色彩混合原理支持下的空间同位模式可视化挖掘

Spatial co-location mining, which is one of the major spatial data-mining tasks, has wide applications in domains such as ecology, biology, business, epidemiology, public safety, and transportation. For instance, co-location mining can be used to judge the planning reasonability of facilities, reveal symbiotic species and detect dependence of crimes. Different from traditional statistical or data mining methods, visualization that based on visual thinking is introduced, showing the function that "begins in visual representation and ends in knowledge". This proposal aims to develop a visualization method to discover spatial co-location patterns. The visualization method can be an effective supplement to classical spatial data mining methods. A framework consisting of visualization model construction, interpretation and refinement is conceived. A visualization model is constructed supported by the color mixing technique. The mechanism of the visualization model is analyzed and interpreted. The visualization model is refined considering the visual perception of human. This study will break through the limitation that visualization mainly undertakes the function of results representation, and promote visualization up to a visual thinking approach to discover geographic knowledge. This proposal will provide new ideas and methods for co-location mining, and improve the potential of co-location mining applications.

空间同位模式挖掘是空间数据挖掘研究的重要内容，在城市设施规划与配置、生态共生现象发现、犯罪事件依赖关系探测等应用上可发挥重要作用。本研究一改传统方法主要依赖统计分析和数据挖掘的方式，将可视化的形象思维引入，建立空间同位模式可视化挖掘方法，充分展现可视化“视物致知”的功效，以期对经典空间数据挖掘方法进行有效的补充。本申请项目将以空间同位模式视觉模型的"构建—解译—优化"为研究主线，首先，构建基于色彩混合原理的视觉模型以模拟和表达空间同位模式；然后，对视觉模型机理进行深层次诠释和解译；最后，顾及视觉感知对模型进行优化。本研究将突破传统可视化主要用于研究结果符号化表达的局限，将其提升为一种视觉思维方法，可通过形象的方式直接探求、揭示和模拟空间现象的地学规律；并有望为空间同位模式挖掘提供新的思路和方法途径，提升同位模式挖掘的实际应用潜力。

随着大数据时代的来临，各种传感器、智能移动设备、社交媒体都产生了海量的时空数据，如何从这些原始数据资产中挖掘出潜在的、有价值的知识是当前研究亟待解决的关键问题。空间同位模式挖掘是空间数据挖掘研究的重要内容之一，旨在发现不同类型地理实体在空间邻近区域内频繁“抱团”出现的规律，可以有效揭示地理现象间的关联和依赖规律。本项目开展空间同位模式可视化挖掘方法的研究，主要研究内容主要包括以下三个方面：（1）面向不同维度空间的同位模式可视化挖掘，（2）面向地理流的空间关联模式挖掘与可视化，（3）空间关联分析与可视化在突发公共卫生事件的应用。经过三年的课题研究，提出了系列适用于城市街道网络空间的同位模式可视化挖掘方法，可为受街道网络约束的地理要素空间关联探测提供支持；提出了顾及联合分布影响的地理流的同位系数方法，可识别地理流分布模式背后隐含的空间关系和空间依赖规律；将空间关联分析与可视化方法应用于突发公共卫生事件分析中，识别影响新冠病毒传播的重要因素，探讨新冠肺炎疫情对犯罪时空格局的影响。