Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets

• Main Author: Oliveira, Guilherme do Nascimento
• Other Authors: Comba, Joao Luiz Dihl
• Format: Others
• Language: English
• Published: 2015
• Subjects: Banco de dados; Banco : Dados temporais; Time series; Bike sharing; Running; Spatio-temporal data; Urban data; Visualization; Exploratory data analysis
• Online Access: http://hdl.handle.net/10183/130557

O tamanho dos conjuntos de dados se tornou um grande problema atualmente. À medida que o sensoriamento urbano ganha popularidade, os conjuntos de dados de natureza espacial e temporal se tornam ubíquos, e levantam uma série de questões relacionadas ao armazenamento e gerenciamento destes. Isso também cria uma mudança no paradigma de análise, uma vez que os conjuntos de dados que antes representavam uma única série de medições ordenadas no tempo, agora são compostos por centenas dessas séries, com uma taxa de amostragem que está aumentando constantemente. Além disso, uma vez que os dados urbanos normalmente apresentam disposição geográfica inerente, a maioria das das tarefas requerem o suporte de representações espaciais apropriadas. Este se torna outro problema, visto que as tecnologias de exibição de imagens não avançam na mesma velocidade das tecnologias de sensoriamento, de modo que consequentemente acaba-se tendo mais dados do que espaço visual para representa-los. Após conduzir uma pesquisa exaustiva a respeito de análise de dados temporais e visualização, nós melhoramos uma visualização compacta de series temporais para auxiliar a exploração de grandes conjuntos de dados espaçotemporais. Nossa proposta aproveita a compacticidade de tal representação para permitir o uso de um mapa para representar os atributos espaciais dos dados, de modo coordenado, enquanto representação, de forma compreensível, centenas de series simultaneamente, com total contexto temporal. Nós apresentamos nossa proposta como sendo capaz de auxiliar várias tarefas de caráter exploratório de forma intuitiva. Para defender essa afirmação, nós mostramos como essa ideia foi desenvolvida e melhorada ao longo do desenvolvimento de dois estudos de design visual em diferentes domínios de aplicação, e validamos com a implementação de protótipos que foram usados na análise exploratória de vários conjuntos de dados com 3 representações diferentes. Palavras- === The size of datasets became the major problem in data analysis today. As urban sensing becomes popular, datasets of spatial and temporal nature become ubiquitous, leading to several concerns regarding storage and management. It also creates a shift of paradigm in data analysis, as datasets that once represented a single series of measurements ordered in time are now composed of hundreds of series with ever increasing sampling rates. Also, as urban data usually presents inherent geographic disposition, most analysis tasks requires the support of proper spatial views. It becomes another problem, once that displaying technologies do not advance at the same of pace that sensing technologies do, and consequently, there is usually more data than visual space to represent it. After conducting exhaustive research on temporal data analysis and visualization, we improved a compact visual representation of time series to support the exploration of large spatio-temporal datasets. Our proposal exploits the compactness of such representation to allow the use of a map to represent the spatial properties of the data in a coordinate scheme while presenting, in a comprehensible manner, hundreds of series simultaneously, with full temporal context. We argue that such solution can effectively support many exploratory tasks in an intuitive manner. To support this claim, we show how the idea was conceived, and improved along the development of two design studies from different application domains, and validated by the implementation of prototypes used in the exploratory analysis of several datasets with 3 different data structures.