[论文解读] Calendar-based Graphics for Visualizing People's Daily Schedules

Earo Wang, Dianne Cook+1 more|arXiv (Cornell University)|Oct 23, 2018

Human Mobility and Location-Based Analysis被引用 1

一句话总结

本文介绍了 sugrrants R 包，该包利用线性代数将亚日时间数据重新组织为日历布局，以增强对人类行为模式的可视化效果。通过与 ggplot2 集成，该方法可生成丰富、分面的图形，揭示每日节律、特殊事件和季节性变化——以行人流量和家庭能源使用数据为例进行了展示——相比传统的时序图或热力图可视化，提供了更深层次的洞察。

ABSTRACT

Calendars are broadly used in society to display temporal information and events. This paper describes a new calendar display for plotting data, that includes a layout algorithm with many options, and faceting functionality. The functions use modulus algebra on the date variable to restructure the data into a calendar format. The user can apply the grammar of graphics to create plots inside each calendar cell, and thus the displays synchronize neatly with ggplot2 graphics. The motivating application is studying pedestrian behavior in Melbourne, Australia, based on counts which are captured at hourly intervals by sensors scattered around the city. Faceting by the usual features such as day and month, is insufficient to examine the behavior. Making displays on a monthly calendar format helps to understand pedestrian patterns relative to events such as work days, weekends, holidays, and special events. The functions for the calendar algorithm are available in the R package sugrrants.

研究动机与目标

• 开发一种在日历布局中可视化亚日时间数据的方法，以捕捉每日、每周和季节性模式。
• 克服传统时序图和热力图可视化在揭示与特殊事件、节假日及一天中时间变化相关的模式时存在的局限性。
• 实现与图形语法（ggplot2）的集成，以在日历单元格中实现灵活、可自定义的可视化。
• 通过使事件驱动模式更加清晰，支持对城市环境中人类行为（如行人流量和家庭能源使用）的分析。
• 提供一个模块化、可扩展的日历可视化框架，支持多种时间分辨率和事件类型。

提出的方法

• 框架日历函数通过在线性代数基础上对日期变量进行处理，将原始数据重构为与日历对齐的格式，适用于分面可视化。
• 数据被重新组织为类似矩阵的结构，其中行代表周，列代表天，从而实现一致的布局映射。
• 该方法支持多种日历格式（例如，按月、按周），并允许在每个单元格中嵌入任何 ggplot2 兼容的图形（例如，折线图、散点图、箱线图）。
• 该方法遵循整洁数据原则，并与 tidyverse 和 ggplot2 生态系统无缝集成。
• 布局算法保持了时间上的连续性，并支持在每个单元格中叠加多个可视化元素，例如一天中时间的趋势和事件标记。
• 该实现已打包为 sugrrants（可在 CRAN 和 GitHub 上获取），并通过项目 GitHub 仓库实现完全可复现。

实验结果

研究问题

• RQ1 如何有效在日历布局中可视化亚日时间数据，以揭示与工作日、周末、节假日和特殊事件相关的模式？
• RQ2 与标准时序图或热力图显示相比，基于日历的可视化在检测行人流量和能源使用数据中的一天中时间与一周中某天的模式方面，其提升程度如何？
• RQ3 将图形语法集成到日历布局中，是否能增强对复杂时间行为的可解释性和灵活性？
• RQ4 不同家庭的能源使用模式在工作日、周末和假期期间有何差异？这些差异能否通过日历图形清晰呈现？
• RQ5 环境和行为因素（例如，空调使用、供暖、家庭人数）在塑造每日能源使用方面起什么作用？这些因素在日历可视化中如何体现？

主要发现

• 基于日历的可视化显示，州立图书馆的行人流量在‘白夜’活动期间显著上升，而这一模式在标准时序图中被掩盖。
• 该可视化揭示了弗拉格斯塔夫站（火车站在）与比拉鲁恩格马尔公园（户外公园）之间行人行为的显著差异，后者表现出高度的波动性和由事件引发的流量激增。
• 家庭1在6月表现出明显的度假模式，能源使用减少，这一特征在日历布局中清晰可见，但在聚合汇总中则不明显。
• 家庭3在工作日和周末均表现出持续的高能耗，且在6月/7月和9月/10月有多个长期假期，日历图中表现为持续的低能耗期。
• 家庭1和2中空调和供暖的使用在日历图中清晰地表现为与气温相关的一天中使用模式，尤其在冬夏两季表现明显。
• 日历布局成功突出了公众假日（如澳新军团日和圣诞节）的影响，这些假日在各家庭的能源使用模式中表现出视觉上明显的差异。