Mehr

Benutzerdefiniertes HTML innerhalb der Broschürenkarte


Wir verbessern unsere Prospektkarten, damit sie auf dem Bildschirm größer sind, und tun dies teilweise, indem wir Informationstafeln usw. mit unterschiedlicher Transparenz über die Karte legen. Offensichtlich ist dies einfach, indem Sie HTML unbedingt neben dem #map-Element positionieren (wo die Leaflet-Karte eingefügt wird). Es kann gut darüber gelegt werden, aber wir haben ein Maximieren-Steuerelement für die Vollbild-Kartenansicht und ich möchte, dass unser benutzerdefiniertes HTML auch in dieser Ansicht sichtbar ist.

Ich habe keine Möglichkeit gesehen, dies über die Leaflet-API selbst zu tun. Daher habe ich durch Experimentieren unseren benutzerdefinierten HTML-Code in die Vorinitialisierung des #map-Elements eingefügt. Zu meiner Überraschung hat das funktioniert (Broschüre hängt seine Elemente innerhalb des #map-Elements an und behält das, was bereits vorhanden ist). Das Problem dabei ist, dass unser Kartenklickereignis ausgelöst wird, selbst wenn auf unsere benutzerdefinierten HTML-Elemente geklickt wird. Ebenso funktioniert das Zeichnen auf der Karte über unser benutzerdefiniertes HTML. Dies ist bei anderen Steuerelementen in Leaflet nicht der Fall, und ich weiß nicht, wie wir unseren benutzerdefinierten HTML-Code ebenfalls von Karteninteraktionen ausgenommen machen können.

Wie erhalten wir unseren benutzerdefinierten HTML-Code im Rahmen der Maximieren-Funktionalität, jedoch außerhalb des Bereichs der Karteninteraktionen?

Wir planen, diese Konvention intensiv zu nutzen, daher ist es für uns wichtig, dies festzuhalten.


Ihre Ereignisse werden auf die Karte übertragen. Leaflet stellt DomEvent-Methoden bereit, um dies zu verhindern, zum Beispiel (mit jQuery):

$('div').each(function () { L.DomEvent.on(this,'mousedown',L.DomEvent.stop); L.DomEvent.on(this,'click',L.DomEvent.stop) ; L.DomEvent.on(this,'touchstart',L.DomEvent.stop); });

AKTUALISIEREN

Basierend auf den Kommentaren unten sollte Folgendes anstelle des obigen Codes funktionieren:

L.DomEvent.disableClickPropagation();

Referenz: http://leafletjs.com/reference.html#domevent-disableclickpropagation


Hier ist eine einfache Javascript-Version von dem, was Toms vorgeschlagen hat.

let divs = document.getElementById("map-id").getElementsByTagName("div"); for(let i = 0; i < divs.length; i++){ L.DomEvent.on(divs[i], "mousedown", L.DomEvent.stop); L.DomEvent.on(divs[i], "klick", L.DomEvent.stop); L.DomEvent.on(divs[i], "touchstart", L.DomEvent.stop); }

Interaktive Höhenkarte von Florida

Es zeigt Höhentrends im gesamten Bundesstaat. Höhen- und Höhenkarten der StädteStädteDörfer in Florida.

Uns Höhen- und Höhenkarten der Städte Topografische Kartenkontur

Finden Sie die Höhe Ihres aktuellen Standorts oder eines beliebigen Punktes auf der Erde.

Interaktive Höhenkarte von Florida. Die Hochwasserkarte zeigt die Karte des Gebiets, das überflutet werden könnte, wenn der Wasserspiegel auf eine bestimmte Höhe ansteigt. Unten finden Sie die Höhe der wichtigsten StädteStädteDörfer in Florida zusammen mit ihren Höhenkarten. Erfahren Sie detaillierte Karteninformationen des Staates Florida, um schnell Straßenkarten des Staates Florida zu bereisen, Autobahnkarten und Autobahnkarten.

Die Höhe wird auf Karten auf verschiedene Weise angezeigt, einschließlich Höhenlinien Punkthöhen schattiertes Relief Farbe schattiertes Relief und farbige Bereiche. Verwenden Sie Höheninformationen, um. Sehen Sie sich unsere Karte der State High Points an, um mehr über Britton Hill mit 345 Fuß, dem höchsten Punkt in Florida, zu erfahren.

Diese Seite zeigt die Höheninformationen von Florida, USA, einschließlich topografischer Höhenkarte Höhen- und Breitengrad. Suchen Sie die Hauptstadt des Staates Florida oder die größte Stadt auf der interaktiven Karte des Staates Florida, um die beste Reiseroute zu finden. Beurteilen Sie, ob Überschwemmungen oder Sturmfluten Ihre Immobilie betreffen.

Diese Karten liefern auch topografische und Konturideen in Florida. Dies ist eine verallgemeinerte topografische Karte von Florida. Jede Karte im Bundesstaat Florida ist in Vollfarbtopos druckbar.

Finden Sie die Höhe und die Koordinaten eines beliebigen Ortes auf der topografischen Karte. Die Höhenkarten der Standorte in Florida werden mit Hilfe von NASAS SRTM-Daten erstellt. Karten mit höherer Auflösung wie diese und viele andere digitale Karten Wandkarten benutzerdefinierte Radiuskarten Reisekarten Reiseführer Kartensoftware sowie Globen und Spiele für Unternehmen und das Klassenzimmer können bei amazoncom erworben werden.

Die Quelldaten für diese Karte bestehen aus einer Mischung von 30-Meter- und 10-Meter-Auflösungsdaten. Es kann bei der Bewertung des Hochwasserrisikos oder beim Hochwassermanagement helfen. Höhenkarte mit der Höhe eines beliebigen Ortes.

Karte zum Anstieg des Meeresspiegels. Die beiden hier gezeigten Karten sind digitale Basis- und Höhenkarten von Florida. Elevation ist die Höhe des Landes über dem Meeresspiegel.

Finden Sie Topo-Karten und topografische Kartendaten von Florida, indem Sie auf die interaktive Karte klicken oder nach Karten nach Ortsnamen und Merkmalstyp suchen. Mit diesem Tool können Sie Höhendaten abrufen, indem Sie nach einer Adresse suchen oder auf eine Live-Google-Karte klicken. Standard usgs nationaler Höhendatensatz ned 1 Bogensekunde nominell 30 Meter digitales Höhenmodell Dem-Daten sind die Grundlage für die Karte, die für einen breiten Maßstab und nur zu Informationszwecken entwickelt wurde.

Florida Basis- und Höhenkarten. Wenn Sie die Grafschaft in Florida kennen, in der sich das topografische Merkmal befindet, klicken Sie auf die Grafschaft in der obigen Liste. Holen Sie sich Höhen nach Breiten- und Längengrad.

Physische Karte von Wisconsin und topografische Karte von Wisconsin

Geographische Informationssysteme Citrus County Board Of County

Interaktive Datenbank für topografische Karten der Vereinigten Staaten

Höhenkonturen und Depressionen Florida Department Of

Topoquest Topografische Karten und Satellitenkarten online

Florida State Maps Interaktive Florida State Straßenkarten State Maps

Louisiana Floodmaps-Portal

Florida Höhenkarte Florida

Super detaillierte interaktive 3D-Meeresbodenkarte Wired

Karte online verfügbar Geological Survey U S Library of Congress

Usgs Explorer für historische topografische Karten

Topografische Karten der Vereinigten Staaten 1 250 000 Karte von Perry Castaneda

Höhe von Fort Myers Us Elevation Map Topography Contour

Florida Topo Karte Topografische Karte

Usgs Scientific Investigations Karte 3047 Bundesstaat Florida 1 24 000

Erstellen Sie eine Konturkarte National Geographic Society

Datei Florida Topographische Karte En Svg Wikipedia

Florida Coastal Everglades Lter Gis Daten und Karten Map

Karte der Überschwemmungsgebiete von St. Johns County

Interaktive Gis-Karten Hernando County Fl

Uns Höhenkarte Interaktive Karten der Welt

Us Elevation Map Interactive Gültig mit Hauptstädten und Staaten 50 Spiel

USA High Contrast Elevation Map Map Happy Us Geography Physical

Topo-Karten im App Store



Apples Blick auf Colchester (links) ist in eine Wolke gehüllt, während Google (rechts) eine klare Sicht hat. Die beiden Firmen werden auf dem iPhone gegeneinander antreten, wenn Apple Googles Plänen für eine Karten-App zustimmt.


Albert Bridge in Apples 3D-Karte (links) ist verzerrt, während Google (rechts) eine realistischere Version zeigt

Ja, es sollte für Apple (AAPL) einfach sein, eines Tages Google (GOOG) bei der Entwicklung einer erstklassigen Kartenanwendung zu entsprechen: Es müssen lediglich weitere 7.000 Mitarbeiter eingestellt werden. Business Insider berichtet, dass bei Google rund 7.100 Mitarbeiter an seiner Kartenanwendung arbeiten, darunter 1.100 Vollzeitmitarbeiter und 6.000 Auftragnehmer, die als „Streetview-Fahrer, Leute, die Flugzeuge fliegen, Leute, die Karten zeichnen, Leute, die Einträge korrigieren, und Leute“ arbeiten neue Produkte bauen.“ Wie BI feststellt, hat Apple insgesamt nur 13.000 Mitarbeiter außerhalb des Einzelhandels, daher ist es wirklich nicht fair, seine Kartenanwendung mit einer App zu vergleichen, die von einer kleinen Armee entwickelt und gewartet wird.


Die Clifton Suspension Bridge in Bristol, wie sie auf den Karten von Apple erscheint. Das Unternehmen ist wegen einiger seiner 3D-Fotografie, die Gebäude verzerrt hat, unter Beschuss geraten und wird sich neuer Konkurrenz durch die Karten-App von Google stellen.

[Größe=13pt]Wie Google seine Karten erstellt – und was es für die Zukunft von allem bedeutet[/Größe]

Ein exklusiver Einblick in Ground Truth, das geheime Programm zum Erstellen der weltweit besten und genauesten Karten.

Hinter jeder Google Map verbirgt sich eine viel komplexere Karte, die der Schlüssel zu Ihren Abfragen ist, aber vor Ihrer Ansicht verborgen ist. Die tiefe Karte enthält die Logik der Orte: ihre Linksabbiegeverbote und Autobahnauffahrten, Geschwindigkeitsbegrenzungen und Verkehrsbedingungen. Dies sind die Daten, aus denen Sie ziehen, wenn Sie Google bitten, Sie von Punkt A nach Punkt B zu navigieren – und letzte Woche hat Google mir die interne Karte gezeigt und gezeigt, wie sie erstellt wurde. Es ist das erste Mal, dass das Unternehmen jedem zuschauen lässt, wie das Projekt, das es GT oder "Ground Truth" nennt, tatsächlich funktioniert.

Google hat sich in einem entscheidenden Moment seiner Entwicklung geöffnet. Das Unternehmen begann als Online-Suchunternehmen, das Geld fast ausschließlich mit dem Verkauf von Anzeigen verdiente, die auf Ihren Suchanfragen basieren. Doch dann explodierte die mobile Welt. Wo Sie suchen, ist fast genauso wichtig wie das, wonach Sie suchen. Google reagierte mit der Entwicklung eines Betriebssystems, einer Marke und eines Ökosystems in Android, das zum einzigen bedeutenden Konkurrenten von Apples iOS geworden ist.

Und das aus gutem Grund. Wenn es Googles Mission ist, alle Informationen der Welt zu organisieren, besteht die wichtigste Herausforderung – die weitaus größer ist als die Indexierung des Webs – darin, die physischen Informationen der Welt zugänglich und nützlich zu machen.

"Wenn Sie sich die Offline-Welt ansehen, die reale Welt, in der wir leben, sind diese Informationen nicht vollständig online", sagte mir Manik Gupta, Senior Product Manager bei Google Maps. "Im Laufe unseres Lebens versuchen wir zunehmend, die Kluft zwischen dem, was wir in der realen Welt sehen, und der [Online-Welt] zu überbrücken, und Maps spielt diese Rolle wirklich."

Dies ist nicht nur ein theoretisches Anliegen. Kartensysteme sind auf Telefonen gerade deshalb wichtig, weil sie die Schnittstelle zwischen der Offline- und Online-Welt sind. Wenn Sie wie ich sind, verwenden Sie Mapping mehr als jede andere Anwendung außer der Kommunikationssuite (Telefon, E-Mail, soziale Netzwerke und Textnachrichten).

Google befindet sich in einem Kampf mit dem weltgrößten Unternehmen Apple, wer die Zukunft der Mobiltelefone kontrollieren wird. Während Apples Stärken im Produktdesign, im Lieferkettenmanagement und im Einzelhandelsmarketing liegen, liegt der offensichtlichste Wettbewerbsvorteil von Google in der Information. Geodaten – und die dafür erstellten Apps – sind der Punkt, an dem Google gewinnen kann, indem er einfach Google ist. Bei früheren iPhone-Generationen spielte das keine Rolle, da sie Google Maps verwendeten, aber jetzt hat Apple einen eigenen Dienst entwickelt. Wie die beiden Betriebssysteme Geodaten integrieren und den Benutzern präsentieren, könnte zu einem wichtigen Schlachtfeld in den Telefonkriegen werden.

Das Büro, in dem Google die beste Darstellung der Welt aufgebaut hat, ist kein bemerkenswerter Ort. Es bietet all das kostenlose Essen, Tischtennis und von Google Maps inspirierte Christoph Niemann-Cartoons, die Sie erwarten würden, aber es ist immer noch ein niedriges Bürogebäude direkt an der 101 in Mountain View in den Vororten.

Ich sollte mich mit Gupta und dem technischen Rädelsführer in seinem Team, dem ehemaligen NASA-Ingenieur Michael Weiss-Malik, der seine 20-prozentige Zeit damit verbracht hatte, an Google Mars zu arbeiten, und Nick Volmar, einem "Operator"

„Du willst also eine Karte machen“, sagt mir Weiss-Malik, während wir uns vor einen riesigen Monitor setzen. "Es gibt ein paar Schritte. Sie beziehen Daten über Partner. Sie führen eine Menge Engineering an diesen Daten durch, um sie in das richtige Format zu bringen und mit anderen Datenquellen zusammenzuführen, und dann führen Sie eine Reihe von Operationen durch, um die es bei diesem Tool geht, um die Daten von Hand zu massieren. Und am anderen Ende kommt etwas heraus, das von höherer Qualität ist als die Summe seiner Teile."

Damit begannen sie, die TIGER-Daten des US Census Bureau (obwohl die Basisschicht aus einer Vielzahl von Quellen in verschiedenen Ländern stammen könnte und wird).

Auf den ersten Blick sehen diese Daten großartig aus. Die Straßen sehen aus, als wären sie alle da und man hat die Autobahnen differenziert. Dies ist eine gute Karte für das ungeübte Auge. Aber schauen wir genauer hin. Es gibt Probleme, bei denen die digitalen Daten nicht mit der physischen Welt übereinstimmen. Ich habe unten ein paar offensichtliche eingekreist.

Und das nur durch den Vergleich der Karte mit den Satellitenbildern. Aber auch eine Vielzahl anderer Tools stehen Google zur Verfügung. Eine holt Daten aus anderen Quellen ein, sagt der US Geological Survey. Die Ground Truthers von Google können aber auch einen weiteren exklusiven Vorteil bei der Kartenproblematik einbringen: die Spuren und Bilder der Street View-Autos. Im Einklang mit dem Mantra von Google, mehr Daten sind bessere Daten, veröffentlicht das Kartenteam, das hauptsächlich von Street View geleitet wird, alle zwei Wochen mehr Bilddaten, als Google im Jahr 2006 insgesamt besaß.*

Lassen Sie uns einen kleinen Schritt zurücktreten, um uns mit Erstaunen an die Idee zu erinnern, dass ein einzelnes Unternehmen beschlossen hat, Autos mit kundenspezifischen Kameras über jede Straße zu fahren, die es erreichen konnte. Google ist jetzt bis zu fünf Millionen Meilen gefahren. Jedes Laufwerk generiert zwei Arten von wirklich nützlichen Daten für die Kartierung. Eine davon sind die tatsächlichen Strecken, die die Autos genommen haben. Diese sind ein Beweis dafür, dass bestimmte Routen befahren werden können. Das andere sind alle Fotos. Und das Besondere an den Fotos in Street View ist, dass Google Algorithmen ausführen kann, die die Verkehrszeichen extrahieren und sie sogar in die Tiefenkarte innerhalb ihres Atlas-Tools einfügen können. Für eine besonders komplizierte Kreuzung wie diese in der Innenstadt von San Francisco könnte das also so aussehen:

Google Street View wurde nicht entwickelt, um Karten wie diese zu erstellen, aber das Geo-Team erkannte schnell, dass Computer Vision ihnen unglaubliche Daten für die Ground-Truth-Analyse ihrer Karten liefern konnte. Um nicht zu viel umzuleiten, aber was Sie oben sehen, ist nur der Anfang davon, wie Google Street View-Bilder verwenden wird. Betrachten Sie sie als die frühen Webcrawler (erinnern Sie sich an die?), die in die Welt hinausgehen und nach den Wörtern auf den Seiten suchen. Genau das macht Street View. Eine der ersten Anwendungen besteht darin, Straßenschilder (und Adressen) zu finden, damit Googles Karten die Logik menschlicher Transportsysteme besser verstehen können. Aber mit der Verbesserung von Computer Vision und OCR wird jedes Wort, das von einer Straße aus sichtbar ist, Teil des Google-Index der physischen Welt.

Später am Tag formulierte es Google Maps VP Brian McClendon so: "Wir können die physischen schriftlichen Informationen der Welt tatsächlich organisieren, wenn wir sie mit OCR versehen und platzieren können", sagte McClendon. "Wir verwenden das, um unsere Karten jetzt zu erstellen, indem wir Straßennamen und Adressen extrahieren, aber es gibt noch viel mehr."

Eher was? "Wir haben bereits sogenannte 'View Codes' für 6 Millionen Unternehmen und 20 Millionen Adressen, bei denen wir genau wissen, was wir suchen", fuhr McClendon fort. "Wir können Logo-Matching verwenden und herausfinden, wo die Kentucky Fried Chicken-Schilder sind. Wir sind in der Lage, alle von uns erfassten Pixel zu identifizieren und semantisch zu verstehen. Das ist grundlegend für das, was wir tun."

Vorerst bleibt die Computer Vision, die Street View-Bilder direkt in Geo-Verständnisse umwandelt, jedoch in der Zukunft. Der beste Weg, um herauszufinden, ob Sie an einer bestimmten Kreuzung nach links abbiegen können, besteht darin, eine Person immer noch auf ein Schild schauen zu lassen – sei es ein Mensch, der fährt oder ein Mensch, der ein Bild von einem Street View-Auto betrachtet.

Es gibt eine Analogie zu einem der anderen beeindruckenden Projekte von Google: Google Translate. Was wie maschinelle Intelligenz aussieht, ist eigentlich nur eine Rekombination menschlicher Intelligenz. Translate basiert auf massiven Textkörpern, die von Menschen in verschiedene Sprachen übersetzt wurden, und ist dann in der Lage, übereinstimmende Wörter und Phrasen zu extrahieren. Die Algorithmen sind eigentlich nicht so komplex, funktionieren aber aufgrund der riesigen Datenmengen (also menschlicher Intelligenz), die in die Aufgabe am Frontend einfließen.

Google Maps hat eine ähnliche Operation ausgeführt. Menschen codieren jedes Bit der Logik der Straße in eine Darstellung der Welt, so dass Computer die Urteile, die eine Person bereits getroffen hat, einfach (unendlich, sofort) duplizieren können.

Diese Realität wird in Nick Volmar verkörpert, dem Operator, der Atlas vorführt, während Weiss-Malik und Gupta es erklären. Er verwendet wahrscheinlich fünfundzwanzig Tastenkombinationen, um zwischen den Datentypen auf der Karte zu wechseln, und er zeigt die Art von Geschwindigkeit, die ich mit langjährigen Designern verbinde, die mit Adobe-Produkten oder professionellen Starcraft-Playern arbeiten. Volmar hat eindeutig Tausende von Stunden damit verbracht, mit diesen Daten zu arbeiten. Weiss-Malik sagte mir, dass es Hunderte von Operatoren braucht, um ein Land zu kartieren. (Es wird gemunkelt, dass viele dieser Leute im Büro in Bangalore arbeiten, aus dem Gupta befördert wurde.)

Die schiere Menge an menschlichem Aufwand, die in die Karten von Google gesteckt wird, ist einfach umwerfend. Jede Straße, die Sie im oberen Bild leicht schief sehen, wurde von einem Menschen von Hand massiert. Der aufschlussreichste Moment für mich war, als wir uns einige der mehreren Tausend Benutzerberichte über Probleme mit Google Maps ansahen, die täglich eingehen. Das Geo-Team versucht, die meisten behebbaren Probleme innerhalb von Minuten zu beheben. In einer Beschwerde hieß es, Google habe keinen neuen Kreisverkehr angezeigt, der in einem ländlichen Teil des Landes gebaut worden sei. Die Satellitenbilder zeigten die Änderung nicht, aber ein Street View-Auto war kürzlich die Straße entlanggefahren und seine Spuren zeigten die neue Straße perfekt.

Volmar begann mit der Reparatur der Karte, zeichnete schnell die neue Straße und verband sie mit der bestehenden Infrastruktur. In seiner Eile (und vielleicht mit dem zusätzlichen Druck von drei Leuten, die jede seiner Bewegungen beobachteten) zeichnete er keinen perfekten Kreis von Punkten. Weiss-Malik und ich machten für ein paar Minuten einen Umweg über ein weiteres Gespräch. Als ich wieder auf den Bildschirm schaute, hatte Volmar den Kreis mit perfekter Präzision neu gezeichnet und ein paar andere Dinge verbessert, während er dabei war. Die Aktionen waren beeindruckend automatisch. Dies ist eine Operation, die Perfektionismus fördert.

Und so sehen Ihre Karten so aus:

Einige Details sind erwähnenswert. Oben in der Mitte sind Wanderwege eingezeichnet und als Wanderwege kodiert. Alle Parkplätze sind ausgeschildert. Alle kleinen Straßen, sagen wir, links von dem kleinen Schmutzfleck rechts, sind auch codiert. Mehrere der tatsächlichen Gebäude wurden skizziert. Unten links ist eine Straße als No-Go markiert. An jeder Kreuzung gibt es Pfeile, die genau zeigen, wo Autos abbiegen können und wo nicht.

Stellen Sie sich nun vor, dies für jede Kachel auf der Google-Karte in den USA und 30 anderen Ländern in den letzten vier Jahren zu tun. Jeder Kreisverkehr perfekt kreisförmig, jede Kreuzung mit der richtigen Logik. Jede neue Entwicklung. Jede Einbahnstraße. Dies ist eine Aufgabe von fast unvorstellbarem Ausmaß. Dies ist nicht etwas, das Sie mit ein paar Dutzend intelligenten Ingenieuren zusammenstellen können.

Ich war überzeugt, dass die von Google gesammelten geografischen Daten wahrscheinlich von keinem anderen Unternehmen erreicht werden können.Das Geheimnis dieses Erfolgs ist nicht, wie Sie vielleicht erwarten würden, Googles Umgang mit Daten, sondern seine Bereitschaft, Menschen dazu zu verpflichten, Daten über die physische Welt zu kombinieren und zu bereinigen. Die Kartenangebote von Google bauen die menschliche Intelligenz im Frontend ein, und das ermöglicht es seinen Computern, Ihnen die beste Route von San Francisco nach Boston zu nennen.

Es ist wahrscheinlich besser, Google Maps nicht wie eine Papierkarte zu betrachten. Geographische Informationssysteme stellen einen Sprung von Papierkarten wie dem Abakus zum Computer dar. "Ich glaube ehrlich gesagt, dass wir eine tiefgreifendere Veränderung für die Kartenerstellung erleben als der Wechsel vom Manuskript zum Druck in der Renaissance", sagte Jerry Brotton, der kartographische Historiker der University of London, dem Sydney Morning Herald. "Das war riesig. Aber das ist größer."

Die Karten, die wir in unseren Handschuhfächern gefaltet aufbewahrten, waren eine Sammlung von Linien und Formen, die wir mit menschlicher Intelligenz überzogen haben. Wie wir gesehen haben, ist eine Karte eine Sammlung von Linien und Formen, in denen die Intelligenz von Nick Volmar (und Hunderten anderer) kodiert ist.

Wenn wir über die Zukunft von Karten sprechen, ist es üblich, auf den Borgesschen Traum von einer 1:1-Karte der ganzen Welt zu verweisen. Es scheint eine lächerliche Vorstellung zu sein, dass wir eine vollständige Darstellung der Welt brauchen würden, wenn wir die Welt selbst bereits haben. Aber um die Vorstellung des Wissenschaftlers Nathan Jurgenson von Augmented Reality ernst zu nehmen, müssten wir glauben, dass jeder physische Raum, wie er sagt, von Informationen "durchdrungen" ist. Alle physischen Räume sind bereits auch Informationsräume. Wir Menschen haben alle eine Borgessche Karte der Orte, die wir kennen, in unseren Köpfen und wir verwenden sie, um den physischen Raum zu navigieren und zu berechnen. Die Strategie von Google besteht darin, all unsere mentalen Landkarten zusammenzuführen und in zugängliche, nützliche Formen zu verarbeiten.

Ihr MapMaker-Produkt macht diesen Ehrgeiz deutlich. Das von Gupta während seiner Zeit in Indien geleitete Projekt ist die "Bottom-Up"-Version von Ground Truth. Es ist eine öffentlich zugängliche Möglichkeit, Google Maps zu bearbeiten, indem Sie Sehenswürdigkeiten und Daten zu Ihrem Stück Welt hinzufügen. Es ist eine Möglichkeit, Daten aus menschlichen Gehirnen ins Internet zu saugen. Und es ist ähnlich wie Googles offener Konkurrent Open Street Map, der bewiesen hat, dass auch er die Intelligenz der Masse nutzen kann.

