[论文解读] RAMPVIS: Towards a New Methodology for Developing Visualisation Capabilities for Large-scale Emergency Responses

Min Chen, Alfie Abdul‐Rahman+19 more|arXiv (Cornell University)|Dec 8, 2020

Data Visualization and Analytics参考文献 72被引用 10

一句话总结

本文提出RAMPVIS，一种基于苏格兰COVID-19响应联盟志愿者可视化（VIS）团队经验的新型方法，用于在大规模紧急响应中快速开发可视化（VIS）能力。通过解决需求分析、数据访问、团队组织和敏捷开发方面的挑战，作者提出了一套结构化、可扩展的方法，以在时间压力下部署VIS工具，主要贡献包括基于团队的模块化框架，以及针对机构在紧急情况下VIS准备度的建议。

ABSTRACT

The effort for combating the COVID-19 pandemic around the world has resulted in a huge amount of data, e.g., from testing, contact tracing, modelling, treatment, vaccine trials, and more. In addition to numerous challenges in epidemiology, healthcare, biosciences, and social sciences, there has been an urgent need to develop and provide visualisation and visual analytics (VIS) capacities to support emergency responses under difficult operational conditions. In this paper, we report the experience of a group of VIS volunteers who have been working in a large research and development consortium and providing VIS support to various observational, analytical, model-developmental and disseminative tasks. In particular, we describe our approaches to the challenges that we have encountered in requirements analysis, data acquisition, visual design, software design, system development, team organisation, and resource planning. By reflecting on our experience, we propose a set of recommendations as the first step towards a methodology for developing and providing rapid VIS capacities to support emergency responses.

研究动机与目标

• 为应对大规模紧急响应中对可扩展、快速可视化支持的迫切需求，特别是在大流行病情景下。
• 识别并克服在时间压力下进行需求收集、数据访问、团队协调和软件开发过程中的关键挑战。
• 开发一种可重用、基于证据的可视化系统部署方法，以应对紧急情境，基于真实世界志愿者经验。
• 倡导机构层面的VIS基础设施和知识共享准备度，以提高紧急响应效率。
• 通过结构化协作框架弥合领域专家（流行病学家、建模人员）与VIS开发人员之间的差距。

提出的方法

• 根据专业知识和建模工作流需求，将志愿VIS团队组织为七个专业子团队，实现并行开发。
• 在VIS开发中应用敏捷原则，优先考虑快速交付和迭代反馈，尽管资金和资源有限。
• 设立一个通用支持团队，处理常见的VIS任务，减少重复工作，加速多个模型的开发。
• 通过领域专家协作，定义模型特定可视化所需的操作性、分析性和优化性需求。
• 利用英国现有的学术和技术基础设施，支持可视化系统的快速部署，无需专门拨款。
• 由技术志愿者管理的虚拟机（VM）基础设施，确保部署环境的一致性和可复现性。

实验结果

研究问题

• RQ1 在时间与资源有限的情况下，如何快速开发并部署可视化能力以应对大规模紧急响应？
• RQ2 在高压紧急环境中，何种组织与技术策略能实现VIS志愿者与领域专家之间的有效协作？
• RQ3 当同时支持多个不断演化的疫情模型时，可视化团队如何保持敏捷性与模块化？
• RQ4 既有的VIS基础设施与知识在多大程度上能加速紧急响应可视化开发？
• RQ5 基于真实世界志愿者经验，可提出哪些建议以形式化未来紧急VIS运作的方法论？

主要发现

• 尽管缺乏专门拨款且时间压力巨大，RAMPVIS志愿工作在六个月内为多个疫情模型交付了可用的可视化工具。
• 基于团队的模块化方法——尤其是专门的通用支持团队——显著加快了开发速度，减少了重复工作并优化了常见任务的处理。
• 敏捷开发实践在紧急情境中证明有效，但因需求不断变化和数据访问延迟，仍需保持灵活性。
• 缺乏既有的VIS基础设施和合格开发人员造成了重大瓶颈，凸显了机构层面VIS能力准备度的必要性。
• 该经验表明，志愿驱动的VIS工作可取得高影响力成果，但长期可持续性需要结构化资金和机构支持。
• 作者提出的建议，包括对VIS基础设施的投资和知识共享，后被英国研究与创新署采纳，使该志愿工作于2021年正式化。