[论文解读] Data Point Selection for Line Chart Visualization: Methodological Assessment and Evidence-Based Guidelines

Jonas Van Der Donckt, Jeroen Van Der Donckt+2 more|arXiv (Cornell University)|Apr 3, 2023

Data Visualization and Analytics被引用 4

一句话总结

本文提出了一种基于度量的评估方法，用于线图可视化中的数据点选择算法，重点关注视觉代表性与一种新颖的视觉稳定性概念。该方法在三个工具包中评估了EveryNth、MinMax、LTTB和M4算法，发现MinMax在视觉稳定性方面表现最优，LTTB/MinMax在代表性方面表现最佳，并提出了关于数据效率与线条宽度权衡的实证指导原则。

ABSTRACT

Time series visualization plays a crucial role in identifying patterns and extracting insights across various domains. However, as datasets continue to grow in size, visualizing them effectively becomes challenging. Downsampling, which involves data aggregation or selection, is a well-established approach to overcome this challenge. This work focuses on data selection algorithms, which accomplish downsampling by selecting values from the original time series. Despite their widespread adoption in visualization platforms and time series databases, there is limited literature on the evaluation of these techniques. To address this, we propose an extensive metrics-based evaluation methodology. Our methodology analyzes visual representativeness by assessing how well a downsampled time series line chart visually approximates the original data. Moreover, our methodology includes a novel concept called "visual stability", which captures visual changes when updating (streaming) or interacting with the visualization (panning and zooming). We evaluated four data point selection algorithms across three open-source visualization toolkits using our proposed methodology, considering various figure-drawing properties. Following the analysis of our findings, we formulated a set of evidence-based guidelines for line chart visualization at scale with downsampling. To promote reproducibility and enable the qualitative evaluation of new advancements in time series data point selection, we have made our methodology and results openly accessible. The proposed evaluation methodology, along with the obtained insights from this study, establishes a foundation for future research in this domain.

研究动机与目标

• 为解决时间序列可视化中数据点选择算法缺乏系统性评估的问题。
• 开发一种基于度量的方法论，量化视觉代表性，并引入视觉稳定性作为新颖的评估标准。
• 评估四种广泛使用的算法——EveryNth、MinMax、LTTB和M4——在不同可视化工具包与渲染配置下的性能。
• 基于实证数据，为大规模时间序列可视化中选择最优下采样策略提供指导。
• 通过开源方法论、代码与实验数据，促进研究的可复现性。

提出的方法

• 该方法使用基于图像的度量（如SSIM、LPIPS、PSNR）量化视觉代表性，同时考虑工具包特有的渲染特性（如线条宽度与抗锯齿）。
• 提出一种新型的OR-conv掩码，实现针对像素的聚合，提升在多样化时间序列模板中的稳定性。
• 通过两种数据空间度量（如下采样序列间L2距离）衡量视觉稳定性，评估在平移、缩放或流式处理过程中的感知一致性。
• 评估在三个开源可视化工具包（Plotly、D3.js、Matplotlib）中进行，对线条宽度与抗锯齿进行受控变量调整。
• 将所选数据点数量作为因变量，用于评估数据效率，确保不同算法间的公平比较。
• 在20万个点的时间序列模板上收集实证数据，覆盖三种不同尺寸，结果在多个缩放层级与配置下聚合。

实验结果

研究问题

• RQ1 在不同可视化工具包与渲染参数下，不同数据点选择算法在视觉代表性方面如何比较？
• RQ2 视觉稳定性（定义为在平移、缩放或流式处理过程中的感知一致性）在不同算法之间有多大差异？
• RQ3 线条宽度、画布宽度与保证交替次数之间的关系如何，以确定数据效率的拐点？
• RQ4 M4算法在实践中能否实现像素级完美表示，尤其是在抗锯齿条件下？
• RQ5 在交互式时间序列探索中，哪种算法在视觉保真度与感知稳定性之间提供了最佳权衡？

主要发现

• MinMax由于其局部化选择策略，在视觉稳定性方面始终优于其他算法，且差距显著。
• LTTB与MinMax在大多数时间序列模板与渲染配置下实现了最高的视觉代表性，尤其在抗锯齿与线条加宽条件下表现更优。
• 本研究通过实证方法推导出一个公式，关联线条宽度、画布宽度与保证交替次数，以识别数据效率的性能拐点。
• M4在实现像素级完美表示方面具有非平凡的实现难度，且本研究证明在抗锯齿条件下无法实现像素级完美结果，这是由于光栅化效应所致。
• 所提出的方法论揭示了视觉稳定性是评估下采样算法中一个关键但此前被忽视的维度，尤其在交互式数据可视化分析中尤为重要。
• 开源的代码库支持可复现性，并为未来用户研究提供支持，其中两个工具包（Plotly、D3.js）可直接集成至网页环境，用于基于调查的评估。