Während wir in eine Welt abgleiten, in der unsere Augmented Reality für uns offline und online zunehmend sichtbar wird, können die geografischen Daten von Google zu ihrem wertvollsten Gut werden. Nicht allein wegen dieser Daten, sondern weil Standortdaten alles andere, was Google tut und weiß, wertvoller machen.

Oder wie mein Freund und Science-Fiction-Autor Robin Sloan es mir ausdrückte: "Ich behaupte, dass dies das Kernstück von Google ist. In 50 Jahren wird Google das Unternehmen für selbstfahrende Autos sein (angetrieben von dieser tiefen Weltkarte) und, oh, P.S. sie haben noch irgendwo eine Suchmaschine."
Natürlich brauchen sie immer noch eine weitere geografische Information, damit sich all dieser Aufwand lohnt: Sie. Das heißt, wo Sie sind. Ihr Standort ist der Strom, der die riesige Geodatenmaschine von Google zum Laufen bringt. Sie haben diesen ganzen Spielplatz als ausgeklügelten Köder für Sie gebaut. So gut und klug und nützlich es auch ist, viel Glück, wenn Sie dem Köder widerstehen.

Haben Sie sich die Mühe gemacht, den Artikel überhaupt zu lesen?
Wenn Sie es getan hätten, hätten Sie nicht das geschrieben, was Sie oben geschrieben haben!
Sie können nicht alle von Ihnen erwähnten Genauigkeiten mit Google Maps vergleichen, insbesondere wenn es um die Straßen auf der ganzen Welt geht!

Das Problem mit Nigerianern ist, dass die Art von Karten, die wir hier haben, bestenfalls noch rudimentär sind, aber in anderen Teilen der Welt hängt ihr Leben davon ab, nach Telefonaten, SMS und sozialen Medien ist die zweithäufigste App MAPS!
Und deshalb gibt es einen riesigen Aufschrei, als Apple Google Maps aus ios6 entfernt hat!

Haben Sie sich die Mühe gemacht, den Artikel überhaupt zu lesen?
Wenn Sie es getan hätten, hätten Sie nicht das geschrieben, was Sie oben geschrieben haben!
Sie können nicht alle von Ihnen erwähnten Genauigkeiten mit Google Maps vergleichen, insbesondere wenn es um die Straßen auf der ganzen Welt geht!

Das Problem mit den Nigerianern ist, dass die Art von Karten, die wir hier haben, bestenfalls noch rudimentär sind, aber in anderen Teilen der Welt hängt ihr Leben davon ab, nach Telefonaten, SMS und sozialen Medien ist die zweithäufigste App MAPS!
Und deshalb gibt es einen riesigen Aufschrei, als Apple Google Maps aus ios6 entfernt hat!

Natürlich habe ich alles gelesen. Navteq, Tele Atlas usw. liefern Karten an dasselbe Google. Laut Nigeria-Karten sind Sie dem Trend offensichtlich nicht gefolgt. Dieselben Unternehmen - Tele Atlas, Navteq, Google usw. beziehen Nigeria-Karten von meiner Firma 3D Technologies. Wir haben Nigeria kartiert und auf Garmin-Navigationssystemen angezeigt, noch bevor Google auf den Markt kam. Die gesamten Karten auf Nokia-Telefonen für Nigeria stammen von unserer Firma, also, was ist an Nigeria-Karten rudimentär?

Gehen Sie online und besuchen Sie http://www.ceaser-web.com und vieles mehr.

Wie gesagt, keine große Sache mit Google Maps.

Crowd Sourcing, auf das sich Google hauptsächlich stützt, ist für andere Länder wie Nigeria bestenfalls sehr zutreffend. Der Google Map Maker ist für die Öffentlichkeit zugänglich, um Kartenmerkmale einzugeben, diese werden jedoch erst veröffentlicht, wenn einige Moderatoren die Einträge genehmigt haben, und diese Moderatoren sind keine Nigerianer und weit weg von Nigeria. Meistens schreibst du Einträge, die der Moderator als falsch abschreibt, also, wie gehst du damit um? Gehen Sie zu Google Maps und sehen Sie sich einige Gebiete in Abuja allein an und Sie werden erstaunt sein, wie genau die Karten sind.

Wir sprechen aus Erfahrung und es hat keinen Sinn, schlechtes Wasser zu werfen, wenn wir aus erster Hand sprechen.

Geistige Faulheit bei der Arbeit. Sie haben sich nicht die Mühe gemacht, die Artikel zu lesen, indem Sie auf Ihre Tastatur tippen. Haba. Lernen Sie 2 schätzen, was wirklich ausgezeichnet ist.

aze: Geistige Faulheit bei der Arbeit. Sie haben sich nicht die Mühe gemacht, die Artikel zu lesen, indem Sie auf Ihre Tastatur tippen. Haba. Lernen Sie 2 schätzen, was wirklich ausgezeichnet ist.

Erklären Sie mir, was in meinem Kommentar steht und Sie denken lässt, dass ich den Artikel nicht gelesen habe. Mtchewwww

Wenn Sie wissen möchten, wovon ich spreche - lesen Sie über uns von http://www.ceaser-web.com oder http://www.3dtechnologies.org

Bitte machen Sie Ihren eigenen Kommentar, so wie ich meinen gemacht habe, werfen Sie keine ungerechtfertigten Beleidigungen, nur weil Sie einen Kommentar abgeben möchten. Wenn Sie mit meinen Eingaben nicht einverstanden sind, speichern Sie die Beleidigung für sich selbst. Geistige Faulheit bei der Arbeit in der Tat.

Natürlich habe ich alles gelesen. Navteq, Tele Atlas usw. liefern Karten an dasselbe Google. Laut Nigeria-Karten sind Sie dem Trend offensichtlich nicht gefolgt. Dieselben Unternehmen - Tele Atlas, Navteq, Google usw. beziehen Nigeria-Karten von meiner Firma 3D Technologies. Wir haben Nigeria kartiert und auf Garmin-Navigationssystemen angezeigt, noch bevor Google auf den Markt kam. Die gesamten Karten auf Nokia-Telefonen für Nigeria stammen von unserer Firma, also, was ist an Nigeria-Karten rudimentär?

Gehen Sie online und besuchen Sie http://www.ceaser-web.com und vieles mehr.

Wie gesagt, keine große Sache mit Google Maps.

Crowd Sourcing, auf das sich Google hauptsächlich stützt, ist für andere Länder wie Nigeria bestenfalls sehr zutreffend. Der Google Map Maker ist für die Öffentlichkeit zugänglich, um Kartenmerkmale einzugeben, diese werden jedoch erst veröffentlicht, wenn einige Moderatoren die Einträge genehmigt haben, und diese Moderatoren sind keine Nigerianer und weit weg von Nigeria. Meistens schreibst du Einträge, die der Moderator als falsch abschreibt, also, wie gehst du damit um? Gehen Sie zu Google Maps und sehen Sie sich einige Gebiete in Abuja allein an und Sie werden erstaunt sein, wie genau die Karten sind.

Wir sprechen aus Erfahrung und es hat keinen Sinn, schlechtes Wasser zu werfen, wenn wir aus erster Hand sprechen.

Nicht etwas, das man jemandem leicht erklären kann, der wenig Ahnung davon hat, wie diese Dinge funktionieren.

Stellen Sie sich vor, es ist kostenlos. Wenn es darum geht, bezweifle ich, dass Apple überhaupt mit "Head-On" konkurrieren wird.

Wir tun es jeden Tag, Sir. Nicht einmal zwei Wochen. Haben Sie Abuja-Karten bei Google gesehen? Gehen Sie und überprüfen Sie.


Online-Tools können Menschen in Katastrophen helfen, aber repräsentieren sie alle? (Artikel in Das Gespräch)

Dieser Artikel erschien ursprünglich in The Conversation.
Billy Tusker Haworth, Universität Manchester , Christine Eriksen , Universität Wollongong , Scott McKinnon , Universität Wollongong

30. Mai 2019 5:45 AEST
______________________________________________________________________________

Angesichts der Zunahme von Naturgefahren und klimabedingten Katastrophen können Online-Tools wie Crowdsourcing-Mapping und soziale Medien den Menschen helfen, eine Krise zu verstehen und darauf zu reagieren. Sie ermöglichen es Menschen, ihren Standort zu teilen und Informationen beizutragen.

Aber sind diese Tools für alle nützlich oder werden manche Menschen an den Rand gedrängt? Es ist von entscheidender Bedeutung, dass diese Tools Informationen aus allen Bereichen einer gefährdeten Gemeinschaft enthalten.

Aktuelle Erkenntnisse deuten darauf hin, dass dies nicht immer der Fall ist.


Geodaten zur Visualisierung nutzen

Viele Datensätze basierend auf geografischen Standorten können als Karte visualisiert werden. Geografische Informationssysteme (GIS) stellen uns eine Vielzahl von Funktionen, Ideen und Algorithmen zur Verfügung, um dies zu ermöglichen.

_Hinweis: Um mehr über das GIS-Ökosystem zu erfahren, besuchen Sie die Seite der Open Source Geospatial Foundation (OSGeo).

Um unsere Daten interessanter zu machen (wir könnten sagen: mehr aufschlussreich und aufschlussreich) und ansprechender (schön) einem Benutzer visualisieren wir den Datensatz als Karte. Darüber hinaus werden wir es als interaktiven Globus anzeigen, damit Benutzer den Globus drehen können, um verschiedene Regionen zu beobachten und auf einen interessanten Punkt zu zoomen.

Um dies zu ermöglichen, müssen wir eine Projektion von verwenden D3-Projektion und geoPath von der D3-Geomodul.

Zuerst müssen wir definieren, welche Art von Daten wir haben: lokal, landesweit oder weltweit. Dies ist wichtig, da wir festlegen müssen, welche geografische Projektion verwendet werden soll. Auf lokaler Ebene müssen wir daran denken, dass jedes Land seine eigenen nationalen Koordinatensysteme hat, mit denen alle Karten visualisiert werden. Die Verwendung unterschiedlicher Koordinatensysteme zur Visualisierung von Daten kann daher für Länder zu unterschiedlichen Formen und Drehungen führen.

Web-Mercator

Weltweit haben wir globale Koordinatensysteme. In diesem Fall ist die beliebteste Projektion Web-Mercator auch bekannt als Google Web Mercator. Es ist eine Variante der Mercator-Projektion und basiert auf Kugelformeln. Es ist zu einem Standard für ein Web-Mapping in den Visualisierungen im globalen Maßstab geworden.

Eine orthographische Projektion

Eine weitere interessante Projektion ist eine orthographische Projektion. Ziel ist es, 3D-Objekte in zwei Dimensionen (z.B. in einem Webbrowser) zu visualisieren. D3 bietet uns eine geoOrthographische Projektion was es uns ermöglicht, die Erde als Globus (oder in diesem Fall als ebenen Kreis) zu visualisieren. Der Nachteil dieser Projektion ist, dass wir nicht alle Kontinente auf unserer Leinwand unterbringen können, wie dies bei einer Mercator-Projektion der Fall wäre. Wir können jedoch die Projektionsdrehung ändern, wenn der Benutzer mit unserer Karte interagiert, sodass er sich auf seine Points of Interest konzentrieren kann.


Neueste Patente von Telogis, Inc.:

Diese Anmeldung ist eine Fortsetzungsanmeldung der Internationalen Patentanmeldung Nr. PCT/US2010/45630, eingereicht am 16. August 2010 und mit dem Titel "Real Time Map Rendering with Data Clustering and Expansion and Overlay", die die Priorität der vorläufigen US-Patentanmeldung Ser. Nr. 61/274,221, eingereicht am 14. August 2009 und mit dem Titel „Real Time Map Rendering with Data Clustering and Expansion and Overlay”, wobei beide Anmeldungen hierin durch Bezugnahme eingeschlossen sind, soweit sie der Offenbarung hierin nicht widersprechen.

Diese Erfindung betrifft im Allgemeinen Systeme und Verfahren zum Organisieren, Verwalten und grafischen Anzeigen mehrerer logisch zusammenhängender Einheiten und insbesondere in einer Ausführungsform Systeme und Verfahren zur Echtzeitorganisation und Anzeige von Clustern von Kettenfahrzeugen in Verbindung mit einem geografischen Karte.

2. Beschreibung des Standes der Technik

Da die Verwendung elektronischer Karten zum Anzeigen von Informationen an Popularität gewonnen hat, hat auch das Volumen und die Komplexität der anzuzeigenden Informationen zugenommen. Dementsprechend ist es immer schwieriger geworden, den breiten Bereich von Daten aufzunehmen, die überlagert und auf Karten angezeigt werden können, ohne dass der Betrachter durch die Anzeige verwirrt oder überwältigt wird.

Dieses Problem kommt im Bereich der kartenbasierten oder standortbasierten Dienste und Tools zum Ausdruck, wo die immer detaillierteren Informationen, die angezeigt werden sollen, zusammen mit der potenziell unbegrenzten Anzahl von Quellen, aus denen Daten gesammelt werden, zu einem Es ist äußerst schwierig, solche Informationen in einer logischen Weise auf einer Karte anzuzeigen, die für die Betrachter zugänglich und nützlich ist. Das Management einer großen Anzahl von Personen und Geräten beinhaltet beispielsweise das Erhalten zeitnaher Informationen über Standort, Status und potenzielle Alarmbedingungen. Das Management möchte vorzugsweise in der Lage sein, zu beobachten, wann und wo geplante Ereignisse aufgetreten sind und wie sich Zeitpläne und Status seit den vorherigen Beobachtungen geändert haben, aber dies war in früheren Systemen bei so vielen verfügbaren Daten schwierig, wenn nicht unmöglich. Im Bereich des Flottenmanagements ist es beispielsweise wünschenswert, den Status von Fahrzeugen in einer Flotte zu kennen, wo sich die Fahrzeuge gerade befinden, ob die Fahrzeuge ordnungsgemäß funktionieren usw. Bei Flotten mit Hunderten oder Tausenden von Fahrzeugen sind solche Informationen schnell verfügbar wurde überwältigend, wenn der Zugriff über eine kartenbasierte Schnittstelle erfolgte.

Entwickler haben versucht, die Benutzerfreundlichkeit solcher kartenbasierten Anzeigen zu erleichtern, indem sie den Betrachtern das Ein- und Auszoomen der betreffenden Karten ermöglichten. Dies ist jedoch oft eine ineffektive Lösung, da das Problem der Anzeige einer überwältigenden Datenmenge nur verstärkt wird, da der Viewer zoomt heraus, um ein allgemeineres Bild der Daten zu erhalten. Um die angezeigten Daten zu verstehen, bleibt dem Betrachter daher nur die Möglichkeit, die Karte so weit zu vergrößern, dass wichtige Informationen nicht mehr auf dem Bildschirm angezeigt werden. Andere Systeme arbeiten einfach zu langsam, um die Anforderungen eines Vollzeit-Asset-Managements zu erfüllen.

Die vorliegenden Ausführungsformen überwinden diese und andere Mängel des Standes der Technik, indem sie Systeme und Verfahren zum intelligenten Zoomen bereitstellen, die geographisch oder räumlich bezogene Informationen zusammenfassen, um nützliche Datenüberlagerungen zu erzeugen, um die Verwaltung solcher Informationen zu erleichtern. In einigen Ausführungsformen beziehen sich die Informationen auf Fahrzeuge, die verfolgt werden. In einigen Ausführungsformen stellen die Systeme und Verfahren die Echtzeitanzeige von Status- und Standortinformationen für eine Flotte von verfolgten Fahrzeugen bereit. In einigen Ausführungsformen ermöglichen die Systeme und Verfahren das automatische Clustern von Assets basierend auf der Ansicht eines Benutzers einer zugrunde liegenden Karte, die sich dynamisch ändern, wenn ein Benutzer in eine Karte hinein- oder herauszoomt. In einigen Ausführungsformen sind die Vermögenswerte Fahrzeuge, die Teil einer verwalteten Flotte sind. In einigen Ausführungsformen sind die Assets logisch in Cluster von ähnlichen Assets angeordnet. In einigen Ausführungsformen stellen die Cluster grafische Angaben zu Status- oder Klasseninformationen ihrer zugrunde liegenden Vermögenswerte bereit.

In einigen Ausführungsformen wird ein Verfahren zum Anzeigen von Informationen bereitgestellt, die sich auf eine Vielzahl von geografisch verwandten Vermögenswerten beziehen. Das Verfahren umfasst das Empfangen von Informationen betreffend eine Vielzahl von Assets, die die Assets aus der Vielzahl von Assets auswählen, die geografisch verwandt sind, um einen Cluster zu bilden, der die ausgewählten Assets umfasst, und das Bereitstellen einer grafischen Benutzerschnittstelle, die eine geografische Karte und den Cluster umfasst. In einigen Ausführungsformen sind die Vermögenswerte geografisch verwandt, wenn sich der physische Standort der Vermögenswerte innerhalb eines geografischen Gebiets befindet, das durch einen virtuellen Begrenzungsbereich definiert ist. In einigen Ausführungsformen wird der Cluster auf der geografischen Karte in dem durch den Begrenzungsbereich definierten geografischen Bereich überlagert. In einigen Ausführungsformen zeigt der Cluster auf der grafischen Benutzeroberfläche mindestens ein Informationselement an, das sich auf die ausgewählten Assets bezieht. In einigen Ausführungsformen sind die Vermögenswerte Fahrzeuge. Die Informationen, die sich auf die Vielzahl von Vermögenswerten beziehen, werden in einigen Ausführungsformen in Echtzeit aktualisiert. In einigen Ausführungsformen ist mindestens ein Informationselement ein Diagramm, das Statusinformationen für die ausgewählten Vermögenswerte anzeigt. In einigen Ausführungsformen ist mindestens ein Informationselement ein Diagramm, das die Klasseninformationen für die ausgewählten Vermögenswerte anzeigt. In einigen Ausführungsformen ist mindestens eine Information ein numerischer Hinweis auf die Anzahl ausgewählter Assets. In einigen Ausführungsformen zeigt die grafische Benutzeroberfläche den virtuellen Begrenzungsbereich an. In einigen Ausführungsformen umfasst das Verfahren auch das Hinzufügen des Clusters zu einem neuen Cluster, wenn ein Benutzer der grafischen Benutzeroberfläche aus der geografischen Karte herauszoomt. In einigen Ausführungsformen umfasst das Verfahren auch das Aufteilen des Clusters in eine Vielzahl von Clustern, wenn ein Benutzer der grafischen Benutzeroberfläche in die geografische Karte hineinzoomt.

In einigen Ausführungsformen wird ein Verfahren zum Aufteilen eines Clusters von Assets bereitgestellt, wobei jedes Asset Pixelkoordinaten basierend auf seinem geografischen Standort und in Bezug auf einen virtuellen Bereich hat, der die Anzeige eines Endbenutzers darstellt. Das Verfahren umfasst in einigen Ausführungsformen das Identifizieren der Koordinaten jedes Assets, das den virtuellen Bereich in Slots unterteilt, das Gruppieren der Assets in die Slots basierend auf den Pixelkoordinaten jedes Assets und das Erzeugen neuer Cluster, wobei jeder neue Cluster mindestens ein Asset umfasst und alle Asset, das im selben Slot gruppiert wurde.

In einigen Ausführungsformen wird ein Verfahren zum Clustern von Assets bereitgestellt. Das Verfahren umfasst in einigen Ausführungsformen das Generieren von Pixelkoordinaten für jedes Asset basierend auf dem Geostandort des Assets und in Bezug auf einen virtuellen Bereich, der die Anzeige eines Endbenutzers darstellt, das Bestimmen einer Symbolform mit spezifischen Pixelabmessungen zur Verwendung in Verbindung mit jedem Asset, das Daten abfragt Struktur mit der Symbolform für jedes Asset Hinzufügen eines Assets als neuen Cluster in der Datenstruktur, wenn der durch die Pixelabmessungen der Symbolform des Assets definierte Bereich, wenn er über den Pixelkoordinaten des Assets zentriert ist, sich nicht mit dem von einem anderen abgedeckten Bereich überschneidet covered Cluster in der Datenstruktur und Hinzufügen eines Assets zu einem vorhandenen Cluster in der Datenstruktur, wenn sich der durch die Pixelabmessungen der Symbolform des Assets definierte Bereich, wenn er über den Pixelkoordinaten des Assets zentriert ist, mit dem vom vorhandenen Cluster abgedeckten Bereich überschneidet.

KURZE BESCHREIBUNG DER ZEICHNUNGEN

Für ein vollständigeres Verständnis der vorliegenden Ausführungsformen, ihrer Aufgaben und Vorteile wird nun auf die folgenden Beschreibungen in Verbindung mit den beigefügten Zeichnungen Bezug genommen, in denen:

FEIGE. 1 zeigt eine Gruppe von Vermögenswerten gemäß einer Ausführungsform.

FEIGE. 2 zeigt eine geografische Karte, die eine Vielzahl von Clustern umfasst, gemäß einer Ausführungsform.

FEIGE. 3 zeigt zusätzliche Informationsmerkmale, die dem Benutzer des Systems gemäß einer Ausführungsform zur Verfügung stehen.

FEIGE. 4 stellt gemäß einer Ausführungsform Informationsmerkmale dar, die dem Benutzer des Systems zur Verfügung stehen, wenn ein Cluster eine große Anzahl von Assets enthält.

FEIGE. Fig. 5 veranschaulicht eine scrollbare Liste von Assets eines Clusters gemäß einer Ausführungsform.

FEIGE.Fig. 6 veranschaulicht die Funktion von Clustern in Bezug auf einen spezifischen geografischen Standort gemäß einer Ausführungsform.

FEIGE. 7 veranschaulicht ein Flussdiagramm, das die Erzeugung eines Clusters gemäß einer Ausführungsform beschreibt.

FEIGE. 8 zeigt ein grafisches Beispiel der Schritte, die in 7 ausgeführt werden. 7 , gemäß einer Ausführungsform.

FEIGE. 9 zeigt einen Prozess zum Teilen eines Clusters gemäß einer Ausführungsform.

FEIGE. 10 veranschaulicht gemäß einer Ausführungsform, dass Gegenstände während des Aufteilungsprozesses von ungeraden Schlitzen zu geraden Schlitzen bewegt werden.

FEIGE. 11 zeigt einen Probencluster mit Bezug auf einen aufzuteilenden Anzeigebildschirm gemäß einer Ausführungsform.

FEIGE. 12 zeigt die Position von Elementen eines Clusters mit Bezug auf einen Anzeigebildschirm gemäß einer Ausführungsform.

FEIGE. Fig. 13 veranschaulicht einen geteilten Cluster gemäß einer Ausführungsform.

FEIGE. 14 zeigt die Erzeugung neuer Cluster aus einem einzelnen vorherigen Cluster gemäß einer Ausführungsform.

FEIGE. 15 veranschaulicht drei neue Cluster nach Abschluss des Aufteilungsprozesses gemäß einer Ausführungsform.

FEIGE. 16 zeigt ein Gesamtsystemdiagramm von Komponenten und Geräten, die in Verbindung mit Ausführungsformen verwendet werden.

Entsprechende Bezugszeichen bezeichnen in den verschiedenen Ansichten der Zeichnungen entsprechende Komponenten. Fachleute werden erkennen, dass Elemente in den Figuren der Einfachheit und Klarheit halber dargestellt sind und nicht notwendigerweise maßstabsgetreu gezeichnet sind. Zum Beispiel können die Abmessungen, die Dimensionierung und/oder die relative Anordnung einiger der Elemente in den Figuren relativ zu anderen Elementen übertrieben sein, um das Verständnis verschiedener Ausführungsformen der vorliegenden Erfindung zu verbessern. Außerdem werden häufig gebräuchliche, aber gut verstandene Elemente, die in einer kommerziell durchführbaren Ausführungsform nützlich oder notwendig sind, oft nicht dargestellt, um eine weniger eingeschränkte Sicht auf diese verschiedenen Ausführungsformen der vorliegenden Erfindung zu erleichtern. Es versteht sich auch, dass die hierin verwendeten Begriffe und Ausdrücke die gewöhnliche Bedeutung haben, wie sie von Fachleuten in den entsprechenden jeweiligen Untersuchungs- und Studiengebieten üblicherweise solchen Begriffen und Ausdrücken zuerkannt wird, es sei denn, es wurden andere spezifische Bedeutungen hierin anders dargelegt.

DETAILLIERTE BESCHREIBUNG DER ZEICHNUNGEN

Weitere Merkmale und Vorteile der vorliegenden Ausführungsformen sowie der Aufbau und die Funktionsweise der verschiedenen Ausführungsformen werden im Folgenden unter Bezugnahme auf die beigefügten Figuren detailliert beschrieben. 1-16 . Die Ausführungsformen werden im Kontext eines Systems zum Anzeigen von Clustern von verfolgten Fahrzeugen auf einer Karte beschrieben. Nichtsdestotrotz erkennt ein Durchschnittsfachmann ohne weiteres, dass diese Ausführungsformen in zahlreichen Gebieten und Kontexten anwendbar sind, die die Anzeige mehrerer unterschiedlicher Informationen auf nützliche Weise erfordern, und insbesondere in Bezug auf Informationen mit geografischen oder speziellen Komponenten, wie z Nachlassinformationen, Paket- oder Lieferinformationen, Kommunikationsinformationen usw.

