获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
尽管如今我们能够通过快速数据收集方法(例如手机、传感器、GPS)生成大量空间或地理参考数据,但理解收集到的大数据对人们来说仍然是一个巨大的挑战。可视化分析和探索性地理可视化工具已被用于识别非结构化和不一致数据中未知的地理空间现象,并有助于提高我们理解这些现象的根本原因和参与者的能力(Andrienko & Andrienko,1999;Jeansoulin,2016)。一方面,可视化参数(例如视觉变量;Bertin,1967)和图形显示的质量在解释视觉场景和发现不太突出的信息方面发挥着重要作用。另一方面,选择正确的方法来指导有效的地图使用并利用对人类视觉空间认知的研究来定义人机交互水平至关重要。在这种情况下,我们需要系统地了解影响空间认知的人为因素,以便能够提供个性化的显示,其中人与机器作为一个团队工作,特别是创建适应用户行为而不是相反的界面。正如 Basole (2019) 所解释的那样,未来基于人工智能的可视化系统可以从用户行为中学习并根据用户的选择和偏好推荐进一步的操作,而不是规定显示什么和如何显示。