- 文献综述（或调研报告）
1. OD可视化
随着位置感知技术的广泛应用，地理移动数据（如人类日常活动、迁移和车辆移动等）已变得越来越容易获得。对地理移动数据进行映射和分析，对于促进人们对复杂系统及其在各个领域（如交通、人口统计和应急管理）的时空动态的理解非常重要。然而，由于地图空间的限制和节点间大量连接的存在，如何清楚、合理地显示大型移动数据并使得业内专家能够方便地理解其蕴含的复杂模式是一个具有挑战性的可视化问题。
对于本课题专注的特定类型的地理移动数据——源-目的数据，它只关注每一个轨迹的起点和终点而忽略轨迹的实际路线，这种简化可以突出节点或空间区域之间的连接关系，可以增强对诸如城市规划、交通和人口学等各个领域中的移动数据的理解。然而，在没有可视化工具的帮助下，从海量数据中获取有价值的信息是很困难的。因此，OD数据的可视化便显得尤为重要。
Wood等人[1]提出的OD Map这一技术中，将OD关系显示为了一个矩阵，O和D分别作为矩阵的行和列，矩阵每个单元格中的颜色深浅表示OD在该处的数量多少。OD Map简单直观展示了不同位置之间的直接联系，然而，这些矩阵单元格完全丢失了地理位置信息（例如经纬度），从而会造成观察者和用户的困扰。为解决这一问题，Yang等人[2]引入了MapTrix，它从矩阵中为O和D增加了到地图上的引导线，来保持地理信息的完整。虽然MapTrix这一方法不会受到OD直线互相遮挡以及杂乱情况的影响，但它依然会丢失OD的地理细节，因为它仍然是以一个区域作为节点来代表这一个区域所有的O或者D。
OD流图是另一种可视化方法，它简单地用直线连接OD的位置来可视化数据，然而这一方法并不适合于大型数据集，因为大量的数据会相应的产生大量的交叉和重叠，数据彼此之间的相互遮挡会使得整个界面非常杂乱，难以辨认。为达到减少杂乱的效果，在进行OD可视化的时候，Andrienko等人[3]通过基于方向和距离的相似属性将OD进行聚合，Guo等人[4]则通过密度估计选择出数据用来作为OD流的主要趋势，从而实现简化。然而，一旦信息聚合，原始数据中所包含的每个OD的详细地理信息将会被丢失。
为尽可能保留原始地理信息，边捆绑技术[5]被提出。它已被证明可以有效的减少视觉杂乱，特别是对于较大的OD数据集。它通过在空间上对图形边进行分组（相当于把相近的边合并到一起），为OD数据提供了视觉简化，也减少了杂乱的情况。这样，数据的整体结构变得更直接、可触，从而在评估由这些数据编码的关系时，数据的高层次趋势也可以被清晰的观察到。例如，在地图上寻找空间区域之间的连接情况，或通过分析对象的轨迹来识别一组对象的运动结构。然而，边捆绑可能会给人造成误导，因为弯曲的边可能会偏离其实际路径很远。此外，对于数据量较大的情况来说，每个OD之间的连接关系这一信息可能会因捆绑而丢失。
2. 边捆绑
边捆绑技术通过将相关联的边引导至相似路径，来对杂乱的情况进行简化。通过使空间密度在捆绑处高而在其他地方低，捆绑可以被看作提升了边的空间密度，这为通过捆绑来寻找彼此相关的节点组提供了方便，因为捆绑大多被空白区域所分开。
Holten[6]提出了分层边捆绑（Hierarchical Edge Bundling，HEB），它被设计用于可视化包含分层结构和邻接关系的数据集，例如文件目录中元素之间的引用关系。它通过将每条边向层次结构定义的多边形路径弯曲（建模为B样条曲线），将边捆绑在一起。这种方法证明了使用曲线来减少视觉杂乱的有效性，但是这种技术不适用于一般的图形，因为它需要图形包含层次结构。
Cui等人[7]提出的基于几何的边捆绑（Geometric-based Edge Bundling，GBEB）是一个适用于一般图的技术。该技术首先将图形网格化，计算每个网格的主要方向。然后生成一个控制网格，这个控制网格的边与主要方向垂直，这样就会产生许多交点，可通过对每个主方向上的交点取中心点作为控制点。通过强制所有边通过这些控制点，捆绑就自然的形成了。这一算法速度快，但捆绑会出现较大的曲率变化，使其难以被理解。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