Unter Bezugnahme auf FIG. 1 , dargestellt ist ein Cluster 100. Der Cluster 100 stellt Informationen zu zugrunde liegenden Assets an einem bestimmten geografischen oder räumlichen Standort bereit, der durch einen Begrenzungsbereich definiert ist 102. Der Cluster 100, umfasst in einigen Ausführungsformen einen numerischen Wert 104 und ein inneres Diagramm 106. In einigen Ausführungsformen ist der Cluster 100 umfasst ein äußeres Diagramm 108, oder zusätzliche Diagramme oder grafische Informationen (nicht abgebildet). Handelt es sich bei den Vermögenswerten beispielsweise um Fahrzeuge, dann ist der Zahlenwert 104 zeigt die Anzahl der Fahrzeuge innerhalb des Clusters an 100, und die Diagramme 106 und 108 detaillierte Klassen- und Statusinformationen zu diesen Fahrzeugen bereitstellen. Inneres Diagramm 106enthält beispielsweise farbcodierte Klasseninformationen für jedes Asset im Cluster 100. Im Zusammenhang mit Fahrzeugen können die Fahrzeuge beispielsweise als Sattelschlepper, Pickups, Mobilkräne, Autos oder andere Fahrzeugtypen mit jeweils einer einzigartigen Farbe klassifiziert werden. Inneres Diagramm 106 zeigt daher ein farbcodiertes Tortendiagramm an, das den Prozentsatz der Fahrzeuge im Cluster darstellt 100 die jede Klasse ausmachen, Äußeres Diagramm 108zeigt beispielsweise farbcodierte Statusinformationen für jedes Asset im Cluster 100. Im Kontext von Fahrzeugen können sich die Fahrzeuge zum Beispiel in Abhängigkeit von der spezifischen Anwendung bewegen, anhalten, im Leerlauf befinden, außer Kontakt sein oder einen anderen Status haben. Äußeres Diagramm 108 zeigt daher ein farbcodiertes Tortendiagramm an, das den Prozentsatz der Fahrzeuge im Cluster darstellt 100 mit jedem gegebenen Status. Die spezifischen Klassen- und Statusinformationen, die von den Diagrammen dargestellt werden sollen 106 und 108, sowie die diesen Informationen zugeordneten Farben sind durch den Benutzer des Systems nach bekannten Verfahren konfigurierbar. Darüber hinaus sind die Größe, Form und Konfiguration des Clusters 100 ist auch veränderbar. Zum Beispiel erhalten Cluster in einigen Ausführungsformen unterschiedliche Formen, um anzuzeigen, dass die Cluster unterschiedliche Arten von Vermögenswerten oder unterschiedliche Arten von Informationen betreffen. Zum Beispiel kann ein erster Cluster rund sein, was anzeigt, dass er sich auf Fahrzeuge bezieht, und ein zweiter Cluster kann quadratisch sein, was anzeigt, dass er sich auf während eines Tages auszuführende Aufgaben bezieht. Wenn die Jobs abgeschlossen sind, ändern sich die farbigen Statusinformationen für den Cluster und spiegeln den Fortschritt des Jobs wider. In einigen Ausführungsformen ändern die Ecken eines quadratischen oder anderen eckigen Clusters ihre Farben. Nur zum leichteren Verständnis stellt die vorliegende Anmeldung hierin Cluster im Allgemeinen als Kreise oder Quadrate dar, mit kreisförmigen inneren und äußeren Diagrammen.

Die Informationen im Cluster 100 wird in einigen Ausführungsformen in Echtzeit aktualisiert. Zum Beispiel, wenn ein Fahrzeug den Grenzbereich verlässt oder betritt 102, der Zahlenwert 104 und Diagramme 106 und 108 werden entsprechend aktualisiert. Wenn sich der Status eines Assets ändert, wird das äußere Diagramm 108 wird ebenfalls aktualisiert. Solche Echtzeitaktualisierungen sind vom Benutzer des Systems konfigurierbar und können von den Kommunikationssystemen der Anlagen abhängig sein. Zum Beispiel kann ein Benutzer des Systems nur alle fünf Minuten Aktualisierungen wünschen. Alternativ kann ein Asset so programmiert werden, dass es seinen Standort und andere Statusinformationen nur alle dreißig Sekunden oder nur dann bereitstellt, wenn sich sein Status oder Standort ändert. Der Durchschnittsfachmann wird daher die vom Cluster angezeigten Informationen erkennen 100 kann in einigen Ausführungsformen basierend auf diesen Eventualitäten oder Präferenzen verzögert werden. Alternativ kann die Aktualisierung der Informationen beispielsweise bei einer Größenänderung der Karte erfolgen.

In einigen Ausführungsformen sind nicht alle Assets in einem bestimmten Begrenzungsbereich 102 sind im Cluster enthalten 100. Zum Beispiel der Cluster 100 dürfen nur Vermögenswerte einer bestimmten Art umfassen, wie beispielsweise nur Fahrzeuge. In anderen Ausführungsformen ist der Cluster 100 darf nur Vermögenswerte umfassen, die einem bestimmten Unternehmen gehören, beispielsweise einer einzelnen Autovermietung. Die spezifischen Assets, die in einem Cluster enthalten sind 100 kann basierend auf zahlreichen Attributen ausgewählt werden, wie beispielsweise dem Status, der Klasse, den physischen Attributen, dem Typ, den Eigentumsinformationen usw. In einigen Ausführungsformen (nicht gezeigt) ist der Begrenzungsbereich 102 besteht aus mehr als einem Cluster. Jeder der Cluster kann Assets umfassen, die ohne die dem System angegebenen Präferenzen des Benutzers in demselben Cluster enthalten wären, oder Assets, die aufgrund unterschiedlicher Attribute zu unterschiedlichen Clustern gehören. Der Übersichtlichkeit halber wird in der folgenden Diskussion nur ein einzelner Cluster diskutiert 100 sich innerhalb eines einzigen Begrenzungsbereichs befinden 102. Der Grenzbereich 102ist, wie gezeigt, ein Quadrat oder ein Rechteck, aber andere Formen, wie beispielsweise Polygone, Kreise, Dreiecke oder andere regelmäßige oder unregelmäßige Formen oder eine beliebige Kombination davon, werden in anderen Ausführungsformen verwendet. Darüber hinaus ist in einigen Ausführungsformen der Begrenzungsbereich 102 können unterschiedliche Farben oder Deckkraftstufen aufweisen. Durch Ändern des Alphakanalwerts (der Deckkraft) und/oder der Farbe des Begrenzungsbereichs 102, können zusätzliche Informationen zu jedem Begrenzungsbereich angezeigt werden 102 auf einer Karte angezeigt, z. B. welcher Grenzbereich 102 enthält mehr Vermögenswerte.

Unter Bezugnahme auf FIG. 2 , abgebildet ist eine geographische Karte 200 bestehend aus mehreren Clustern 100ein-nein, gemäß einer Ausführungsform. Wie abgebildet, die Karte 200 zeigt die gesamten kontinentalen Vereinigten Staaten an. Wegen der hohen Ebene der Karte 200, jeder Cluster 100 und der zugehörige Begrenzungsbereich 102ein-nein deckt einen großen Bereich der Vereinigten Staaten ab und umfasst daher eine relativ große Anzahl von Vermögenswerten. Zum Beispiel Cluster 100ein, dessen Begrenzungsrahmen 102ein umfasst Los Angeles, enthält über viertausendfünfhundert Vermögenswerte. In anderen Ausführungsformen kann ein großer Bereich jedoch nur eine kleine Anzahl von Vermögenswerten umfassen.

Unter Bezugnahme auf FIG. In Fig. 3 sind gemäß einer Ausführungsform zusätzliche Informationsmerkmale dargestellt, die dem Benutzer des Systems zur Verfügung stehen. Wie dargestellt, wenn ein Benutzer einen Cluster auswählt 100, beispielsweise wenn ein Benutzer mit der Maus über den Cluster zeigt 100, klickt auf den Cluster 100, verwendet einen Touchscreen, um das Cluster auszuwählen 100 oder auf andere Weise den Cluster auswählt oder mit ihm interagiert 100, stellt das System dem Benutzer bestimmte Informationen zu den Assets im Cluster zur Verfügung 100. Dargestellt ist beispielsweise eine Pop-up-Box 300 mit detaillierten Asset-Informationen für jedes Asset im Cluster 100. Das Pop-up-Feld 300 zeigt beispielsweise den Namen, den Status und die Klasse jedes Assets im Cluster an 100, und bietet dem Benutzer die Möglichkeit, den Verlauf für jedes Asset anzuzeigen, indem er auf die Links „Heute“ oder „Gestern“ klickt. In einigen Ausführungsformen werden skalierte Symbole, die für die Vermögenswerte repräsentativ sind, auf der Karte dargestellt, um dem Benutzer eine visuelle Identifizierung zu ermöglichen, wo sich die Vermögenswerte befinden. In einigen Ausführungsformen kann der Benutzer auch auf jedes Asset in der Popup-Box klicken 300 an den spezifischen Standort des Assets auf der Karte geleitet werden. Die unter Bezugnahme auf FIG. 3 ist nützlich für Cluster 100 mit wenigen Assets, wie z. B. vier oder weniger Assets, kann jedoch zu viele detaillierte Informationen liefern, wenn ein Cluster über viele Assets verfügt.

Unter Bezugnahme auf FIG. 4 dargestellt sind zusätzliche Informationsmerkmale, die dem Benutzer des Systems zur Verfügung stehen, wenn ein Cluster 100 enthält gemäß einer Ausführungsform eine große Anzahl von Vermögenswerten. Wie dargestellt, wenn ein Benutzer einen Cluster auswählt 100, bietet das System dem Benutzer ein Popup-Fenster 400 Anzeige bestimmter hochrangiger Informationen zu den Assets im Cluster 100, wie allgemeine Status- und Kategorieinformationen zu den Assets. In einigen Ausführungsformen ist der Cluster 100 zeigt außerdem ein „+“-Zeichen oder eine ähnliche Notation an 402, was noch mehr Informationen zu den Assets im Cluster bedeutet 100 ist verfügbar. Unter Bezugnahme auf FIG. 5 , wenn der Benutzer auf das „+“-Zeichen klickt 402, in einer Ausführungsform eine scrollbare Liste 502 der Assets des Clusters wird dem Benutzer im Popup-Fenster angezeigt 400. Der Benutzer kann ein Asset aus der scrollbaren Liste auswählen 502, deren detaillierte Informationen anschließend im Popup-Fenster angezeigt werden 400 in ähnlicher Weise wie in FIG. 3 . Auf diese Weise erhalten Sie detaillierte Informationen zu jedem Asset im Cluster 100 steht dem Benutzer zur Verfügung, auch wenn der Cluster 100 verfügt über ein großes Vermögen.

Unter Bezugnahme auf die FIG. 6 ein und 6bwird nun die Funktion von Clustern in Bezug auf einen bestimmten geografischen Standort gemäß einer Ausführungsform ausführlicher erörtert. In FIG. 6 ein ist ein Cluster 600 mit einer Begrenzungsfläche 602 umfasst einen Großteil von Eureka, Kalifornien. Wie offensichtlich ist, ist der Cluster 600 umfasst 34 Vermögenswerte. Wenn ein Benutzer in den Cluster hineinzoomt 600, wie in FIG. 6 b, Cluster 600 wird durch vier neue Cluster ersetzt 604-610. Gemeinsam sind die neuen Cluster 604-610 umfassen dieselben Vermögenswerte wie Cluster 600. Neue Cluster 604-610, werden jedoch genauer auf der Karte positioniert, um den Standort ihrer zugrunde liegenden Vermögenswerte widerzuspiegeln. Somit ist, wie in FIG. 6 b, kann ein Benutzer sehen, dass es 3 Assets in Fortuna und 2 Assets in McKinleyville gibt, wobei sich die restlichen Assets in der Nähe von Eureka und Fields Landing befinden. Wenn ein Benutzer so weit heranzoomt, dass es sinnvoll ist, einzelne Assets anzuzeigen, wird ein Cluster durch die genaue Echtzeitposition jedes Assets innerhalb des Clusters ersetzt. Alternativ kann ein Benutzer in einigen Ausführungsformen auf einen der Cluster klicken 604-610 um den Standort jedes seiner Assets anzuzeigen. Wenn ein Benutzer aus einem bestimmten Bereich herauszoomt, wie zum Beispiel beim Herauszoomen aus FIG. 6 b zu ABB. 6 ein, oder aus FIG. 6 ein zu ABB. 2 werden die Cluster zusammengefasst und werden allgemeiner und weniger an einen bestimmten räumlichen Ort gebunden. Somit ist das Rendern und erneutes Rendern von Karten und ihren jeweiligen Clustern hierarchisch.

In einigen Ausführungsformen kann man sich die Struktur von Assets und Clustern wie folgt vorstellen:

Die Art und Weise, in der das System Assets (oder Cluster) gruppiert und wie oben erörtert Cluster aufteilt, wird nun gemäß einer Ausführungsform ausführlicher beschrieben. Bezugnehmend auf FIG. 7, abgebildet ist ein Flussdiagramm 700 die Erstellung eines Clusters detailliert beschreiben. Zuerst bei Schritt 702werden die Breiten- und Längskoordinaten des zu gruppierenden Gegenstands (entweder ein Vermögenswert oder ein Cluster) bestimmt und unter Verwendung von Standardreprojektionstechniken basierend auf der Benutzeranzeige in x- und y-Pixelkoordinaten umgewandelt. Als nächstes in Schritt 704, wird eine Box (oder eine andere Form) um die x- und y-Koordinaten herum erzeugt, die die Größe der Symbolgröße des Elements anzeigen. Zum Beispiel ist in einigen Ausführungsformen das Symbol, das ein Benutzer für einen Cluster sieht, 30 Pixel mal 30 Pixel groß. Also in Schritt 704, wird eine 30 × 30-Pixel-Box um die bestimmten x- und y-Koordinaten für einen solchen Cluster gelegt. Im Schritt 706, wird ein R-Baum, eine dem Fachmann bekannte Datenstruktur, mit der Box abgefragt, um zu bestimmen, ob die Box bereits im System vorhanden ist. Wie im Ergebnis gezeigt 708, wenn die Box bereits Teil eines bestehenden Clusters im System ist, werden die Box und ihr Artikel zu diesem Cluster hinzugefügt. Ansonsten, wie im Ergebnis gezeigt 710, werden die Box und ihr Element als neuer Cluster hinzugefügt. Der obige Vorgang wiederholt sich für jedes zu gruppierende Element. Während die Ausführungsformen hierin unter Bezugnahme auf einen R-Baum beschrieben werden, werden Fachleute erkennen, dass andere Arten von Bäumen und Datenstrukturen verwendet werden können, um andere Ausführungsformen zu implementieren, und dass die Art und Konfiguration solcher Datenstrukturen davon abhängen wird , beispielsweise von der spezifischen Anwendung und gewünschten Funktionalität.

Unter Bezugnahme auf die FIG. 8 ein-d, abgebildet ist ein grafisches Beispiel für die im Flussdiagramm ausgeführten Schritte 700, gemäß einer Ausführungsform. Wie in FIG. 8 ein, und wie mit Bezug auf Schritt described beschrieben 702, Vermögenswerte 100ein-100c mit realen Breiten- und Längengraden werden basierend auf der Anzeige eines Benutzers auf x- und y-Pixelkoordinaten projiziert 800. In FIG. 5 b, und gemäß Schritt 704, eine Box oder eine andere Symbolform 802ein-c wird um jedes Asset herum erstellt 100ein-c. In Übereinstimmung mit Schritten 706-710, jede Box 802ein-c wird dann verwendet, um den R-Baum abzufragen. Der R-Baum wird zuerst mit box abgefragt 802ein. Da der R-Baum leer ist, gibt der R-Baum kein Ergebnis zurück und box and 802ein wird dem R-Baum als neuer Cluster hinzugefügt 804ein, wie in FIG. 8 c. Der R-Baum wird als nächstes mit Box abgefragt 802b. Wie in FIG. 8 b, da es keine Überlappung zwischen den Boxen gibt 802ein (der sich bereits im R-Baum befindet) und Box 802b, der R-Baum wird wieder kein Ergebnis zurückgeben, und box 802b wird dem R-Baum als neuer Cluster hinzugefügt 804b. Der R-Baum wird als nächstes mit Box abgefragt 802c. Wie in FIG. 5 b, es gibt Überschneidungen zwischen Box 802b und 802c. Der R-Baum wird daher Cluster . zurückgeben 804b als Ergebnis und Box 802c hinzugefügt wird, dass Cluster, wie in FIG. 8 c. Wie in FIG. 8 c, Cluster 804b erweitert sich um Boxen 802b und 802c. Als Ergebnis der vorangegangenen Schritte sind die beiden Cluster 804ein-b werden dem Benutzer dargestellt, wobei die darunter liegenden Kästchen und Asset-Informationen nicht mehr angezeigt werden, wie in FIG. 8 d.

In einigen Ausführungsformen wird das unter Bezugnahme auf die FIG. 7 und 8 können Cluster mit zu vielen Elementen erzeugen (entweder zu viele Assets oder andere Cluster). Um die erstellten Cluster nutzbarer zu machen, werden die Cluster anschließend in kleinere, besser nutzbare Cluster aufgeteilt. Durch Aufteilen von Clustern werden die in den Clustern enthaltenen Informationen in einigen Ausführungsformen gleichmäßiger über die Bildschirmansicht des Benutzers verteilt.

In einigen Ausführungsformen werden Cluster geteilt, wenn sie entweder horizontal oder vertikal größer als eine definierte Variable M (maximale Clustergröße) sind. Diese Variable basiert beispielsweise auf der Auflösung des Bildschirms des Benutzers und auf der Größe der typischerweise mit dem System verwendeten Symbole. Auf einem Standardbildschirm, der Symbole mit einer Breite von 32 Pixeln verwendet, ist M in einigen Ausführungsformen auf 100 Pixel eingestellt. Der Durchschnittsfachmann wird erkennen, dass andere Werte für M optimal sein können, abhängig von der Auflösung und Größe des Benutzerbildschirms, der Größe der in Verbindung mit dem System verwendeten Icons oder anderen Variablen.

Wenn ein Cluster geteilt werden soll, wird der Cluster sowohl horizontal als auch vertikal geteilt. Vertikale und horizontale maximale Pixelwerte für die neuen Cluster basieren in einigen Ausführungsformen auf den folgenden Formeln:
JaTeilt=M−2(SYMBOLBreite)
XTeilt=YTeilt/2+YTeilt
Wo YTeilt ist der maximale horizontale Pixelwert und XTeilt der maximale vertikale Pixelwert ist und ICONBreite ist die Breite der Asset- oder Clustersymbole in Pixeln. Die vorstehenden Formeln berücksichtigen die Abmessungen der Symbole, um sicherzustellen, dass sich Cluster auf dem Bildschirm eines Benutzers nicht überlappen. Basierend auf dem Vorhergehenden, wo M auf 100 Pixel gesetzt ist und die Icons 32 Pixel haben, muss jeder neue Cluster weniger als 54 Pixel breit und weniger als 36 Pixel hoch sein.

Unter Bezugnahme auf FIG. In 9 ist ein Prozess zum Aufteilen eines Clusters dargestellt 900 gemäß einer Ausführungsform. Beispiel: Bei einem Cluster mit einer Breite von 132 Pixeln wird der Cluster zunächst in Schritt . horizontal geteilt 902 in die minimale Anzahl von Abschnitten, für die jeder Abschnitt kleiner als X istTeilt, (54 Pixel) breit. Der Cluster wird daher zunächst in drei Abschnitte mit je 44 Pixel Breite unterteilt. Wie in Schritt gezeigt 904, jeder in Schritt erhaltene Abschnitt 902 wird dann horizontal in Abschnitte kleiner als Y . aufgeteiltTeilt (36 Pixel) hoch. Als Ergebnis ist der ursprüngliche Cluster 900 ist, aufgeteilt in 12 Slots 906ein-l, jeweils mit Abmessungen von 44 x 30 Pixel. Im Schritt 906, werden die neuen Cluster erstellt. In einigen Ausführungsformen werden die geradzahligen Slots beibehalten (d. h. Slots 908ein, 908c, 908e, 908G, 908ich, und 908k), während die ungeraden Slots verworfen werden. Alle Gegenstände in den ungeraden Slots werden um einen Slot nach oben verschoben (d.h. Gegenstände in Slot 908b werden in den Steckplatz verschoben 908ein, und so weiter). Die beibehaltenen Slots werden zu den neuen Clustern.

Unter Bezugnahme auf FIG. 10 , abgebildet ist ein Beispiel für Gegenstände, die aus ungeraden Plätzen verschoben werden 908b und 908d sogar Slots 908ein und 908c, gemäß einer Ausführungsform. Wie abgebildet, die ungeraden Slots 908b und 908d sind horizontal in zwei Hälften geteilt, wie mit den gestrichelten Linien dargestellt 1002ein und 1002b. Gegenstände in den ungeraden Nummernfächern 908b und 908d die über ihren jeweiligen gepunkteten Linien liegen 1002ein und 1002b werden in die geradzahligen Slots oben verschoben, während Gegenstände in den ungeradzahligen Slots 908b und 908d die sich unterhalb ihrer jeweiligen gepunkteten Linien befinden 1002ein und 1002b werden in die gerade nummerierten Slots darunter verschoben. Wo, wie im Fall von Slot 908d, es keinen geraden Slot unter dem ungeraden Slot gibt, werden alle Elemente in dem ungeraden Slot in den geradzahligen Slot darüber verschoben. Also, wie abgebildet, alle Gegenstände in ungeraden Slots 908d werden auf geraden Slot verschoben 908c.

Unter Bezugnahme auf FIG. 11 , abgebildet ist ein Beispielcluster 1100, bezogen auf einen Bildschirm 1102, das aufzuteilen ist, gemäß einer Ausführungsform. Wie ersichtlich ist, Cluster 1100 umfasst 20 Items (entweder Assets oder kleinere Cluster). Wie in FIG. 12 , die Elemente des Clusters (angezeigt durch Xs auf dem Bildschirm 1102) befinden sich in der Nähe der beiden vertikalen Ränder des Bildschirms 1102. Wie in FIG. 13, Cluster 1100 (nicht gezeigt) ist gemäß den oben unter Bezugnahme auf die Fig. 1 und 2 erörterten Ausführungsformen aufgeteilt. 9 und 10. Die Gegenstände in ungeraden Slots (1302b, 1302d, und 1302f) werden auf die geraden Slots verschoben 1302ein, 1302c, und 1302e. Wie in FIG. 14, drei resultierende neue Cluster 1402ein-c erstellt werden. Das Endergebnis, wie in FIG. 15 , sind neue Cluster 1402ein-c dem Benutzer anstelle des alten Clusters angezeigt, während die zugrunde liegenden Elemente in den Clustern 1402ein-c sind aus dem Blickfeld ausgeblendet.

Unter Bezugnahme auf FIG. 16 , dargestellt ist ein Gesamtsystemdiagramm 1600 von Komponenten und Vorrichtungen, die in Verbindung mit den vorstehenden Systemen und Verfahren verwendet werden, gemäß einer Ausführungsform. Jedes Asset (nicht gezeigt) umfasst ein Kommunikationsgerät 1602ein-c. Zum Beispiel kann ein Fahrzeug eine kleine Transceiver-Vorrichtung in seiner Kabine installiert haben, oder eine Person kann ein Smartphone oder eine ähnliche Vorrichtung mit Standortbestimmungsfähigkeiten mit sich führen. Solche Geräte 1602ein-c kann zum Beispiel GPS, Trägheits-(Gyro-)Systeme oder zellulare Netzwerk-basierte Technologien wie etwa Triangulation verwenden, um die Breiten- und Längengradinformationen für das Objekt zu bestimmen.

Standort, Status, Alarm, Klasse, Geschwindigkeit und andere Arten von sachdienlichen Informationen zu den Vermögenswerten eines Geräts können von den Geräten bereitgestellt werden 1602ein-c an ein zentrales Verarbeitungssystem 1604. In einigen Ausführungsformen sind die Geräte 1602ein-c kommunizieren solche Informationen in Echtzeit. In anderen Ausführungsformen werden solche Informationen periodisch, in zufälligen Intervallen oder bei einem Alarmzustand übertragen. Solche Übertragungen erfolgen in einigen Ausführungsformen über ein drahtloses oder satellitengestütztes Kommunikationssystem und/oder über das Internet oder ein ähnliches Weitverkehrsnetz 1606, zum zentralen Verarbeitungssystem 1604.

    • Von den Geräten empfangene Informationen 1602ein-c wird in den Datenbanken gespeichert 1610.
    • Die Webserver 1608 Aktualisierungsanfragen von einem Client empfangen 1612ein-c über das Internet oder ein ähnliches Weitverkehrsnetz 1614
    • Das zentrale Verarbeitungssystem 1604 greift auf relevante Informationen aus der Datenbank zu 1610 und führt die oben diskutierten Clustering- und Map-Delivery-Prozesse als Reaktion auf empfangene Anfragen durch, und
    • Die Webserver 1604 die resultierenden Daten an den Kunden übermitteln 1612ein-c über das Netzwerk 1614.

