Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/130557 |
Resumo: | 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- |
id |
URGS_f8022772f1200d8fed3d8bb198fe39e8 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/130557 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Oliveira, Guilherme do NascimentoComba, Joao Luiz DihlTorchelsen, Rafael Piccin2015-12-01T02:40:35Z2015http://hdl.handle.net/10183/130557000979118O 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.application/pdfengBanco de dadosBanco : Dados temporaisTime seriesBike sharingRunningSpatio-temporal dataUrban dataVisualizationExploratory data analysisOrdered stacks of time series for exploratory analysis of large spatio-temporal datasetsPilhas ordenadas de series temporais para a exploração de conjuntos de dados espaço-temporais info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2015doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000979118.pdf.txt000979118.pdf.txtExtracted Texttext/plain201266http://www.lume.ufrgs.br/bitstream/10183/130557/2/000979118.pdf.txteca86f2af0092a881a6b7a2cc86db479MD52ORIGINAL000979118.pdf000979118.pdfTexto completo (inglês)application/pdf26798785http://www.lume.ufrgs.br/bitstream/10183/130557/1/000979118.pdf509a1f85abcef0b2d303c30c216e4329MD51THUMBNAIL000979118.pdf.jpg000979118.pdf.jpgGenerated Thumbnailimage/jpeg1075http://www.lume.ufrgs.br/bitstream/10183/130557/3/000979118.pdf.jpg5d99ddbca556f04bfe23263f87b3a372MD5310183/1305572021-05-07 04:37:58.15312oai:www.lume.ufrgs.br:10183/130557Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-07T07:37:58Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
dc.title.alternative.pt.fl_str_mv |
Pilhas ordenadas de series temporais para a exploração de conjuntos de dados espaço-temporais |
title |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
spellingShingle |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets Oliveira, Guilherme do Nascimento Banco de dados Banco : Dados temporais Time series Bike sharing Running Spatio-temporal data Urban data Visualization Exploratory data analysis |
title_short |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
title_full |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
title_fullStr |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
title_full_unstemmed |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
title_sort |
Ordered stacks of time series for exploratory analysis of large spatio-temporal datasets |
author |
Oliveira, Guilherme do Nascimento |
author_facet |
Oliveira, Guilherme do Nascimento |
author_role |
author |
dc.contributor.author.fl_str_mv |
Oliveira, Guilherme do Nascimento |
dc.contributor.advisor1.fl_str_mv |
Comba, Joao Luiz Dihl |
dc.contributor.advisor-co1.fl_str_mv |
Torchelsen, Rafael Piccin |
contributor_str_mv |
Comba, Joao Luiz Dihl Torchelsen, Rafael Piccin |
dc.subject.por.fl_str_mv |
Banco de dados Banco : Dados temporais |
topic |
Banco de dados Banco : Dados temporais Time series Bike sharing Running Spatio-temporal data Urban data Visualization Exploratory data analysis |
dc.subject.eng.fl_str_mv |
Time series Bike sharing Running Spatio-temporal data Urban data Visualization Exploratory data analysis |
description |
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- |
publishDate |
2015 |
dc.date.accessioned.fl_str_mv |
2015-12-01T02:40:35Z |
dc.date.issued.fl_str_mv |
2015 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/130557 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000979118 |
url |
http://hdl.handle.net/10183/130557 |
identifier_str_mv |
000979118 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/130557/2/000979118.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/130557/1/000979118.pdf http://www.lume.ufrgs.br/bitstream/10183/130557/3/000979118.pdf.jpg |
bitstream.checksum.fl_str_mv |
eca86f2af0092a881a6b7a2cc86db479 509a1f85abcef0b2d303c30c216e4329 5d99ddbca556f04bfe23263f87b3a372 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085342780325888 |