元素，以在具体应用场景下从不同视角描绘出典型的数据特征，如时空特征等，同时展示不同实体之间的关系。通过2个基于真实数据的案例，在领域专家的协助下分析数据中的典型个体行为模式及统计群组特征，最终实现对异常行为的识别。

一、相关工作

（一）时空数据可视化

近年来，由于物联网的充分发展，时空数据分析逐渐成为大数据分析研究中常见的一种数据类型。基于时空数据的可视化技术重点表现数据的时间与空间维度属性特征，并对其相关的模式及规律进行展示。交通数据属于时空数据的一种，对交通数据的可视化研究大多是使用轨迹数据可视分析技术。根据研究，轨迹可视化技术可以总结为3种类型：直接可视化、聚类可视化和特征可视化。有大量的研究工作与轨迹数据可视化相关。一个基于GPS轨迹的城市交通拥堵视觉分析交互系统。借用了文本分析中的LDA方法，提取了出租车数据的“话题”来发现和分析城市内大量出租车轨迹数据的隐藏模式。在研究中车辆信息大多由位置感知装置收集，例如，安装在出租车、公共汽车和其他公共交通工具上的GPS设备，研究的目的是找出城市交通拥堵的原因，并提出可能的解决方案。本文研究分析普通车辆，主要是私家车的行为模式并发现异常行为。本文中采用多视图联动的数据可视化方法来表示数据集中的多维属性，使用的主要视图模型有散点关系图、甘特图、平行坐标和日历矩阵图等。

（二）车辆加油行为分析

目前关于加油行为的数据分析研究主要集中在设施位置问题或经济因素上。大量装备GPS的出租车的轨迹，用来检测加油站的访问情况、衡量所花费的时间，并估算整体需求。使用智能手机应用程序构建了一套监测和分析驾驶行为的系统。提出了一种计量的经济学模型来分析新加坡汽油零售商的地理位置，以及这些零售商之间的价格竞争情况。研究的问题是零售汽油市场的产品设计、价格和位置特征是如何受到价格竞争的影响。以上工作主要集中在分析加油站本身的特征，相比之下，本文的工作更侧重于车辆、司机和加油站之间的关系。在交通数据相关的研究领域，使用加油数据直接进行研究的工作较少，多数工作是使用车载GPS数据来进行车辆行为分析或交通模式研究的。设计了一个出租车起止点数据可视分析系统，使用全局概览图和环形像素图等视图，通过多组件协同交互，从不同维度分析出租车起止点数据的潜在时空模式。采用离散和连续型2种编码方式对道路上的车流量、行车方向和速度等情况进行分析。使用GPS定位数据及相关数据的采样率等信息实时估算车辆的车速与行驶时间。以上研究工作的目的主要是城市交通的改善，而本文的研究目的是发现车辆加油事件的异常行为，结合大数据可视化技术，实现在公共安全领域的智能分析和预测决策。

二、可视化设计

（一）地图

使用地图可以很好地展示数据的空间属性及总览。每个加油站由一个固定大小的点表示，加油站的位置由实际纬度和经度确定，颜色深浅代表加油次数的多少。用户可以通过调整时间参数来显示不同时间区域的整体加油状况。加油的数量在夜间是最少的（0：00～6：00），而从6：00～18：00的加油行为是较多的。

（二）散点关系图

用户可以查看单个加油站的具体加油情况，系统中使用一种基于笛卡尔坐标系的散点关系图来展示一天内某个加油站所有加油记录的详细信息。其中，x轴表示一天的时间范围，从0：00～24：00，y轴表示充装的数量，单位是L。2个坐标轴都提供了缩放数据区域的交互操作，用户可以通过过滤将重点放在他们关心的时间段或充装数量分段的数据视图中。

（三）日历矩阵

通常反映时间特征属性的可视化方案里，使用时间轴、多快照或动画的形式比较常见，这些方法各有其优缺点和适用场景。本文采用的数据集中的时间特征有个明显的特点，即同一辆车2次加油的时间间隔比较长，所以连续的时间序列表现方法在此并不适用。使用日历矩阵可以方便地表现出更大范围时间尺度的离散数据，从而集中反映一段时间之内的加油记录。将对应日期的加油行为绘制在图上，颜色深浅代表了加油量的多少，而且周末加油和工作日加油的表示颜色也有区分，如果同一天加油次数多于一次，则当天的加油量为多次加油量之和。

三、结语

本文所述的可视化分析项目仍在持续推进中，更多其他来源的数据将会集成进系统，随着数据的不断积累，将进一步深入分析群体行为模式的特征。在下一阶段，我们将重点关注群体的行为，并选择适合群体行为展示的可视化视图，特别是发现和识别小群体的常见行为模式，这也是目前系统用户提出的重要实际需求。我们希望发现的模式包括特定人群的流动方向和行为特征，对流动目的地的预测，以及具有相同特征和行为模式的人群的划分。此外，还会尝试将可视分析与其他数据分析方法（如人群关系分析等）相结合，以此来解决上述实际需求。

参考文献：

[1]姜晓睿，郑春益，蒋莉，等.大规模出租车起止点数据可视分析[J].计算机辅助设计与图形学学报，2015，27（10）：1907-1917.