    In einigen Ausführungsformen ist das zentrale Verarbeitungssystem 1604 nutzt verteilte oder Cloud-Computing-Funktionen und/oder -Technologie. In einigen Ausführungsformen ist das zentrale Verarbeitungssystem 1604 teilt Rechenaufgaben mit einem anfragenden Kunden 1612ein-c. In anderen Ausführungsformen ist das zentrale Verarbeitungssystem 1604 ist für alle oder im Wesentlichen alle Rechenaufgaben verantwortlich. Ein Vorteil der vorstehenden Anordnungen besteht in einigen Ausführungsformen darin, dass die Datenmenge, die vom Webserver übertragen werden muss, 1608 an den Client 1612ein-c ist sehr klein. In einigen Ausführungsformen werden, wenn überhaupt, nur wenige Informationen zu den zugrunde liegenden Vermögenswerten an Kunden übertragen 1612ein-c. In diesen Ausführungsformen werden lediglich die High-Level-Cluster-Informationen, die die aggregierten Asset-Informationen zeigen (z. B. Diagramme, numerische Werte und/oder Begrenzungsbereichsinformationen, wie die unter Bezugnahme auf Fig. 1 erörterten) an die Clients übertragen 1612ein-c. Diese Ausführungsformen ermöglichen es, mit einer praktisch unbegrenzten Anzahl von Elementen umzugehen, selbst wenn eine begrenzte Netzwerkfähigkeit und/oder ein Hardware-Client vorhanden sind 1612ein-c mit eingeschränkter Verarbeitungsfähigkeit. Der Durchschnittsfachmann wird erkennen, dass Netzwerke 1606 und 1614 können gleiche oder unterschiedliche Netzwerke sein. In einigen Ausführungsformen sind beide Netzwerke das Internet. In anderen Ausführungsformen sind Netzwerke 1606 und 1614 kann private und/oder öffentliche Netze umfassen.

    Ein Klient 1612ein-c kann beispielsweise ein Personal Computer oder ein Smartphone sein. In anderen Ausführungsformen kann ein Client 1612ein-c kann selbst ein Server oder ein zentraler Computer sein, der so konfiguriert ist, dass er die vom zentralen Verarbeitungssystem empfangenen Informationen überträgt 1640 an Endbenutzer-Clients (nicht gezeigt). In einigen Ausführungsformen sind die Clients 1612ein-c eine grafische Benutzeroberfläche umfassen, die in einem Browserfenster einer Browseranwendung angezeigt wird. Eine solche Vereinbarung ermöglicht es einem Endbenutzer eines Kunden 1612ein-c zum einfachen Anzeigen der Karte, geografischen Informationen, Clusterinformationen und der zugrunde liegenden Asset-Daten, die vom zentralen Verarbeitungssystem bereitgestellt werden 1604. Somit können das System und seine Smart-Zoom-Fähigkeiten von jedem Benutzer mit einer Client-Computervorrichtung verwendet werden, die einen Webbrowser ausführen und auf ein Weitverkehrsnetz, wie beispielsweise das Internet, zugreifen kann.

    In einigen Ausführungsformen wird die grafische Benutzeroberfläche unter Verwendung von HTML-, JavaScript-, CSS-, JSON- und/oder XML-Programmierung implementiert. Eine solche Programmierung kann AJAX-kompatibel sein. In einigen Ausführungsformen wird eine dynamische HTML-Seite oder ein XML-Inhalt durch das zentrale Verarbeitungssystem erstellt 1604 als Reaktion auf eine Anfrage eines Kunden 1612ein-c. Eine solche Interaktion erfolgt in einigen Ausführungsformen durch den Benutzer eines Clients 1612ein-c Tätigen von XML-API-Aufrufen und/oder Java-Applet-Aufrufen an den Webserver 1608 des zentralen Verarbeitungssystems 1604. Unter Verwendung der zuvor besprochenen Techniken kann das zentrale Verarbeitungssystem 1604 generiert Cluster, Asset-Informationen und/oder andere vom Benutzer angeforderte Informationen und stellt dem Client diese Inhalte zusammen mit den entsprechenden Kartendaten zur Verfügung 1612ein-c. Die grafische Benutzeroberfläche des Browserfensters zeigt danach einen solchen Inhalt zum Betrachten durch einen Benutzer an.

    Das intelligente Zoomsystem und seine grafische Benutzeroberfläche können unter Verwendung anderer Technologien als der beschriebenen implementiert werden. Zum Beispiel wird in einer Ausführungsform die grafische Benutzeroberfläche als ein Adobe Flash-Objekt implementiert. In einigen Ausführungsformen, in denen die grafische Benutzeroberfläche unter Verwendung von Flash implementiert wird, wird die grafische Benutzeroberfläche in eine HTML-Seite eingebettet und von einem Flash-kompatiblen Plug-In für die Browseranwendung ausgeführt. Das Flash-Objekt speichert Datendateien und/oder kommuniziert mit dem zentralen Verarbeitungssystem, um aktualisierte Karten-, Cluster- und Asset-Informationen zu erhalten. In anderen Ausführungsformen werden Technologien wie Java, Java Applets, Synchronized Multimedia Integration Language (SMIL) oder Microsoft Silverlight verwendet, um die grafische Benutzeroberfläche zu implementieren und mit dem zentralen Verarbeitungssystem zu interagieren 1604. In anderen Ausführungsformen wird die grafische Benutzeroberfläche von einem eigenständigen Player außerhalb der Browseranwendung oder einem anderen spezialisierten Programm ausgeführt, das verwendet wird, um auf das zentrale Verarbeitungssystem zuzugreifen 1604.

    Es ist offensichtlich, dass die beschriebenen Smart-Zoom-Clustering-Verfahren und -Systeme verschiedene Benutzerwerkzeuge und Schnittstellen ermöglichen, um es einer beliebigen Anzahl von Endbenutzer-Clients zu ermöglichen, Hunderte oder Tausende von Assets und deren Echtzeit-Standort und -Status zu visualisieren. Durch den Einsatz der zuvor genannten Smart-Zoom-Systeme und -Methoden kann eine Fahrzeugflotte oder ein anderer Asset Manager schnell und einfach den Status von Hunderten von Assets ermitteln, Probleme mit den Assets identifizieren, Assets bei Bedarf neu einsetzen und andere Managemententscheidungen in einer unmöglichen Weise treffen mit anderen Methoden und Systemen.

    Eine weitere Ausführungsform sind computerlesbarer Code oder Programmanweisungen auf einem oder mehreren computerlesbaren Medien, die in der Lage sind, die oben erörterten Prozesse auszuführen. Ein computerlesbares Medium ist ein beliebiges Datenspeichergerät, das in der Lage ist, Daten zu speichern oder das Lesen gespeicherter Daten durch ein Computersystem zulassen kann. Beispiele sind Festplatten (HDDs), Flash-Speicherkarten wie CF-Karten, SD-Karten, MS-Karten und xD-Karten, Network Attached Storage (NAS), Nur-Lese-Speicher (ROM), Direktzugriffsspeicher (RAM) , CD-ROMs, CD-Rs, CD-RWs, DVDs, DVD-Rs, DVD-RWs, holografische Speichermedien, Magnetbänder und andere optische und nicht optische Datenspeichergeräte. Das computerlesbare Medium kann auch über mehrere Computersysteme oder -geräte verteilt sein, die gekoppelt oder anderweitig miteinander vernetzt sind und in der Lage sind, einem Benutzer des Mediums eine einzige Ansicht zu präsentieren.

    Noch eine andere Ausführungsform ist ein Computersystem oder eine ähnliche Vorrichtung, die konfiguriert ist, um auf computerlesbaren Code oder Programmanweisungen von einem computerlesbaren Medium zuzugreifen und um Programmanweisungen unter Verwendung einer oder mehrerer CPUs auszuführen, um die beschriebenen Ausführungsformen auszuführen. Ein solches Computersystem kann ein typischer Personalcomputer, Mikrocomputer, ein tragbares Gerät wie ein Mobiltelefon, ein PDA, BlackBerry oder ein fortgeschritteneres System wie ein Computercluster, ein verteiltes Computersystem oder ein Server sein, auf den über kabelgebundene oder kabellose Geräte, ein Mainframe oder ein Supercomputer. In einer anderen Ausführungsform werden der/die Server des Systems auch in dem computerlesbaren Medium gespeichert und von diesem aus darauf zugegriffen. In anderen Ausführungsformen werden sie unter Verwendung von Hardware implementiert.

    In einigen Ausführungsformen wird ein Teil oder der gesamte Inhalt, der auf dem computerlesbaren Medium gespeichert ist, über ein ähnliches Netzwerk übertragen. In anderen Ausführungsformen erzeugt das zentrale Verarbeitungssystem Signale oder Anweisungen basierend auf den Ergebnissen der Programmanweisungen und/oder den Inhalten des computerlesbaren Mediums.

    In anderen Ausführungsformen sind die vorstehenden Systeme und Verfahren auf andere Umgebungen als diejenigen in zwei Dimensionen anwendbar. Beispielsweise können dreidimensionale Cluster, Karten, Begrenzungsbereiche und Assets unter Verwendung der gleichen oben diskutierten Techniken und Verfahren implementiert werden.

    Die Erfindung wurde hier nur zum Zwecke der Veranschaulichung unter Verwendung spezifischer Ausführungsformen beschrieben. Für den Durchschnittsfachmann ist jedoch leicht ersichtlich, dass die Prinzipien der Erfindung auf andere Weise ausgeführt werden können. Daher sollte die Erfindung nicht als in ihrem Umfang auf die hierin offenbarten spezifischen Ausführungsformen beschränkt angesehen werden.


    Benutzerdefinierter HTML-Code innerhalb der Broschürenkarte - Geografische Informationssysteme

    SUGI und SAS Global Forum Proceedings sind urheberrechtlich von SAS Institute Inc. geschützt. Alle Rechte vorbehalten. Jegliche unerlaubte Vervielfältigung ist verboten.
    SAS® und alle anderen Produkt- oder Dienstleistungsnamen von SAS Institute Inc. sind eingetragene Warenzeichen oder Warenzeichen von SAS Institute Inc. in den USA und anderen Ländern.
    Copyright © 1999-2021 Lex Jansen. Alle Rechte vorbehalten.
    Die Informationen auf dieser Site werden nur zu allgemeinen Referenzzwecken bereitgestellt. Obwohl alle Anstrengungen unternommen werden, um sicherzustellen, dass die Website aktuell und genau ist, übernimmt Lex Jansen keine Gewähr und übernimmt keine Verantwortung oder Haftung für die Richtigkeit oder Vollständigkeit des Inhalts oder für Verluste, die sich aus dem Vertrauen auf Informationen, die auf dieser Website enthalten sind. Links zu anderen Sites werden zu Ihrer Bequemlichkeit bereitgestellt, aber Lex Jansen übernimmt keine Verantwortung oder Haftung für den Inhalt dieser Sites oder externer Sites, die auf diese Site verweisen. Verweise auf bestimmte kommerzielle Produkte, Prozesse, Dienstleistungen oder Unternehmen dienen ebenfalls nur der Information und stellen keine Billigung, Empfehlung oder Bevorzugung durch Lex Jansen dar.


    Benutzerdefinierter HTML-Code innerhalb der Broschürenkarte - Geografische Informationssysteme

    Nachteile: Ich stellte fest, dass unerwartete Änderungen auftraten, als ich versuchte, die Optionen von DataWrangler zu erkunden. Ich musste ständig auf "Löschen" klicken, um sie zurückzusetzen. Und nicht alle Vorschläge sind nützlich ("Zeile zur Kopfzeile hochstufen" schien ein seltsamer Vorschlag zu sein, wenn die Zeile leer war) oder einfach zu verstehen ("Falte Split 1 mit 2 als Schlüssel").

    Fähigkeits Level: Fortgeschrittener Anfänger

    Läuft auf: Jeder Webbrowser für Data Wrangler Windows oder macOS X für Trifacta

    Mehr erfahren: Auf der Data Wrangler-Startseite gibt es einen Screencast. Siehe auch diesen Beitrag zur Verwendung von DataWrangler zum Formatieren von Daten (aus dem Blog von Tableau Public). Weitere Informationen zu Trifacta finden Sie auf der Ressourcenseite.

    OpenRefine (ehemals Google Refine)

    Was es macht: OpenRefine kann als Tabellenkalkulation zu Steroiden beschrieben werden, um einen ersten Blick auf Text- und Zahlendaten zu werfen. Wie Excel kann es Daten in einer Reihe von Formaten importieren und exportieren, einschließlich tabulator- und kommagetrennter Textdateien.

    SCREENSHOT DER OPENREFINE-SOFTWARE

    OpenRefine hilft, unordentliche Daten zu bereinigen

    OpenRefine verfügt über mehrere integrierte Algorithmen, die Textelemente finden, die zusammen gruppiert werden sollten. Nachdem Sie Ihre Daten importiert haben, können Sie auswählen Zellen bearbeiten --> Cluster und bearbeiten und wählen Sie aus, welchen Algorithmus Sie verwenden möchten. Nachdem OpenRefine ausgeführt wurde, entscheiden Sie, ob Sie jeden Vorschlag annehmen oder ablehnen. Sie könnten zum Beispiel Ja zur Kombination von Microsoft und Microsoft Corp. sagen, aber Nein zur Kombination von Coach Inc. mit CQG Inc. Wenn zu wenige oder zu viele Vorschläge angeboten werden, können Sie die Stärke der Vorschlagsfunktion ändern.

    Es gibt auch numerische Optionen, die einen schnellen und einfachen Überblick über Datenverteilungen bieten. Diese Funktionalität kann Anomalien aufdecken, die das Ergebnis von Dateneingabefehlern sein können – wie etwa 800.000 USD anstelle von 80.000 USD für eine Gehaltseingabe – oder Inkonsistenzen aufdecken, wie z einige zeigen beispielsweise Stundenlöhne und andere zeigen Wochen- oder Jahreslöhne.

    Neben der Datenverwaltung bietet OpenRefine einige nützliche Analysetools wie Sortieren und Filtern.

    Was ist cool: Sobald Sie sich daran gewöhnt haben, welche Befehle was tun, ist dies ein leistungsstarkes Werkzeug zur Datenbearbeitung und -analyse, das eine gute Balance zwischen Funktionalität und Benutzerfreundlichkeit bietet. Die Rückgängig-/Wiederherstellen-Liste aller Aktionen, die Sie durchgeführt haben, ermöglicht Ihnen bei Bedarf ein Rollback. Sie können auch Befehlsverläufe speichern, um sie erneut auszuführen. Und Textfunktionen verarbeiten reguläre Ausdrücke der Java-Syntax, sodass Sie nach Mustern (wie beispielsweise drei Zahlen gefolgt von zwei Ziffern) sowie nach bestimmten Textzeichenfolgen und Zahlen suchen können.

    Obwohl dies eine browserbasierte Anwendung ist, funktioniert sie mit Dateien auf Ihrem Desktop, sodass Ihre Daten lokal bleiben.

    Nachteile: Wenn Sie einen großen Datensatz haben, nehmen Sie sich etwas Zeit, um alle von Refine vorgeschlagenen Änderungen durchzugehen, da dies eine Weile dauern kann. Und seien Sie je nach Datensatz vorbereitet, wenn Sie nach zusammenzuführenden Textelementen suchen: Sie werden wahrscheinlich entweder viele falsch positive Ergebnisse oder verpasste Probleme erhalten – oder beides.

    Fähigkeits Level: Fortgeschrittener Anfänger. Kenntnisse über Datenanalysekonzepte sind wichtiger als technische Fähigkeiten. Excel-Benutzer, die die Anforderungen der Datenbereinigung verstehen, sollten damit vertraut sein.

    Läuft auf: Windows, macOS X (wenn es nach dem Laden auf einem Mac nichts zu tun scheint, zeigen Sie einen Browser manuell auf http://127.0.0.1:3333/ ), Linux

    Mehr erfahren: Diese drei Screencasts geben einen guten Überblick darüber, warum und wie Sie Refine verwenden würden. Es gibt auch eine ziemlich detaillierte Dokumentation auf GitHub.

    Statistische Analyse

    Manchmal müssen Sie die grafische Darstellung Ihrer Daten mit einer umfangreicheren numerischen Analyse kombinieren.

    Das R-Projekt für statistische Berechnungen

    Was es macht: R begann als eine statistische Analysesprache mit integrierter Unterstützung für Grafiken und der Verarbeitung bestimmter gängiger Datenformate wie tabellenkalkulationsähnlichen Zeilen und Spalten. Tausende von Add-On-Paketen später wird es auch für Mapping, Dashboards, interaktive Web-Apps und mehr verwendet.

    Das R Project for Statistical Computing bietet vielfältige Möglichkeiten der Datenanalyse.

    Was ist cool: In R gibt es viele Funktionen, darunter eine ganze Reihe von Visualisierungsoptionen sowie numerische und räumliche Analysen. Und die R-Community ergänzt die Sprache ständig und ist im Allgemeinen reaktionsschnell und hilfreich. Offenlegung: Ich bin ein langjähriger Fan.

    Nachteile: Die Tatsache, dass R auf der Befehlszeile ausgeführt wird, bedeutet, dass Benutzer sich die Zeit nehmen müssen, um zu lernen, welche Befehle was tun, und nicht alle Benutzer werden mit einer Nur-Text-Oberfläche vertraut sein. Einige beschweren sich immer noch, dass die Sprache langsam ist, obwohl Enthusiasten kontern, dass dies normalerweise mit besserem Code und Big-Data-Tools der Enterprise-Klasse wie Microsoft R Server behoben werden kann.

    Fähigkeits Level: Mittelstufe bis Fortgeschrittene. Komfort mit Kommandozeilen-Eingabeaufforderungen und Statistikkenntnisse sind für die Kernanwendung ein Muss.

    Läuft auf: Linux, macOS X, Unix, Windows

    Visualisierungsanwendungen und -dienste

    Diese Tools bieten eine Reihe verschiedener Visualisierungsmöglichkeiten. Während einige sich an konventionelle Diagramme und Grafiken halten, bieten viele eine Reihe anderer Optionen wie Baumkarten und Wortwolken. Einige bieten auch Kartierungen an, aber wenn Sie sich für Karten interessieren, konzentrieren sich unsere Abschnitte zu GIS/Kartierung speziell darauf.

    Google Fusion-Tabellen

    Was es macht: Dies ist eine der einfachsten Methoden, die ich kenne, um Daten in ein Diagramm oder eine Karte umzuwandeln. Sie können eine Datei in verschiedenen Formaten hochladen und dann auswählen, wie sie angezeigt werden soll: Tabelle, Karte, Liniendiagramm, Balkendiagramm, Tortendiagramm, Streudiagramm und mehr. Es ist anpassbar, sodass Sie Kartensymbole und Stilinfofenster ändern können.

    Google Fusion Tables ist ein benutzerfreundliches Tool, das die Zuordnung von Daten erleichtert.

    Es gibt einige Datenbearbeitungsfunktionen in Fusion Tables, obwohl das Ändern von mehr als nur wenigen einzelnen Zelleneinträgen schnell mühsam werden kann. Sie können auch Tabellen verknüpfen (was wichtig ist, wenn sich die Daten, die Sie zuordnen möchten, in mehreren Tabellen befinden) und Spalten filtern, sortieren und hinzufügen usw.

    Mapping geht über das bloße Platzieren von Punkten hinaus, wie viele von uns von Google Maps gewohnt sind. Fusionstabellen können auch mehrere Polygone mit Farbvariationen basierend auf zugrunde liegenden Daten abbilden.

    Bei Google können Sie Ihre Daten sowohl als privat oder nicht gelistet als auch als öffentlich kennzeichnen, obwohl sich Ihre Daten weiterhin auf den Servern von Google befinden – ein Vor- oder Nachteil, je nachdem, ob Ihnen die Kosten für die Serverbandbreite oder der Datenschutz wichtiger ist.

    Was ist cool: Fusion Tables bietet relativ schnelle Diagramm- und Kartierungsfunktionen, einschließlich Funktionen des geografischen Informationssystems (GIS), um Daten nach Geografie zu analysieren. Der Dienst geokodiert auch automatisch Adressen, was nützlich ist, wenn Sie versuchen, zahlreiche Punkte auf einer Karte zu platzieren. Dies ist ein ausgezeichnetes Werkzeug für Anfänger und fortgeschrittene Anfänger, um sich mit der Visualisierung von Daten vertraut zu machen. Es eignet sich auch gut für Leute, die nicht programmieren. Für fortgeschrittene Benutzer gibt es eine API.

    Nachteile: Funktionalität, Anpassung und Datenkapazität sind im Vergleich zu Desktop-Anwendungen oder benutzerdefiniertem Code begrenzt, und die Interaktion mit großen Datensätzen auf der Website kann träge sein. Und obwohl es Fusion Tables schon seit Jahren gibt, betrachtet Google es immer noch als experimentelles Produkt.

    Fähigkeits Level: Anfänger

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Sehen Sie sich das dreiminütige Tutorial von Google zum Erstellen einer Karte in Google Fusion Tables an. Darüber hinaus finden Sie in der Google Fusion Tables-Hilfe weitere Anleitungen und mehrere Tutorials. Siehe auch die Fusion Tables-Beispielgalerie.

    Microsoft Power BI

    Was es macht: Dies ist die allgemeine BI-Plattform von Microsoft mit Data Wrangling und Visualisierung für viele verschiedene Datenquellen (ohne Zeilenbeschränkungen von Excel) sowie einem Webdienst, der Streaming-Daten und geplante Datenaktualisierungen ermöglicht.

    Erstellen eines Balkendiagramms in Power BI.

    Power BI wurde für eine robuste Datenanalyse entwickelt, die über die natürlichen Fähigkeiten von Excel hinausgeht. Es soll einfach sein und bietet Drag-and-Drop-Visualisierungen sowie die Möglichkeit, automatisch aktualisierende Berichte und Dashboards zu erstellen. Es gibt sowohl eine kostenlose Desktop-Software, die Data-Wrangling-Funktionen umfasst und nur für Windows verfügbar ist, als auch einen powerbi.com-Cloud-Service zur Visualisierung von Daten, der in jedem modernen Browser ausgeführt werden kann. Ab Juni 2017 erfordert das private Teilen auf powerbi.com kostenpflichtige Konten, aber kostenlose Benutzer können weiterhin öffentliche Visualisierungen veröffentlichen und die Desktop-Software verwenden.

    Was ist cool: Dies ist für grundlegende Visualisierungen und die Erstellung von Berichten einfach zu verwenden und macht die Datenexploration ziemlich einfach. Es wird Dateien verarbeiten, die für Excel zu groß sind. Anpassung und Filterung sind ebenfalls recht einfach. Führt R-Skripte innerhalb der Desktop-Software aus und kann viele R-Visualisierungen generieren.

    Nachteile: Das Anpassen kann etwas umständlich und etwas eingeschränkt sein. Das Hin- und Herwechseln zwischen Desktop und Cloud-Dienst kann anfangs etwas verwirrend sein. Auch die Datenfilterung ist manchmal etwas eingeschränkt, obwohl Microsoft der Plattform monatlich neue Funktionen hinzufügt.

    Fähigkeits Level: Anfänger

    Läuft auf: Windows für den Desktop jeder Webbrowser für den Dienst

    Tableau-Öffentlich

    Was es macht: Dieses Tool kann Daten in eine beliebige Anzahl von Visualisierungen umwandeln, von einfach bis komplex. Sie können Felder per Drag & Drop in den Arbeitsbereich ziehen und die Software bitten, einen Visualisierungstyp vorzuschlagen, und dann alles von Beschriftungen und QuickInfos bis hin zu Größe, interaktiven Filtern und Legendenanzeige anpassen.

    Tableau Public kann Daten in eine beliebige Anzahl von Visualisierungen umwandeln, von einfach bis komplex.

    Was ist cool: Tableau Public bietet verschiedene Möglichkeiten zum Anzeigen interaktiver Daten. Sie können mehrere verbundene Visualisierungen in einem einzigen Dashboard kombinieren, wobei ein Suchfilter auf zahlreiche Diagramme, Grafiken und Karten wirken kann, die auch zugrunde liegende Datentabellen verbunden werden können. Und wenn Sie die Funktionsweise der Software erst einmal verstanden haben, ist die Drag-and-Drop-Oberfläche für die meisten Benutzer erheblich schneller als die manuelle Programmierung in JavaScript oder R, was es wahrscheinlicher macht, dass Sie zusätzliche Szenarien mit Ihrem Datensatz ausprobieren. Darüber hinaus können Sie innerhalb der Software problemlos Berechnungen mit Daten durchführen. Tableau bietet 10 GB Speicherplatz für öffentliche Konten und 15 Millionen Zeilen pro Arbeitsmappe.

    Nachteile: In der kostenlosen Version der Business Intelligence-Software von Tableau müssen sich Ihre Visualisierung und Daten auf der Tableau-Site befinden. Immer wenn Sie Ihre Arbeit speichern, wird sie an die öffentliche Website gesendet. Das bedeutet, dass Sie laufende Arbeit nicht speichern können, ohne das Risiko einzugehen, dass sie angezeigt wird, bevor sie fertig ist (während die Site von Tableau Ihre Arbeit es beruht auf Sicherheit durch Verdunkelung – damit jemand Ihre Arbeit sehen kann, wenn er oder sie Ihre URL errät). Und sobald Ihre Arbeit gespeichert ist, werden die Betrachter eingeladen, Ihre gesamte Arbeitsmappe mit Daten herunterzuladen. Das Upgrade auf ein persönliches Einzelbenutzer-Abonnement kostet 35 USD/Monat, die professionelle Edition kostet 70 USD/Monat.

    Die Lernkurve von Tableau ist steiler als beispielsweise von Fusion Tables. Selbst mit der Drag-and-Drop-Oberfläche dauert es mehr als ein oder zwei Stunden, um die wahren Fähigkeiten der Software zu erlernen, obwohl Sie mit einfachen Diagrammen und Karten schon bald loslegen können.

    Fähigkeits Level: Fortgeschrittener Anfänger bis Mittelstufe

    Läuft auf: Windows macOS X

    Mehr erfahren: Auf der Tableau-Site gibt es mehrere kurze Schulungsvideos, in denen Sie auch herunterladbare Datendateien finden, die Sie zum Mitmachen verwenden können.

    Google Data Studio

    Was es macht: Dieser Dienst wurde entwickelt, um Dashboards und Berichte aus mehreren Datenquellen zu erstellen. Der Fokus liegt auf Google-Quellen wie Google Sheets, Google Analytics und BigQuery, aber auch einige andere Quellen wie MySQL- und PostgreSQL-Datenbanken werden unterstützt.

