面向大数据的信息可视化设计方法研究

With the development of computer technology, as well as the emergence of mass information, human information perception has entered the "era of big data." Big data analyze and excavate the data through the big black box, will eventually presented to the user through digital interface of computer terminal. The core value embodiment of big data information system is to help users to establish accurate information perception and efficient information interaction, make fast and efficient decisions by layering and filtering the huge amount of complex information. This project starts from the complex network structure of information space to carry out research on information visualization design method for large data environment, study the big data stream and filtering method of information perception layer to obtain space complex structure of high dimensional information and design strategy for information visualization, set up visual structure model of high dimensional information, explore the intrinsic relationship and mapping relation between physiological response and action mechanism of user in the process of interaction with the high dimensional complex information, will finally ensure comprehensive and accurate implementation of big data information system performance. Deliverables will improve the design level and interactive efficiency of big data information system which has important strategic and realistic meaning, at the same time promote and accelerate the integration between science of design, science of thinking, science of information, human-computer ergonomics and cognitive neuroscience which has important theoretical significance and academic value.

随着计算机技术的发展，以及巨量数据的出现，人类信息感知已经进入"大数据时代"。 大数据经过分析和挖掘的黑箱处理，最终会通过计算机终端的数字界面呈现给用户。大数据信息系统最核心价值体现，在于帮助用户建立准确信息感知并高效进行信息交互，对巨量复杂信息分层、快速过滤并高效决策。本项目拟从大数据信息的空间复杂网络结构出发，开展大数据环境下的信息可视化设计方法研究，研究大数据信息流和感知分层的信息过滤方法，获取高维信息的空间复杂结构和信息可视化的设计策略，建立高维信息的可视化结构模型，探讨用户在复杂高维信息交互过程中的生理反应与行为间的内在联系机制和映射关系，保证大数据信息系统性能的全面发挥和精准实施。项目成果对提高大数据信息系统信息设计水平和交互效率，具有重要的战略意义和现实意义，同时也推动和促进了设计科学、思维科学、信息科学、人机工效学与认知神经学科间的交叉融合，具有重大的理论意义和学术价值。

项目主要完成了下述工作，并取得了相应研究成果：.1、基于图像复杂度的认知机理与设计优化策略研究方向的缺失，提出从大数据认知的源头——视觉复杂度来解决信息可视化设计优化问题。综合研究了信息可视化中“人-机-环”信息传递过程中的内在复杂性机理，提出了认知复杂度的全局概念。分层解析整个认知过程中的复杂度，从信息对象、分层感知加工次序、信息架构网络等多个角度，逐一梳理人-机-环信息加工中所有认知复杂性因素及认知机制。基于认知加工次序分别探讨了：呈现复杂度、语义复杂度、解码复杂度、记忆复杂度，并结合信息编码提出了认知复杂度的分层感知优化策略，系统性地建立了大数据可视化过程中的图像认知复杂度优化方法。.2、根据高维数据的实体属性和关联属性，以及界面信息编码维度，编排优化组织形式及层次关系，通过同质聚类界面视觉元素、信息分层过滤及布局、多通道交互式呈现等，达到降维的目的。基于图形认知有效性的研究，对多视觉变量之间的固有干扰对常见的可视化任务（视觉搜索、视觉比较、量级估计）的影响进行系统的实证研究。构建高维特征和可视化任务双因素驱动下的视觉变量组合模型，分析三者之间的内在联系及映射关系，提出高维数据可视化信息排布和信息呈现的优化策略。结合实例，合理应用到典型高维时空数据可视化系统中，如智能交通系统等。.3、对界面信息区块的约束条件进行数学表征，生成布局方案的可行解，研究不同信息区块的布局约束。综合研究视觉感知和人的生理、行为反应，在大数据可视化信息呈现的宏观视角上对信息图元关系进行分类描述，探讨图元关系和信息维度之间的关系；在微观视角上阐述了定序和分类的维度表征及双维度的整合-分离规律，结合信息元的关联结构提出以时效熵和质效熵来评价的可视化信息结构的有序度。通过从语义映射的角度对大数据图示信息的进行语义提取，并基于语义内容进行分类，建立可视化的语义空间。.4、在分析大数据特征和人的认知行为特征的基础上，提出大数据可视化人机协同作业复杂认知模型。获取大量大数据可视化监控、搜索、决策、操控各类任务行为下的眼动凝视、扫视、眨眼等行为数据以及脑事件相关电位中的不同波幅和潜伏期等生理数据，构建了可用性评价体系，并且首次提出视觉动量这个以眼动追踪数据为基础的复合虚拟指标，实现了对交互式大数据可视化的量化评价分析。