    SCREENSHOT DES GOOGLE DATAT STUDIO-BERICHTS

    Beispielbericht in Google Data Studio

    Dies ist ziemlich einfach zu verwenden und bietet Drag-and-Drop-Visualisierungen wie Zeitreihen, Balkendiagramme, Tabellen, Karten und "Scorecards" (eine Karte, die eine Statistik aufruft). Das Styling umfasst ein Raster und Ausrichtungsoptionen, sodass Sie leicht sicherstellen können, dass mehrere Kästchen hintereinander nicht geringfügig abweichen. Sie können in Data Studio auch Ihre eigenen berechneten Felder erstellen, einschließlich Formeln mit einigen Dutzend verfügbaren Funktionen.

    Was ist cool: Relativ einfach zu bedienen - ich war einsatzbereit, nachdem ich mir ein paar Tutorial-Videos angesehen hatte. Eine der einfachsten Möglichkeiten, Google Analytics-Dashboards für mehrere Websites zu erstellen.

    Nachteile: Es handelt sich um ein Beta-Produkt, d. h. es besteht ein überdurchschnittlich hohes Risiko, dass es verschwindet (oder nicht mehr kostenlos ist). Begrenzte Anzahl verfügbarer Visualisierungen im Vergleich zu einigen anderen Optionen. Daten müssen sich in der Cloud befinden, was für einige sensible Informationen ein Deal-Breaker sein könnte.

    Fähigkeits Level: Anfänger

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Sehen Sie sich die Videoanleitungen von Google zu Data Studio an.

    Handlung

    Was es macht: Mit dem Webservice können Sie Visualisierungen erstellen und hosten, von einfachen Diagrammen und Streudiagrammen bis hin zu statistischen Grafiken wie Histogrammen und Boxplots.

    SCREENSHOT DER PLOTLY-SCHNITTSTELLE

    Bearbeiten einer Beispielvisualisierung in Plotly

    Plotly zielt auf statistische Analysen zusammen mit Diagrammen und Grafiken ab, die Sie möglicherweise in Ihrer lokalen Zeitung sehen. Ein kostenloses Konto umfasst eine private Datei sowie unbegrenzte öffentliche Dateien und Verbindungen zu sieben Arten von Datenquellen.

    Plotly hat auch seine JavaScript-Bibliothek als Open Source bereitgestellt, für diejenigen, die lokal mit ihren Daten arbeiten und weitere Anpassungsbibliotheken für Python und R und einen Client für MATLAB durchführen möchten. Es gibt sogar ein kostenloses Excel-Add-In.

    Was ist cool: Es ist relativ einfach, interaktive Visualisierungen des Dienstes zu erstellen, und die Technologie kann auf einer Vielzahl von Plattformen verwendet werden.

    Nachteile: Trotz der Anpassung haben Plotly-Visualisierungen ein unverwechselbares Aussehen, das möglicherweise nicht jedermanns Sache ist. Es gibt eine begrenzte kostenlose Nutzung privater Daten für den Dienst.

    Fähigkeits Level: Anfänger für Webservice-Experte für die meisten Open-Source-Bibliotheken

    Läuft auf: Moderne Webbrowser

    Mehr erfahren: Überprüfen Sie die Ressourcen im Plotly Help Center.

    Qlik Sense-Desktop

    Was es macht: Dieses vielseitige BI-Tool kann Daten verarbeiten und interaktive Datenvisualisierungen, Berichte und Dashboards erstellen.

    SCREENSHOT DES QLIK SENSE DESKTOP-DASHBOARDS

    Beispiel-Dashboard in Qlik Sense Desktop

    Die kostenlose Qlik Desktop-App wurde für die Erkundung persönlicher Daten oder den Austausch in kleinen Gruppen entwickelt. Wenn Sie zusammenarbeiten oder teilen möchten, können Sie die Qlik Sense Cloud kostenlos mit bis zu fünf anderen Benutzern teilen.

    Sie können Daten vor dem Laden vorbereiten, Verknüpfungen aus mehreren Quellen erstellen, innerhalb der Anwendung bearbeiten und Visualisierungen wie Kombinationsdiagramme und Baumkarten erstellen.

    Was ist cool: Dies ist eine ziemlich robuste kostenlose Anwendung, und alle Daten können lokal gespeichert werden. Datenquellen können Apache Hive, REST und Salesforce sowie andere Typen wie Datenbanken und Tabellenkalkulationen umfassen.

    Nachteile: Mit der Leistung kommt die Komplexität: Sie müssen einige Zeit investieren, um diese Anwendung zu erlernen. Einige der neuesten Einführungsvideos gehen davon aus, dass Sie die vorherige Version des Produkts kennen, anstatt sich auf Anfänger der Plattform zu konzentrieren.

    Fähigkeits Level: Fortgeschrittener Anfänger bis Mittelstufe

    Läuft auf: 64-Bit-Windows

    Was es macht: Obwohl die Website von VIDI dies als Werkzeug für das Drupal-Content-Management-System angibt, können Grafiken, die vom Visualisierungsassistenten der Website erstellt wurden, auf jeder HTML-Seite verwendet werden – es ist kein Drupal erforderlich.

    Laden Sie Ihre Daten hoch, wählen Sie einen Visualisierungstyp aus, nehmen Sie ein wenig Anpassungsauswahl vor und Ihr Diagramm, Ihre Zeitachse oder Ihre Karte kann über automatisch generierten Einbettungscode verwendet werden (mit einem Iframe, nicht mit JavaScript oder Flash).

    Grafiken, die mit dem Visualisierungsassistenten von VIDI erstellt wurden, können auf jeder HTML-Seite verwendet werden – kein Drupal erforderlich.

    Was ist cool: Dies ist einfach zu verwenden, mit Mapping-Optionen und ohne dass Sie Ihre Visualisierung und Ihren Datensatz auf der Website veröffentlichen müssen. Es gibt schnelle Screencasts, die jeden Visualisierungstyp erklären, und verschiedene Optionen zur Farbanpassung.

    Nachteile: Überraschenderweise war der Visualisierungsassistent einfacher zu verwenden als der Einbettungscode – mein eingebetteter iframe wurde nicht angezeigt, als ich versuchte, ihn auf der VIDI-Website in der Vorschau anzuzeigen. Ich musste die Visualisierung speichern und auf die Seite "Mein VIDI" gehen, um den Einbettungscode zu erhalten das hat tatsächlich funktioniert. Wie bei jedem Cloud-Dienst sollten Sie auch beim Web-Publishing darauf vertrauen können, dass die Server des Hosts Ihren Datenverkehr verarbeiten können und länger verfügbar sind, als Sie zum Anzeigen der Daten benötigen.

    Fähigkeits Level: Anfänger

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Die VIDI-Homepage enthält einen Link zu einem Video-Tutorial.

    Ich brauchte weniger als fünf Minuten, um ein Beispiel zu erstellen: eine Karte von Erdbeben der Stärke 7,0 oder mehr seit dem 1. Januar 2000.

    Zoho-Berichte

    Was es macht: Zoho Reports kann Daten aus verschiedenen Dateiformaten oder direkt aus einer Datenbank übernehmen und in Diagramme, Tabellen und Pivot-Tabellen umwandeln – Formate, die den meisten Tabellenkalkulationsbenutzern vertraut sind.

    Was ist cool: Sie können Datenimporte aus Quellen im Web planen. Daten können mit SQL abgefragt und in Visualisierungen umgewandelt werden, und der Dienst ist für Web-Publishing und -Sharing eingerichtet (wenn jedoch mehr als zwei Benutzer darauf zugreifen, benötigen Sie ein kostenpflichtiges Konto).

    Zoho Reports bietet traditionelle Geschäftsdiagramme und -diagramme.

    Nachteile: Visualisierungsoptionen sind ziemlich einfach und begrenzt. Die Live-Interaktion mit den webbasierten Daten kann manchmal träge sein. Datendateien sind in der kostenlosen Version auf 100.000 Zeilen beschränkt. Die Navigation fand ich manchmal verwirrend.

    Fähigkeits Level: Fortgeschrittener Anfänger

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Auf der Zoho-Website finden Sie Videodemos und Beispiele.

    Codehilfe: Assistenten, Bibliotheken, APIs

    Manchmal kann nichts das Codieren Ihrer eigenen Visualisierung ersetzen – insbesondere wenn das gewünschte Erscheinungsbild ohne eine vorhandene Desktop- oder Web-App nicht erreicht werden kann. Das bedeutet jedoch nicht, dass Sie dank einer breiten Palette verfügbarer Bibliotheken und APIs bei Null anfangen müssen.

    Was es macht: D3.js, eine der beliebtesten JavaScript-Bibliotheken zum Erstellen von Webvisualisierungen, "kombiniert leistungsstarke Visualisierungskomponenten und einen datengesteuerten Ansatz zur DOM-[Webdokument]-Manipulation", heißt es auf der Website des Projekts.

    Datengesteuerte Dokumente (D3).

    Mit D3.js können Sie datenbasierte Visualisierungen auf einer Webseite erstellen, sodass Designer eine breite Palette interaktiver Visualisierungen erstellen können.

    Was ist cool: Wenn Sie es sich vorstellen können, stehen die Chancen gut, dass Sie es in D3.js implementieren können. Ein Oldie aber Goodie von Die New York Times: Vergleich der ersten Aktienangebote von Facebook mit anderen Technologie-IPOs.

    Nachteile: Dies ist keine triviale Fähigkeit zu erlernen. Sie benötigen ein gewisses Maß an Wissen sowohl über diese JavaScript-Bibliothek als auch über Webtechnologien im Allgemeinen, um etwas überzeugendes zu tun. Für grundlegende Dataviz wird dies eine Menge Arbeit für den Uneingeweihten sein.

    Fähigkeits Level: Experte

    Läuft auf: Modernste Browser

    Mehr erfahren: Sehen Sie sich die Seite mit den D3-Tutorials an, die Links zu einigen nützlichen Anleitungen für Anfänger von Scott Murray enthält.

    Ausstellungsstück

    Was es macht: Dieses Spin-off des MIT Simile Project soll Benutzern dabei helfen, "leicht Webseiten mit erweiterten Textsuch- und Filterfunktionen, mit interaktiven Karten, Zeitleisten und anderen Visualisierungen zu erstellen". Die JavaScript-Bibliothek, die als Publishing-Framework in Rechnung gestellt wird, ermöglicht das einfache Hinzufügen von Filtern, Suchen und mehr. Die Seite Easy Data Visualization for Journalists bietet Beispiele für den Code, der auf einer Reihe von Zeitungswebsites verwendet wird.

    „Einfach“ liegt im Auge des Betrachters – was für die Experten am MIT, die Exhibit erstellt haben, einfach ist, ist für einen Benutzer, dessen Komfort bei Excel aufhört, möglicherweise nicht so einfach. Wie die meisten JavaScript-Bibliotheken erfordert Exhibit mehr Handcodierung als Dienste wie Google Fusion Tables. Auf der anderen Seite bietet Exhibit eine klare Dokumentation für Anfänger, auch für diejenigen ohne JavaScript-Erfahrung.

    Was ist cool: Für jene die sind Exhibit bietet eine Reihe von Ansichten - Karten, Diagramme, Zeitdiagramme, Kalender und mehr - sowie benutzerdefinierte Linsen (Möglichkeiten zum Formatieren eines einzelnen Datensatzes) und Facetten (Eigenschaften, die gesucht oder sortiert werden können). Es ist wahrscheinlicher, dass Sie mit Exhibit genau die gewünschte Präsentation erhalten als mit einem Webdienst mit eingeschränkter Anpassung. Und Ihre Daten bleiben lokal, bis Sie sich für eine Veröffentlichung entscheiden.

    Nachteile: Für Neulinge, die mit Codierungsvisualisierungen nicht vertraut sind, braucht es Zeit, sich mit Codierung und Bibliothekssyntax vertraut zu machen.

    Fähigkeits Level: Experte

    Mehr erfahren: Es gibt eine Reihe von Beispielen, die Sie sich ansehen können, darunter US-Städte nach Bevölkerung und andere.

    Google Chart-Tools

    Was es macht: Im Gegensatz zu Google Fusion Tables, einer vollwertigen, eigenständigen Anwendung zum Speichern von Daten und zum Generieren von Diagrammen und Karten, wurde Chart Tools entwickelt, um Daten zu visualisieren, die sich an anderer Stelle befinden, beispielsweise auf Ihrer eigenen Website oder in Google Docs.

    Google Chart Tools bietet sowohl einen Assistenten als auch eine API zum Erstellen von Webgrafiken aus Daten.

    Die Chart Tools API greift auf eine Google JavaScript-Bibliothek zum Erstellen interaktiver Grafiken zu. (Hinweis: Google hat den Support für das Erstellen statischer Bilddiagramme eingestellt. Die Diagrammtools-API ist nicht betroffen.)

    Die Visualisierungs-API umfasst verschiedene Arten von Diagrammen, Karten, Tabellen und anderen Optionen.

    Was ist cool: Mit der API können Sie Daten aus einer Google-Tabelle abrufen. Sie können Symbole erstellen, die Text und Bilder für Visualisierungen mischen, z. B. diese Wettervorhersagenotiz und eine sogenannte "Google-o-meter"-Grafik. Die Visualisierungs-API enthält auch einige der besten Dokumentationen, die ich für eine JavaScript-Bibliothek gesehen habe.

    Nachteile: Die API erfordert wie andere JavaScript-Bibliotheken eine Codierung, was sie eher zu einem Programmierwerkzeug als zu einer Business-Intelligence-Anwendung für Endbenutzer macht. Im Gegensatz zu den meisten anderen JavaScript-Bibliotheken haben Sie jedoch keinen Zugriff auf den zugrunde liegenden Code und müssen sich auf Google verlassen, um die Plattform weiterhin zu unterstützen.

    Fähigkeits Level: Fortgeschrittener Anfänger bis Experte

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Siehe Schnellstart. Beispiele finden Sie auch in der Google Visualisierungs-API-Galerie.

    JavaScript InfoVis-Toolkit

    Was es macht: InfoVis gehört wahrscheinlich nicht zu den bekanntesten JavaScript-Visualisierungsbibliotheken, aber es könnte einen Blick wert sein, wenn Sie daran interessiert sind, interaktive Datenvisualisierungen im Web zu veröffentlichen.

    Was dieses Tool von vielen anderen unterscheidet, sind die hochglanzpolierten Grafiken, die es nur aus einfachen Codebeispielen erstellt. InfoVis-Erfinder Nicolas García Belmonte, Senior Software Architect bei Sencha Inc., legt offensichtlich genauso viel Wert auf ästhetisches Design wie auf den Code, und das zeigt sich.

    Dieser Sunburst eines Verzeichnisbaums zeigt einige der Visualisierungsmöglichkeiten des JavaScript InfoVis Toolkits. Eine größere, interaktive Version finden Sie auf der InfoVis-Website.

    Was ist cool: Die Samples sind wunderschön und es ist keine zusätzliche Codierung erforderlich, um raffinierte Fly-In-Effekte zu erzielen. Sie können auswählen, nur Code für die Visualisierungstypen herunterzuladen, die Sie verwenden möchten, um das Gewicht von Webseiten zu minimieren.

    Nachteile: Da es sich nicht um eine Anwendung, sondern um eine Codebibliothek handelt, müssen Sie über Programmierkenntnisse verfügen, um sie verwenden zu können. Daher ist dies möglicherweise nicht für Benutzer geeignet, die Daten analysieren, aber nicht programmieren können. Auch die Auswahl an Visualisierungstypen ist etwas eingeschränkt. Und es scheint, dass der Code seit mehreren Jahren nicht aktualisiert wurde.

    Fähigkeits Level: Experte

    Läuft auf: JavaScript-fähige Webbrowser

    Mehr erfahren: Siehe Demos mit Quellcode.

    GIS/Mapping auf dem Desktop

    Geografische Informationssysteme (GIS) bieten eine breite Palette von geschäftlichen Anwendungen, die von der Ölexploration bis hin zur Standortwahl für neue Einzelhandelsgeschäfte reichen. Oder, wie Der Miami Herald für seine mit dem Pulitzer-Preis ausgezeichnete Berichterstattung über den Hurrikan Andrew, können Sie maximale Windgeschwindigkeiten mit Schadensberichten und Gebäudeinformationen vergleichen (und vielleicht feststellen, dass die schlimmsten Schäden nicht in den Gebieten mit den stärksten Winden aufgetreten sind, sondern in Gebiete mit vielen neuen, schäbigen Konstruktionen).

    Quanten-GIS (QGIS)

    Was es macht: Dies ist eine vollwertige GIS-Software, die für die Erstellung von Karten entwickelt wurde, die eine anspruchsvolle, detaillierte, datenbasierte Analyse einer geografischen Region bieten.

    Die bekannteste Desktop-GIS-Software ist wahrscheinlich ArcGIS von Esri, eine robuste, gut unterstützte Anwendung, die ziemlich viel Geld kostet. Das Open-Source-QGIS ist eine Alternative.

    Quantum GIS (QGIS) bietet eine vollwertige räumliche Visualisierung und Analyse auf dem Desktop.

    Wie OpenOffice zu Microsoft Office gehört QGIS zu ArcGIS. ArcGIS-Enthusiasten argumentieren, dass das Angebot von Esri den Open-Source-Alternativen einige Iterationen voraus ist, eine besser entwickelte Schnittstelle hat, kommerziellen Support genießt und besser für die Druckausgabe geeignet ist. Aber QGIS-Benutzer sagen, dass die Open-Source-Alternative ein ausgezeichnetes Programm ist, das eine Menge nützlicher GIS-Arbeiten leistet -- und es gibt jetzt eine Firma namens Boundless, die darauf abzielt, (bezahlten) Unternehmenssupport anzubieten.

    Was ist cool: QGIS verfügt über eine enorme Menge an GIS-Funktionalität, einschließlich der Möglichkeit, Karten zu erstellen, verschiedene Datentypen zu überlagern, räumliche Analysen durchzuführen, im Web zu veröffentlichen und mehr. Es kann auch mit Plug-Ins erweitert werden, die Unterstützung für zahlreiche Aufgaben bieten, einschließlich Geokodierung, Verwaltung zugrundeliegender Tabellendaten, Export nach MySQL und Generierung von HTML-Imagemaps.

    Nachteile: Wie bei jeder anspruchsvollen GIS-Anwendung erfordert das Erlernen der Verwendung dieser Software einen ernsthaften Zeit- und Schulungsaufwand. Selbst in stundenlangen praktischen Sitzungen mit zuerst ArcGIS und dann QGIS habe ich Dinge bemerkt, die mit der kommerziellen Option einfacher zu machen waren, wie zum Beispiel einige berechnete Felder.

    Läuft auf: Linux, Unix, macOS X, Windows. (Dies ist ein Fall, in dem die Installation unter OS X komplizierter ist, da die manuelle Installation mehrerer Abhängigkeiten erforderlich ist. Es gibt ein Installationsprogramm mit einem Klick für Windows.)

    Fähigkeits Level: Mittelstufe bis Experte

    Mehr erfahren: Timothy Barmann von Das Vorsehungs-Journal zwei sehr nützliche Tutorials für die CAR-Konferenz veröffentlicht, die noch verfügbar sind: Introduction to QGIS und The Latest in Mapping With JavaScript and jQuery. Eine weitere Ressource, die Ihnen den Einstieg erleichtert: QGIS Tutorial Labs von Richard E. Plant, emeritierter Professor an der University of California, Davis.

    Hinweis: Wenn Sie an GIS interessiert sind und andere kostenlose Softwareoptionen in Betracht ziehen möchten, laden Sie diese PDF-Liste mit Open Source/nicht-kommerziellen GIS-Produkten herunter. Und wenn Sie nach einem kostenlosen Open-Source-Desktop-GIS-Programm suchen, das relativ einfach zu verwenden ist, empfiehlt Jacob Fenton, Direktor für computergestütztes Reporting beim Investigative Reporting Workshop der American University, einen Blick auf das System for Automated Geoscientific Analysiss . zu werfen (SAGA)-Website. Wenn schließlich die Analyse von geografischen Daten in einer herkömmlichen Datenbank interessant klingt, ermöglicht PostGIS die relationale PostgreSQL-Datenbank "räumlich".

    Webbasiertes GIS/Mapping

    Die meisten von uns kennen Mapping-Tools von großen Unternehmen wie Google (das über eine Reihe von Frontends von Drittanbietern verfügt, wie z. B. Map A List, ein Add-On, das Informationen aus einer Tabelle zu einer Google Map hinzufügt). Es gibt auch Bing Maps mit einer API. Aber es gibt auch andere Optionen von kleineren Organisationen oder einsamen Open-Source-Enthusiasten, die von Grund auf entwickelt wurden, um auch geografische Daten zu kartieren.

    OpenLayers

    Was es macht: OpenLayers ist eine JavaScript-Bibliothek zum Anzeigen von Karteninformationen. Es zielt darauf ab, Funktionen bereitzustellen, die den Codebibliotheken dieser großen Unternehmen ähnlich sind – jedoch mit Open-Source-Code. OpenLayers funktioniert mit OpenStreetMap und andere Karten.

    Andere Projekte bauen darauf auf, um Funktionalität oder Benutzerfreundlichkeit hinzuzufügen, wie z. B. GeoExt, das weitere GIS-Funktionen hinzufügt. Für Benutzer, die JavaScript von Hand codieren können und keine kommerzielle Plattform wie Google oder Bing verwenden möchten, kann dies eine überzeugende Option sein.

    Nachteile: OpenLayers ist nicht so einfach zu bedienen wie beispielsweise Google Maps.

    Fähigkeits Level: Experte

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Probieren Sie diesen OpenLayers-Schnellstart aus.

    OpenStreetMap

    Was es macht: OpenStreetMap ist so etwas wie die Wikipedia der Kartierungswelt, mit verschiedenen Funktionen wie Straßen und Gebäuden, die von Benutzern weltweit bereitgestellt werden.

    Was ist cool: Die Hauptattraktion von OpenStreetMap ist der Community-Charakter, der zu einer Reihe interessanter Anwendungen geführt hat. Es ist beispielsweise mit der mobilen Plattform Ushahidi kompatibel, die zum Crowdsourcing von Informationen nach Katastrophen wie Erdbeben verwendet wird. (Während Ushahidi mehrere verschiedene Anbieter für die Basiskartenebene verwenden kann, darunter Google und Yahoo, fühlen sich einige Projektentwickler am wohlsten, bei einer Open-Source-Option zu bleiben.)

    Nachteile: Wie bei jedem Projekt, das öffentliche Beiträge akzeptiert, kann es manchmal zu Problemen mit der Genauigkeit der Mitwirkenden kommen (z. Um fair zu sein, ich habe auch mehr als einen Brancheneintrag in Google Maps gefunden, der auch veraltet war. Darüber hinaus ist das allgemeine Erscheinungsbild der Karten nicht ganz so ausgefeilt wie bei einigen kommerziellen Alternativen.

    Fähigkeits Level: Fortgeschrittener Anfänger bis Mittelstufe

    Läuft auf: Jeder Webbrowser

    Mehr erfahren: Siehe das Quick Tutorial auf der OpenLayers-Site.

    Zeitliche Datenanalyse

    Wenn Zeit eine wichtige Komponente Ihrer Daten ist, können herkömmliche Zeitachsen-Visualisierungen Muster zeigen, aber sie erlauben keine ausgefeilte Analyse oder viel Interaktion. Hier kommt dieses Projekt ins Spiel.

    Zeitfluss

    Was es macht: Diese Desktop-Software dient zur Analyse von Datenpunkten, die eine Zeitkomponente beinhalten. In einer Demo, über die ich vor der Veröffentlichung geschrieben habe, haben die Macher Fernanda Viégas und Martin Wattenberg – das Paar hinter IBMs wegweisendem Many Eyes-Projekt, das später zu Google wechselte – gezeigt, wie TimeFlow visuelle Zeitleisten aus Textdateien mit Einträgen Farbe und Größe generieren kann -kodiert für einfache Mustererkennung. Es ermöglicht auch das Sortieren und Filtern der Informationen und bietet einige statistische Zusammenfassungen der Daten.

    TimeFlow bietet verschiedene Möglichkeiten, Daten mit einer wichtigen Zeitkomponente einfach zu visualisieren.

    Was ist cool: TimeFlow erleichtert die Interaktion mit Daten auf verschiedene Weise, z. B. durch Wechseln der Ansichten oder Filtern nach Kriterien wie Datumsbereich oder Erdbeben der Stärke 8 oder mehr. Die Zeitachsenansicht bietet einen Schieberegler, mit dem Sie sich auf einen Zeitraum einstellen können. Während viele Anwendungen Balkendiagramme darstellen können, bieten nur wenige auch Kalenderansichten. Und im Gegensatz zu webbasierten Google Fusion Tables ist TimeFlow eine Desktop-Anwendung, mit der einzelne Einträge schnell und problemlos bearbeitet werden können.

    Nachteile: Es gibt keine anderen Möglichkeiten zum Veröffentlichen oder Freigeben von Ergebnissen als das Erstellen eines Bildschirm-Schnappschusses, und der Code wurde seit mehreren Jahren nicht aktualisiert.

    Fähigkeits Level: Anfänger

    Läuft auf: Desktop-Systeme mit Java, einschließlich Windows und macOS X

    Mehr erfahren: Schauen Sie sich die Top-Tipps an.

    Hinweis: Wenn Sie nach . suchen veröffentlichen visualisierte Zeitleisten, bessere Optionen sind Google Fusion Tables, VIDI oder das SIMILE Timeline-Widget.

    Text-/Wortwolken

    Viele Dataviz-Experten halten nicht viel von Wortwolken, da sie sie sowohl für unseriös als auch für unoriginell halten. Man kann sie sich als Tiramisu der Visualisierungen vorstellen – vor langer Zeit trendy, jetzt überstrapaziert. Aber einige erfreuen sich immer noch an diesen Grafiken, die jedes Wort aus einer Textdatei einmal anzeigen, wobei die Größe der Wörter variiert, je nachdem, wie oft jedes Wort in der Quelle vorkommt.

    IBM Word-Cloud-Generator

    Was es macht: Mehrere zuvor erwähnte Tools können Wortwolken erstellen, darunter Many Eyes und die Google Visualization API sowie die Website Wordle (ein praktisches Tool zum Erstellen von Wortwolken aus Websites anstelle von Textdateien). Wenn Sie jedoch nach einer einfachen Desktop-Software suchen, die sich für diese Aufgabe eignet, ist die kostenlose Word-Cloud-Desktopanwendung von IBM genau das Richtige für Sie.

    Was ist cool: Dies ist eine schnelle und einfache Möglichkeit, die Häufigkeit von Wörtern im Text zu ermitteln.

    Nachteile: Da es versucht, Wörter wie "a" und "the" zu ignorieren, kann die Grundkonfiguration einige wichtige Begriffe übersehen. In frühen Tests kannte es den Unterschied zwischen "it" und "IT" nicht und verfehlte "AT&T" vollständig.

    Fähigkeits Level: Fortgeschrittener Anfänger. Diese App wird auf der Befehlszeile ausgeführt, sodass Benutzer die Möglichkeit haben sollten, Dateipfade zu finden und sie in einen Beispielbefehl einzufügen.

    Läuft auf: Windows, macOS X und Linux mit Java

    Mehr erfahren: Sehen Sie sich die Beispiele an, die mit dem Download geliefert werden.

    Soziale und andere Netzwerkanalysen

    Diese Tools verwenden eine Prä-Facebook/Twitter-Definition von "Social Network Analysis" (SNA), die sich auf die Disziplin bezieht, Verbindungen zwischen Menschen basierend auf verschiedenen Datensätzen zu finden. Investigative Journalisten haben solche Instrumente verwendet, um beispielsweise Verbindungen zwischen Personen zu finden, die an Entwicklungsprojekten beteiligt sind oder Mitglieder verschiedener Verwaltungsräte sind.

    Um diese Kategorie von Software verwenden zu können, ist ein Verständnis statistischer Theorien der Netzwerkknotenanalyse erforderlich. Da ich nur eine sehr grundlegende Einführung in diese Disziplin hatte, ist dies eine Kategorie von Tools, die ich nicht praktisch getestet habe. Wenn Sie jedoch eine Software für eine solche Analyse suchen, könnte eine davon Ihren Anforderungen entsprechen.

    Gephi

    Was es macht: Dieses als Photoshop für Daten in Rechnung gestellte Open-Source-Beta-Projekt dient der Visualisierung statistischer Informationen, einschließlich Beziehungen innerhalb von Netzwerken von bis zu 50.000 Knoten und einer halben Million Kanten (Verbindungen oder Beziehungen) sowie Netzwerkanalysen von Faktoren wie "Betweenness". ," Nähe und Clustering-Koeffizient.

    Gephi kann Netzwerke mit bis zu 50.000 Knoten visualisieren.

    Läuft auf: Windows, Linux, Mac OS X mit Java 1.6

    Mehr erfahren: Probieren Sie dieses Schnellstart-Tutorial aus.

    KnotenXL

    Was es macht: Dieses Excel-Plug-In zeigt Netzwerkdiagramme aus einer bestimmten Liste von Verbindungen an und hilft Ihnen, Muster und Beziehungen in den Daten zu analysieren und zu erkennen.

    NodeXL führt die älteren und aktuellen Definitionen von SNA zusammen. Es ist „optimiert für die Analyse sozialer Online-Medien – es enthält integrierte Verbindungen zum Abfragen der APIs von Twitter, Flickr und YouTube, sodass Sie Netzwerke von Benutzern und deren Aktivitäten zeichnen können“, so Peter Aldhous, Leiter des Büros von San Francisco für Neuer Wissenschaftler Zeitschrift.

    Es verarbeitet auch E-Mail- und herkömmliche Netzwerkanalysedateien (einschließlich Daten, die mit dem beliebten - aber nicht kostenlosen - Analysetool UCINET erstellt wurden).

    Läuft auf: Excel unter Windows

    Mehr erfahren: Laden Sie dieses kostenlose NodeXL-Tutorial (PDF) des Wissenschaftsjournalisten Peter Aldhous herunter.


    Prinzipien der Informationsvisualisierung

    Es sollte jetzt klar sein, dass das Lesen der Geschichte durch ein Makroskop eine Visualisierung erfordert. Visualisierung ist eine Methode, Daten zu verformen, zu komprimieren oder anderweitig zu manipulieren, um sie auf neue und aufschlussreiche Weise zu sehen. Eine gute Visualisierung kann stundenlanges sorgfältiges Studium in einen Blitz der Erkenntnis verwandeln oder eine komplexe Erzählung in einem einzigen Moment vermitteln. Visualisierungen können bei unsachgemäßer Verwendung auch lügen, verwirren oder auf andere Weise falsch darstellen. In diesem Abschnitt werden Historiker in die Arten von Visualisierungen eingeführt, warum sie diese verwenden möchten und wie sie effektiv eingesetzt werden können. Es wird auch einige Visualisierungen zeigen, die von Historikern effektiv verwendet wurden.

    Warum visualisieren?

    Eine koreanische Ausgabe des buddhistischen Kanons aus dem 13. Jahrhundert enthält über 52 Millionen Zeichen auf 166.000 Seiten. Lewis Lancaster beschreibt eine traditionelle Analyse dieses Korpus als solche:

    Der bisherige Ansatz zum Studium dieses Kanons war der traditionelle analytische Ansatz des genauen Lesens spezifischer Textbeispiele, gefolgt von einer Suche in einem definierten Korpus nach weiteren Beispielen. Angesichts von 166.000 Seiten musste diese Aktivität eingeschränkt werden. Als Ergebnis wurde eine Analyse durchgeführt, ohne ein vollständiges Bild der Verwendung von Zielwörtern in der gesamten Textsammlung zu haben. Das heißt, unser Stipendium wurde oft durch externe Faktoren wie Verfügbarkeit, Zugang und Umfang des schriftlichen Materials bestimmt und begrenzt. Um diese Probleme zu überwinden, suchten die Wissenschaftler eher nach einem reduzierten Material, das aufgrund des Gewichtes der akademischen Präzedenzfälle als wichtig erachtet wurde. 23

    Als die Technologien sich weiterentwickelten, waren die alten Einschränkungen nicht mehr vorhanden Lancaster und sein Team arbeiteten an der Erstellung einer Suchschnittstelle (Abbildung 3.12), die es Historikern ermöglicht, die Entwicklung und Verwendung von Glyphen im Laufe der Zeit zu sehen und effektiv den gesamten Text zu erkunden Einmal. Historiker müssten nicht mehr selektiv auswählen, welche Bereiche dieses Textes untersucht werden sollen, sie könnten schnell erkennen, wo im Korpus ihre Abfrage am häufigsten verwendet wurde, und von dort aus weitergehen.

    [Abbildung 3.12 einfügen, Screenshot der Lancaster-Benutzeroberfläche zum Studium der Entwicklung von Glyphen im Laufe der Zeit]

    Diese Herangehensweise an das Fernlesen – zu sehen, wo in einem Text das Untersuchungsobjekt am dichtesten ist – ist inzwischen so verbreitet, dass sie sich nicht mehr wie eine Visualisierung anfühlt. Amazons Kindle verfügt über eine Suchfunktion namens X-Ray (Abbildung 3.13), die es dem Leser ermöglicht, nach einer Reihe von Wörtern zu suchen und die Häufigkeit zu sehen, mit der diese Wörter im Verlauf der Seiten in einem Text vorkommen. In Googles Webbrowser Chrome wird bei der Suche nach einem Wort auf einer Webseite die Bildlaufleiste auf der rechten Seite hervorgehoben, sodass die Verteilung dieses Worts auf der Seite leicht zu erkennen ist.

    [Einfügen von Abbildung 3.13 der Röntgensuche von Amazon gegenüber der Suchbegriffsanzeige in der Bildlaufleiste von Google Chrome]

    Die Verwendung von Visualisierungen zur Darstellung der Verteilung von Wörtern oder Themen in einem Dokument ist eine effektive Methode, um ein Gefühl für die Position und Häufigkeit Ihrer Abfrage in einem Korpus zu erhalten, und stellt nur eine von vielen Anwendungen der Informationsvisualisierung dar. Die Anwendungen der Informationsvisualisierung fallen im Allgemeinen in zwei Kategorien: Exploration und Kommunikation.

    Erkundung

    Beim erstmaligen Abrufen oder Erstellen eines Datensatzes können Visualisierungen eine wertvolle Hilfe sein, um genau zu verstehen, welche Daten verfügbar sind und wie sie miteinander verbunden sind. Tatsächlich können Visualisierungen verwendet werden, um Fehler in der Datenerfassung zu erkennen, noch bevor ein Datensatz vollständig ist. Stellen Sie sich vor, Sie sammeln Metadaten von einigen hundert Büchern in einem Bibliotheksbestand, notieren den Herausgeber, das Erscheinungsdatum, die Autorennamen usw. Ein paar einfache Visualisierungen, die einfach in Software wie Microsoft Excel erstellt werden, können viel dazu beitragen, auf Fehler hinzuweisen. Beachten Sie, dass in der Tabelle in Abbildung 3.14 leicht zu erkennen ist, dass derjenige, der die Daten zum Erscheinungsdatum der Bücher eingegeben hat, versehentlich „1909“ statt „1990“ für eines der Bücher eingegeben hat.

    [Abbildung 3.14 einfügen Ein Fehler bei der Dateneingabe wird schnell sichtbar, wenn Daten als Diagramm dargestellt werden.]

    Ebenso können Visualisierungen verwendet werden, um einen schnellen Überblick über die Struktur der eingegebenen Daten direkt in der Tabelle zu erhalten. Die Visualisierung der Gehälter an einer Universität in Abbildung 3.15 macht es trivial zu erkennen, welche Fakultät der Fakultät die höchsten Gehälter hat und wie diese Gehälter verteilt sind. Es verwendet grundlegende Funktionen in neueren Versionen von Microsoft Excel.

    [Abbildung 3.15 einfügen Auch eine Tabellenkalkulation kann als Visualisierung betrachtet werden.>

    Komplexere Datensätze können mit fortschrittlicheren Visualisierungen untersucht werden, und diese Untersuchung kann für alles verwendet werden, von der Erfassung der vorliegenden Daten bis hin zum Verständnis der kleinsten Einzelheiten eines Datenpunkts im Verhältnis zu einem anderen. Die Visualisierung in Abbildung 3.16, ORBIS, ermöglicht es dem Benutzer, Verkehrsnetze in der antiken römischen Welt zu erkunden. Diese spezielle Anzeige zeigt die wahrscheinlichste Route von Rom nach Konstantinopel unter bestimmten Bedingungen, aber der Benutzer ist eingeladen, diese Bedingungen oder die Start- und Endstädte so zu optimieren, wie es seinen eigenen Forschungsfragen am besten entspricht.

    [*Abbildung 3.16 einfügen, Screenshot eines Details aus ORBIS]*

    Explorative Visualisierungen wie diese sind ein wichtiger Bestandteil des Forschungsprozesses bei der Analyse großer Datensätze. Sie eignen sich besonders gut als zusätzliche Schicht im hermeneutischen Prozess der Hypothesenbildung. Sie können Ihre Forschung mit einem Datensatz und einigen Vorurteilen darüber beginnen, was er bedeutet und was er impliziert, aber ohne eine wohlgeformte These zu argumentieren. Die explorative Visualisierung ermöglicht es Ihnen, Trends oder Ausreißer zu erkennen, die Sie sonst vielleicht nicht bemerkt hätten, und diese Trends oder Ausreißer können es wert sein, näher erläutert oder diskutiert zu werden. Eine sorgfältige historische Untersuchung dieser Punkte könnte noch interessantere Richtungen ergeben, die es wert sind, erforscht zu werden, die dann in zukünftige Visualisierungen gefaltet werden können.

    Kommunikation

    Auch nach Abschluss des Forschungsprozesses spielen Visualisierungen eine wichtige Rolle, um komplexe Datenbeziehungen in leicht verdauliche Einheiten zu übersetzen. Die richtige Visualisierung kann Textseiten durch eine einzige Grafik ersetzen und trotzdem die gleiche Menge an Informationen vermitteln. Die in Abbildung 3.17 wiedergegebene Visualisierung von Ben Schmidt zeigt beispielsweise, mit welcher Häufigkeit bestimmte Jahre in den Titeln von Geschichtsarbeiten erwähnt werden. 24 Die Visualisierung zeigt deutlich, dass die große Mehrheit der Dissertationen die Jahre nach 1750 abdeckt, mit Spitzen rund um den amerikanischen Bürgerkrieg und die Weltkriege. Während meine Beschreibung des Diagramms die Trends genau beschreibt, vermittelt es weder das Ausmaß der Unterschiede zwischen früheren und späteren Jahren, wie es von Dissertationen abgedeckt wird, noch erwähnt es den plötzlichen Rückgang der Dissertationen, die Zeiträume nach 1970 abdecken.

    [Abbildung 3.17 einfügen Die im Titel der Dissertation genannten Jahre, nach Schmidt 2013]

    Visualisierungen in Publikationen werden oft, aber nicht immer verwendet, um das Verständnis des Lesers für den beschriebenen Inhalt zu verbessern. Es ist auch üblich, dass Visualisierungen verwendet werden, um die Aufmerksamkeit von Lesern oder Peer-Reviewern zu erregen, um Forschung auffälliger, einprägsamer oder publizierbarer zu machen. In einer öffentlichen Welt, die der Quantifizierung einen so hohen Stellenwert einräumt, können Visualisierungen einer Forschungsarbeit einen Hauch von Legitimität verleihen, die sie möglicherweise verdient oder nicht. Wir werden die ethischen Implikationen solcher Visualisierungen nicht kommentieren, stellen jedoch fest, dass solche Visualisierungen immer häufiger vorkommen und eine Rolle beim erfolgreichen Bestehen von Peer-Reviews, dem Erhalt von Fördermitteln oder der Aufmerksamkeit der Öffentlichkeit zu spielen scheinen. Ob der Zweck die Mittel heiligt, überlassen wir unseren Lesern.

    Arten von Visualisierungen

    Bis jetzt haben wir den Ausdruck verwendet Informationsvisualisierung ohne es zu erklären oder von anderen verwandten Begriffen zu unterscheiden. Abhilfe schaffen wir hier: Informationsvisualisierung ist die Abbildung abstrakter Daten auf grafische Variablen, um eine visuelle Darstellung zu erstellen. Wir verwenden diese Darstellungen, um unsere Fähigkeiten zum Lesen von Daten zu erweitern, von denen wir nicht hoffen können, dass wir alle Beziehungen in unseren Daten allein durch Gedächtnis und sorgfältige Überlegung erkennen können, und Visualisierungen machen diese Beziehungen deutlicher.

    Ein Information Visualisierung unterscheidet sich von a wissenschaftlich Visualisierung in den Daten, die sie darstellen soll, und in der Art und Weise, wie diese Darstellung instanziiert wird. Wissenschaftliche Visualisierungen pflegen ein bestimmtes räumliches Bezugssystem, während Informationsvisualisierungen dies nicht tun. Visualisierungen von Molekülen, Wetter, Motoren und Gehirnen sind alle wissenschaftliche Visualisierungen, weil sie jeweils bereits eine physikalische Instanziierung haben und ihre visuelle Form in der Visualisierung erhalten bleibt. Balkendiagramme, Streudiagramme und Netzwerkdiagramme sind andererseits alle Informationsvisualisierungen, da sie in Raumdaten angeordnet sind, die keine inhärente Räumlichkeit haben. Ein Infografik ist in der Regel eine Kombination aus Informationen und wissenschaftlichen Visualisierungen, eingebettet in eine sehr explizite Erzählung und mit viel Text versehen.

    Diese Typen sind fließend, und einige Visualisierungen fallen in Kategorien. Die meisten Informationsvisualisierungen enthalten beispielsweise Text, und jede Visualisierung, die wir erstellen, ist von der Erzählung und dem Zweck durchdrungen, die wir ihnen geben, unabhängig davon, ob wir dies bemerken oder nicht. Eine wirklich „objektive“ Visualisierung, bei der die Daten für sich selbst sprechen, ist unmöglich. Unsere Entscheidungen darüber, wie wir unsere Daten codieren und welche Daten präsentiert werden sollen, beeinflussen das Verständnis der Leser stark von einer Visualisierung.

    Visualisierungen variieren auch zwischen statisch, dynamisch und interaktiv. Experten auf diesem Gebiet haben argumentiert, dass statische Bilder mit klaren Legenden und einem klaren Punkt die leistungsstärksten Visualisierungen sind, obwohl sich dies mit immer leistungsfähigeren interaktiven Displays ändern kann, die Benutzern beeindruckende Kontrolle über die Daten geben. Einige der besten modernen Beispiele stammen vom Visualisierungsteam der New York Times. Statisch Visualisierungen sind solche, die sich nicht bewegen und nicht manipuliert werden können dynamisch Visualisierungen sind kurze Animationen, die Veränderungen zeigen, entweder über die Zeit oder über eine andere Variable interaktiv Visualisierungen ermöglichen es dem Benutzer, die grafischen Variablen selbst in Echtzeit zu manipulieren.Aufgrund von Veränderungsblindheit können dynamische Visualisierungen oft verwirrend und weniger informativ sein als sequentielle statische Visualisierungen. Interaktive Visualisierungen haben das Potenzial, ein Publikum zu überfordern, insbesondere wenn die Bedienelemente vielfältig und nicht intuitiv sind. Der Schlüssel liegt in der Balance zwischen Klarheit und Flexibilität.

    Visualisierung ist mehr als Balkendiagramme und Streudiagramme. Wissenschaftler schaffen ständig neue Variationen und Kombinationen von Visualisierungen, und das schon seit Hunderten von Jahren. Eine erschöpfende Liste aller Möglichkeiten der Visualisierung von Informationen wäre unmöglich, obwohl wir versuchen werden, viele der gebräuchlicheren Varianten zu erklären. Unsere Taxonomie wird von visualizing.org beeinflusst, einer Website, die sich der Katalogisierung interessanter Visualisierungen widmet, aber wir verwenden auch Beispiele aus vielen anderen Quellen.

    Statistische Diagramme und Zeitreihen

    Statistische Diagramme sind wahrscheinlich diejenigen, die jedem Publikum am vertrautesten sind. Bei der Visualisierung zu Kommunikationszwecken ist es wichtig zu bedenken, welche Arten von Visualisierungen Ihr Publikum für lesbar hält. Manchmal ist die für den Job am besten geeignete Visualisierung diejenige, die am leichtesten zu verstehen ist, und nicht diejenige, die die vorliegenden Daten am genauesten darstellt. Dies gilt insbesondere, wenn viele abstrakte Variablen gleichzeitig dargestellt werden: Es ist möglich, eine Visualisierung mit Farbe, Größe, Winkel, Position und Form zu erstellen, die alle verschiedene Aspekte der Daten darstellen, aber sie kann so komplex werden, dass sie unleserlich wird.

    [Abbildung 3.18 ein einfaches Balkendiagramm einfügen]

    Abbildung 3.18 ist eine grundlegende Balkendiagramm der Menge an Sachbüchern, die sich in einer kleinen Sammlung befinden, nach Genres kategorisiert. Eine Dimension der Daten ist das Genre, das qualitativ ist, und jede wird entlang einer zweiten Kategorie, der Anzahl der Bücher, verglichen, die quantitativ ist. Daten mit zwei Dimensionen, einer qualitativen und einer quantitativen, lassen sich normalerweise am besten als Balkendiagramme wie dieses darstellen.

    Manchmal möchten Sie Daten als Teil eines Ganzen visualisieren und nicht in absoluten Werten. In diesen Fällen verlassen sich die meisten bei gleicher qualitativer/quantitativer Aufteilung der Daten sofort auf Kreisdiagramme wie in Abbildung 3.19. Dies ist oft eine schlechte Wahl: Kreisdiagramme sind tendenziell unübersichtlich – insbesondere wenn die Anzahl der Kategorien zunimmt – und es fällt den Leuten schwer, den Bereich eines Kreisstücks zu interpretieren.

    [Abbildung 3.19 ein Tortendiagramm einfügen]

    Dieselben Daten können als a . gerendert werden gestapeltes Balkendiagramm (Abbildung 3.20), die eine Visualisierung mit viel weniger Durcheinander erzeugt. Dieses Diagramm verringert auch die kognitive Belastung des Lesers erheblich, da er lediglich die Balkenlänge vergleichen muss, anstatt zu versuchen, die Fläche eines Kuchenstücks intern zu berechnen.

    [Abbildung 3.20 Ein gestapeltes Balkendiagramm einfügen]

    Wenn statt einer quantitativen und einer qualitativen zwei quantitative Variablen dargestellt werden sollen, ist die Visualisierung am nützlichsten: Liniendiagramm oder Streudiagramm. Bände von Büchern in einer Sammlung, geordnet nach Erscheinungsjahr, können beispielsweise mit dem Jahr auf der horizontalen Achse ausgedrückt werden (x-Achse) und die Anzahl der Bücher auf der vertikalen Achse (ja-Achse). Die Linie, die zwischen jedem (x,y) stellt unsere Annahme dar, dass die Datenpunkte irgendwie miteinander in Beziehung stehen und ein Auf- oder Abwärtstrend irgendwie sinnvoll ist (Abbildung 3.21).

    [Abbildung 3.21 ein Liniendiagramm einfügen]

    Wir könnten die einzelnen Linien zwischen den Jahren durch eine Trendlinie ersetzen, die den allgemeinen Auf- oder Abwärtstrend der Datenpunkte im Zeitverlauf zeigt (Abbildung 3.22). Dies spiegelt unsere Annahme wider, dass nicht nur die Veränderungen von Jahr zu Jahr aussagekräftig sind, sondern dass es einen zugrunde liegenden Faktor gibt, der dazu führt, dass sich die Gesamtzahl der Volumina über den gesamten Zeitraum nach oben oder unten verschiebt. In diesem Fall scheint es, dass die Anzahl der Büchersammlungen im Durchschnitt abnimmt, wenn sich die Veröffentlichungstermine dem heutigen Tag nähern, was leicht durch die Verzögerung erklärt werden kann, die vergehen kann, bevor die Entscheidung getroffen wird, ein Buch für die Sammlung.

    [Abbildung 3.22 einfügen Die Linie in Abbildung 3.21 wird entfernt und durch eine Trendlinie auf den Punkten ersetzt]

    Streudiagramme haben den zusätzlichen Vorteil, dass sie für zusätzliche Datendimensionen zugänglich sind. Das Streudiagramm in 3.23 vergleicht drei Datendimensionen: Genre (qualitativ), Anzahl der Bände jedes Genres in der Sammlung (quantitativ) und durchschnittliche Seitenzahl pro Genre (quantitativ). Es zeigt uns zum Beispiel, dass die Sammlung ziemlich viele Biografien enthält und Biografien im Durchschnitt viel weniger Seiten haben als Nachschlagewerke. Das Streudiagramm zeigt uns auch, dass es ziemlich nutzlos ist, dass es keine erkennbaren Trends oder Korrelationen zwischen den Variablen gibt und keine neuen Erkenntnisse aus der Betrachtung der Visualisierung hervorgehen.

    [Abbildung 3.23 ein Streudiagramm einfügen]

    Das Histogramm ist eine Visualisierung, die für Unbekannte sowohl besonders nützlich als auch äußerst täuschend ist. Es scheint ein vertikales Balkendiagramm zu sein, aber anstelle der horizontalen Achse, die kategoriale Daten darstellt, ist normalerweise die horizontale Achse eines Histogramms ebenfalls stellt quantitative Daten dar, die in einer bestimmten Weise unterteilt sind. Anders ausgedrückt: In einem Balkendiagramm können die Kategorien nach links oder rechts verschoben werden, ohne die Bedeutung der Visualisierung zu ändern, während in einem Histogramm eine bestimmte Reihenfolge der Kategorien des Balkens besteht. Die folgende Abbildung zeigt beispielsweise das Histogramm der Notenverteilung in einer College-Klasse. Es würde keinen Sinn machen, dass die Buchstabennoten in einer anderen als der unten angegebenen Reihenfolge angeordnet sind. Außerdem stellen Histogramme immer die Verteilung bestimmter Werte dar, d. h. die Höhe des Balkens kann nie etwas wie Temperatur oder Alter darstellen, sondern repräsentiert die Frequenz mit dem ein Wert erscheint. In Abbildung 3.24 repräsentiert die Balkenhöhe die Häufigkeit, mit der Studenten in einem College-Kurs bestimmte Noten erhalten.

    [Abbildung 3.24 ein Histogramm der Schülernoten]

    Das Histogramm (Abbildung 3.24) zeigt, dass die Verteilung der Noten der Schüler keiner echten Glockenkurve folgt, mit so vielen As wie Fs in der Klasse. Dies ist für jeden, der einen Kurs unterrichtet hat, nicht überraschend, aber es ist eine nützliche Visualisierung, um solche Abweichungen von erwarteten Verteilungen darzustellen.

    Trotz ihrer scheinbaren Einfachheit können diese sehr einfachen statistischen Visualisierungen Anstifter für äußerst nützliche Analysen sein. Die Visualisierung in Abbildung 3.25 zeigt die sich ändernde Häufigkeit der Verwendung von „aboue“ und „above“ (Schreibvarianten desselben Wortes) im englischen gedruckten Text von 1580-1700. Sam Kaislaniemi bemerkte in einem Blogbeitrag, wie überraschend es ist, dass sich die Schreibweise in einem Zeitraum von zwei Jahrzehnten so drastisch geändert zu haben scheint. Dies führte zu weiteren Recherchen, die zu einem erweiterten Blogbeitrag und einer Recherche zu einer Reihe anderer Datensätze aus dem gleichen Zeitraum führten.

    [Abbildung 3.25 Die sich ändernde Häufigkeit von ‚aboue‘ und ‚above‘]

    Grundlegende Karten können als wissenschaftliche Visualisierungen angesehen werden, da Breiten- und Längengrade ein bereits vorhandenes räumliches Bezugssystem sind, dem die meisten geografischen Visualisierungen genau entsprechen. Wenn einer Karte jedoch Inhalt hinzugefügt wird, kann sie eine oder mehrere Ebenen der Informationsvisualisierung erhalten.

    Eine der gebräuchlichsten geografischen Visualisierungen ist die Choroplethen, wobei begrenzte Bereiche farbig und schattiert sind, um eine statistische Variable darzustellen (Abbildung 3.26). Häufige Verwendungen für Choroplethen umfassen die Darstellung der Bevölkerungsdichte oder von Wahlergebnissen. Die folgende Visualisierung, erstellt von Mike Bostock, färbt Landkreise nach Arbeitslosenquote, wobei dunklere Landkreise eine höhere Arbeitslosigkeit aufweisen. Choroplethenkarten sollten eher für Verhältnisse und Raten als für absolute Werte verwendet werden, da sonst größere Gebiete überproportional dunkler gefärbt werden können, nur weil mehr Platz für Menschen vorhanden ist.

    [Abbildung 3.26 Einfügen einer Choroplethenkarte]

    Für einige Zwecke bieten Choroplethen eine unzureichende Granularität zur Darstellung der Dichte. In den 1850er Jahren machte ein Cholera-Ausbruch in London viele besorgt und verwirrt über den Ursprung der Epidemie. Dr. John Snow erstellt a Punktdichtekarte (Abbildung 3.27) zeigt die Lage der Cholerafälle in der Stadt. Die Visualisierung zeigte, dass sich die meisten Fälle um eine einzelne Wasserpumpe herum befanden, was darauf hindeutet, dass der Ausbruch auf eine kontaminierte Wasserversorgung zurückzuführen war.

    [Abbildung 3.27 Punktdichtekarte von John Snow einfügen]

    Um absolute Werte auf Karten darzustellen, sollten Sie stattdessen in Betracht ziehen, a . zu verwenden proportionale Symbolkarte. Die in Abbildung 3.28 dargestellte Karte, erstellt von Mike Bostock, zeigt die Einwohnerzahlen einiger der größten Städte der Vereinigten Staaten. Diese Visualisierungen eignen sich gut, um Absolutwerte direkt miteinander zu vergleichen, wenn die Größe der geografischen Region nicht besonders relevant ist. Denken Sie daran, dass sich die besten Visualisierungen oft nicht auf einer Karte befinden, selbst wenn Sie vorhaben, geografische Informationen darzustellen. In diesem Fall ist ein Balkendiagramm mit Balkenhöhen, die für die Bevölkerungsgröße repräsentativ sind, möglicherweise besser bedient, es sei denn, Sie versuchen zu zeigen, dass die dichtere Bevölkerungsdichte im Osten der USA liegt. Das heißt, der Breiten- und Längengrad der Städte ist für die Übermittlung der Informationen, die wir vermitteln möchten, nicht besonders wichtig.

    [Abbildung 3.28 einfügen Eine proportionale Symbolkarte, die die Bevölkerung der größten Städte in den USA zeigt.]

    Daten, die sich im geografischen Raum ständig ändern (z. B. Temperatur oder Höhe), erfordern komplexere Visualisierungen. Die häufigsten sind in diesem Fall bekannt als Isoplethen, isarithmisch, oder Konturkarten, und sie stellen eine allmähliche Änderung unter Verwendung benachbarter, geschwungener Linien dar. Beachten Sie, dass diese Visualisierungen am besten für Daten funktionieren, die sanfte Übergänge enthalten. Topografische Karten (Abbildung 3.29) verwenden benachbarte Linien, um allmähliche Höhenänderungen anzuzeigen, je näher die Linien, desto schneller die Höhenänderungen.

    [Bild 3.29 Detail einer Höhenlinienkarte einfügen]

    Geografische Karten haben eine Eigenschaft, die sie von den meisten anderen Visualisierungen unterscheidet: Wir kennen sie überraschend gut. Während nur wenige Menschen jeden US-Bundesstaat oder jedes europäische Land auf einer Karte genau benennen können, kennen wir die Form der Welt genug, um uns bei geografischen Visualisierungen einige Freiheiten zu nehmen, die wir mit anderen nicht übernehmen können. Kartogramme sind Karten, die das grundlegende räumliche Bezugssystem von Breiten- und Längengrad verzerren, um einen statistischen Wert darzustellen. Sie funktionieren, weil wir wissen, wie die Referenz aussehen soll, sodass wir sofort erkennen können, wie sich die Kartogrammergebnisse von der uns bekannten „Basiskarte“ unterscheiden. Das in Abbildung 3.30 dargestellte Kartogramm, erstellt von M.E.J. Newman, verzerrt die Größe der Bundesstaaten nach ihrer Bevölkerung und färbt die Bundesstaaten danach, wie sie bei den US-Präsidentschaftswahlen 2008 gestimmt haben. 25 Es zeigt, dass, obwohl ein größerer Bereich der Vereinigten Staaten republikanisch gewählt haben mögen, waren diese Gebiete eher dünn besiedelt.

    [Abbildung 3.30 Newmans Kartogramm der Ergebnisse der US-Präsidentschaftswahl 2008 einfügen]

    Karten sind nicht unbedingt immer die am besten geeigneten Visualisierungen für den Job, aber wenn sie gut verwendet werden, können sie äußerst informativ sein.

    In den Geisteswissenschaften müssen Kartenvisualisierungen oft historische oder imaginierte Räume darstellen. Während es viele praktische Pipelines gibt, um benutzerdefinierte Datenüberlagerungen von Karten zu erstellen, kann das Erstellen neuer Karten ein zermürbender Prozess sein, der mit wenigen einfachen Tools unterstützt wird. Es ist nie so einfach, eine alte Karte zu fotografieren und sie in den Computer einzuscannen, der angehende Kartograph muss Punkte auf einer alten gescannten Karte mühsam ihrem modernen Breiten- und Längengrad zuordnen oder komplett neue Kartenkacheln erstellen. Die folgenden Visualisierungen sind zwei Beispiele für solche Bemühungen: Die erste (Abbildung 3.31) ist eine rekonstruierte Karte der antiken Welt, die Aquädukte, Verteidigungsmauern, Stätten und Straßen umfasst von Johan Åhlfeldt mit Pelagios, 26 und die zweite (Abbildung 3.32) ist eine rekonstruierte Karte von Tolkiens Mittelerde von Emil Johansson. 27 Beides sind Beispiele für äußerst sorgfältige humanistische Arbeit, die sowohl zusätzliche Datenschichten als auch Änderungen an der Basiskarte beinhaltete.

    [Einfügen von Abbildung 3.31, Detail zentriert auf Rom, Digitale Karte des Römischen Reiches]

    [Abbildung 3.32 Detail der LOTRProject-Karte von Mittelerde einfügen, mit dem Auenland auf der linken Seite]

    Hierarchien und Bäume

    Während es sich bei den vorherigen Visualisierungstypen um Daten handelte, die eine Kombination aus kategorialen, quantitativen und geografischen Daten waren, sind einige Daten von Natur aus relational und eignen sich nicht für diese Art von Visualisierungen. Hierarchische und verschachtelte Daten sind eine Vielzahl von Netzwerkdaten, aber sie sind eine so verbreitete Vielfalt, dass viele Visualisierungen speziell mit ihnen entwickelt wurden. Beispiele für diese Art von Daten umfassen Familienlinien, Organisationshierarchien, Computerunterverzeichnisse und die evolutionäre Verzweigung von Arten.

    Die gängigsten Visualisierungsformen für diese Art von Daten sind vertikal und horizontale Bäume. Der horizontale Baum in Abbildung 3.33, erstellt in D3.js, zeigt die Kinder und Enkel von Josiah Wedgwood. Diese Visualisierungen sind für die meisten Menschen extrem einfach zu lesen und wurden für viele verschiedene hierarchische Daten verwendet. Bäume haben den Vorteil, dass sie besser lesbar sind als die meisten anderen Netzwerkvisualisierungen, aber den Nachteil, dass sie bei der Visualisierung ziemlich restriktiv sind.

    [Abbildung 3.33 einfügen Horizontale Baumkarte mit den Nachkommen von Josiah Wedgwood]

    Eine andere Form der hierarchischen Visualisierung, genannt a radialer Baum, wird oft verwendet, um sich ständig verzweigende Strukturen, wie in einer Organisation, darzustellen. Der radiale Baum in Abbildung 3.33, einem Organigramm aus dem Jahr 1924 in einem Band über Managementstatistiken von W. H. Smith, 28 hebt hervor, wie die Macht in der Organisation in einer primären Autorität zentralisiert ist. Es ist wichtig, sich daran zu erinnern, dass stilistische Entscheidungen die Botschaft einer Visualisierung stark beeinflussen können. Horizontale und radiale Bäume können die gleichen Informationen darstellen, wobei erstere Veränderungen im Laufe der Zeit betonen, während letztere die Zentralität der höchsten Stufe in der Hierarchie hervorhebt. Beide sind gleichermaßen gültig, senden aber sehr unterschiedliche Botschaften an den Leser.

    [Abbildung 3.34 Radialer Baum einfügen]

    Eine der in letzter Zeit populären hierarchischen Visualisierungen ist die Baumkarte von Ben Shneiderman entworfen. Treemaps verwenden verschachtelte Rechtecke, um Hierarchien anzuzeigen, deren Bereiche einen quantitativen Wert darstellen. Die Rechtecke sind oft gefärbt, um eine dritte Datendimension darzustellen, entweder kategorial oder quantitativ. Die Visualisierung in Abbildung 3.35 zeigt den Haushalt von Washington D.C. im Jahr 2013, unterteilt in Regierungskategorien. Die Größe der Rechtecke ist proportional zum Geldbetrag, der 2013 pro Kategorie erhalten wurde, und gefärbt nach dem Prozentsatz, der sich seit dem letzten Geschäftsjahr geändert hat.

    [Abbildung 3.35 Budget von Washington D.C., 2013, als Baumkarte einfügen]

    Netzwerke und Matrizen

    Netzwerkvisualisierungen können komplex und schwer zu lesen sein. Knoten und Kanten werden nicht immer als Punkte und Linien dargestellt, und selbst wenn sie es sind, sind sie umso schwieriger zu entziffern, je größer das Netzwerk ist. Die Gründe für die Visualisierung eines Netzwerks können unterschiedlich sein, aber im Allgemeinen eignen sich Visualisierungen kleiner Netzwerke am besten, um dem Leser das Verständnis einzelner Verbindungen zu ermöglichen, während Visualisierungen großer Netzwerke am besten zum Aufdecken globaler Strukturen geeignet sind.

    Netzwerkvisualisierungen können, ähnlich wie die Netzwerkanalyse, je nach Kontext Erkenntnisse liefern oder auch nicht. Eine gute Faustregel ist, einen netzwerkkundigen Freund, der das Endprodukt liest, zu fragen, ob die Netzwerkvisualisierung ihm hilft, die Daten oder die Erzählung mehr zu verstehen als die Prosa allein. Es wird oft nicht. Wir empfehlen, eine Visualisierung der Daten nicht nur zu dem Zweck aufzunehmen, die Komplexität der vorliegenden Daten aufzuzeigen, da sie wenig Informationen vermittelt und ein negatives Stereotyp der Netzwerkwissenschaft als leere Methodik einbringt. Wir werden in Kapitel 6 ausführlicher auf Netzwerkvisualisierungen eingehen, und der Leser möchte vielleicht weiterspringen.

    Tatsächlich empfehlen wir, nach Möglichkeit auf komplexe Netzwerkvisualisierungen ganz zu verzichten. Für eine historische Erzählung ist es oft einfacher und aussagekräftiger, einfach eine Liste der am besten verbundenen Knoten bereitzustellen oder z. B. ein Streudiagramm, das die Beziehung zwischen Verbundenheit und Berufung zeigt. Wenn die vorliegende Frage einfacher mit einer traditionellen Visualisierung beantwortet werden kann, in deren Lesen Historiker bereits geschult sind, sollte dies der Fall sein.

    Kleine Multiples und Sparklines

    Kleine Vielfache und Sparklines sind nicht gerade andere Visualisierungsarten als die bereits besprochenen, aber sie stellen eine einzigartige Möglichkeit dar, Visualisierungen zu präsentieren, die äußerst überzeugend und effektiv sein können. Sie verkörpern die Idee, dass einfache Visualisierungen mächtiger sein können als komplexe und dass mehrere einzelne Visualisierungen oft leichter zu verstehen sind als eine unglaublich dichte Visualisierung.

    Kleine Vielfache sind genau das, wonach sie klingen: die Verwendung mehrerer kleiner Visualisierungen nebeneinander zu Vergleichszwecken. Sie werden anstelle von Animationen oder einer einzigen extrem komplexen Visualisierung verwendet, die versucht, den gesamten Datensatz darzustellen. Abbildung 3.36 von Brian Abelson von OpenNews zeigt Kalt- und Warmwetteranomalien in den Vereinigten Staaten seit 1964. 29 Kaltwetteranomalien sind blau und Warmwetteranomalien sind in lesbarer Schrift dargestellt. Diese Visualisierung wird verwendet, um aufgrund der globalen Erwärmung zunehmend extremes warmes Wetter darzustellen.

    [einfügen *Abbildung 3.36 Small Multiples, eine Reihe von Karten, die Wetteranomalien in den USA seit 1964 darstellen, nach Brian Abelson]*

    Sparklines, ein von Edward Tufte geprägter Begriff, sind winzige Liniendiagramme ohne Achse oder Legende. Sie können in der Mitte eines Satzes verwendet werden, um beispielsweise einen sich ändernden Aktienkurs der letzten Woche anzuzeigen ( ), der uns allgemeine Auf- oder Abwärtstrends anzeigt, oder in kleinen Vielfachen zum Vergleich mehrerer Werte. Microsoft Excel verfügt für genau diesen Zweck über eine integrierte Sparkline-Funktion. Abbildung 3.37 ist ein Screenshot aus Excel, der zeigt, wie Sparklines verwendet werden können, um die Häufigkeit des Auftretens von Charakteren in verschiedenen Kapiteln eines Romans zu vergleichen.

    [Fügen Sie Abbildung 3.37 Sparklines in MS Excel ein, die das Aussehen von Charakteren in einem Roman darstellen.]

    Die obigen Sparklines zeigen schnell Carol als Hauptfigur und dass in Kapitel 3 zwei Charaktere eingeführt wurden, ohne dass der Leser sich die Zahlen im Rest der Tabelle ansehen muss.

    Auswahl der richtigen Visualisierung

    Es gibt keine richtige Visualisierung. Eine Visualisierung ist eine Entscheidung, die Sie auf der Grundlage dessen treffen, was Ihr Publikum lernen soll. Das heißt, es gibt sehr viele falsch Visualisierungen. Die Verwendung eines Streudiagramms zur Darstellung des durchschnittlichen Niederschlags nach Ländern ist eine falsche Entscheidung, ein Balkendiagramm ist die bessere.Letztendlich hängt Ihre Wahl des zu verwendenden Visualisierungstyps davon ab, wie viele Variablen Sie verwenden, ob qualitativ oder quantitativ, wie Sie versuchen, sie zu vergleichen und wie Sie sie präsentieren möchten. Das Erstellen einer effektiven Visualisierung beginnt damit, dass Sie einen der vielen geeigneten Typen für die jeweilige Aufgabe auswählen und ungeeignete Typen nach Bedarf verwerfen. Nachdem Sie die Form Ihrer Visualisierung ausgewählt haben, müssen Sie entscheiden, wie Sie die Visualisierung erstellen möchten: Welche Farben werden Sie verwenden? Welche Symbole? Wird es eine Legende geben? Die folgenden Abschnitte behandeln diese Schritte.

    Visuelle Kodierung

    Sobald ein Visualisierungstyp ausgewählt wurde, können die Details entweder selbstverständlich oder vernachlässigbar erscheinen. Ist es wirklich wichtig, welche Farbe oder Form die Punkte haben? Kurz gesagt, ja, es ist genauso wichtig wie die Wahl der verwendeten Visualisierung. Und wenn Sie wissen, wie Sie verschiedene Arten von visuellen Codierungen effektiv einsetzen können, können Sie effektiv neue Visualisierungsformen entwerfen, die Ihren Anforderungen perfekt entsprechen. Die Kunst der visuellen Kodierung liegt in der Fähigkeit, Datenvariablen und Grafikvariablen in geeigneter Weise zuzuordnen. Grafische Variablen umfassen die Farbe, Form oder Position von Objekten in der Visualisierung, während Datenvariablen beinhalten, was visualisiert werden soll (z. B. Temperatur, Größe, Alter, Ländername usw.).

    Maßskalen

    Der wichtigste Aspekt bei der Auswahl einer geeigneten Grafikvariablen besteht darin, die Natur Ihrer Datenvariablen zu kennen. Obwohl die Form der Daten von Projekt zu Projekt unterschiedlich sein kann, entsprechen sie wahrscheinlich einer von fünf Varianten: Nominal, Relational, Ordinal, Intervall, Verhältnis oder Relation.

    Nenndaten, auch genannt kategoriale Daten, ist eine rein qualitative Messung. Es repräsentiert verschiedene Kategorien oder Labels oder Klassen. Länder, Namen von Personen und verschiedene Abteilungen einer Universität sind alle nominale Variablen. Sie haben keine intrinsische Ordnung und ihre einzige Bedeutung besteht darin, wie sie sich voneinander unterscheiden. Wir können Ländernamen in alphabetischer Reihenfolge anordnen, aber diese Reihenfolge sagt nichts über ihre Beziehungen zueinander aus.

    Relationale Daten sind Daten darüber, wie nominale Daten zueinander in Beziehung stehen. Es ist nicht unbedingt quantitativ, obwohl es sein kann. Relationale Daten erfordern eine Art nominaler Daten, um sie zu verankern, und können Freundschaften zwischen Menschen, die Existenz von Straßen zwischen Städten und die Beziehung zwischen einer Musikerin und dem Instrument, das sie spielt, umfassen. Diese Art von Daten wird normalerweise, aber nicht immer, in Bäumen oder Netzwerken visualisiert. Ein quantitativer Aspekt relationaler Daten kann die Länge eines Telefonats zwischen Personen oder die Entfernung zwischen zwei Städten sein.

    Ordnungsdaten ist das, was eine inhärente Ordnung hat, aber keinen inhärenten Grad an Unterschied zwischen dem, was geordnet wird. Die Gewinner des ersten, zweiten und dritten Platzes in einem Rennen sind auf einer Ordinalskala, weil wir nicht wissen, wie viel schneller war der erste Platz als der zweite, nur dass einer schneller war als der andere. Likert-Skalen, die häufig in Umfragen verwendet werden (z. B. stimme überhaupt nicht zu / stimme nicht zu / stimme nicht zu oder stimme nicht zu / stimme zu / stimme voll und ganz zu) sind ein Beispiel für häufig verwendete ordinale Daten. Obwohl die Ordnung für diese Variable sinnvoll ist, macht die Tatsache, dass ihr jede inhärente Größe fehlt, Ordinaldaten zu einer qualitativen Kategorie.

    Intervalldaten sind Daten, die auf einer Skala mit sinnvollen quantitativen Größen zwischen Werten vorliegen. Es ist wie bei der Ordinalzahl insofern, als die Reihenfolge wichtig ist, und außerdem ist der Unterschied zwischen dem ersten und zweiten Platz gleich dem Abstand zwischen dem zweiten und dritten Platz. Längengrad, Temperatur in Celsius und Daten existieren alle auf einer Intervallskala.

    Verhältnisdaten sind Daten, die wie Intervalldaten eine sinnvolle Ordnung und eine konstante Skala zwischen geordneten Werten haben, aber zusätzlich einen sinnvollen Nullwert haben Vergleichen Sie dies mit Gewicht, Alter oder Menge ohne Gewicht ist physikalisch sinnvoll und unterscheidet sich sowohl in Menge als auch Art ein Gewicht über Null zu haben.

    Ein sinnvoller Nullwert ermöglicht es uns, Berechnungen mit Verhältnisdaten zu verwenden, die wir mit Intervalldaten nicht durchführen konnten. Wenn beispielsweise eine Kiste 50 lbs und eine weitere 100 lbs wiegt, können wir sagen, dass die zweite Kiste doppelt so viel wiegt wie die erste. Wir können jedoch nicht sagen, dass ein Tag mit 100 ° F doppelt so heiß ist wie ein Tag mit 50 ° F, und das liegt daran, dass 0 ° F kein von Natur aus sinnvoller Nullwert ist.

    Die Natur jedes dieser Datentypen bestimmt, welche grafischen Variablen verwendet werden können, um sie visuell darzustellen. Im folgenden Abschnitt werden mehrere mögliche grafische Variablen und ihre Beziehung zu den verschiedenen Maßskalen erörtert.

    Grafische Variablentypen

    Grafische Variablen sind alle visuellen Elemente, die verwendet werden, um Informationen in einer Visualisierung systematisch darzustellen. Sie sind Bausteine. Länge ist eine grafische Variable in Balkendiagrammen, längere Balken werden verwendet, um größere Werte darzustellen. Position ist eine grafische Variable in einem Streudiagramm, die vertikale und horizontale Platzierung eines Punktes wird verwendet, um seine x und ja Werte, was auch immer sie sein mögen. Farbe ist eine grafische Variable in einer Choroplethenkarte der Abstimmungsergebnisse der Vereinigten Staaten, Rot wird oft verwendet, um Staaten anzuzeigen, die Republikaner gewählt haben, und Blau für Staaten, die Demokraten gewählt haben.

    Es überrascht nicht, dass einige Grafikvariablentypen besser als andere verschiedene Datentypen darstellen. Die Position in einem 2D-Raster eignet sich hervorragend zur Darstellung quantitativer Daten, sei es Intervall oder Verhältnis. Fläche oder Länge eignen sich besonders gut für die Darstellung von Verhältnisdaten, da auch die Größe einen sinnvollen Nullpunkt hat. Diese haben den zusätzlichen Vorteil, dass sie eine praktisch unbegrenzte Anzahl von erkennbaren Punkten haben, so dass sie genauso gut für einen Datensatz von 2 oder 2 Millionen verwendet werden können. Vergleichen Sie dies mit dem Winkel. Es ist denkbar, eine Visualisierung zu erstellen, die Winkel verwendet, um quantitative Werte darzustellen, wie in Abbildung 3.38. Dies ist in Ordnung, wenn Sie nur sehr wenige, unglaublich unterschiedliche Datenpunkte haben, aber Sie werden irgendwann eine Grenze erreichen, jenseits derer winzige Winkelunterschiede kaum noch wahrnehmbar sind. Einige Typen von grafischen Variablen sind in der Anzahl möglicher Variationen ziemlich begrenzt, während andere einen viel größeren Bereich haben.

    [Abbildung 3.38 einfügen, ein Missbrauch des Winkels zur Angabe des Alters.]

    Die meisten grafischen Variablen, die für vollständig quantitative Daten geeignet sind, funktionieren gut für ordinale Daten, obwohl es in diesen Fällen wichtig ist, eine Legende einzufügen, um sicherzustellen, dass der Leser sich bewusst ist, dass eine konstante Änderung einer grafischen Variablen nicht auf eine konstante Änderung in hinweist die zugrunde liegenden Daten. Änderungen der Farbintensität sind besonders gut für ordinale Daten, da wir die Größe des Unterschieds zwischen Farbintensitätspaaren nicht leicht erkennen können.

    Farbe ist ein besonders kniffliges Konzept bei der Informationsvisualisierung. Drei Variablen können verwendet werden, um Farbe zu beschreiben: Farbton, Wert und Sättigung (Abbildung 3.39).

    [Abbildung 3.39 Farbton, Wert und Sättigung einfügen]

    Diese drei Variablen sollten verwendet werden, um verschiedene Variablentypen darzustellen. Außer unter einem Umstand, der unten erörtert wird, sollte der Farbton immer nur verwendet werden nominelle, qualitative Daten darzustellen. Menschen sind nicht gut ausgestattet, um den quantitativen Unterschied zwischen z.B. rot und Grün. In einem Balkendiagramm, das das durchschnittliche Gehalt von Dozenten aus verschiedenen Fachbereichen zeigt, kann der Farbton verwendet werden, um die Fachbereiche zu differenzieren. Sättigung und Wert hingegen können verwendet werden, um quantitative Daten darzustellen. Auf einer Karte kann die Sättigung die Bevölkerungsdichte in einem Streudiagramm darstellen, die Sättigung der einzelnen Datenpunkte kann das Alter oder den Wohlstand einer Person darstellen. Der einmalige Farbton kann verwendet werden, um quantitative Werte darzustellen, wenn Sie binäre divergierende Daten haben. Beispielsweise kann eine Karte für Staaten, die eher demokratisch orientiert sind, zunehmend gesättigte Blautöne und für Staaten, die eher republikanisch orientiert sind, zunehmend gesättigte Rottöne anzeigen. Abgesehen von diesem Sonderfall zweier gegensätzlicher Farben ist es am besten, den Farbton nicht zur Darstellung quantitativer Daten zu verwenden.

    Form ist gut für Nominaldaten, allerdings nur, wenn es weniger als ein halbes Dutzend Kategorien gibt. Wenn Sie zwischen einigen Datenkategorien unterscheiden, wird die Form in Streudiagrammen verwendet, aber die Formen gehen nach Dreieck, Quadrat und Kreis schnell aus. Muster und Texturen können auch verwendet werden, um kategoriale Daten zu unterscheiden. Dies ist besonders nützlich, wenn Sie zwischen Kategorien wie einem Balkendiagramm unterscheiden müssen, die Visualisierung jedoch in Schwarzweiß gedruckt werden muss.

    Relationale Daten gehören zu den am schwierigsten darzustellenden. Distance ist die einfachste grafische Variable zur Darstellung von Beziehungen (nähere Objekte sind enger miteinander verbunden), aber diese Variable kann bei großen Datensätzen schnell umständlich werden. Zwei weitere zu verwendende Grafikvariablen sind Einfassung (umgebende Elemente, die durch eine eingeschlossene Linie verbunden sind) oder Linienverbindungen (verbundene Elemente direkt über eine durchgezogene Linie verbinden). Jeder hat seine Stärken und Schwächen, und ein Großteil der Kunst der Informationsvisualisierung besteht darin, zu lernen, wann welche Variable zu verwenden ist.

    Kognitive und soziale Aspekte der Visualisierung

    Zum Glück für uns gibt es ein paar Maßstäbe für die Auswahl zwischen Visualisierungstypen und grafischen Variablen, die über das reine Ästhetische hinausgehen. Die Sozialforschung hat verschiedene Wege aufgezeigt, wie Menschen das Gesehene verarbeiten, und diese Forschung sollte unsere Entscheidungen bei der Erstellung effektiver Informationsvisualisierungen leiten.

    Etwa ein Zehntel aller Männer und ein Hundertstel aller Frauen haben irgendeine Form von Farbenblindheit. Es gibt viele Arten von Farbenblindheit, die manche Menschen vollständig monochrom sehen, andere haben Schwierigkeiten, zwischen Rot und Grün oder zwischen Blau und Grün oder anderen Kombinationen zu unterscheiden. Um dies zu kompensieren, können Visualisierungen dieselben Daten in mehreren Variablen kodieren. Ampeln sind ein perfektes Beispiel dafür, die meisten von uns kennen die Farbschemata Rot, Gelb und Grün, aber für diejenigen, die diese Farben nicht unterscheiden können, sendet die Ausrichtung von oben nach unten das gleiche Signal. Wenn Sie Farben auswählen müssen, die für die meisten Zielgruppen sicher unterscheidbar sind, können einige Online-Dienste helfen. Ein beliebter Dienst ist colorbrewer (http://colorbrewer2.org/), mit dem Sie ein Farbschema erstellen können, das zu jedem gewünschten Parametersatz passt.

    Im Jahr 2010 führte Randall Munroe eine umfangreiche Online-Umfrage durch, in der die Leute gebeten wurden, die Farben zu benennen, die ihnen zufällig präsentiert wurden. Die Ergebnisse zeigten, dass Frauen Farben überproportional spezifischer benannten als Männer, so dass, wenn eine Frau eine Farbe als Neongrün bezeichnet hat, ein Mann sie möglicherweise einfach grün genannt hat. Dies bedeutet nicht, dass Frauen leichter zwischen Farben unterscheiden können, wie einige gelegentlich vermuten, obwohl ein Teil der Umfrageergebnisse definitiv die überproportionale Anzahl von Männern zeigt, die eine Form von Farbenblindheit haben. Neben Sex und Gender spielt auch die Kultur eine Rolle bei der Interpretation von Farben in einer Visualisierung. In einigen Kulturen wird der Tod durch die Farbe Schwarz gekennzeichnet, in anderen durch Weiß. In den meisten Kulturen werden sowohl Hitze als auch Leidenschaft durch die Farbe Rot gekennzeichnet, Krankheit wird oft, aber nicht immer, durch Gelb gekennzeichnet. Ihr Publikum sollte Ihre Wahl der Farbpalette beeinflussen, da die Leser immer zu einer Visualisierung mit vorgefassten Vorstellungen davon gelangen, was Ihre grafischen Variablen bedeuten.

    Gestaltpsychologie ist eine jahrhundertealte Praxis, um zu verstehen, wie Menschen Muster wahrnehmen. Es versucht zu zeigen, wie wir einzelne visuelle Elemente als ganze Einheiten wahrnehmen – wie wir das, was wir sehen, in erkennbare Objekte gliedern (Abbildung 3.40). Zu den Prinzipien der Gestaltpsychologie gehören:

    Nähe. Wir nehmen nahe beieinander liegende Objekte als Teil einer einzigen Gruppe wahr.

    Ähnlichkeit. Visuell ähnliche Objekte (z. B. die gleiche Farbe) werden als Teil einer einzigen Gruppe wahrgenommen.

    Schließung. Wir neigen dazu, die Lücken auszufüllen, wenn Informationen fehlen. Wenn wir ein Kästchen sehen, bei dem zwei Ecken fehlen, sehen wir das Kästchen immer noch als eine Einheit und nicht als zwei getrennte Liniensegmente.

    [Abbildung 3.40 eine Gestaltbox einfügen]

    Diese und andere Gestaltprinzipien können verwendet werden, um fundierte Entscheidungen bezüglich grafischer Variablen zu treffen. Zu wissen, welche Muster dazu neigen, Kontinuität oder Diskontinuität wahrzunehmen, ist für die Erstellung effektiver Informationsvisualisierungen unerlässlich.

    Auf einer feinkörnigeren Ebene, bei der Wahl zwischen gleichermaßen geeigneten grafischen Variablen, Forschung zu präaufmerksame Verarbeitung kann uns in die richtige Richtung lenken. Bestimmte Grafikvariablen werden von uns vorsorglich verarbeitet, sodass wir Unterschiede in diesen Variablen in weniger als 10 Millisekunden erkennen können. Farbe ist eine voraufmerksam verarbeitete Grafikvariable, und so erkennen Sie in Abbildung 3.41 sehr schnell den Punkt, der nicht dazugehört. Dass die Verarbeitung präaufmerksam ist, bedeutet, dass Sie nicht aktiv nach dem Unterschied suchen müssen, um ihn zu finden.

    [Abbildung 3.41 einfügen Eines dieser Dinge gehört einfach nicht hierher]

    Größe, Orientierung, Farbe, Dichte und viele andere Variablen werden vorsorglich verarbeitet. Das Problem tritt auf, wenn Sie mehrere grafische Variablen kombinieren müssen und in den meisten Visualisierungen genau dies die Aufgabe ist. Beim Kombinieren von grafischen Variablen (z. B. Form und Farbe) verliert das zunächst vorsorglich verarbeitete oft seine Auffindbarkeit. Anhand von Untersuchungen zur präattentiven Verarbeitung kann dann gezeigt werden, welche Kombinationen für eine schnelle Informationsbeschaffung noch sinnvoll sind. Eine solche Kombination ist räumlicher Abstand und Farbe. In Abbildung 3.42 können Sie sowohl die beiden räumlich unterschiedlichen Gruppen als auch die räumlich unterschiedlichen Farben schnell bestimmen.

    [Abbildung 3.42 räumlich unterschiedliche Gruppen einfügen, räumlich unterschiedliche Farben]

    Eine weitere wichtige Einschränkung der menschlichen Wahrnehmung ist: Blindheit ändern. Wenn den Leuten nacheinander zwei Bilder derselben Szene präsentiert werden und dem zweiten Bild ein Objekt fehlt, das sich im ersten befand, ist es überraschend schwer zu erkennen, was sich zwischen den beiden Bildern geändert hat. Gleiches gilt für animierte / dynamische Visualisierungen. Es fällt uns schwer, die Informationen aus vorherigen Frames im Gedächtnis zu behalten, und so scheint eine Animation zwar eine edle Art, zeitliche Veränderungen zu visualisieren, ist sie jedoch selten eine effektive. Das Ersetzen einer Animation durch kleine Vielfache oder eine andere statische Visualisierung verbessert die Fähigkeit des Lesers, bestimmte Änderungen im Laufe der Zeit zu bemerken.

    Erstellen einer effektiven Visualisierung

    Wenn die Auswahl der Daten für eine Visualisierung der erste Schritt ist, die Auswahl einer allgemeinen Form der zweite und die Auswahl einer geeigneten visuellen Kodierung im dritten Schritt, besteht der letzte Schritt zur Zusammenstellung einer effektiven Informationsvisualisierung darin, die richtigen ästhetischen Designprinzipien zu befolgen. Dieser Schritt wird dazu beitragen, dass Ihre Visualisierung sowohl effektiv als auch einprägsam ist. Wir lassen uns für diesen Abschnitt von den vielen Büchern von Edward Tufte zu diesem Thema und von Angela Zoss' ausgezeichnetem Online-Leitfaden zur Informationsvisualisierung inspirieren. 30

    Ein scheinbar offensichtliches Prinzip, das oft nicht befolgt wird, besteht darin, sicherzustellen, dass Ihre Visualisierung hohe Auflösung. Die kleinsten Details und Worte der Visualisierung sollten klar, klar und vollständig lesbar sein. In der Praxis bedeutet dies, dass Sie Ihre Grafiken in großen Auflösungen speichern oder Ihre Visualisierungen als skalierbare Vektorgrafiken erstellen. Denken Sie daran, dass die meisten Projektoren in Klassenzimmern immer noch nicht so hoch auflösen wie ein Blatt bedrucktes Papier. Daher kann es effektiver sein, einen Ausdruck für Studenten oder Teilnehmer einer Vorlesung zu erstellen, als Ihre Visualisierung auf eine Leinwand zu projizieren.

    Ein weiteres wichtiges Element von Visualisierungen, das oft ausgelassen wird, sind Legenden die jede Grafikvariable im Detail beschreiben und erklärt, wie sich diese Grafikvariablen auf die zugrunde liegenden Daten beziehen. Die meisten Visualisierungsprogramme erstellen Legenden nicht automatisch und werden daher zu einer vernachlässigten Nebensache. Eine gute Legende bedeutet den Unterschied zwischen einem hübschen, aber nicht entzifferbaren Bild und einer informativen wissenschaftlichen Visualisierung. Adobe Photoshop und Illustrator sowie das kostenlose Inkscape und Gimp sind gute Werkzeuge zum Erstellen von Legenden.

    Eine gute Faustregel beim Entwerfen von Visualisierungen ist, das Verhältnis von Daten zu Tinte so weit wie möglich zu reduzieren. Daten maximieren, Tinte minimieren. Überflüssige Linien, Begrenzungsrahmen und andere Gestaltungselemente können von den präsentierten Daten ablenken. Abbildung 3.43 zeigt einen Vergleich zwischen zwei identischen Diagrammen, mit Ausnahme der Menge an Fremdtinte.

    [Abbildung 3.43 einfügen Das gleiche Diagramm, mit und ohne überflüssige Linien]

    Eine verwandte Regel ist zu vermeiden Chartjunk um jeden Preis. Chartjunk sind jene künstlerischen Schnörkel, die Zeitungen und Zeitschriften in ihre Datenvisualisierungen einkleben, um sie auffälliger zu machen: Ein Mann, der in einem schweren Sturm neben einer Visualisierung des windigen Wetters von heute umweht, oder ein Haus, das zusammenbricht, um den zusammenbrechenden Wohnungsmarkt darzustellen. Chartjunk mag ins Auge fallen, aber es lenkt letztendlich von den präsentierten Daten ab, und die Leser brauchen mehr Zeit, um die ihnen präsentierten Informationen zu verdauen.

    Stilisierte grafische Effekte können genauso ablenkend sein wie Chartmüll. „Ausgeblasene“ Tortendiagramme, bei denen die Tortenstücke weit voneinander entfernt sind, 3D-Balkendiagramme und andere stilistische Macken, die Excel bietet, sind eine schlechte Fensterdekoration und können tatsächlich die Fähigkeit Ihres Publikums beeinträchtigen, Ihre Visualisierung zu lesen. In einem geneigten 3D-Kreisdiagramm kann es beispielsweise ziemlich schwierig sein, die Fläche jedes Tortenstücks visuell abzuschätzen. Die Neigung lässt die Tortenstücke hinten kleiner erscheinen als die vorne, und der 3D-Aspekt verwirrt die Leser, ob sie Fläche oder Volumen schätzen sollen.

    Obwohl dies nicht für jede Visualisierung relevant ist, ist es wichtig, Ihre Achsen zu beschriften und sicherzustellen, dass jede Achse entsprechend skaliert ist. Insbesondere sollte die vertikale Achse von Balkendiagrammen bei Null beginnen. Abbildung 3.44 ist ein perfektes Beispiel dafür, wie man bei der Datenvisualisierung lügt, indem man die Achse viel zu hoch beginnt, was den Anschein erweckt, dass ein kleiner Unterschied in den Daten tatsächlich ein großer Unterschied ist.

    [Abbildung 3.44 einfügen Ein lügendes Diagramm.]

    Es ist eine Kunst, eine Visualisierung zu perfektionieren. Keine Formel sagt Ihnen, was in jeder Situation zu tun ist, aber folgen Sie diesen Schritten (1. Wählen Sie Ihre Daten aus, 2. Wählen Sie Ihren Visualisierungstyp aus, 3. Wählen Sie Ihre grafischen Variablen aus, 4. Befolgen Sie die grundlegenden Designprinzipien) die Visualisierungen, die Sie erstellen wird effektiv und informativ sein. Die Kombination mit den Lektionen an anderer Stelle in diesem Buch zu Text-, Netzwerk- und anderen Analysen sollte die Grundlage für die Erstellung effektiver digitaler Geschichtsprojekte bilden.

    Dieses Kapitel hat viel behandelt: Wir haben uns von der relativ einfachen Provinz der Wortwolken zu der komplexeren Welt der Übersicht und der regulären Ausdrücke bewegt und auf noch fortgeschrittene Techniken hingewiesen, die im Schatten lauern.Sie alle haben jedoch das gleiche Ziel: Wie man viele Informationen aufnimmt und auf eine Weise erforscht, die eine Person nicht könnte. Wie können wir unsere Computer – diese leistungsstarken Maschinen, die auf unseren Schreibtischen oder unserem Schoß sitzen – nicht nur für die Textverarbeitung nutzen, sondern ihr Rechenpotenzial erschließen? Wie wir im nächsten Kapitel bemerken werden, besteht jedoch ein potenzieller Fallstrick darin, dass wir – in den meisten Fällen – noch wissen mussten, wonach wir suchten. Daten „sprechen“ nicht für sich selbst: Sie bedürfen der Interpretation, der Visualisierung.

    Wissenschaftler lernen oft durch Lesen und Sieben: Archivkisten durchsuchen, Literatur lesen, nicht mit Blick auf ein bestimmtes Forschungsergebnis, sondern mit dem Ziel, das Feld ganzheitlich zu verstehen, aus einer bestimmten Perspektive (Theorie). Dasselbe können wir mit Big-Data-Repositories tun und versuchen, einen makroskopischen Blick auf das Feld durch Methoden wie Themenmodellierung und Netzwerkanalyse zu erhalten. In den nächsten Kapiteln bauen wir auf unseren gezielteren Untersuchungen hier mit einer vollständigen Implementierung des Makroskops unseres Historikers auf.

    Adam Crymble, „Können wir einen Text aus einer Wortwolke rekonstruieren?“ 5. August 2013, Gedanken zur digitalen und öffentlichen Geschichte, http://adamcrymble.blogspot.ca/2013/08/can-we-reconstruct-text-from-wordcloud.html.↩

    Sinclair, Stéfan und Geoffrey Rockwell. Hermenutic.ca – Die Rhetorik der Textanalyse http://hermeneuti.ca↩

    In Voyant stehen weitere Tools zur Verfügung, indem Sie auf das Symbol "Speichern" oben rechts auf der Seite in der blauen Titelleiste "Voyant Tools: Reveal Your Texts" klicken. Dieses Symbol öffnet ein Popup mit fünf verschiedenen Exportoptionen. Die erste, "eine URL für dieses Tool und aktuelle Daten", liefert Ihnen eine direkte URL zu Ihrem Korpus, die Sie dann mit anderen teilen oder zu einem späteren Zeitpunkt zur letzten Option "eine URL für ein anderes Tool/eine andere Skin" zurückkehren können und aktuelle Daten' öffnet ein weiteres Menü, in dem Sie auswählen können, welches Tool Sie verwenden möchten. Wenn Sie „RezoViz“ ausgewählt haben (ein Tool zum Aufbau eines Netzwerks mit Organisationen, Einzelpersonen und Ortsnamen, die aus Ihren Texten extrahiert wurden), erhalten Sie eine URL wie diese:

    Die Zahlenfolge ist die Korpus-ID für Ihre Texte. Wenn Sie den Namen eines anderen Tools kennen, können Sie ihn nach /tool/ und vor /?corpus eingeben

    Jonathan Stray hat einen ausgezeichneten Artikel über die Verwendung von Overview als Teil eines „Datenjournalismus“-Workflows geschrieben, von dem viele Punkte für den Historiker angemessen sind. Siehe Stray, J. 2014 „Du hast die Dokumente. Was jetzt?' Quelle.OpenNews.org https://source.opennews.org/en-US/learning/you-got-documents-now-what/↩

    Die Dokumentation für Overview finden Sie unter http://overview.ap.org/ die Software selbst kann unter https://github.com/overview/overview-server/wiki/Installing-and-Running-Overview heruntergeladen werden↩

    Wie in diesem Beispiel http://overview.ap.org/blog/2013/07/comparing-text-to-data-by-importing-tags/↩

    Regex-Ausdrücke werden manchmal unterschiedlich instanziiert, je nachdem, mit welchem ​​Programm Sie arbeiten. Sie funktionieren einfach nicht in Microsoft Word. Die besten Ergebnisse erzielen Sie mit TextWrangler (auf Mac) oder Notepad++ (unter Windows).↩

    Notepad++ (für Windows) kann unter http://notepad-plus-plus.org/ heruntergeladen werden. Textwrangler (für Mac) finden Sie unter http://www.barebones.com/products/textwrangler/↩

    Verfügbar unter http://notepad-plus-plus.org/, falls Sie es noch nicht installiert haben. Versuchen Sie auf einem Mac Textwrangler http://www.barebones.com/products/textwrangler/↩

    Dies sind Markierungen für „Wortgrenzen“. Siehe http://www.regular-expressions.info/wordboundaries.html↩

    genauer beschrieben hier https://github.com/OpenRefine/OpenRefine/wiki/Clustering-In-Depth.↩

    Es ist erwähnenswert, dass Ihre Daten nach dem Bereinigen von Daten im CSV- oder TSV-Format in eine Vielzahl anderer Tools importiert oder für andere Arten von Analysen bereitstehen können. Viele Online-Visualisierungstools wie Raw (http://app.raw.densitydesign.org/ ) und Palladio (http://palladio.designhumanities.org/ ) akzeptieren und erwarten Daten in diesem Format.↩

    http://nlp.stanford.edu/software/CRF-NER.shtml . Sie können Klassifikatoren für Ihre eigenen speziellen Domänen mit dem Stanford NER entwickeln. Weitere Informationen hierzu finden Sie hier: http://nlp.stanford.edu/software/crf-faq.shtml↩

    Michelle Moravec bietet in ihrem Blog „How to use Stanford’s NER and Extract Results“ ein gutes Tutorial zu NER. Geschichte in der Stadt 28. Juni 2014 http://historyinthecity.blogspot.ca/2014/06/how-to-use-stanfords-ner-and-extract.html↩

    Siehe zum Beispiel „dynamische Netzwerke in gephi“ auf unserer Entwurfsseite für dieses Buch, http://www.themacroscope.org/?page_id=525↩

    Während wir nicht auf das Json-Format eingehen, wird es immer häufiger als Datenformat für webbasierte Visualisierungen mit der Codebibliothek d3.js verwendet. Eine sehr gute Referenz für die Arbeit in dieser Bibliothek und mit json-Dateien ist Elijah Meeks, D3.js in Aktion Manning, 2014 http://www.manning.com/meeks/↩

    Verirrt, Jonathan. „Sie haben die Dokumente. Was jetzt? - Lernen - Quelle: Ein OpenNews-Projekt“. Quelle, 14. März 2014. https://source.opennews.org/en-US/learning/you-got-documents-now-what/.↩

    http://tabula.nerdpower.org/ Da es sich um Open Source handelt, können Sie es auf github forken, um Ihre eigene Kopie zu erhalten und zu pflegen, falls die ursprüngliche „Tabula“-Website offline geht. In der Tat ist dies eine Angewohnheit, die Sie sich aneignen sollten

    Gill, David W. J. und Christopher Chippindale. „Materielle und intellektuelle Konsequenzen der Wertschätzung für kykladische Figuren“. Amerikanisches Journal für Archäologie 97, Nr. 4 (Oktober 1993): 601. doi:10.2307/506716.↩


    Tianditu&Huawei Cloud

    Die Geschäftsdaten von Tiandi sind komplex und vielfältig, kombiniert mit Kundenanforderungen und Geschäftsmerkmalen. Die HUAWEI CLOUD-Datenbank verwendet eine Hybrid-Cloud-Architektur mit öffentlichen Cloud-Diensten als wichtigstem externen Service und privaten Cloud-internen Tests als Ergänzung, wodurch mehrere Datenbank-Engine-Lösungen bereitgestellt werden, um gemeinsam eine hochleistungsfähige, hochverfügbare digitale Basis zu schaffen.

    Huawei Cloud GaussDB (für Mongo) bietet Kacheldatenverarbeitungsdienste für Online-Karten Huawei Cloud RDS für PostgreSQL bietet Vektordaten- und 3D-Datenverarbeitungsdienste Huawei Cloud RDS für MySQL bietet Benutzerverwaltung und thematische Layer-Attributdienste, und eine Vielzahl von Datenbanken sind extrem schnell Integration und gemeinsame Anstrengungen dauerte die Migration von 17 TB massiver Daten nur 2 Tage.

    Als Serviceplattform auf nationaler Ebene ist die Sicherheit und Zuverlässigkeit der Daten von größter Bedeutung. HUAWEI CLOUD GaussDB (für Mongo) unterstützt AZ-übergreifende Hochverfügbarkeit, verfügt über eine umfassende regionenübergreifende Disaster-Recovery-Strategie, automatisches Voll-Backup und inkrementelles Backup jeden Tag sowie regelmäßige Recovery-Übungen, um die Effektivität des Backup- und Recovery-Prozesses zu überprüfen und zu erreichen Backups auf Minutenebene wiederherstellen. Gleichzeitig bietet es zustandslose Routing-Knoten, unterstützt Second-Level-Failover, der Kundenservice ist nicht informiert und der Geschäftsbetrieb ist stabil.

    Sky Map bietet grundlegende geografische Informationsplattformdienste für über 30 Ministerien und Behörden und mehr als 30 Provinzen und Städte im ganzen Land. Die durchschnittlichen täglichen API- und Serviceaufrufe übersteigen 600 Millionen Mal, und der Zugriffsdruck ist extrem hoch. HUAWEI CLOUD GaussDB (für Mongo) kann eine Knotenerweiterung auf Minutenebene und eine Speichererweiterung auf zweiter Ebene erreichen, um die Anforderungen einer agilen Geschäftsflexibilität zu erfüllen. Es hat keinen Druck auf den Zugriff von bis zu Hunderten von Millionen von Tiandi, und die Reaktionsfähigkeit ist schnell, stabil und genau, wodurch effektiv sichergestellt wird, dass Tiandi im Normalbetrieb des Geschäfts unter Lastszenarien hoch ist. Darüber hinaus basiert GaussDB (für Mongo) auf der Storage-Computing-Trennungsarchitektur und der Optimierung von rocksdb. Im Vergleich zur Open-Source-MongDB wird die Leistung um mehr als das Dreifache verbessert. Es unterstützt eine maximale Datenverarbeitungskapazität von 96 TB, die die massiven Geschäftsanforderungen von Tiantu vollständig erfüllt.

    GaussDB (für Mongo) ist vollständig kompatibel mit dem MongoDB-Protokoll. Kunden können problemlos ohne Transformation zwischen Datenbanken wechseln, wodurch die Transformationskosten erheblich gesenkt werden. Durch die Möglichkeit, Snapshots in Echtzeit zu erstellen und zu löschen, realisiert GaussDB (für Mongo) eine Reihe von Clustern. Es bietet die Möglichkeit, Lesen und Schreiben zu trennen, wodurch mindestens 50 % der Datenbankkosten eingespart werden. Nach der HUAWEI CLOUD auf der Karte, basierend auf der automatisierten Betriebs- und Wartungsplattform des Datenbankdienstes, hat sich die Effizienz der Datenaktualisierung um das Fünffache und die Geschwindigkeit der Einführung neuer Unternehmen um das Zweifache erhöht. Es reduziert auch den hohen Betriebs- und Wartungsdruck des DBA und ermöglicht es den Kunden, sich mehr auf die Geschäftsebene zu konzentrieren.

    Seit ihrer Einführung im Februar 2019 hat die HUAWEI CLOUD-Datenbank problemlos die über 600 Millionen täglichen durchschnittlichen Besuche von Tiandi unterstützt, den reibungslosen Betrieb des Unternehmens sichergestellt und gleichzeitig null Unfälle erreicht. maßgebend, intelligent und menschlich Der integrierte Geoinformationsdienst ermöglicht es der gesamten Gesellschaft, die Errungenschaften der Vermessungs- und Kartierungsentwicklung zu teilen und den einzigartigen Charme von "Digital China" zu spüren.


    Schau das Video: Interactive World Map Tutorial HTML JavaScript PHP Fireworks Continent Country (Oktober 2021).